基于改进MobileNetV3-SSD的河道排污口目标检测研究

为实现对水系入河排污口有效、准确的自动检测，提出一种基于改进MobileNetV3-SSD的深度学习模型。在MobileNetV3-SSD模型的基础上，使用K-means聚类算法和遗传算法，对先验框的宽高比进行调整，使得预测框更好地匹配真实框。引入多尺度特征融合模块，提高模型对小排污口的检测能力。引入改进的CBAM注意力模块，减少模型在排污口检测时计算的参数数量。使用可变形卷积替代普通卷积，自适应地捕获不同排污口的形态与尺度信息，提升模型的特征提取能力。实验结果表明，改进后MobileNetV3-SSD模型的平均精度为89.36%,F1分数为91.88%,较改进前分别提升4.83%和5.03%。