鲍佳松,黄细霞,姬 克,卢占标

(航运技术与控制工程交通行业重点实验室(上海海事大学),上海 201306)

0 引 言

水域环境的治理一直以来深受重视，就我国南部水域，由于水面漂浮物诸如水葫芦、塑料制品以及金属制品的存在，生态破坏、水质污染以及航道堵塞等问题显得尤为严重[1]。随着全国垃圾分类政策的提出，精准识别水面漂浮物并进行分类回收变得尤为重要。

现阶段用来检测识别水面漂浮物的方法主要包括人工识别、遥感检测[2]和利用机器视觉识别。邓磊等人[3]采用BP神经网络构建分类器，将输入图像的边缘，灰度与纹理作为特征，设计了漂浮塑料瓶和树枝的判别模型。但是由于人工提取如梯度、颜色和纹理的浅层特征，容易受水面环境影响，不能完全表征目标的特定信息。而随着深度学习的兴起，卷积神经网络(convolutional neural network,CNN)[4]可将原始图像数据作为输入，避免了传统识别算法中的数据预处理过程，尤其是解决了传统神经网络多层次的局部最优以及梯度弥散等缺点[5]。李宁等人[6]使用的基于AlexNet网络模型，经过小样本的微调(fine-tuning)后实现对塑料袋与塑料瓶的识别；雷李义等人[7]提出了一个包含水草和落叶的小型漂浮物数据集，在预训练好的Faster-RCNN和SSD等模型上进行微调并取得一定的识别效果。上述文献表明CNN可用于识别水面漂浮物，但这些模型的网络结构较为复杂。

针对现有模型的网络结构复杂，模型训练困难等问题，基于深度卷积神经网络(deep convolutional neural network,DCNN)，本文提出了用于水面漂浮物识别的模型。……