(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211132839.1 (22)申请日 2022.09.17 (71)申请人 艾迪恩 （山 东） 科技有限公司 地址 264000 山东省烟台市芝罘区港城西 大街69号B座6楼 申请人 西南交通大 学烟台新 一代信息技 术 研究院 (72)发明人 闫连山　仲聪涵　贺文伟　姚涛　 蒲桂东　 (74)专利代理 机构 烟台双联专利事务所(普通 合伙) 37225 专利代理师 矫智兰 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/42(2022.01)G06V 10/44(2022.01) G06V 10/52(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于机器学习无人机视角下海洋塑料垃圾 旋转检测方法 (57)摘要 本发明提供了一种基于机器学习无人机视 角下海洋塑料垃圾旋转检测方法， 技术方案包括 以下步骤： 步骤1） 收集海洋塑料垃圾数据并划分 数据集， 步骤2） 对原始 YOLOv5模型进行网络 结构 初始化改进， 步骤3） 对改进后的YOLOv5模型进行 训练， 步骤 4） 利用最终改进后的YOLOv5目标检测 模型进行检测： 本发明通过改进YOL Ov5目标检测 算法对无人机视角下海洋垃圾实现精 准识别， 识 别率高， 对塑料垃圾的检测精度高， 并且改进后 的算法检测速度快， 能够满足无人机实时检测要 求。 权利要求书2页 说明书5页 附图5页 CN 115439765 A 2022.12.06 CN 115439765 A 1.基于机器学习无 人机视角下海洋塑料 垃圾旋转检测方法， 包括以下步骤： 步骤1） 收集海洋塑料 垃圾数据并划分数据集： 采集海洋塑料垃圾数据， 对海洋塑料垃圾数据进行分类旋转框的标注， 并将处理好的 数据集划分为训练集、 验证集以及测试集； 步骤2） 对原 始YOLOv5模型进行网络结构初始化改进： 通过在原始YOLOv5基础上优化网络结构， 得到改进后的YOLOv5模型； 在所述改进后的 YOLOv5模型中， 采用包括DownSampleFirst结构、 DownSample结构、 resblock结构替换原始 YOLOv5的骨干网络， 其中DownSample层在原始YOLOv5原C3基础上增加了两层卷积， 且将原 始YOLOv5 颈部网络中的C 3结构替换为多层卷积， 并在下采样之前增 加一层卷积； 步骤3） 对改进后的YOLOv5模型进行训练： 步骤3.1） 将步骤1中的训练集输入上述步骤2中得到的改进后的YOLOv5模型， 其中特征 金字塔网络特征提取模块把训练集中特征图的低分辨率、 高语义信息的高层特征信息和高 分辨率、 低语义信息的低层特征信息进行自上而下 的侧边连接， 使得所有尺度下 的特征图 都有丰富的语义信息； 步骤3.2） 设置训练参数： 学习率设置为0.0 01， 输入图片大小调整为96 0*960； 步骤3.3） 将步骤3.1中提取的特征图输入到改进后YOLOv5模型的颈部网络， 使用SPP模 块实现局部特征和全局特征 的特征图融合， 丰富最终特征图的表达能力， 采用两个上采样 和两个下采样， 输出加强后的海洋塑料 垃圾特征图； 步骤3.4） 将步骤3.3输出的加强特征 图输入到改进后YOLOv5模型的头部网络， 进行不 同尺度的检测， 并且在每一层都设置大小不同的anc hor； 步骤3.5） 将步骤3.4所获得的对训练集的初步检测结果代入损失函数中， 各类损失共 同促进网络权重参数的更新， 各类损失计算迭代结束后， 利用步骤1的验证集验证模型效 果， 而后得到最终改进后的YOLOv5目标检测模型； 步骤4） 利用最终改进后的YOLOv5目标检测模型进行检测： 将步骤1的测试集输入到步骤3.5得到的最终改进后的YOLOv5目标检测模型进行检测， 得到海洋塑料 垃圾数据检出 结果。 2.如权利要求1所述的基于机器学习无人机视角下海洋塑料垃圾旋转检测方法， 其特 征在于： 步骤1中的海洋塑料垃圾数据由无人机进 行拍摄采集， 标注框由人工进 行旋转框标 注处理。 3.如权利要求2所述的基于机器学习无人机视角下海洋塑料垃圾旋转检测方法， 其特 征在于： 步骤1中对于旋转框的定义方式采用18 0°范围内的五参数法， 该定义法包含五个参 数 （x， y， w， h， θ ） ， 其中， x和y为旋转坐标系的中心坐标， θ为旋转框长边h与x轴所成 的夹角， 此时角度范围为( −90°  , 90°]。 4.如权利要求1所述的基于机器学习无人机视角下海洋塑料垃圾旋转检测方法， 其特 征在于： 对于步骤1中标注好的数据集进行 数据增强操作。 5.如权利要求1所述的基于机器学习无人机视角下海洋塑料垃圾旋转检测方法， 其特 征在于： 在步骤2中， 将训练集的特征图先送入DownSampleFirst结构， DownSampleFirst结 构包括卷积层和mish激活函数， 将分支卷积后的特征图再通过concat操作进行多尺度的特 征融合， DownSample结构包括卷积层、 残差模块和mish激活函数， 再通过concat操作进行多权　利　要　求　书 1/2 页 2 CN 115439765 A 2尺度的特 征融合。 6.如权利要求1所述的基于机器学习无人机视角下海洋塑料垃圾旋转检测方法， 其特 征在于： 在步骤3.4中， 头部网络对特征图进行三个不同尺度的检测， 所述的三个不同尺度 包括： 19*19、 38* 38、 76*76 。 7.如权利要求1所述的基于机器学习无人机视角下海洋塑料垃圾旋转检测方法， 其特 征在于： 在步骤3.5中所述的损失函数描述 为：            (1) 其中， 回归部分的损失函数描述 为：   (2) 式中， ， 式中： 为交并比的平均值，  为定位 权重， 默认设置为1， N表示锚框 数量， 表示预测的框， 表示真实的框， 表示预测框的角度， 表示真实框的角度， 表示预测框的坐标， 表示真实框的坐标。权　利　要　求　书 2/2 页 3 CN 115439765 A 3