PLAS-Net：基于无人机的海滩垃圾监测的像素级面积分割
计算机视觉与模式识别
2026-04-24 v1 计算机与社会
摘要
准确量化海滩垃圾的物理暴露面积（而非简单计数）对于建立可信的海洋垃圾生态风险评估至关重要。然而，自动化无人机-based 监测主要依赖边界框检测，这会系统性地高估不规则垃圾对象的平面面积。为解决这一几何局限性，我们开发了 PLAS-Net（像素级垃圾面积分割器），一种实例分割框架，用于从海岸线碎片中提取像素精确的物理轮廓。我们在位于泰国高岛的单雨季驱动的口袋式海滩的无人机影像上评估了 PLAS-Net，实现了 58.7% 的 mAP_50，并在 11 个基线模型中表现出更高的精度，展示了在复杂海岸条件下更精细的掩码质量。为说明遮罩准确性对环境分析结论的影响，我们进行了三项下游演示：(i) 对归一化塑料密度 (NPD) 进行幂律拟合以刻画碎片化动力学；(ii) 基于面积加权的生态风险指数 (ERI) 用于绘制空间污染热点图；(iii) 源组成分析揭示了 abundance-area 悖论：渔具占总物品数的小比例，但每个单位物品的物理面积最大。像素级面积提取为海岸监测提供了比仅基于计数的方法更有价值的信息。
引用
@article{arxiv.2604.21313,
title = {PLAS-Net: Pixel-Level Area Segmentation for UAV-Based Beach Litter Monitoring},
author = {Yongying Liu and Jiaqi Wang and Jian Song and Xinlei Shao and Yijia Chen and Nan Xu and Katsunori Mizuno and Shigeru Tabeta and Fan Zhao},
journal= {arXiv preprint arXiv:2604.21313},
year = {2026}
}
备注
30 pages, 12 figures