基于深度学习的海岸线垃圾识别方法及系统

专利主权项内容

1.基于深度学习的海岸线垃圾识别方法，其特征在于，包括如下步骤：S1、获取海岸线的原始图像；其中，所述原始图像中包括垃圾、游客和环境；S2、对所述原始图像进行预处理，构建检测目标图像数据集；所述检测目标包括：垃圾和游客，垃圾包括第一尺寸范围垃圾和第二尺寸范围垃圾；其中，第二尺寸范围的下限大于第一尺寸范围的上限；S3、利用所述检测目标图像数据集对YOLOv8n-IL网络模型进行训练，得到最优权重文件以及训练好的YOLOv8n-IL网络模型；其中，所述YOLOv8n-IL网络模型以YOLOv8n网络模型为基础，YOLOv8n网络模型包括输入端、骨干网络、Neck模块和检测头，所述YOLOv8n-IL网络模型将骨干网络中后两个C2f模块替换为InceptionNeXt模块，并在检测头前嵌入LSK模块；其中，所述LSK模块包括普通卷积和膨胀卷积，所述普通卷积和所述膨胀卷积具有不同大小的感受野，用于获取不同范围的上下文信息；所述最优权重文件包括多组权重参数，每个检测目标的特征信息对应一组权重参数；S4、将待测图像输入训练好的YOLOv8n-IL网络模型进行海岸线垃圾识别；具体包括：S41、将待测图像输入训练好的YOLOv8n-IL网络模型的输入端；S42、通过骨干网络对待测图像中的各检测目标进行特征提取；S43、然后通过Neck模块对各检测目标的特征进行特征融合，得到融合特征图像；S44、所述LSK模块通过普通卷积和膨胀卷积分别对所述融合特征图像中的所有检测目标进行特征提取，选择相应的特征提取结果结合所述融合特征图像得到该融合特征图像的最终输出特征图像；S45、检测头根据最终输出特征图像对各检测目标进行识别，得到该待测图像的识别结果。