案例研究：DeepPlastic 和 YOLOv5

塑料正在使海洋生物窒息：每一分钟都有两卡车塑料被倾倒入海洋，相当于每年超过 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贡献”构成了社会性威胁。

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模型极小且推理速度极快，并可用于检测塑料的模型。” 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，即 YOLOv4 和 YOLOv5，实现了实时目标检测。这些模型是在 DeepTrash 数据集上训练的，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 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能够实现高精度且速度极快的目标检测算法。我们工作的海洋环境十分恶劣且地形崎岖。YOLOv5 在各个方面都表现出色，是我们所能使用的最佳目标检测模型。” “我们非常喜欢使用 YOLOv5，因为它不仅易于设置和使用，而且持续产出了我们想要的结果。” “对于我们未来要部署的任何模型，我们将毫无疑问地将 YOLOv5 作为首选。” 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。