一种基于YOLOv2网络的水上漂浮物检测方法技术

本发明专利技术涉及计算机视觉、机器学习领域，具体涉及一种基于YOLOv2网络的水上漂浮物检测方法，步骤如下：步骤1，采集数据；步骤2，数据增强；对数据集A进行数据增强。步骤3，标记图片；将数据集B中的水上漂浮物区域用矩形框进行标记，步骤4，训练模块；将数据集B分成三部分的目的是能够选出效果最好的、泛化能力最佳的权重模型。步骤5，检测模块；利用训练好的权重模型对监控的河道或湖泊视频进行检测。本发明专利技术的有益效果是取代了传统的基于人工的检测方法，节省了人力和物力，还对河道或湖泊的污染程度进行判断。本发明专利技术随机将数据集分为训练集、测试集、验证集，通过数据增强的方法扩充了样本，防止图像样本过少导致的过拟合问题。

【技术实现步骤摘要】
一种基于YOLOv2网络的水上漂浮物检测方法
本专利技术涉及计算机视觉、机器学习领域，具体涉及一种基于YOLOv2网络的水上漂浮物检测方法。
技术介绍
我国淡水资源不断减少，而且污染现象较为严重。在湖泊、河道等水面上出现大量漂浮物，这些漂浮物含有大量对人体有害的物质。因此，为了人类的可持续发展，必须解决水污染问题。虽然目前在有些场景中使用了摄像机对水面进行监控，但是仍然需要有人对监控画面进行看守，这样不仅耗时费力，而且也无法保证准确、实时地对漂浮物做出反应。为了满足实际应用的需要，针对目前水上漂浮物检测出现的各种不足，需要研究对漂浮物的智能化检测，在深度学习的应用领域不断扩大的基础上，使对漂浮物实时监控和实现智能化、自动化、无人化的检测成为可能，因而可基于YOLOv2网络设计一种水上漂浮物检测方法。
技术实现思路
本专利技术基于YOLOv2网络，对河道或湖泊上的漂浮物进行实时检测，可以实现对水上漂浮物的实时监控，得到漂浮物的坐标信息、类别以及个数。并根据漂浮物的个数判断该河道或湖泊的污染程度，有助于解决水污染的问题。一种基于YOLOv2网络的水上漂浮物检测的方法，步骤如下：步骤1：采集数本文档来自技高网...

【技术保护点】
1.一种基于YOLOv2网络的水上漂浮物检测的方法，其特征在于，步骤如下：步骤1：采集数据；通过摄像机采集河道或湖泊的视频，从中截取画面中包含水上漂浮物的图片，生成图片库A；利用相机对河道或湖泊上漂浮有漂浮物的图片进行采集，生成图片库B；得到用于训练YOLOv2网络的数据集A，数据集A包括图片库A和图片库B；步骤2：数据增强；对数据集A进行数据增强，通过数据增强生成图片库C，图片库C不包含图片库A和图片库B；图片库A、图库B和图库C构成数据集B；所述的数据增强包括旋转、反射变换、翻转变换、缩放变换、平移变换、尺度变换、对比度变换、噪声扰动和颜色变换；步骤3：标记图片；将数据集B中的水上漂浮物区...

【技术特征摘要】
1.一种基于YOLOv2网络的水上漂浮物检测的方法，其特征在于，步骤如下：步骤1：采集数据；通过摄像机采集河道或湖泊的视频，从中截取画面中包含水上漂浮物的图片，生成图片库A；利用相机对河道或湖泊上漂浮有漂浮物的图片进行采集，生成图片库B；得到用于训练YOLOv2网络的数据集A，数据集A包括图片库A和图片库B；步骤2：数据增强；对数据集A进行数据增强，通过数据增强生成图片库C，图片库C不包含图片库A和图片库B；图片库A、图库B和图库C构成数据集B；所述的数据增强包括旋转、反射变换、翻转变换、缩放变换、平移变换、尺度变换、对比度变换、噪声扰动和颜色变换；步骤3：标记图片；将数据集B中的水上漂浮物区域用矩形框进行标记，得到数据集D，数据集D包含矩形框的坐标信息和矩形框中所包含漂浮物的种类信息；步骤4：训练获得最优权重模型；将整个数据集B随机的分为三部分训练集Q1、验证集Q2和测试集Q3；4.1训练集Q1用于YOLOv2网络的训练，将训练集Q1以及步骤3中生成的数据集D送入到YOLOv2网络中进行训练得到多个权重模型；4.2验证集Q2用于调整模型参数；多个权重模型分别对验证集Q2进行预测，并记录权重模型的准确率；选出准确率最大的权重模型所对应的参数，用该参数生成最优权重模型；4.3使用测试集Q3进行最优权重模型的预测，获得最优权重模型用于检测模块的水上漂浮物的检测；步骤5：实时检测水上漂浮物；将视频监控设备与计算机连接起来，...

【专利技术属性】
技术研发人员：肖志勇，刘辰，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏,32