1.一种基于改进YOLOv11算法的多尺度岸滩垃圾检测方法,其特征在于,包括以下步骤:采集海滩垃圾图像构建海滩垃圾检测数据集,所述海滩垃圾检测数据集包括训练集、验证集和测试集;
构建改进YOLOv11网络模型,其中,所述改进YOLOv11网络模型的改进过程包括:在改进YOLOv11网络模型的骨干网络和颈部网络的下采样层中采用ECASPDConv模块,在骨干网络的预设C3k2模块位置采用C3k2DualAFE模块,在颈部网络的预设C3k2模块位置采用C3k2Dual模块,并在模型头部增加基于深层特征上采样并与浅层特征拼接融合形成的高分辨率检测头;
采用所述训练集对改进YOLOv11网络模型进行训练,并采用所述验证集进行性能评估得到目标检测模型;
将所述测试集输入所述目标检测模型得到岸滩垃圾检测结果;
所述改进YOLOv11网络模型包括:骨干网络、颈部网络和头部网络;所述骨干网络包括:普通卷积层、ECASPDConv模块、C3k2DualAFE模块和空间金字塔池化快速层;
在骨干网络的预设C3k2模块位置采用C3k2DualAFE模块进行特征提取的过程包括:对输入特征图进行卷积操作得到第一特征图;
基于所述第一特征图分割得到两个通道数减半的第二特征图和第三特征图;
将所述第三特征图传递至自适应特征增强瓶颈模块依次进行双分支卷积操作和普通卷积操作得到第四特征图;
将所述第四特征图与第三特征图进行残差连接操作得到第五特征图;
将所述第五特征图与第二特征图在通道维度上进行拼接得到第六特征图;
对所述第六特征图进行卷积操作得到多尺度特征图;
在所述自适应特征增强瓶颈模块中进行双分支卷积操作的过程包括:采用并行的3×3分组卷积和1×1卷积对所述第三特征图进行并行卷积;
将3×3分组卷积的输出特征图与1×1卷积的输出特征图进行逐元素相加得到双分支卷积的输出;
所述颈部网络包括上采样层、特征拼接层、C3k2Dual模块、ECASPDConv模块;
在颈部网络的预设C3k2模块位置采用C3k2Dual模块对骨干网络输出的多尺度特征图进行跨层融合的过程包括:对骨干网络输出的多尺度特征图进行卷积操作得到第七特征图;
对所述第七特征图分割得到两个通道数减半的第八特征图和第九特征图;
将所述第九特征图传递至双分支瓶颈模块依次进行双分支卷积操作和普通卷积操作得到第十特征图;
将所述第十特征图与第九特征图进行残差连接操作得到第十一特征图;
将所述第十一特征图与第八特征图在通道维度上进行拼接得到第十二特征图;
对所述第十二特征图进行卷积操作得到最终输出特征图;
所述骨干网络和颈部网络的下采样层中采用ECASPDConv模块进行特征分层提出的过程包括:将所述海滩垃圾检测数据集中的图像经普通卷积层处理后输入ECASPDConv模块得到主分支特征图和残差分支特征图;
依次采用双分支卷积模块和空间到通道卷积模块对主分支特征图进行卷积处理得到空间到通道卷积输出的特征图;
采用高效通道注意力机制对空间到通道卷积输出的特征图进行加权得到最终主分支输出特征图;
对残差分支特征图依次进行平均池化操作和1×1卷积操作得到最终残差分支输出特征图;
将所述最终主分支输出特征图和所述最终残差分支输出特征图进行逐元素相加得到最终的融合特征图。
2.根据权利要求1所述的基于改进YOLOv11算法的多尺度岸滩垃圾检测方法,其特征在于,采集海滩垃圾图像构建海滩垃圾检测数据集的过程包括:对采集的海滩垃圾图像进行筛选和标注,其中,标注的类别包括塑料、泡沫、纸类、金属、木材、织物、玻璃、橡胶、渔网、烟蒂和生物残骸;
将标注后的数据集按照7:2:1的比例划分为训练集、验证集和测试集。
3.根据权利要求1所述的基于改进YOLOv11算法的多尺度岸滩垃圾检测方法,其特征在于,采用高效通道注意力机制对空间到通道卷积输出的特征图进行加权的过程包括:对所述空间到通道卷积输出的特征图进行全局平均池化得到通道描述符;
采用一维卷积对所述通道描述符进行处理后,经Sigmoid函数激活得到通道注意力权重向量;
将所述通道注意力权重向量与空间到通道卷积输出的特征图进行通道级相乘得到最终主分支输出特征图。
4.根据权利要求1所述的基于改进YOLOv11算法的多尺度岸滩垃圾检测方法,其特征在于,采用所述验证集进行性能评估的指标包括:精度、召回率和平均精度均值。
5.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1所述的方法。
6.一种存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1所述的方法。