个人卖家：
科技与几何感
创建于：2025-08-25
基于改进 EfficientDet 的水下目标检测算法（EDR）
￥199.00
| 使用环境 |
在水下环境中，使用水下机器人（ROV）搭载的相机在自然光照条件下采集水下图像，相机镜头距离目标物体约 30 - 50cm，镜头垂直于水下物体表面拍摄，图像分辨率 640×480 像素，输入网络图像尺寸调整为 512×512 像素。 |
| 使用对象 |
水下的海洋生物，包括海参、海胆、扇贝、海星 |
| 使用目的 |
快速、准确地检测水下环境中的海洋生物，为海洋经济的发展提供技术支持，提高海洋监测、保护和可持续发展的效率，特别是在复杂的水下环境中实现智能检测。 |
| 输入数据 |
水下图像帧 |
| 输出数据 |
海洋生物的类别（海参、海胆等）、目标位置坐标、目标尺寸信息 |
| 硬件配置 |
CPU：AMD Ryzen 7 5700X 8 核处理器 @3.40GHz
GPU：NVIDIA GTX 1080（16GB RAM）
内存：16GB
摄像头：水下机器人搭载的高清相机 |
| 样本获取 |
使用水下机器人在大连市附近海域采集图像，共 5543 张图像，图像大小为 640×480 像素，网络输入图像尺寸调整为 512×512 像素。将图像随机分为训练样本、验证样本和测试样本，其中 70% 为训练样本，20% 为验证样本，10% 为测试样本。 |
| 测试结果 |
在测试集上，EDR 算法的平均精度（mAP）为 91.67%，处理速度为 37.5 帧 / 秒，能够满足实时检测的要求。 |
| 执行速度 |
37.5 帧 / 秒。 |
| 资源消耗 |
针对上述硬件配置，运行算法时，CPU 平均占用率约为 40% 50%，GPU 平均占用率约为 70% 80%，内存使用占比约 40% 50%，模型计算过程中产生的中间变量内存为约 1GB。 |
| 源码类型 |
Python 版本源码 |
| 文件大小 |
算法程序文件 50KB，权重文件 15.7MB。 |
| 相关备注 |
本算法基于改进的 EfficientDet 框架，通过增加通道混洗（Channel Shuffle）模块和增强特征提取模块（Enhanced Feature Extraction Module），针对水下目标检测进行了优化，能够有效解决水下环境中目标特征不明显、多尺度特征融合等问题，在保证检测精度的同时，模型计算资源消耗低，适合部署在水下机器人上，具有较高的实用性和海洋应用价值。 |
