基于机器视觉的水面垃圾检测系统的开发与实现

简介：
本项目致力于研发一种基于机器视觉技术的智能水面垃圾检测系统。通过图像识别和数据分析，自动监测并分类水面上的各种垃圾，旨在提高水域清洁效率，保护生态环境。 本课题旨在设计一个基于机器视觉的系统用于水面垃圾检测。通过卷积神经网络训练数据样本以获取模型，在实际应用过程中将图片输入该模型，并标注出其中的垃圾。 研究内容主要包括：采集大量样本数据并进行模型训练；对Yolo v5网络进行微调，提高其在垃圾检测中的准确率和速度；设计简约、易用的用户界面；实现系统能够便捷地更换不同版本或类型的模型以适应不同的需求。 该系统的开发环境为Windows操作系统，并使用Pycharm作为集成开发工具。具体的技术栈包括Tensorflow、OpenCV以及Torch等深度学习框架及库，同时数据集由水面实地采集的数据和ImageNet数据库中相关类别的垃圾图像组成。界面设计采用QT5完成。