基于改进YOLOv4-MobileNetv3的水面漂浮物检测研究OA

针对现有的水面漂浮物检测算法受水面光影等因素干扰严重的问题,提出一种改进YOLOv4-MobileNetv3的水面漂浮物检测算法,为提高对水面漂浮物检测精度提供新的思路。首先将原CSP Darknet53特征提取网络替换为MobileNetv3,在MobileNetv3第9层引入SENet模块,第4、6层加入HS非线性激活函数以强化特征提取;采用K-means++聚类算法优化先验框,提高先验框与自制数据集的匹配度;同时对待训练数据集进行图片拼接操作,使同一图片内相近特征对比更加显著。实验表明,优化后模型mAP达91.75%,precision、recall及F1值均超90%,优于对比模型;消融实验证实,优化后测试集mAP提升3.74%,参数量仅增加0.01%。将模型部署于低算力平台实地测试,可实现水面漂浮物精准检测。