面向跨域鲁棒的海洋塑料检测：基于视觉模型

海洋塑料污染是紧迫的环境威胁，.make可靠的 underwater debris 检测自动化系统至关重要。然而，训练在一个数据集上的视觉系统常因 domain shift 在新图像上性能下降。本研究基准化跨域鲁棒性模型，在标注好的 underwater 数据集上训练卷积神经网络 - CNN (MobileNetV2, ResNet-18, EfficientNet-B0) 和视觉 transformer (DeiT-Tiny, ViT-B16)，随后在由来自不同来源的塑料阳性图像和来自训练域的阴性图像构建的平衡跨域测试集上进行评估。评估了两个 zero-shot 模型，CLIP ViT-L14 和 Google 的 Gemini 2.0 Flash，它们利用预训练进行图像分类，无需微调。结果表明，轻量级 MobileNetV2 达到了最强的跨域性能 (F1 0.97)，超越了更大模型。所有微调模型在 Precision 上取得高水平 (约 99%)，但在 Recall 上存在差异，表明它们对塑料实例的敏感度不同。零样本 CLIP 敏感度较高 (Recall 约 80%)，但易产生误报 (Precision 约 56%)，而 Gemini 则呈相反特征 (Precision 约 99%，Recall 约 81%)。错误分析揭示了与珊瑚纹理、悬浮颗粒物和镜面光泻相关的常见混淆。总体而言，紧凑型 CNN 通过监督训练可有效实现跨域 underwater 检测，而大型预训练视觉语言模型提供了互补的优势。