案例研究：DeepPlastic 和 YOLOv5

塑料正在窒息海洋野生动物：每分钟都有两卡车塑料被倾倒进我们的海洋，相当于每年超过 1000 万吨。DeepPlastic 科学家表示，这些海洋塑料对“海洋环境、食品安全、人类健康、生态旅游以及对气候变化的影响”构成了社会威胁。

为了应对这一问题，这支研究人员与工程师团队一直在探索计算机视觉如何能够消除海洋中的塑料。

借助深度学习技术，DeepPlastic 的研究人员开发了一种方法，利用自主水下航行器 (AUVs) 对海洋表面以下光线仍可穿透的区域，即透光层 (Epipelagic layer)，进行扫描、识别和量化塑料。

“我们的目标是拥有一个体积非常小、推理速度非常快的模型，可用于检测塑料。” Jay Lowe，机器学习研究员

DeepPlastic 团队训练了两个小巧且精确的模型，YOLOv4 和 YOLOv5，实现了实时目标检测。这些模型在 DeepTrash 数据集上进行训练，该数据集包含：

• 1900 张训练图像，637 张测试图像，637 张验证图像（按 60/20/20 分割）
• 拍摄于加利福尼亚州太浩湖、旧金山湾和博德加湾的现场图像。
• 互联网图像

“我们一直在寻找一种高精度且极快的目标检测算法。我们工作的海洋环境十分恶劣，地形复杂。Ultralytics YOLOv5 在各方面都表现出色，是我们能用到的最佳目标检测模型。” “我们非常喜欢使用 YOLOv5，因为它极易配置和使用，并且一直稳定地输出我们期望的结果。” “对于我们未来将部署的任何模型，毫无疑问，YOLOv5 将是我们的首选。” Gautam Tata，机器学习研究员

查看 DeepPlastic 仓库、已发表论文以及视频回顾。