一种基于APM-YOLOv7的小目标水漂垃圾检测方法技术

本发明专利技术公开了一种基于APM‑YOLOv7的小目标水漂垃圾检测方法，属于图像识别技术领域，本发明专利技术提出一种基于APM‑YOLOv7的小目标水漂垃圾检测方法，为提取到更多的形态多变的水漂垃圾特征，受Faster Net启发，将PConv引入YOLOv7中，替换ELAN模块中的3×3 convolution，在减少冗余参数的同时，结合通道和空间特征，提取到更多的不变特征，提高检测精度，并通过不同大小的卷积进行多尺度特征提取，与之配合的门控注意力机制可以筛选和强调关键特征。自适应Canny算法精准地考虑了河道的颜色、纹理、形状以及与周围环境的关系，通过智能地调整参数和策略，该算法能够针对不同场景灵活地适应，从而在复杂背景中准确提取河道特征并大幅减少背景的噪声与干扰，极大地提高了对于微小垃圾的特征识别能力。

【技术实现步骤摘要】

本专利技术涉及图像识别，特别涉及一种基于apm-yolov7的小目标水漂垃圾检测方法。

技术介绍

1、随着沿海、沿河地区工业化的迅猛发展，水漂垃圾污染现象日益严重。利用图像视觉技术可以实现更加智能、高效的水漂垃圾治理，其中，如何从复杂的背景中准确识别水漂垃圾，是实现高效治理的关键一步。然而，水漂垃圾的识别过程中面临着诸多问题：从所处环境角度来讲，河道弯曲频繁且背景复杂，很难分辨出水漂垃圾；从目标识别角度讲，小目标的水漂垃圾特征有限，且在漂浮过程中外观形态变化明显，导致深度学习算法对水漂垃圾的检测效果不理想。因此，需要优化设计一种高精度、可靠的水漂垃圾检测算法，以实现水漂垃圾的高效治理。

2、目前，计算机视觉的目标检测任务历经了从传统算法到深度学习的演变。传统的目标检测主要依赖于人工设计的特征和经典的机器学习方法。其中，滑动窗口的特征提取策略是最常用的一种，这种方法在整个图像上通过设置不同大小的移动窗口，寻找可能的目标。这种方法计算量巨大，因为它要评估图像中的每个可能位置。为消除人工设计特征的差异性，研究者们通过方向梯度直方图(hog)、加速鲁棒本文档来自技高网...

【技术保护点】

1.一种基于APM-YOLOv7的小目标水漂垃圾检测方法，其特征在于，包括将获取到的图像经自适应Canny算法的图像进行预处理，减少岸边复杂背景的干扰，然后通过改进的YOLOv7模型，输出检测结果；

2.根据权利要求1所述的一种基于APM-YOLOv7的小目标水漂垃圾检测方法，其特征在于，自适应边缘点筛选及连接中自适应Canny算法的双阈值根据经验分别设置为0.075和0.175,高低阈值的比例为7:3，经自适应处理，可实现更加准确的边缘点计算。

3.根据权利要求1所述的一种基于APM-YOLOv7的小目标水漂垃圾检测方法，其特征在于，PConv-ELAN特征提取...

【技术特征摘要】

1.一种基于apm-yolov7的小目标水漂垃圾检测方法，其特征在于，包括将获取到的图像经自适应canny算法的图像进行预处理，减少岸边复杂背景的干扰，然后通过改进的yolov7模型，输出检测结果；

2.根据权利要求1所述的一种基于apm-yolov7的小目标水漂垃圾检测方法，其特征在于，自适应边缘点筛选及连接中自适应canny算法的双阈值根据经验分别设置为0.075和0.175,高低阈值的比例为7:3，经自适应处理，...

【专利技术属性】
技术研发人员：马龙，陈文，邓建伟，吴佰靖，杨恒，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：