针对日益严重的海洋垃圾污染问题,提出了一种基于深度学习的水下垃圾检测机器人,实现对水下垃圾的识别检测和定位。该机器人采用紧凑的机械结构,集成了多种传感器,通过6个螺旋推进器能够在复杂水下环境中自由运动。采用Raspberry Pi 3B...针对日益严重的海洋垃圾污染问题,提出了一种基于深度学习的水下垃圾检测机器人,实现对水下垃圾的识别检测和定位。该机器人采用紧凑的机械结构,集成了多种传感器,通过6个螺旋推进器能够在复杂水下环境中自由运动。采用Raspberry Pi 3B作为主控模块,结合Cortex-M3的stm32开发板,实现了高效的数据处理和运动控制。基于阿里云服务器的手机App远程监控系统,实现了对机器人状态的实时监控和操作。通过改进的YOLOv5算法,实现对水下塑料垃圾识别检测任务。试验研究结果表明:改进的YOLOv5算法可以实现对水下垃圾的识别检测,并且相比于传统算法检测速度和准确性得到提高。该研究将深度学习技术与水下机器人技术相结合,为海洋环境保护提供了新的技术途径。展开更多
文摘针对日益严重的海洋垃圾污染问题,提出了一种基于深度学习的水下垃圾检测机器人,实现对水下垃圾的识别检测和定位。该机器人采用紧凑的机械结构,集成了多种传感器,通过6个螺旋推进器能够在复杂水下环境中自由运动。采用Raspberry Pi 3B作为主控模块,结合Cortex-M3的stm32开发板,实现了高效的数据处理和运动控制。基于阿里云服务器的手机App远程监控系统,实现了对机器人状态的实时监控和操作。通过改进的YOLOv5算法,实现对水下塑料垃圾识别检测任务。试验研究结果表明:改进的YOLOv5算法可以实现对水下垃圾的识别检测,并且相比于传统算法检测速度和准确性得到提高。该研究将深度学习技术与水下机器人技术相结合,为海洋环境保护提供了新的技术途径。
