YOLO11n + RFA + RCSA, sualtı görüntülerindeki zayıf dokulu, bulanık sınırlı ve farklı ölçeklerdeki deniz atıklarını algılamak amacıyla YOLO11n nesne dedektörüne Alıcı Alan Toplama (Receptive-Field Aggregation, RFA) ve Artık Kanal-Uzamsal Yeniden Kalibrasyon (Residual Channel-Spatial Recalibration, RCSA) bileşenlerinin eklendiği hafif bir nesne tespit mimarisidir. RFA farklı etkili alıcı alanlardan bağlamsal bilgi toplarken RCSA, bu zenginleştirilmiş özelliklerin kanal ve uzamsal önemini yeniden ağırlıklandırır. Çalışmanın temel amacı yalnız doğruluğu yükseltmek değil, bunu ROV gibi kaynakları sınırlı olabilecek sualtı platformlarında gelecekte kullanılabilecek ölçekte bir modelle yapmaktır.

Çalışmada halka açık 15 sınıflı bir sualtı atığı veri kümesi kullanılmıştır. Sağlayıcının özgün veri bölünmesinde 10.884 eğitim, 1.001 validation ve 501 test görüntüsü bulunmaktadır. Validation kümesinde 1.892 etiketlenmiş nesne vardır. Test kümesi, SHA-256 kopya kontrolleri ve dosya adından türetilen provenance gruplarıyla denetlenmiş; eğitim veya validation ile aynı denetlenmiş provenance gruplarına ait görüntüler çıkarıldıktan sonra nihai holdout kümesi 498 görüntü ve 963 nesne olarak tutulmuştur.

Ana karşılaştırmalar 100 epoch boyunca ve 42, 2026 ve 3407 olmak üzere üç farklı seed ile yapılmıştır. RFA + RCSA modeli validation üzerinde Precision 0,861 ± 0,016, Recall 0,801 ± 0,012, mAP@0.5 0,848 ± 0,001 ve mAP@0.5:0.95 0,511 ± 0,002 elde etmiştir. Aynı üç checkpoint denetlenmiş holdout üzerinde sırasıyla 0,820 ± 0,033, 0,748 ± 0,014, 0,779 ± 0,018 ve 0,467 ± 0,007 sonuçlarını üretmiştir.

Model 4,19 milyon parametre, yaklaşık 8,43 MB ağırlık ve 640 × 640 girişte 8,91 GFLOPs hesaplama gerektirmektedir. Buna karşılık gerçek bir Jetson/ROV donanımında FPS, uçtan uca gecikme, maksimum bellek, güç tüketimi veya kare başına enerji ölçülmemiştir. Dolayısıyla sonuçlar modeli kaynakları sınırlı ROV algısı için umut verici hafif bir aday olarak desteklemektedir; gerçek zamanlı gömülü sistem başarısını kanıtlamamaktadır.

Çalışmanın diğer önemli bulgusu genelleme sınırıdır. Aynı kaynak veri kümesinden oluşturulmuş denetlenmiş holdout üzerinde makul performans elde edilirken farklı bir TrashCan Material alanında mAP@0.5 yalnız 0,031 ± 0,023'e düşmüştür. Bu sonuç, aynı veri kaynağı içindeki güçlü performansın farklı veri kümeleri, ortamlar veya taksonomilere otomatik olarak aktarılmadığını açık biçimde göstermektedir.

Araştırmanın temel problemi

Sualtı görüntüleme, havadaki görüntülemeye göre daha kararsız bir görsel ortamdır. Su içindeki dalga boyuna bağlı zayıflama, asılı parçacıklardan kaynaklanan saçılma, renk kayması ve homojen olmayan yapay aydınlatma; hedef ile arka plan arasındaki kontrastı azaltabilir ve nesne görünümünü bozabilir.

Deniz atıkları ayrıca küçük, kısmen gömülmüş, şekli bozulmuş veya deniz tabanına görsel olarak benzeyen nesneler olabilir. Bu nedenle yalnız görüntüyü aydınlatmak veya kontrastını artırmak, kompakt bir dedektörün yetersiz bağlamsal temsil sorununu tamamen çözmez.

Araştırmacıların ele aldığı mühendislik problemi, ağı keyfî biçimde büyütmeden iki eksikliği gidermektir:

• Zayıf veya bulanık hedefleri anlamak için daha geniş bağlam toplamak.
• Çok ölçekli özellik birleştirmesinden sonra yararlı sinyali karmaşık arka plan özelliklerinden daha iyi ayırmak.

Bu nedenle RFA ve RCSA aynı görevi yapan iki alternatif modül olarak değil, ağın farklı noktalarında birbirini tamamlayan iki işlem olarak yerleştirilmiştir.

RFA ve RCSA neden birlikte kullanılıyor?

RFA, özellik çıkarımının erken ve orta aşamalarında farklı büyüklükte etkili alıcı alanlardan bağlam toplarken RCSA daha sonra oluşan ve birleştirilen özelliklerin kanal ve uzamsal önemini yeniden ağırlıklandırır; çalışmanın tasarım mantığında RFA “hangi çevresel bağlamı görelim?”, RCSA ise “zenginleştirilmiş temsilde hangi yanıtları öne çıkaralım?” sorularına karşılık gelir.

Temel YOLO11n mimarisi

Başlangıç modeli standart backbone–neck–head düzenini kullanmaktadır. Backbone görüntüden hiyerarşik özellikleri çıkarır, neck farklı çözünürlük seviyelerindeki özellikleri birleştirir ve detection head üç farklı ölçekten nesne konumu ve sınıf tahmini üretir.

Çalışmada detection head değiştirilmemiştir. Bu ayrıntı önemlidir; bildirilen farklar yeni bir detection head tasarımından değil, özellik çıkarma ve yeniden kalibrasyon yoluna eklenen RFA ve RCSA bileşenlerinden kaynaklanmaktadır.

RFA: Alıcı Alan Toplama nasıl çalışır?

Bir evrişimsel ağın alıcı alanı, belirli bir özellik değerinin giriş görüntüsünün ne kadar geniş bir bölgesinden bilgi alabildiğini ifade eder. Küçük bir hedefi yalnız çok dar bir çevreden değerlendirmek, sualtındaki zayıf kenarlı veya bulanık nesnelerde yetersiz kalabilir.

RFA giriş özelliklerini kanal gruplarına ayırır ve farklı etkili alıcı alanlara sahip yerel işlemleri birleştirir. Kaynaktaki temel denklem şöyledir:

\[ F_{\mathrm{RFA}} = \mathrm{Conv}_{1\times1} \left( \mathrm{Concat} [ LO_1(X_1), LO_2(X_2), \ldots, LO_N(X_N) ] \right) \tag{1} \]

Burada \(X_i\), giriş özellik tensörünün i'inci kanal grubunu; \(LO_i(\cdot)\), ilgili yerel operatörü; \(\mathrm{Concat}\), dallardaki özelliklerin kanal yönünde birleştirilmesini ve \(1\times1\) evrişim son kanal füzyonunu temsil eder.

Kaynak şemada ilerleyen yerel operatörlerin yaklaşık 7×7, 9×9 ve 11×11 etkili alıcı alanlar oluşturduğu gösterilmektedir. Amaç yalnız büyük bir kernel kullanmak değil, yerel ayrıntıyı tamamen kaybetmeden farklı bağlam büyüklüklerini birleştirmektir.

RCSA: Artık Kanal-Uzamsal Yeniden Kalibrasyon nasıl çalışır?

RCSA yolu dinamik residual group (DRG) içinde Residual Channel-Spatial Attention Block (RCSAB) kullanmaktadır. Her RCSAB iki adet 3×3 evrişim uygular. İlk evrişimi batch normalization ve LeakyReLU, ikinci evrişimi batch normalization takip eder.

Kanal dikkati hem global average pooling hem global maximum pooling özetlerini ortak iki katmanlı 1×1 dönüşümden geçirir. Dinamik uzamsal dikkat ise her örnek için global özelliklerden koşullandırılmış 3×3 uzamsal kernel üretir.

RCSAB'nin temel dönüşüm zinciri:

\[ F=T(X) \tag{2} \]

\[ F_c=M_c(F)\odot F \tag{3} \]

\[ F_{cs}=M_s(F_c)\odot F_c \tag{4} \]

\[ F_{out}=P(X)+G(F_{cs}) \tag{5} \]

şeklindedir. Burada \(T(\cdot)\) attention öncesi evrişim-normalizasyon dönüşümlerini, \(M_c\) kanal dikkat haritasını, \(M_s\) uzamsal dikkat haritasını, \(G(\cdot)\) çıkış evrişimini ve \(\odot\) eleman bazında çarpımı gösterir.

\(P(X)\), boyutlar eşleşiyorsa identity shortcut; eşleşmiyorsa özellik boyutlarını hizalayan projection shortcut'tır. Bu residual yol, attention işleminin yararlı bilgiyi tamamen silmesini önleyen doğrudan bilgi geçişi sağlar.

Kanal dikkat haritası:

\[ M_c(F) = \sigma \left[ W_2\delta(W_1\,GAP(F)) + W_2\delta(W_1\,GMP(F)) \right] \tag{6} \]

olarak verilir. Burada GAP global average pooling, GMP global maximum pooling, \(\delta\) ReLU ve \(\sigma\) sigmoid fonksiyonudur.

Dinamik uzamsal kernel:

\[ K(F_c) = \mathrm{reshape} \left[ W_{k2}\delta(W_{k1}GAP(F_c)) \right] \in \mathbb{R}^{1\times3\times3} \tag{7} \]

ve uzamsal dikkat:

\[ M_s(F_c) = \sigma \left[ K(F_c)*\mathrm{mean}_c(F_c) \right] \tag{8} \]

biçimindedir. \(\mathrm{mean}_c\), özelliklerin kanal boyutundaki ortalamasını; \(*\) ise örnek bazlı grouped convolution işlemini temsil eder. Kernel sabit değildir; giriş örneğinden türetilir.

Dört RCSAB ve son bir 3×3 evrişim birlikte bir dinamik residual group oluşturur. C2PSA içindeki bir kanal dalı bu grubu atlayarak doğrudan ilerlerken diğer dal dinamik residual ve feed-forward yolundan geçer; iki dal sonunda birleştirilerek 1×1 evrişimle kaynaştırılır.

RFA ve RCSA'nın araştırmadaki özgünlük sınırı

Çalışma RFA kavramını veya dinamik residual group fikrini ilk kez icat ettiğini iddia etmemektedir. RFA mevcut RFAConv yaklaşımından, dinamik residual grup topolojisi ise DRPCA-Net'ten uyarlanmıştır. Araştırmanın katkısı bu mevcut yapıların sualtı YOLO11n özellik çıkarımına özel yerleştirilmesi, RCSA yolu içinde birleştirilmesi ve RFA ile birlikte deneysel olarak sınanmasıdır.

Veri kümesi ve sınıf dengesizliği

Veri kümesi 15 sınıf içermektedir. Kaynak etiketleri aynen şu şekildedir: mask, can, cellphone, electronics, gbottle, glove, metal, misc, net, pbag, pbottle, plastic, rod, sunglasses ve tire. “gbottle”, “pbag” ve “pbottle” gibi etiket tokenlarının açılımı kaynak tablosunda ayrıca tanımlanmadığından burada tahmin edilerek yeniden adlandırılmamıştır.

Sınıflar belirgin biçimde dengesizdir. Örneğin eğitim bölümünde tire için 6.816 nesne bulunurken sunglasses için yalnız 42, rod için 78 ve metal için 168 nesne raporlanmıştır. Bu dengesizlik holdout değerlendirmesinde de sınıf bazlı belirsizliğin önemli nedenlerinden biridir.

Validation ve holdout neden ayrı tutuldu?

1.001 görüntülük validation bölümü model ve checkpoint seçiminde kullanılırken 498 görüntülük denetlenmiş holdout yalnız nihai değerlendirme için kullanılmıştır. Böylece model seçimiyle nihai testin birbirine karışması azaltılmıştır.

Holdout oluşturulurken tam SHA-256 kopya denetimi ve dosya adlarından türetilen provenance kimlikleri kullanılmıştır. Eğitim veya validation ile aynı provenance grubunda görünen aday test görüntüleri çıkarılmıştır.

Bu yöntem açık veri sızıntısını azaltır; ancak kaynak açıkça bunun fiziksel saha bağımsızlığını kanıtlamadığını vurgulamaktadır. Üstelik validation ve holdout aynı halka açık kaynak veri kümesinden türetilmiştir.

Model gerçekten ROV üzerinde gerçek zamanlı çalıştırıldı mı?

Hayır. Kaynaktaki ROV fotoğrafları yazarların katıldığı ilişkili deneylerin uygulama bağlamını göstermektedir; bu çalışmada bildirilen model workstation üzerinde veri kümeleriyle değerlendirilmiş, Jetson sınıfı ROV donanımında uçtan uca FPS, gecikme, bellek, güç veya enerji ölçümü yapılmamıştır.

ROV bağlamı neden yine de önemlidir?

Kompakt ROV'larda işlemci kapasitesi, bellek, güç bütçesi, taşıma kapasitesi ve soğutma sınırlı olabilir. Bu nedenle parametre ve GFLOP sayısı düşük bir model tasarlamak operasyonel açıdan anlamlıdır. Ancak statik model karmaşıklığı gerçek donanım hızının yerine geçmez.

Bir sonraki doğrulama aşamasında hedef donanım üzerinde en az uçtan uca latency, FPS, peak memory, güç tüketimi ve frame başına enerji ölçülmesi gerekir.

Değerlendirme metrikleri ne anlama geliyor?

Precision, modelin yaptığı pozitif tespitlerin ne kadarının doğru olduğunu ölçer:

\[ Precision=\frac{TP}{TP+FP} \]

TP doğru pozitifleri, FP yanlış pozitifleri temsil eder. Precision yüksekse modelin “nesne var” dediği kutuların daha büyük bölümü gerçektir.

Recall, gerçek nesnelerin ne kadarının model tarafından bulunduğunu ölçer:

\[ Recall=\frac{TP}{TP+FN} \]

FN yanlış negatifleri, yani görüntüde bulunduğu halde kaçırılan nesneleri temsil eder.

F1 skoru Precision ile Recall arasında harmonik denge kurar:

\[ F_1=\frac{2PR}{P+R} \]

Burada \(P\) Precision, \(R\) Recall değeridir.

mAP@0.5, Intersection over Union (IoU) eşiği 0,5 iken sınıf bazlı Average Precision değerlerinin ortalamasını kullanır. mAP@0.5:0.95 ise IoU eşiklerini 0,50'den 0,95'e 0,05 artışlarla tarayarak daha katı lokalizasyon doğruluğunu değerlendirir.

Çalışmanın Yöntemi ve Bulguları

Deney ortamı ve eğitim ayarları

Veri artırma ve optimizasyon

Kaynakta hsv_h = 0,015, hsv_s = 0,7, hsv_v = 0,4; translate = 0,1; scale = 0,5; horizontal flip = 0,5 ve Mosaic = 1,0 kullanılmıştır. Degrees = 0, vertical flip = 0 ve MixUp = 0 olarak bırakılmıştır.

Ultralytics 8.3.163'ün optimizer = auto seçimi Nesterov SGD üretmiştir. Başlangıç learning rate 0,01, momentum 0,9 ve nominal weight decay 0,0005'tir. Batch 30, accumulation 2 ve nbs = 64 koşullarında efektif weight decay 0,00046875 olarak raporlanmıştır.

Warm-up üç epoch sürmüş, patience 100 olarak belirlenmiştir. Öğrenme oranı lineer azaltılmıştır; cos_lr kapalıdır. Son 10 epoch'ta Mosaic devre dışı bırakılmıştır.

Ana 100-epoch karşılaştırması

Birleştirilmiş model validation mAP@0.5 açısından en yüksek ortalamayı üretmiştir. Bununla birlikte daha katı mAP@0.5:0.95 metriğindeki artış çok küçüktür.

RFA tek başına ne sağladı?

İlk seed-42 modül taramasında RFA, tek modül adayları arasında en güçlü mAP sonuçlarını vermiştir. Kaynak, YOLO11n başlangıcına göre mAP@0.5 artışını 2,2 yüzde puanı ve mAP@0.5:0.95 artışını 1,3 yüzde puanı olarak raporlamaktadır.

CSA_ConvBlock seed-42 taramasında daha yüksek Precision üretse de Recall ve mAP kazançları daha küçüktür. RCSA tek başına agregat metrikleri yalnız sınırlı ölçüde değiştirmiştir.

Bu bulgu, RCSA'nın yararının önce RFA gibi bir mekanizma tarafından yeterince bilgilendirici bağlam oluşturulmasına bağlı olabileceği yönünde kaynak tarafından temkinli biçimde yorumlanmıştır.

RFA + RCSA'nın RFA'ya göre istatistiksel farkı

Üç eşleşmiş seed üzerinde RFA + RCSA, RFA'ya kıyasla validation mAP@0.5 değerini 0,0178 artırmıştır. Eşleştirilmiş %95 güven aralığı 0,0103–0,0253 ve paired t-test p = 0,009 olarak raporlanmıştır.

mAP@0.5:0.95 farkı ise yalnız 0,0021'dir; %95 güven aralığı −0,0150–0,0191 ve p = 0,654'tür. Bu nedenle çalışma daha katı IoU koşullarında üstün lokalizasyon performansının istatistiksel olarak gösterildiğini iddia etmemektedir.

Dahası n = 3 yalnız üç seed anlamına gelir. Yazarlar bu analizi genel üstünlüğün kesin kanıtı olarak değil, run-to-run değişkenliğini gösteren keşifsel eşleştirilmiş karşılaştırma olarak sınırlandırmaktadır.

Model karmaşıklığı

RFA tek başına parametre ve hesaplama maliyetini çok az artırırken RCSA'nın eklenmesi toplam modeli 4,19 milyon parametreye taşımaktadır. Buna rağmen kaynak modeli hâlâ hafif bir aday olarak sınıflandırmaktadır.

YOLOv8n karşılaştırmasının sınırı

Kaynak aynı veri kaynağında YOLOv8n için Precision 0,842, Recall 0,779, mAP@0.5 0,821 ve mAP@0.5:0.95 0,508 raporlamaktadır. Ancak YOLOv8n yalnız tek run, YOLO11n ve RFA + RCSA ise üç run üzerinden verilmiştir. Kaynak da YOLOv8n'i yalnız temsili aynı-dataset hafif dedektör karşılaştırması olarak kullanmaktadır.

Bu nedenle bu tablo farklı seed sayısına sahip modeller arasında kesin genel üstünlük testi olarak yorumlanmamalıdır.

Validation sonucu gerçek dünya başarısını gösteriyor mu?

Hayır. Validation ve denetlenmiş holdout aynı halka açık kaynak veri kümesinden gelmektedir; ayrıca dış TrashCan Material testindeki ciddi performans düşüşü, aynı veri kaynağındaki başarıdan farklı görüntü alanlarına veya sınıf taksonomilerine genel dayanıklılık sonucu çıkarılamayacağını göstermektedir.

Denetlenmiş holdout sonucu

Holdout sonuçlarının validation sonuçlarından düşük olması, daha ayrık final değerlendirme kümesinin modele daha zor bir sınav oluşturduğunu göstermektedir. Ancak holdout'un fiziksel olarak bağımsız bir deniz sahasından geldiği kanıtlanmamıştır.

Sınıf bazında uzun kuyruk belirsizliği

Rod sınıfında yalnız iki test nesnesi bulunduğundan AP@0.5 = 0,414 ± 0,198 değerinin belirsizliği çok yüksektir. Sunglasses sınıfında ise yalnız tek örnek vardır. Tek örnek üzerinde üç checkpoint'in de AP@0.5 = 0,995 vermesi geniş genelleme kanıtı değildir.

Kaynak ayrıca verilen güven aralıklarının görüntü örnekleme belirsizliğini değil, yalnız üç seed arasındaki değişimi ölçtüğünü özellikle belirtmektedir.

Nadir sınıfları dört kat daha sık örneklemek işe yaradı mı?

Hayır. Metal, rod ve sunglasses sınıfları için 4× oversampling uygulanmış, ancak yeni veya sentetik görüntü üretilmemiştir; yalnız eğitim sırasında örnekleme sıklığı değiştirilmiştir.

Referans holdout mAP@0.5 0,779 ± 0,018 iken oversampling sonrasında 0,772 ± 0,006 olmuştur. mAP@0.5:0.95 de 0,467 ± 0,007'den 0,464 ± 0,007'ye değişmiştir. Kaynak bu deneyi performans artışı olarak değil negatif kontrol olarak raporlamaktadır.

Parlaklık ve kontrast değişimlerine dayanıklılık

Parlaklığın 0,70 veya 1,30 katsayısıyla değiştirilmesi sonuçları yalnız küçük ölçüde etkilemiştir. Buna karşılık düşük kontrast model için belirgin bir hata koşuludur.

Contrast 0,70 durumunda mAP@0.5 yaklaşık 0,779'dan 0,644'e, mAP@0.5:0.95 ise 0,467'den 0,397'ye düşmüştür. Kaynak bu sonucu hedef ile arka plan arasındaki zayıf ayrımın daha kritik fotometrik başarısızlık modu olduğuna işaret edecek şekilde yorumlamaktadır.

Dış veri kümesi testi

TrashCan Material metal/plastic alt kümesinden 1.204 görüntü ve 599 eşlenmiş hedef örneğiyle yapılan dış alan testinde RFA + RCSA yalnız:

• mAP@0.5 = 0,031 ± 0,023
• mAP@0.5:0.95 = 0,017 ± 0,012

üretmiştir.

Bu düşük sonuç kaynakta saklanmamış, tam tersine modelin aynı-kaynak holdout başarısının cross-dataset dayanıklılık kanıtı olmadığını göstermek için korunmuştur. Taksonomi ve domain farkı ciddi performans kaybı üretmektedir.

Sürdürülebilirlik bağlantısının sınırı

Çalışma deniz atığı tespitini, deniz tabanı habitatlarının, limanların, bağlama bölgelerinin, denizaltı kablolarının ve açık deniz yenilenebilir enerji altyapısının tekrar eden izlenmesine yardımcı olabilecek bir algılama bileşeni olarak konumlandırmaktadır.

Bu kullanım Birleşmiş Milletler Sürdürülebilir Kalkınma Amacı 14 ile ilişkilendirilmiştir. Ancak çalışma çevresel sürdürülebilirliği doğrudan ölçmemektedir.

Ölçülmeyen sonuçlar arasında:

• deniz atığı temizleme oranı,
• biyoçeşitlilik iyileşmesi,
• yaşam döngüsü etkisi,
• enerji tüketimi,
• karbon emisyonu

bulunmaktadır.

Dolayısıyla “model deniz ekosistemini iyileştirdi” biçiminde bir sonuç bu çalışmadan çıkarılamaz. Doğrulanan şey görüntülerdeki deniz atıklarının tanınması ve sınıflandırılmasıdır.

Çalışmanın desteklediği sonuçlar

• RFA, ortak 100-epoch protokolünde YOLO11n'nin bağlamsal temsilini iyileştirebilmiştir.
• RFA + RCSA validation mAP@0.5 ortalamasını 0,848 ± 0,001'e yükseltmiştir.
• RFA + RCSA'nın RFA'ya göre mAP@0.5 artışı üç eşleşmiş seed üzerinde gözlenmiştir.
• Daha katı mAP@0.5:0.95 üstünlüğü gösterilmemiştir.
• Model 4,19 M parametre ve 8,91 GFLOPs ile kompakt bir mimari adayıdır.
• Düşük kontrast performansı belirgin biçimde bozmaktadır.
• Nadir sınıflarda örnek sayısının çok düşük olması büyük belirsizlik yaratmaktadır.
• Basit 4× rare-class oversampling agregat holdout performansını iyileştirmemiştir.
• Dış veri kümesi testi ciddi domain-genelleme sorunu göstermiştir.

Çalışmanın desteklemediği sonuçlar

• Modelin gerçek ROV üzerinde gerçek zamanlı çalıştığı gösterilmemiştir.
• Jetson sınıfı FPS veya latency ölçülmemiştir.
• Güç, enerji/frame veya peak memory ölçülmemiştir.
• Holdout fiziksel olarak bağımsız bir deniz sahası değildir.
• Üç seed genel model üstünlüğü için geniş istatistiksel kanıt değildir.
• Tek bir sunglasses örneğindeki yüksek AP geniş sınıf genellemesi anlamına gelmez.
• Aynı veri kaynağındaki başarı farklı veri kümelerinde korunmamıştır.
• Modelin deniz atığını fiziksel olarak temizlediği veya ekolojik iyileşme sağladığı ölçülmemiştir.
• Sürdürülebilirlik, enerji veya karbon etkisi nicel olarak hesaplanmamıştır.

Gelecek çalışma gereksinimleri

Kaynak gelecek doğrulama için daha fazla nadir sınıf verisi, focal loss ve class-balanced loss gibi kayıp fonksiyonu araştırmaları, daha geniş cross-dataset değerlendirme, gerçek ROV hareketi ve bulanıklık/turbidity koşulları altında saha testi ve hedef gömülü donanım üzerinde sistematik profil çıkarmayı öncelikli görmektedir.

Gerçek bir deployment çalışmasının ayrıca seçilen precision modu ve batch size altında latency, FPS, peak memory, güç ve enerji/frame değerlerini raporlaması gerekmektedir.

Kaynak ve Yöntem Notu

Özgün çalışma: Lightweight Underwater Marine-Debris Detection for Sustainable Ocean Monitoring Using Receptive-Field Aggregation and Residual Channel-Spatial Recalibration

Yazarlar: Yuhua He; Zhiqiang Huang; Yun Guo.

Corresponding authors: Zhiqiang Huang ve Yun Guo.

Corresponding author e-postaları: chinahuang@usst.edu.cn; graceguo1980@126.com.

Afiliasyon 1: School of Mechanical and Automotive Engineering, Shanghai University of Engineering Science, Shanghai 201620, China.

Afiliasyon 2: Education Union, University of Shanghai for Science and Technology, Shanghai 200093, China.

Dergi: Sustainability.

Yayınevi: MDPI, Basel, Switzerland.

Cilt / sayı / makale numarası: Volume 18, Issue 17, Article 8986.

DOI: 10.3390/su18178986.

Gönderim tarihi: 5 Ağustos 2026.

Revizyon tarihi: 25 Ağustos 2026.

Kabul tarihi: 26 Ağustos 2026.

Yayın tarihi: 2 Eylül 2026.

Kaynak türü: Hakemli açık erişim araştırma makalesi; derin öğrenme tabanlı nesne tespiti, mimari uyarlama ve deneysel doğrulama çalışması.

Makale lisansı: Creative Commons Attribution (CC BY).

Resmî bağlantı: https://doi.org/10.3390/su18178986

Veri kümesi: Roboflow Universe üzerindeki Underwater Waste Dataset.

Veri kümesi lisansı: Kaynak makalenin Data Availability bölümünde CC BY 4.0 olarak belirtilmiştir.

Eğitim bölümü: 10.884 benzersiz görüntü.

Validation bölümü: 1.001 görüntü, 1.892 etiketli nesne.

Özgün test bölümü: 501 görüntü.

Denetlenmiş nihai holdout: 498 görüntü, 963 nesne.

Ana model: YOLO11n + Receptive-Field Aggregation (RFA) + Residual Channel-Spatial Recalibration (RCSA).

Detection head: Değiştirilmemiş YOLO11n detection head.

Ana eğitim protokolü: 100 epoch; seeds 42, 2026 ve 3407; giriş 640×640; batch size 30.

Model boyutu: 4,19 milyon parametre; 8,91 GFLOPs; yaklaşık 8,43 MB ağırlık.

Temel validation sonucu: Precision 0,861 ± 0,016; Recall 0,801 ± 0,012; mAP@0.5 0,848 ± 0,001; mAP@0.5:0.95 0,511 ± 0,002.

Temel holdout sonucu: Precision 0,820 ± 0,033; Recall 0,748 ± 0,014; mAP@0.5 0,779 ± 0,018; mAP@0.5:0.95 0,467 ± 0,007.

Embedded deployment durumu: Ölçülmemiştir. Jetson FPS, latency, peak memory, güç ve energy/frame verisi yoktur.

Supplementary Materials: S1 veri bölümleri ve leakage-control audit; S2 eşleşmiş mimari protokolü; S3 tekrarlı-seed sonuçları; S4 ek değerlendirme protokolleri; S5 deployment boundary.

Yazar katkıları: Kavramsallaştırma Z.H. ve Y.G.; yöntem Y.H., Z.H. ve Y.G.; yazılım Y.H.; doğrulama Y.H. ve Z.H.; formal analiz ve araştırma Y.H.; kaynaklar Y.G.; veri kürasyonu Y.H.; ilk taslak Y.H.; inceleme/düzenleme Z.H. ve Y.G.; görselleştirme Y.H.; supervision ve proje yönetimi Z.H. ve Y.G.; funding acquisition Z.H.

Finansman beyanı: Makalenin “Funding” bölümü “This research received no external funding” ifadesini kullanmaktadır.

Finansmanla ilgili kaynak-içi tutarsızlık: Aynı makalenin Acknowledgments bölümü çalışmanın National Natural Science Foundation of China tarafından Grant No. 52476212 kapsamında desteklendiğini belirtmektedir; Author Contributions bölümünde de Z.H. için “funding acquisition” yazmaktadır. Kaynak bu iki beyanın nasıl uzlaştırılacağını açıklamamaktadır.

Etik kurul: Uygulanabilir değildir.

Bilgilendirilmiş onam: Uygulanabilir değildir.

Çıkar çatışması: Yazarlar çıkar çatışması bildirmemiştir. Makale ayrıca fon sağlayıcının çalışma tasarımı, veri toplama, analiz, yorum, yazım veya yayımlama kararında rolü olmadığını belirtmektedir.