一种利用深度视觉模型量化上层水体_bound 塑料的机器人方法
计算机视觉与模式识别
2021-10-22 v4 人工智能
机器人学
摘要
对正浮力海洋塑料碎片的量化，对于理解塑料垃圾如何在全球海洋中累积至关重要，对于确定针对性清理工作的热点区域也至关重要。当前，量化海洋塑料最常用的方法是使用蝠鲼拖网进行人工采样。然而，该方法成本高昂且需要人力。本研究通过使用基于神经网络和计算机视觉模型的自主方法消除了人工采样的需要，这些模型在从海洋水柱各层捕获的图像上训练，以执行实时塑料量化。性能最佳的模型平均精度均值（Mean Average Precision）为 85%，F1 分数为 0.89，同时保持近实时处理速度约 2 ms/图像。
引用
@article{arxiv.2105.01882,
title = {A Robotic Approach towards Quantifying Epipelagic Bound Plastic Using Deep Visual Models},
author = {Gautam Tata and Sarah-Jeanne Royer and Olivier Poirion and Jay Lowe},
journal= {arXiv preprint arXiv:2105.01882},
year = {2021}
}
备注
8 Pages, 6 Figures, 2 Tables - Added Paragraph for Code Availability - Submitted preprint to Elsevier