案例研究：DeepPlastic 与 YOLOv5
了解 Ultralytics 如何利用 AUV 和 YOLOv5 解决海洋塑料污染问题，实现高效的水下探测与清理。
ULUltralytics 团队6 min read
塑料正在让海洋生物窒息：每分钟都有 两卡车塑料 被倾倒进海洋，每年相当于超过 1000 万吨。DeepPlastic 的科学家们指出，这些海洋塑料对“海洋环境、食品安全、人类健康、生态旅游以及气候变化”构成了社会性威胁。
为了应对这一问题，这支研究人员和工程师团队一直在研究如何利用计算机视觉来消除海洋中的塑料。
借助深度学习技术，DeepPlastic 的研究人员开发了一种方法，使用自主水下航行器 (AUV) 对海洋表面以下光线仍能穿透的区域（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极其轻量且推理速度极快的模型，能够用于探测塑料。” Jay Lowe，机器学习研究员
DeepPlastic 团队训练了两个小巧而精确的模型：YOLOv4 和 YOLOv5，实现了实时目标检测。这些模型在 DeepTrash 数据集上进行了训练，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）
- 从加利福尼亚州太浩湖、旧金山湾和博德加湾拍摄的实地图像。
- 互联网图像
“我们在寻找一种既能实现高精度又极其快速的目标检测算法。我们工作的海洋环境复杂且地形粗糙。YOLOv5 在各个方面都表现出色，是我们能使用的最佳目标检测模型。” “我们喜欢使用 YOLOv5，因为它非常易于设置和使用，并且始终如一地产生了我们想要的结果。” “对于未来我们将部署的任何模型，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、发表的论文 以及 视频回顾。
