案例研究：DeepPlastic 与 YOLOv5

塑料正在危害海洋野生动物：每分钟都有两卡车塑料被倾倒进海洋，每年总量超过 1000 万吨。DeepPlastic 的科学家指出，这些海洋塑料会对“海洋环境、食品安全、人类健康、生态旅游以及气候变化方面的贡献”构成威胁。

为了解决这个问题，这支研究人员和工程师团队一直在研究计算机视觉如何清除海洋中的塑料。

借助深度学习技术，DeepPlastic 研究人员开发了一种方法，使用自主水下航行器（AUV）扫描、识别并量化位于海洋表层下方、光线仍可穿透的塑料，也就是海洋上层带中的塑料。

“我们的目标是打造一个非常小巧、推理速度非常快的模型，用来检测塑料。” Jay Lowe，机器学习研究员

DeepPlastic 团队训练了两个小巧而精准的模型，YOLOv4 和 YOLOv5，以实现实时目标检测。这些模型使用 DeepTrash 数据集训练，其中包括：

• 1900 张训练图像、637 张测试图像、637 张验证图像（按 60、20、20 划分）
• 在加利福尼亚州太浩湖、旧金山湾和博德加湾拍摄的实地照片。
• 互联网图像

“我们要找的是一种精度高、速度极快的目标检测算法。我们工作的海洋环境十分严酷，地形崎岖。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。” “我们喜欢使用 YOLOv5，因为它设置和使用都非常简单，而且一直能稳定地产出我们想要的结果。” “对于今后要部署的任何模型，我们毫无疑问都会优先选择 YOLOv5。” Gautam Tata，机器学习研究员

查看 DeepPlastic 代码库、已发表论文和视频回顾。