本文介绍了基于yolov5s模型和Ghost组件开发的水面垃圾检测系统，该系统已部署在无人船上，减少了边缘端的算力需求。数据集人工采集，主要包括瓶子和易拉罐等垃圾。模型经过100次epoch迭代，展示了精确率、召回率、PR曲线和F1值等评估指标。
在前文中我们探索实践基于yolov5m模型开发构建了水面障碍物检测识别系统，本文主要应用场景与前文类似，但是业务更为聚焦，这里主要定位是水面垃圾检测，博主所在城市当前河道湖泊治理已经很完善了，所以人造的数据集基本上里面只包含了瓶子和易拉罐之类的丢弃垃圾，这个主要是以实践尝试为主，后期可以针对性地增加目标对象都是可以的，目前模型已经应用部署在了无人船上面，为了降低边缘端算力的压力，这里一方面选择是速度和性能相对平衡的s系列的模型，另一方面融合集成了Ghost组件，期望进一步降低参数量级。
首先看下效果图：
数据集是人工采集的，看起来会显得比较脱离现实哈，简单看下：
关于Ghost组件的添加与yolov5s模型文件的修改可以参考这里：
《基于yolov5m融合轻量级Ghost组件开发构建水面障碍物检测识别系统》
本质上是完全一样的操作，这里就不再赘述了。
默认100次的epoch迭代计算，结果如下：
【精确率和召回率】
【PR曲线和F1值曲线】
【标签类别可视化】
【训练可视化】
【batch实例】
可视化推理实例如下：
扫一扫
754
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
