基于YOLOv5的水面垃圾目標檢測

尹凱宸，王欣浦，吳毅東，秦民昊，張金程，儲昭碧

摘要：文章針對環境污染日益嚴峻的問題，提出使用YOLOv5輔助清理水面垃圾。YOLOv5使用Mosaic數據增強和自適應錨框計算，具有較高的處理精度。利用YOLOv5目標檢測網絡對水面垃圾檢測，可快速準確地搜尋水面垃圾，從而減輕環衛工人的負擔。筆者利用Labelimg軟件對水面垃圾圖像數據進行標注，整理并獲得訓練集。實驗結果表明：基于YOLOv5的水面垃圾目標檢測在檢測精度和速率上都取得良好的結果。

關鍵詞：目標檢測；圖像處理；深度學習；YOLOv5；水面垃圾

中圖分類號：TP319? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2022）33-0028-03

隨著人們逐步認識到環保的重要性，清理水面垃圾成為人們需要解決的一大難題，如何快速尋找水面垃圾成為提高清理工作效率的一個重要問題。目前，水面目標的檢測算法大致可以分為三類，分別是基于紅外成像傳感器、基于激光雷達和基于視覺可見光的方法。然而，通過基于激光雷達和紅外成像傳感器的方法獲取的圖像在顏色、紋理和角點等圖像處理特征上不具備顯著差異，所以本項目使用一種基于深度學習的水面垃圾檢測算法——YOLOv5，該算法具有檢測精度高、體積小、速度快等優勢，與本項目的垃圾目標檢測最為契合[1]。

1 YOLOv5

YOLO算法用一個神經網絡實現目標檢測的分類和定位，在目標檢測領域有較為廣泛的應用。Ultralytics公司于2020年5月推出的YOLOv5繼續沿用 YOLOv3和YOLOv4 的整體布局，它的優點是速度快、體積小、精度高等，其圖像處理速度最快可達0.007s，即連續處理140幀圖片僅需要1s。YOLOv5中共有四種模型，分別是YOLOv5s、YOLOv5m、YOLOv5x和YOLOv5l[2]。本文采用YOLOv5s。

YOLOV5s模型的基本組成部分：Input（數據輸入端）、Backbone（主干部分）、Neck、Prediction（數據輸出端）。YOLOv5的網絡模型如圖1。

1.1 Input

輸入端使用Mosaic的處理方式來增強數據，對多張水面垃圾圖片先進行隨機的縮放和裁剪處理，之后再進行隨機分布和拼接，極大地擴充并充實了模型數據集，提升了對較小的水面漂浮物的檢測能力。

YOLOv5在訓練過程中添加自適應計算錨框功能，每次訓練都自動計算不同訓練集中的最優錨框值。

YOLOv5在對原始水面垃圾圖片進行縮放操作時，會根據圖片的尺寸，自適應地添加黑邊，使得黑邊最少。經過這樣處理后，計算量大幅降低，從而使水面垃圾檢測工作的執行速率得到大幅度的提高[3]。

1.2 Backbone

Backbone中包含有CSP結構與Focus結構。Focus的切片操作為，將原始尺寸為608*608*3的水面垃圾圖片輸入Focus結構，先采用切片操作，再經過一次卷積操作，最后結果為304*304*32的水面垃圾特征圖[3]。

使用CSP模塊能夠提高網絡的機器學習能力，在確保模型具有較高準確性的同時，也使模型輕量化，而且還能減少內存成本和計算瓶頸。

YOLOv5中主要設計并實現了CSP1_X和CSP2_X兩種CSP結構，其中，Backbone主干網絡中主要應用的是CSP1_X結構，可解決主干部分網絡優化的梯度信息重復的問題[3]。有效提高了模型對空間布局和對象變形的魯棒性。

1.3 Neck

在水面垃圾的檢測系統中，在Backbone和輸出層之間插入一些層能夠更好地提取融合特征，稱為“Neck”。是目標檢測網絡的頸部，也是算法組成中十分重要的一部分。

YOLOv5s的Neck采用FPN（自上而下）+PAN（自底向上結構的特征金字塔）的結構[4-5]。通過自頂向下的FPN層傳達強語義特征；利用自底向上的特征金字塔傳達強定位特征，在不同的主干層對應于不同的檢測層，實現參數的整合，可縮短推理周期，減少內存占用[6]。

1.4 Prediction

輸出端主要由兩大部分組成：非極大值抑制[7]和Bounding box。GIOU＿Loss函數作為Bounding box的損失函數，可以有效解決水面垃圾圖片邊界框不重合的問題[8]。GIOU＿Loss函數采用相交尺度的衡量方式有利于解決邊界框可能不重合的問題[9]。而針對出現的多目標框的挑選，采用NMS函數把GIOU＿Loss貢獻值不是最大的預測結果都去掉，從而獲得最優目標框。

2 實現水面垃圾檢測流程

2.1 水面垃圾檢測框架圖

本文中的水面垃圾檢測框架圖如圖2所示。由圖2可以看出，實現水面垃圾檢測的步驟首先通過Labeling對圖片標注水面垃圾，然后建立數據集并將其轉變為YOLO格式，數據集經過YOLOv5訓練后可以獲得權重數據，然后使用YOLOv5s利用水面垃圾權重數據對無人機回傳的視頻圖像進行處理，最終輸出檢測結果。

2.2 樣本集訓練

水面垃圾的樣本集是水面垃圾檢測效果優秀與否的關鍵，樣本集是否可行會對訓練后模型的質量產生重大影響。為保證訓練后的模型質量，本文采集的樣本集盡量選用接近實際應用場景的圖片。最后經過篩選，共收集水面垃圾圖片790張，對收集的圖片按順序編號后進行重命名，組合為訓練集和測試集，訓練集和測試集的比例為7：3，通過Labelimg軟件對水面垃圾進行標注，并將圖片的標注的圖片格式由 xml 轉換成 YOLOv5s 的格式。

2.3 網絡訓練

首先，搭建水面垃圾檢測環境并對模型進行訓練，文中實驗應用的操作系統為Windows10，開發語言選擇Python語言。本文實驗所使用具體配置情況見表1。

在訓練的過程中，具體的訓練參數及參數設置情況說明如下：網絡模型訓練階段，物體檢測驗證集不衰減，總迭代次數為50次。輸入圖片尺寸為640*640，batch-size為4。

2.4 實驗操作流程

首先，使用Labelimg軟件對數據集圖片中的垃圾分類框選，并對框選的垃圾標注其垃圾種類名稱，最后將圖片的標注格式轉換為YOLOv5格式。圖3為部分數據集的標注情況。

之后，通過YOLOv5s對數據集進行訓練獲得水面垃圾的權重數據。

如圖4，使用Python調用train.py文件，通過VOC_rubbish.yaml和YOLOv5s_rubbish.yaml對訓練模型的檢測種類進行定義，之后對預訓練權重文件的路徑進行設置，同時設定size=4，epoch=50。通過訓練即可獲得水面垃圾的權重數據。

最后，通過YOLOv5s利用水面垃圾的權重數據對無人機回傳的視頻進行處理。

如圖5，通過Python調用detect.py文件，設置檢測視頻的路徑為testfiles/2.mp4 ，調用權重文件的路徑為weights/best.pt，并且將檢測的置信度設置為0.4。

3 處理結果及總結

通過使用YOLOv5s算法對水面垃圾進行檢測，所得結果如圖6所示。

通過對比處理前后的圖像可以發現，YOLOv5s算法檢測可以較為準確地識別圖片中的水面垃圾，并且對不同種類的垃圾分類標注。如圖6（a）中存在較小的水面垃圾，圖6（b）中不但將其一一框選標注，而且精確地識別出框選的垃圾種類。當水面垃圾數量較多時，如圖6（c），圖片中共有水面垃圾8處，而圖5（d）中不僅將所有水面垃圾成功框選出來，而且對框選水面垃圾的種類識別全部正確。同時，由圖6（b）和（d）可以發現，YOLOv5s對水面垃圾識別的平均置信度為0.6，基本可以滿足輔助環衛工人搜尋水面垃圾的需求。所以采用這種方法可以準確迅速地搜尋并識別水面垃圾，從而極大提高環衛工人搜尋水面垃圾的效率。

4? 結束語

本文介紹了基于YOLOv5的水面垃圾目標檢測方法，初步看來，此模型在水面垃圾的檢測方向是極具可行性的。可實現對水面垃圾的智能化搜尋，輔助環衛工人清理水面垃圾，提高工作效率，減少人力物力的投入。但仍有待完善的地方，比如在大片水面垃圾堆積的水面有概率出現垃圾識別不完全的情況，在水面情況復雜的地方有較小概率出現識別錯誤的情況等。計劃下一步將從網絡模型的方面修改Loss函數 ， 從而提高性能，同時對數據集中水面垃圾的種類進一步細分，從而提高精確度。

參考文獻：

[1] 周飛.水面清污機器人垃圾檢測算法的研究[D].綿陽：西南科技大學，2020.

[2] 吳志新，聶留陽，董容君，等.基于深度學習的機場道面表觀缺陷檢測[J].電子技術與軟件工程，2021（8）：174-177.

[3] 馬琳琳，馬建新，韓佳芳，等.基于YOLOv5s目標檢測算法的研究[J].電腦知識與技術（學術版），2021（23）：100-103.

[4] 楊曉玲，蔡雅雯.基于YOLOv5s的行人檢測系統及實現[J].電腦與信息技術，2022，30（1）：28-30.

[5] 王莉，何牧天，徐碩，等.基于YOLOv5s網絡的垃圾分類和檢測[J].包裝工程，2021，42（8）：50-56.

[6] 趙冬.基于改進目標檢測算法的吸煙行為檢測[J].電子技術與軟件工程，2021（24）：116-117.

[7] 楊曉玲，羅順利，梁皓添.基于YOLOv5的交通路面障礙物目標檢測[J].智能城市，2021，7（20）：121-122.

[8] 談世磊，別雄波，盧功林，等.基于YOLOv5網絡模型的人員口罩佩戴實時檢測[J].激光雜志，2021（2）：147-150.

[9] 肖博健，萬爛軍，陳俊權.采用YOLOv5模型的口罩佩戴識別研究[J].福建電腦，2021，37（3）：35-37.

【通聯編輯：唐一東】