Wykrywanie małych obiektów pływających w korytach rzecznych na podstawie ulepszonego YOLOv7

Dlaczego ważne jest wykrywanie drobnych śmieci w rzekach

Rzeki i kanały często transportują drobne kawałki odpadów — butelki, liście, fragmenty plastiku — które trudno zauważyć, a które mogą powodować poważne problemy dla ekosystemów, bezpieczeństwa przeciwpowodziowego i infrastruktury. Drony i kamery stacjonarne obiecują ciągły monitoring, jednak nawet zaawansowane programy komputerowe mają trudności z wyodrębnieniem tych małych, szybko poruszających się obiektów na tle migoczącej, nieustannie zmieniającej się tafli wody. Niniejsze badanie przedstawia nowy sposób nauczania komputerów wykrywania takich drobnych pływających przedmiotów w scenach rzecznych dokładniej i szybciej, otwierając drogę do czystszych cieków wodnych i bezpieczniejszej eksploatacji.

Wyzwanie widzenia przez poruszającą się wodę

Oglądając rzekę na filmie, oko szybko wychwytuje unoszące się zanieczyszczenia, nawet gdy powierzchnia odbija światło i fale układają się w nieprzewidywalne wzory. Dla komputera jest to znacznie trudniejsze. Kształty małych celów zmieniają się, gdy kołyszą się na wodzie, odbicia imitują jasne obiekty, a cienie mogą ukrywać słabo widoczne przedmioty. Standardowe systemy detekcji rysują ramki wokół wszystkiego, co może być obiektem w każdej klatce wideo, jednak te ramki przesuwają się i migoczą między kolejnymi klatkami. Taka niestabilność marnuje moc obliczeniową i ułatwia całkowitą utratę śledzenia małych przedmiotów. Efektem są pominięcia, fałszywe alarmy i wolne przetwarzanie, zwłaszcza gdy tysiące klatek trzeba analizować w czasie rzeczywistym.

Sprytniejszy sposób ustalania, co naprawdę jest na obrazie

Autorzy proponują nową ramę postępowania nazwaną Region-Overlap Detection w połączeniu z odchudzoną wersją popularnego detektora znanego jako YOLOv7. Zamiast traktować każdą klatkę osobno, system analizuje kilka kolejnych klatek i zadaje proste pytanie: gdzie ramki pokrywają się w czasie? Obszary, w których ramki konsekwentnie nachodzą na siebie, są uznawane za bardziej wiarygodne niż te, które pojawiają się tylko chwilowo lub skaczą. Poprzez skupienie się najpierw na tym stabilnym obszarze nakładania, metoda filtruje wiele hałaśliwych i niestabilnych przypuszczeń co do położenia obiektu. Tylko najbardziej wiarygodne ramki trafiają dalej w potok do głębszej analizy, co daje systemowi czystszy, stabilniejszy obraz sceny zanim wykona cięższe obliczenia.

Więcej przy mniejszej liczbie kroków sieci

Nowoczesne systemy widzenia często opierają się na głębokich stosach warstw przetwarzających, które uczą się rozpoznawać kształty, krawędzie i tekstury. Choć potężne, warstwy te są kosztowne w uruchomieniu i mogą zamazać delikatne sygnały pochodzące od bardzo małych obiektów. Nowa metoda zachowuje ogólną ideę YOLOv7, ale celowo wykorzystuje mniejszą liczbę tych etapów przetwarzania, aktywując je tylko tam, gdzie analiza oparta na nakładaniu wskazuje obecność rzeczywistego obiektu. Warstwy, które w większości widziałyby tło w postaci wody lub losowy szum, są pomijane. Ta strategia „minimalnej konwolucji” zmniejsza całkowitą ilość obliczeń przy zachowaniu wyraźnych granic wokół małych pływających przedmiotów. W efekcie sieć koncentruje wysiłek tam, gdzie to ma największe znaczenie, zamiast traktować każdy piksel jednakowo.

Testy metody na rzeczywistych rzekach

Aby sprawdzić, jak podejście działa w praktyce, zespół wytrenował i przetestował je na nagraniach dronów nad rzeczywistymi rzekami, używając dużego zestawu danych składającego się z tysięcy oznakowanych obrazów zawierających blisko czterdzieści tysięcy pływających obiektów o różnych rozmiarach. Sprawdzili też wydajność na dodatkowych publicznych zbiorach danych oraz długich sekwencjach wideo z rzek, z zmiennym oświetleniem, przepływem wody i kątami widzenia. W porównaniu z oryginalnym YOLOv7 i kilkoma nowszymi detektorami, nowy system wykrył więcej rzeczywistych obiektów, przegapił mniej i analizował klatki szybciej. Badanie raportuje średnią precyzję ponad 73 procent i recall powyżej 70 procent dla małych pływających obiektów, a także zauważalny wzrost prędkości przetwarzania oraz redukcję liczby parametrów i operacji sieciowych wymaganych do działania.

Co to oznacza dla czystszych i bezpieczniejszych cieków wodnych

Mówiąc prosto, artykuł pokazuje, że stabilizowanie tego, co komputer „uważa, że widzi” w kolejnych klatkach, a następnie odcinanie niepotrzebnego przetwarzania sprawia, że znacznie lepiej wykrywa on drobne kawałki zanieczyszczeń poruszające się po ruchliwej powierzchni wody. Choć metoda wciąż wymaga testów w szerszym zakresie rzek i warunków, już teraz przewyższa kilka znanych modeli w trudnych scenach rzecznych. To czyni ją obiecującym elementem systemów monitoringu czasu rzeczywistego montowanych na dronach, mostach czy stacjach nadbrzeżnych. Takie systemy mogłyby pomóc miastom i agencjom ochrony środowiska śledzić śmieci, zarządzać ryzykiem powodziowym i szybko reagować na zdarzenia zanieczyszczeniowe, przekształcając surowe nagrania w wiarygodne, operacyjne informacje.

Cytowanie: Yang, W., Zhang, B., Guo, S. et al. Small target detection of floating objects in river channels based on improved YOLOv7. Sci Rep 16, 11423 (2026). https://doi.org/10.1038/s41598-026-40688-z

Słowa kluczowe: wykrywanie śmieci w rzekach, monitoring rzek dronem, wykrywanie małych obiektów, widzenie komputerowe dla wód, ulepszenia YOLOv7