面向自主水下航行器的智能碎片质量估计模型

海洋碎片对海洋野生动物的生存构成重大威胁，常导致缠绕和饥饿，最终致死。因此，清除海洋中的碎片对于恢复自然平衡并让海洋生物繁衍生息至关重要。实例分割是目标检测的一种高级形式，可识别物体并精确地与背景分离定位，是自主水下航行器（AUV）有效导航并与其水下环境交互的重要工具。AUV利用图像分割分析其相机捕获的图像以在水下环境中导航。本文中，我们利用实例分割计算图像中单个物体的面积，在Roboflow中使用YOLOV7为图像中每个物体生成一组边界框，并带有类别标签和每次检测的置信度分数。随后通过对物体边界框施加二值掩码为每个物体创建分割掩码。这些掩码通过对训练用于从背景中分割物体的卷积神经网络输出施加二值阈值而生成。最后，通过对每个物体细化分割掩码，采用形态学运算和轮廓检测等后处理技术，以提高掩码的准确性与质量。实例分割面积估计的过程包括分别计算每个分割实例的面积，然后将所有实例的面积求和得到总面积。计算基于物体形状（如矩形和圆形）的标准公式进行。在物体复杂的情况下，采用蒙特卡洛方法估计面积。该方法比传统方法具有更高精度，尤其在使用大量样本时。