基于ATD－CNN模型的黃河鄭州段水面漂浮物檢測研究

摘 要：針對水面漂浮物感知目標小、易受干擾、識別精度低的問題，提出ATD-CNN目標檢測模型。結合注意力機制，將注意力模塊嵌入FasterR-CNN改進模型的基本主干網絡，計算特征圖內部特征點之間的長距離相關系數，對顯著性特征進行有效增強，以提升基本主干網絡對圖像特征的提取能力?；诤幽鲜∴嵵菔谢轁鷧^南裹頭黃河沿岸采集的圖像數據，對ATD-CNN模型檢測效果進行驗證，并將該模型性能與FasterR-CNN改進模型、YOLOv5單階段目標檢測模型進行對比。結果表明：與FasterR-CNN改進模型相比，ATD-CNN模型對水面漂浮物的漏檢率下降，其mAP值提升了6.80%，F1Score平均值提升了2%。與YOLOv5X、Faster R-CNN改進模型相比，ATD-CNN模型的mAP值分別提升了2.91%、6.80%，有效提高了水面漂浮物檢測精度。

關鍵詞：卷積神經網絡；水面漂浮物；目標檢測；注意力；黃河鄭州段

中圖分類號：TP391.4；TV882.1 文獻標志碼：A doi：10.3969/j.issn.1000-1379.2025.02.020

引用格式：邵曉艷，王軍，趙雪專，等.基于ATD-CNN模型的黃河鄭州段水面漂浮物檢測研究[J].人民黃河，2025，47（2）：131-136.

基金項目：國家自然科學基金資助項目（U1904119）；河南省科技攻關計劃項目（232102210033，232102210054）；河南省重點研發專項（231111212000）；河南省杰出外籍科學家工作室項目（GZS2022011）；航空科學基金資助項目（20230001055002）；重慶市自然科學基金資助項目（CSTB2023NSCQ-MSX0070）

ResearchontheDetectionofFloatingObjectsontheWaterSurface oftheZhengzhouSectionoftheYellowRiverBasedontheATD？CNNModel

SHAOXiaoyan1，WANGJun1，ZHAOXuezhuan1，WANGSheng1，FENGJun2

（1.SchoolofComputerScience，ZhengzhouUniversityofAeronautics，Zhengzhou450046，China；2.SchoolofComputerandInformationEngineering，HenanUniversity，Kaifeng475004，China）

Abstract：Aimingattheissuesofsmalltargets，vulnerabletointerferenceandlowrecognitionaccuracyoffloatingobjectsonthewatersur？ face，ATD？CNNobjectdetectionmodelwasproposed.Combinedwiththeattentionmechanism，theattentionmodulewasembeddedintothe basicbackbonenetworkoftheFasterR？CNNimprovedmodel，andthelong？distancecorrelationcoefficientbetweenthefeaturepointsinthe featuremapwascalculatedtoeffectivelyenhancethesaliencyfeatures，soastoimprovetheabilityofthebasicbackbonenetworktoextract imagefeatures.BasedontheimagedatacollectedalongtheYellowRiverinNanbaotou，HuijiDistrict，ZhengzhouCity，HenanProvince，the detectioneffectivenessoftheATD？CNNmodelwasverified，andtheperformanceofthemodelwascomparedwiththeFasterR？CNNimproved modelandYOLOv5single？stageobjectdetectionmodel.TheresultsshowthatcomparingwiththeFasterR？CNNimprovedmodel，theATD？ CNNmodelreducesthemisseddetectionrateoffloatingdebrisonthewatersurface，increasesitsmAPvalueby6.80%，andincreasesthe averageF1Scoreby2%.ComparingwithYOLOv5XandFasterR？CNNimprovedmodels，themAPvaluesofATD？CNNmodelincreaseby 2.91%and6.80%respectively，effectivelyimprovingtheaccuracyoffloatingobjectdetectiononthewatersurface.

Keywords：ConvolutionalNeuralNetwork；floatingobjectsonthewatersurface；objectdetection；attention；Zhengzhousectionofthe YellowRiver

黃河是人類文明的重要發源地，是我國重要的生態屏障[1-2]。近年來，黃河兩岸休閑娛樂項目增加，附近游客密度增大，導致水面漂浮物（垃圾）迅速增加。漂浮物無法自然溶解或稀釋，分布不均，直接影響了水體質量。此外，漂浮物會影響水中安放的監測設備以及行駛船只的正常運行，如拖船的螺旋槳很容易被漂浮物纏住[3]。當漂浮物在水庫壩前堆積時，還會影響水電站的發電效率[4]。水面漂浮物破壞了水體的生態平衡，威脅人類飲用水安全[5-6]。對此，相關學者提出了處理水面漂浮物的多項舉措[7-8]，但成效不是特別顯著。如何快速有效對水面漂浮物進行檢測及處理，成為眾多學者關注的熱點[9]。

近年來，機器視覺在目標檢測方面發揮著越來越重要的作用[10]。機器視覺主要利用光學設備或者非接觸式傳感器接收圖像，再通過視覺算法進行處理，進而獲取信息以及控制機器人運動[11]。采用機器視覺技術對水面漂浮物進行檢測并提取有用信息，不僅能評價水體生態環境，而且能通過某些設備對水面漂浮物進行定期清理，從而為水體生態環境保護提供智能化方案[12]，但是水面漂浮物感知目標小、易受干擾、識別精度低。為此，筆者基于FasterR-CNN改進模型，提出ATD-CNN目標檢測模型，將注意力模塊嵌入FasterR-CNN改進模型的基本主干網絡，通過計算特征圖內部特征點之間的長距離相關系數，對顯著性特征進行有效增強，以提升基本主干網絡對圖像特征的提取能力。

1 ATD-CNN模型構建

采用機器視覺進行目標檢測，主要包含兩個子任務：一是對檢測對象的類別進行判定，屬于分類任務；二是確定檢測目標具體位置，屬于定位任務。分類任務通過返回一個標簽來實現，定位任務通過返回一個矩形框來限定目標位置[13]。

卷積神經網絡（CNN）是機器學習算法中的一種，包括卷積、池化、下采樣、全連接等多種操作，能夠對輸入圖像的特征進行有效提取，具備較強的圖像識別性能[14-15]。但存在缺點如下：當采用較深層的網絡結構提取特征時，會產生梯度損失或者爆炸問題；難以體現特征點之間的長距離相關性，在處理遠距離信息傳遞方面存在局限性。

2015年Girshick提出FastR-CNN模型，用于訓練分類網絡和回歸網絡，使類別平均精確率（mAP）大大提高，但識別目標速度慢。2017年Ren等[16]提出端到端的FasterR-CNN改進模型，其最大特點是有區域候選網絡（RPN），能夠更加高效地選擇候選框?；贔asterR-CNN改進模型，通過引入注意力（Attention）機制，建立ATD-CNN模型，可有效提取輸入圖像的特征信息，捕捉不同特征點之間的長距離相關性，從而提高特征圖的表征能力。

1.1 FasterR-CNN改進模型

FasterR-CNN改進模型由基本主干網絡、RPN和ROIPooling層網絡構成，其目標檢測過程如下。

1）采用深層卷積神經網絡（如ResNet或VGG）對輸入圖像特征進行提取。卷積層的輸出包含輸入圖像的空間信息和語義信息。

2）RPN通過2個并行的全卷積層對每個錨框進行二分類（是否包含目標）和邊界框回歸（調整錨框位置）。RPN輸出為前景、背景分類得分以及邊界框偏移量。根據分類得分，選出最有可能包含目標的候選區域，去除冗余框。

3）ROIPooling層網絡通過網格單元對候選區域進行劃分，將不同區域統一為固定大小，以便輸入全連接層進一步處理。然后在網格上進行池化操作，構成尺寸一致的特征映射。

4）將特征映射輸入2個并行的全連接層，對候選區域進行分類，輸出每個類別的概率。通過邊界框回歸層調整候選區域的位置，輸出精確的邊界框坐標。

1.2 注意力機制

注意力機制應用流程如下：1）輸入初始特征圖，其大小為H×W×1024，其中：H、W分別為高、寬，1024為特征圖的通道數。此處HW構成二維矩陣，HW×1024構成三維矩陣。2）嵌入高斯變換獲得2個分支的輸入特征圖，大小均為H×W×512，經過變換，特征圖的通道數變小，同時計算參數減少。3）對其中一個三維矩陣HW×512進行轉置運算，再與另一個矩陣進行乘法運算，計算結果即為相似度矩陣，該矩陣反映特征圖中像素點間的關聯性。4）采用softmax函數計算不同位置像素點的相似度的加權平均值。5）運用卷積核進行上采樣，將特征圖恢復為原始通道個數，保持輸出的一致性。

1.3 注意力模塊嵌入基本主干網絡

基本主干網絡選用ResNet50，包含以下組件：1個 7×7的卷積層、1個最大池化層、4個卷積層組（conv2_x，conv3_x，conv4_x，conv5_x）、1個全局平均池化層、1個全連接層和1個softmax層。每個卷積層組包含多個殘差塊，在每個殘差塊中輸入與輸出直接相加，這種殘差連接使得梯度可以直接傳遞到上一層，有效解決深層網絡中梯度消失問題。這些組件使ResNet50能夠對深層網絡特征有效學習，顯著提高了圖像分類性能。引入注意力機制不會更改輸入和輸出特征圖之間的尺寸，因此在不改變原始結構的情況下，將注意力模塊與ResNet50進行有效融合。注意力模塊融合在最后三層conv3_x，conv4_x、conv5_x的高級特征提取階段，為特征圖每個通道動態分配權重，使模型能夠關注對實現當前任務最重要的通道。此外，模型整合了三層特征圖的全局信息，對于某些相隔較遠的通道，注意力機制通過計算特征點之間的長距離相關系數，能夠捕捉它們之間的潛在依賴關系，對顯著性特征進行有效增強以及信息整合。

注意力模塊嵌入基本主干網絡的具體實現流程為：首先，輸入層接收像素大小為64×56×56的圖像，先經過第1個卷積層conv1，使用64個1×1的濾波器處理，步長為1，輸出64×56×56的特征圖。其次，經過第2個卷積層conv2，使用64個3×3的濾波器處理，步長為1，輸出64×56×56的特征圖。再次，經過第3個卷積層conv3，使用256個大小為1×1的濾波器處理，步長為1，輸出256×56×56的特征圖。最后，引入注意力模塊，增強對重要特征的關注，輸出256×56×56的特征圖。

1.4 ATD-CNN模型運行流程

ATD-CNN模型運行流程見圖1。首先，將原始檢測圖像輸入基本主干網絡ResNet50，結合注意力機制，改變網絡內部結構，計算圖像內部特征點之間的長距離相關系數，獲得特征圖F′，有效解決卷積神經網絡生成的特征圖之間相關性較弱的問題。其次，RPN網絡接收特征圖，生成多個尺寸的錨框。再次，將這些錨框發送給ROIPooling層網絡，通過統一尺寸、最大池化等生成特征映射。最后，將特征映射輸入全連接層，輸出邊界框坐標。

2 模型訓練

2.1 數據來源和預處理

2.1.1 數據來源

研究區域為河南省鄭州市惠濟區南裹頭黃河沿岸，地理位置為北緯34°40′至34°52′，東經113°31′至113°43′。該區域氣候為暖溫帶半濕潤大陸性氣候，年降水比較充沛，主要集中在夏季，受季風和地形的影響，降水分布不均，可能導致洪澇災害，夏季防汛任務艱巨。

在相同實驗環境下驗證ATD-CNN模型的有效性。由于缺少研究區域黃河水面目標檢測開源數據集，因此采用輕小型大疆Phantom4RTK四旋翼可見光無人機自行采集數據。該無人機具有攜帶便捷、對場地要求低等特點。無人機內置RTK模塊與軟件，可實現三維坐標信息、飛行姿態等的快速獲取，能夠以厘米級的精確度確定位置，滿足高精度作業要求。將Phantom4Advanced相機搭載到無人機云臺上，同時安裝一臺大小為1英寸、像素為2000萬的影像傳感器進行航拍。拍攝影像包含紅綠藍波段，輸出圖像為RGB格式，共拍攝生成2000張漂浮物圖像，拍攝高度為50～100m，在同一個季節進行數據采集。為提高數據的多樣性，又通過網絡收集、手機拍攝河道水面漂浮物進一步獲取數據?？紤]的典型應用場景主要為生活垃圾污染場景，對不同視角、不同光線照射的多目標進行采集，共采集圖像2400張，每個圖像包含1～4個檢測目標。檢測目標類別包括ball（球）、grass（野草）、bottle（塑料瓶）、branch（樹枝）、milk-box（牛奶盒）、plastic-bag（塑料袋）、plastic-garbage（塑料垃圾）、leaf（落葉），考慮到類別均衡性對實驗結果的影響，數據集中包含的8個檢測目標的圖像占比基本保持一致。此外，受硬件設備限制，首先將無人機拍攝的圖像進行裁剪處理，然后再輸入網絡結構，裁剪后圖像像素大小為256×256。

2.1.2 數據預處理

2）數據增強。訓練深度學習模型需要大量數據，但數據收集和標注成本過高，能夠標注訓練的樣本數量通常很小，在此情況下，會造成模型過擬合、泛化能力差[18]。本實驗僅收集到2400個樣本，雖然每個樣本的像素范圍很廣，但訓練樣本集卻很少。數據增強可以在不增加成本的情況下擴充數據集，不同的數據增強方法會影響模型最終性能。本文采用垂直翻轉、水平翻轉和90°旋轉進行數據增強，對每種增強方法以0.5的概率進行選擇。以水平翻轉為例，其增強效果見圖2。

3）樣本劃分。使用VOC作為數據集標注格式。 VOC數據集包含Annotations、ImageSets和JPEGImages三部分。Annotations存放標注生成的xml文件；JPEGImages存放原始2400張圖像；ImageSets存放train.txt、val.txt、test.txt文本文件，分別為訓練集、驗證集、測試集的圖像位置和名稱[19]。采用Labelme軟件標注數據集。為了評估模型性能，選取樣本數據的80%作為訓練集，10%作為驗證集，其余10%作為測試集[20]。

2.2 訓練環境與參數設置

實驗硬件環境如下：采用Intel（R）Xeon（R）W-2245CPU，實際運行頻率為3.91GHz，配備Nvidia4090高性能GPU，以滿足深度學習模型處理圖像的高要求。配置64G的大容量內存，以確保數據處理和模型訓練流暢。實驗軟件環境如下：操作系統為Windows10，深度學習框架為Pytorch，安裝CUDA10.1，以提高深度學習模型的訓練速度。

為提升模型訓練精度，采用梯度下降法（SGD）優化模型權重[21]，設置權重衰減系數為0.0001，動量為0.9，初始學習率為0.02。

2.3 困難樣本挖掘

考慮到可能存在訓練樣本類別不均衡的問題，采用隨機困難樣本挖掘方法（RHEM）[22]在訓練過程中隨機選擇一部分樣本，從中挑選出最難識別的樣本進行重點學習。該方法相較于其他方法的計算復雜度低。具體流程如下：使用初始訓練數據集訓練模型，得到初步參數；在每個訓練批次中，隨機選擇一部分樣本進行訓練；對于所選樣本，使用當前模型計算每個樣本的損失值；根據損失值對樣本進行排序，選擇損失值較大的前n（通常是預先設定的超參數）個樣本作為困難樣本，基于困難樣本進行反向傳播和模型參數更新；重復上述步驟，直至達到訓練迭代次數或者滿足停止條件。

3 實驗結果分析

3.1 模型準確性

使用多個指標評估模型的準確性，分別為平衡F分數（F1Score）、查準率、查全率、平均精度（AP）和mAP。F1Score用來衡量模型精確度，可以看作模型查準率和查全率的加權平均，其最大值為1、最小值為0[23]。查準率是模型預測為正例的樣本中實際樣本為正例的占比，用來衡量模型在正類預測中的準確性。查全率是指實際為正例的樣本中被模型正確預測為正例樣本的比例，用來衡量模型對正例樣本的覆蓋能力。查全率提高時，查準率通常會降低；反之亦然。AP基于查準率—查全率關系曲線計算得到，反映模型在所有可能閾值的平均性能。mAP是各類別AP的平均值，表示模型的綜合性能。

ATD-CNN模型與FasterR-CNN改進模型的F1Score對比見圖3。對于各種類別，ATD-CNN模型在不同置信度的F1Score值均稍大于FasterR-CNN改進模型的，ATD-CNN模型的F1Score平均值比FasterR-CNN改進模型的提升了2%。

ATD-CNN模型與FasterR-CNN改進模型的查準率—查全率關系曲線見圖4。ATD-CNN模型的查準率—查全率關系曲線與坐標軸的包圍面積大于Faster R-CNN改進模型的，表明ATD-CNN模型檢測水面漂浮物時準確性更高。

YOLOv5由Ultralytics公司于2020年推出，是一種單階段目標檢測模型。根據網絡結構的深度和寬度，將其分為YOLOv5S、YOLOv5M、YOLOv5L和YOLOv5X，其中YOLOv5X深度和寬度最大，擁有最強的學習能力和最高的檢測精度，適用于對精度要求極高的場景。本文對比了ATD-CNN模型、FasterR-CNN改進模型、YOLOv5X模型的查全率、AP50（交并比為0.5時的平均精度），結果見表1。對于grass、branch、plastic-garbage、ball的檢測，ATD-CNN模型的AP50值大于YOLOv5X模型的。除檢測grass、ball外，ATD-CNN模型的AP50值均大于FasterR-CNN改進模型的。此外，計算可得ATD-CNN、YOLOv5X、FasterR-CNN改進模型的mAP值分別為0.515、0.500、0.480，與YOLOv5X、FasterR-CNN改進模型相比，ATD-CNN模型的mAP值分別提升了2.91%、6.80%，說明ATD-CNN模型的檢測較為全面。

3.2 模型在實際場景中的檢測效果

在實際場景中ATD-CNN模型與FasterR-CNN改進模型的目標檢測效果對比見圖5（篇幅有限，僅展示部分結果，圖中方框上方英文為檢測目標類別，數字為置信度），選取3張水面漂浮物局部原始圖像[見圖5（a）第1行]，第2～4行分別為對照標簽、ATD-CNN模型檢測圖、FasterR-CNN改進模型檢測圖。第1行原始圖片中存在多個目標，而FasterR-CNN改進模型存在漏檢現象，只檢測到塑料瓶，對于最下方的牛奶盒沒有檢測出來。第2行圖像，FasterR-CNN改進模型未能正確檢測落葉。第3行圖像光照弱，拍攝對象比較模糊，兩種模型檢測效果相當，但ATD-CNN模型檢測置信度高于FasterR-CNN改進模型的。綜上，ATD-CNN模型對水面漂浮物的漏檢率明顯下降，尤其對于水面漂浮特征不明顯的樹枝也能有效識別，充分展示了模型融合注意力機制的優勢。

4 結束語

提出ATD-CNN模型對河南省鄭州市惠濟區南裹頭黃河沿岸水面漂浮物進行檢測，通過將注意力模塊嵌入基本主干網絡，計算特征圖內部特征點之間的長距離相關系數，對顯著性特征進行了有效增強。采用水平翻轉、垂直翻轉和90°旋轉方法對數據進行增強。應用情況表明，與FasterR-CNN改進模型相比，ATD-CNN模型的mAP值提升了6.80%，F1Score平均值提升了2%，即ATD-CNN模型檢測水面漂浮物的有效性和精度較高，可用于黃河水面漂浮物檢測。

參考文獻：

[1] 王軍，王超梁，趙雪專.黃河流域生態環境監測WSN路由優化方法研究[J].人民黃河，2021，43（6）：159-162.

[2] 王軍.新一代信息技術促進黃河流域生態保護和高質量發展應用研究[J].人民黃河，2021，43（3）：6-10.

[3] 李洪彬，許衛光，顧磊，等.城鄉河網清漂設備發展[J].機電設備，2010，27（6）：29-33.

[4] 蔡瑩，唐祥甫，蔣文秀.河道漂浮物對工程影響及研究現狀[J].長江科學院院報，2013，30（8）：84-89.

[5] 蔡瑩，李章浩，李利，等.河道型水庫漂浮物綜合治理措施探究[J].長江科學院院報，2010，27（12）：31-35.

[6] 許立巍，郭德欽.漓江水面漂浮物情況調查及處理方式分析[J].輕工科技，2013，29（6）：128-129.

[7] MOORECJ.SyntheticPolymersintheMarineEnvironment：ARapidlyIncreasing，Long？TermThreat[J].EnvironRes，2008，108（2）：131-139.

[8] JUNGRT，SUNGHG，CHUNTB，etal.PracticalEngineer？ ingApproachesandInfrastructuretoAddresstheProblemof MarineDebrisinKorea[J].MarPollutBull，2010，60（9）：1523-1532.

[9] CHENCL，LIUTK.FilltheGap：DevelopingManagement StrategiestoControlGarbagePollutionfromShingVessels[J].MarinePolicy，2013，40：34-40.

[10] 劉世與.基于目標跟蹤的全方位視覺自引導車動態定位技術[D].天津：天津理工大學，2008：1-11.

[11] 劉偉.一種基于智能相機的機器視覺系統的設計[J].重慶工商大學學報（自然科學版），2013，30（11）：66-69.

[12] 周俊鋒.基于機器視覺的水面垃圾自動監測算法的研究[J].廣西輕工業，2011，27（2）：86，88.

[13] 項新建，翁云龍，謝建立，等.基于改進YOLOv5s的水面漂浮物檢測算法研究[J].人民黃河，2024，46（7）：85-91.

[14] 王軍，崔云燁，張宇航.世界模型研究綜述[J].鄭州大學學報（理學版），2024，56（5）：1-12.

[15] 王軍，高梓勛，朱永明.基于CNN-LSTM模型的黃河水質預測研究[J].人民黃河，2021，43（5）：96-99，109.

[16] RENSQ，HEKM，ROSSG，etal.FasterR？Cnn：Towards Real？TimeObjectDetectionwithRegionProposalNetworks[J].IEEETransPatternAnalMachIntell，2017，39（6）：1137-1149.

[17] 王軍.黃河流域空天地一體化大數據平臺架構及關鍵技術研究[J].人民黃河，2021，43（4）：6-12.

[18] 王軍，馬小越，張宇航，等.基于SSA-LSTM模型的黃河水位預測研究[J].人民黃河，2023，45（9）：65-69.

[19] 項偉康，周全，崔景程，等.基于深度學習的弱監督語義分割方法綜述[J].中國圖象圖形學報，2024，29（5）：1146-1168.

[20] 王軍，高梓勛，單春意.基于TCN-Attention模型的多變量黃河徑流量預測[J].人民黃河，2022，44（11）：20-25.

[21] 張欣蕊.基于隱式隨機梯度下降法的研究[D].長春：吉林大學，2019：9-12.

[22] 郭璐，劉斌，李維剛，等.基于困難樣本對激勵的小樣本圖像分類方法[J].計算機輔助設計與圖形學學報，2024，36（6）：895-903.

[23] 馮軍.基于注意力機制與多尺度殘差網絡結構的目標檢測算法研究[D].開封：河南大學，2020：23-35.

【責任編輯 栗 銘】