一种基于深度学习的水面清洁无人船垃圾识别算法

本发明提出了一种基于深度学习的水面清洁无人船垃圾识别算法，包括以下步骤：首先，通过真实场景采集、开源数据集和互联网资源构建样本集，并进行数据预处理和数据增强；其次，采用K‑means聚类算法优化锚框尺寸；接着，改进YOLOv5网络模型，使用EfficientNetv2替换主干网络，引入ECA注意力机制和辅助训练头；然后，采用EIoU损失函数进行模型训练；最后，通过精准度、召回率和平均精度均值等指标评估模型性能。该算法显著提升了检测精度和速度，增强了环境适应性，并通过轻量化设计降低了计算资源消耗，适用于低算力移动端设备，有效解决了水面垃圾检测中的精度不足、速度慢和环境适应性差等问题。