YOLO11n + RFA + RCSA, суу алдындагы сүрөттөрдө текстурасы начар, чек аралары бүдөмүк жана ар кандай масштабдагы деңиз таштандыларын аныктоо үчүн YOLO11n объект детекторуна Кабыл Алуу Талааларын Агрегациялоо (Receptive-Field Aggregation, RFA) жана Калдык Канал-Мейкиндиктик Кайра Калибрлөө (Residual Channel-Spatial Recalibration, RCSA) компоненттери кошулган жеңил объект аныктоо архитектурасы. RFA ар түрдүү натыйжалуу кабыл алуу талааларынан контексттик маалыматты топтосо, RCSA бул байытылган белгилердин каналдык жана мейкиндиктик маанилүүлүгүн кайра салмактайт. Изилдөөнүн негизги максаты тактыкты гана жогорулатуу эмес, муну ROV сыяктуу ресурстары чектелүү болушу мүмкүн болгон суу алдындагы платформаларда келечекте колдонууга ылайыктуу масштабдагы модель менен ишке ашыруу болуп саналат.

Изилдөөдө жалпыга ачык 15 класстуу суу алдындагы таштандылар маалымат топтому колдонулган. Провайдердин баштапкы маалымат бөлүштүрүүсүндө 10.884 окутуу, 1.001 validation жана 501 тест сүрөтү бар. Validation топтомунда 1.892 белгиленген объект бар. Тест топтому SHA-256 дубликат текшерүүлөрү жана файл аттарынан чыгарылган provenance топтору менен аудиттен өткөрүлгөн; окутуу же validation менен бирдей аудиттен өткөн provenance топторуна таандык сүрөттөр чыгарылгандан кийин акыркы holdout топтому 498 сүрөт жана 963 объект болуп сакталган.

Негизги салыштыруулар 100 epoch бою 42, 2026 жана 3407 деген үч башка seed менен жүргүзүлгөн. RFA + RCSA модели validation үстүндө Precision 0,861 ± 0,016, Recall 0,801 ± 0,012, mAP@0.5 0,848 ± 0,001 жана mAP@0.5:0.95 0,511 ± 0,002 көрсөткүчтөрүнө жеткен. Ушул эле үч checkpoint аудиттен өткөн holdout үстүндө тиешелүүлүгүнө жараша 0,820 ± 0,033, 0,748 ± 0,014, 0,779 ± 0,018 жана 0,467 ± 0,007 натыйжаларын берген.

Модель 4,19 миллион параметрди, болжол менен 8,43 MB салмакты жана 640 × 640 кириште 8,91 GFLOPs эсептөөнү талап кылат. Бирок чыныгы Jetson/ROV жабдуусунда FPS, баштан-аяк кечигүү, максималдуу эс тутум, кубат керектөө же кадрга кеткен энергия өлчөнгөн эмес. Ошондуктан натыйжалар моделди ресурстары чектелген ROV кабылдоосу үчүн келечектүү жеңил талапкер катары колдойт; реалдуу убакыттагы камтылган системанын ийгилигин далилдебейт.

Изилдөөнүн дагы бир маанилүү табылгасы — жалпылоо чеги. Ошол эле булак маалымат топтомунан түзүлгөн аудиттен өткөн holdout үстүндө канааттандырарлык натыйжа алынганы менен, башка TrashCan Material доменинде mAP@0.5 болгону 0,031 ± 0,023кө түшкөн. Бул жыйынтык бир эле маалымат булагындагы күчтүү натыйжа башка маалымат топтомдоруна, чөйрөлөргө же таксономияларга автоматтык түрдө өтпөй турганын ачык көрсөтөт.

Изилдөөнүн негизги көйгөйү

Суу алдындагы сүрөттөө абадагы сүрөттөөгө караганда туруктуулугу азыраак визуалдык чөйрө. Суудагы толкун узундугуна көз каранды басаңдоо, калкып жүргөн бөлүкчөлөрдөн болгон чачыроо, түс жылышы жана бир тектүү эмес жасалма жарыктандыруу максат менен фондун ортосундагы контрастты азайтып, объекттин көрүнүшүн бузушу мүмкүн.

Деңиз таштандылары ошондой эле майда, жарым-жартылай көмүлгөн, формасы бузулган же деңиз түбүнө визуалдык жактан окшош объекттер болушу мүмкүн. Ошондуктан сүрөттү жөн гана жарыктандыруу же контрастын жогорулатуу компакт детектордун жетишсиз контексттик өкүлчүлүк көйгөйүн толук чечпейт.

Изилдөөчүлөр караган инженердик маселе — тармакты негизсиз чоңойтпостон эки кемчиликти жоюу:

• Начар же бүдөмүк максаттарды түшүнүү үчүн кеңири контекст чогултуу.
• Көп масштабдуу белгилерди бириктиргенден кийин пайдалуу сигналды татаал фон белгилеринен жакшыраак ажыратуу.

Ошондуктан RFA жана RCSA бир эле милдетти аткарган эки альтернативдүү модуль катары эмес, тармактын ар башка чекиттеринде бири-бирин толуктаган эки иштетүү катары жайгаштырылган.

RFA жана RCSA эмне үчүн бирге колдонулат?

RFA белгилерди чыгаруунун алгачкы жана орто баскычтарында ар кандай өлчөмдөгү натыйжалуу кабыл алуу талааларынан контекст чогултса, RCSA кийин түзүлгөн жана бириктирилген белгилердин каналдык жана мейкиндиктик маанилүүлүгүн кайра салмактайт; изилдөөнүн дизайн логикасында RFA “кайсы айлана-чөйрөлүк контекстти көрөлү?”, RCSA болсо “байытылган өкүлчүлүктө кайсы жоопторду алдыга чыгаралы?” деген суроолорго жооп берет.

Негизги YOLO11n архитектурасы

Баштапкы модель стандарттуу backbone–neck–head түзүлүшүн колдонот. Backbone сүрөттөн иерархиялык белгилерди чыгарат, neck ар башка чечилиш деңгээлдериндеги белгилерди бириктирет, ал эми detection head үч башка масштабдан объекттин жайгашуусун жана классын болжолдойт.

Изилдөөдө detection head өзгөртүлгөн эмес. Бул жагдай маанилүү; билдирилген айырмачылыктар жаңы detection head дизайнынан эмес, белгилерди чыгаруу жана кайра калибрлөө жолуна кошулган RFA жана RCSA компоненттеринен келип чыгат.

RFA: Кабыл Алуу Талааларын Агрегациялоо кантип иштейт?

Конволюциялык тармактын кабыл алуу талаасы белгилүү бир белги мааниси кириш сүрөтүнүн канчалык кең аймагынан маалымат ала аларын билдирет. Майда максатты өтө тар айланадан гана баалоо суу алдындагы четтери начар же бүдөмүк объекттер үчүн жетишсиз болушу мүмкүн.

RFA кириш белгилерин канал топторуна бөлүп, ар башка натыйжалуу кабыл алуу талаалары бар жергиликтүү операцияларды бириктирет. Булактагы негизги теңдеме төмөнкүдөй:

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

Бул жерде \(X_i\) кириш белгилер тензорунун i-канал тобун; \(LO_i(\cdot)\) тиешелүү жергиликтүү операторду; \(\mathrm{Concat}\) бутактардагы белгилерди канал багытында бириктирүүнү жана \(1\times1\) конволюция акыркы каналдык бириктирүүнү билдирет.

Булак схемасында кийинки жергиликтүү операторлор болжол менен 7×7, 9×9 жана 11×11 натыйжалуу кабыл алуу талааларын түзөрү көрсөтүлгөн. Максат чоң kernel колдонуу гана эмес, жергиликтүү деталдарды толук жоготпой ар башка контекст өлчөмдөрүн бириктирүү.

RCSA: Калдык Канал-Мейкиндиктик Кайра Калибрлөө кантип иштейт?

RCSA жолу динамикалык residual group (DRG) ичинде Residual Channel-Spatial Attention Block (RCSAB) колдонот. Ар бир RCSAB эки 3×3 конволюцияны ишке ашырат. Биринчи конволюциядан кийин batch normalization жана LeakyReLU, экинчи конволюциядан кийин batch normalization келет.

Каналдык көңүл буруу global average pooling жана global maximum pooling жыйынтыктарын жалпы эки катмарлуу 1×1 өзгөртүүдөн өткөрөт. Динамикалык мейкиндиктик көңүл буруу болсо ар бир үлгү үчүн глобалдык белгилерге шартталган 3×3 мейкиндиктик kernel түзөт.

RCSABнын негизги өзгөртүү чынжыры:

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

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

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

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

түрүндө. Бул жерде \(T(\cdot)\) attention алдындагы конволюция-нормалдаштыруу өзгөртүүлөрүн, \(M_c\) каналдык көңүл буруу картасын, \(M_s\) мейкиндиктик көңүл буруу картасын, \(G(\cdot)\) чыгыш конволюциясын жана \(\odot\) элемент боюнча көбөйтүүнү көрсөтөт.

\(P(X)\), өлчөмдөр дал келсе identity shortcut; дал келбесе белги өлчөмдөрүн шайкеш келтирген projection shortcut болуп саналат. Бул residual жол attention операциясы пайдалуу маалыматты толук өчүрүп салбашы үчүн түз маалымат өтмөгүн камсыз кылат.

Каналдык көңүл буруу картасы:

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

түрүндө берилет. Бул жерде GAP global average pooling, GMP global maximum pooling, \(\delta\) ReLU жана \(\sigma\) sigmoid функциясы.

Динамикалык мейкиндиктик kernel:

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

жана мейкиндиктик көңүл буруу:

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

түрүндө. \(\mathrm{mean}_c\) белгилердин канал өлчөмүндөгү орточосун; \(*\) болсо үлгүгө негизделген grouped convolution операциясын билдирет. Kernel туруктуу эмес; кириш үлгүсүнөн чыгарылат.

Төрт RCSAB жана акыркы бир 3×3 конволюция бирге динамикалык residual group түзөт. C2PSA ичиндеги бир канал бутак бул топту айланып түз өтсө, экинчи бутак динамикалык residual жана feed-forward жолунан өтөт; эки бутак акырында бириктирилип 1×1 конволюция менен кошулат.

RFA жана RCSAнын изилдөөдөгү жаңычылдык чеги

Изилдөө RFA түшүнүгүн же динамикалык residual group идеясын биринчи жолу ойлоп тапканын ырастабайт. RFA учурдагы RFAConv ыкмасынан, динамикалык residual топ топологиясы DRPCA-Netтен адаптацияланган. Изилдөөнүн салымы — бул бар түзүлүштөрдү суу алдындагы YOLO11n белгилерин чыгарууга атайын жайгаштыруу, RCSA жолу ичинде бириктирүү жана RFA менен бирге эксперименттик текшерүү.

Маалымат топтому жана класстардын тең салмаксыздыгы

Маалымат топтому 15 классты камтыйт. Булактагы энбелгилер так төмөнкүдөй: mask, can, cellphone, electronics, gbottle, glove, metal, misc, net, pbag, pbottle, plastic, rod, sunglasses жана tire. “gbottle”, “pbag” жана “pbottle” сыяктуу энбелги токендеринин чечмелениши булак таблицасында өзүнчө аныкталбагандыктан, бул жерде божомол менен кайра аталыш берилген эмес.

Класстар ачык түрдө тең салмаксыз. Мисалы, окутуу бөлүгүндө tire үчүн 6.816 объект болсо, sunglasses үчүн болгону 42, rod үчүн 78 жана metal үчүн 168 объект билдирилген. Бул тең салмаксыздык holdout баалоосунда да класска жараша белгисиздиктин маанилүү себептеринин бири.

Validation жана holdout эмне үчүн өзүнчө сакталган?

1.001 сүрөттөн турган validation бөлүгү модель жана checkpoint тандоодо колдонулса, 498 сүрөттөн турган аудиттен өткөн holdout акыркы баалоо үчүн гана колдонулган. Ошентип модель тандоо менен акыркы тесттин аралашып кетиши азайтылган.

Holdout түзүлгөндө толук SHA-256 дубликат текшерүүсү жана файл аттарынан алынган provenance идентификаторлору колдонулган. Окутуу же validation менен бир provenance тобунда көрүнгөн талапкер тест сүрөттөрү чыгарылган.

Бул ыкма ачык маалымат агып кетүүсүн азайтат; бирок булак мунун физикалык талаа көз карандысыздыгын далилдебей турганын ачык белгилейт. Мындан тышкары validation жана holdout бир эле жалпыга ачык булак маалымат топтомунан алынган.

Модель чындап ROV үстүндө реалдуу убакытта иштетилдиби?

Жок. Булактагы ROV сүрөттөрү авторлор катышкан байланыштуу эксперименттердин колдонмо контекстин көрсөтөт; бул изилдөөдө билдирилген модель workstation үстүндө маалымат топтомдору менен бааланган, Jetson класстагы ROV жабдуусунда баштан-аяк FPS, кечигүү, эс тутум, кубат же энергия өлчөөсү жүргүзүлгөн эмес.

ROV контексти эмне үчүн ошентсе да маанилүү?

Компакт ROVдордо процессор мүмкүнчүлүгү, эс тутум, кубат бюджети, жүк көтөрүмдүүлүгү жана муздатуу чектелүү болушу мүмкүн. Ошондуктан параметр жана GFLOP саны аз модель долбоорлоо операциялык жактан маанилүү. Бирок статикалык модель татаалдыгы чыныгы жабдуу ылдамдыгынын ордун баспайт.

Кийинки текшерүү баскычында максаттуу жабдууда жок дегенде баштан-аяк latency, FPS, peak memory, кубат керектөө жана frame башына энергия өлчөнүшү керек.

Баалоо метрикалары эмнени билдирет?

Precision модель жасаган оң аныктоолордун канчасы туура экенин өлчөйт:

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

TP туура оң учурларды, FP жалган оң учурларды билдирет. Precision жогору болсо, модель “объект бар” деп белгилеген кутулардын чоңураак бөлүгү чыныгы болот.

Recall чыныгы объекттердин канчасы модель тарабынан табылганын өлчөйт:

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

FN жалган терс учурларды, башкача айтканда сүрөттө бар болуп туруп өткөрүлүп жиберилген объекттерди билдирет.

F1 упайы Precision менен Recall ортосунда гармониялык тең салмак түзөт:

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

Бул жерде \(P\) Precision, \(R\) Recall мааниси.

mAP@0.5, Intersection over Union (IoU) босогосу 0,5 болгондо класстар боюнча Average Precision маанилеринин орточосун колдонот. mAP@0.5:0.95 болсо IoU босоголорун 0,50дөн 0,95ке чейин 0,05 кадам менен текшерип, катаал локалдаштыруу тактыгын баалайт.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Эксперименттик чөйрө жана окутуу жөндөөлөрү

Маалыматты көбөйтүү жана оптималдаштыруу

Булакта hsv_h = 0,015, hsv_s = 0,7, hsv_v = 0,4; translate = 0,1; scale = 0,5; horizontal flip = 0,5 жана Mosaic = 1,0 колдонулган. Degrees = 0, vertical flip = 0 жана MixUp = 0 бойдон калтырылган.

Ultralytics 8.3.163төгү optimizer = auto тандоосу Nesterov SGD чыгарган. Баштапкы learning rate 0,01, momentum 0,9 жана nominal weight decay 0,0005. Batch 30, accumulation 2 жана nbs = 64 шарттарында effective weight decay 0,00046875 деп билдирилген.

Warm-up үч epoch созулуп, patience 100 деп белгиленген. Үйрөнүү ылдамдыгы сызыктуу азайтылган; cos_lr өчүрүлгөн. Акыркы 10 epochта Mosaic өчүрүлгөн.

Негизги 100-epoch салыштыруу

Бириктирилген модель validation mAP@0.5 боюнча эң жогорку орточо маанини берген. Бирок катуураак mAP@0.5:0.95 метрикасындагы өсүш өтө аз.

RFA жалгыз өзү эмне берди?

Баштапкы seed-42 модул сканында RFA жалгыз модул талапкерлеринин арасында эң күчтүү mAP натыйжаларын берген. Булак YOLO11n баштапкы көрсөткүчүнө салыштырганда mAP@0.5 өсүшүн 2,2 пайыздык пункт, mAP@0.5:0.95 өсүшүн 1,3 пайыздык пункт деп билдирет.

CSA_ConvBlock seed-42 сканында жогору Precision бергени менен, Recall жана mAP өсүштөрү азыраак болгон. RCSA жалгыз өзү агрегаттык метрикаларды чектелүү гана өзгөрткөн.

Бул табылга булакта этияттык менен RCSAнын пайдасы адегенде RFA сыяктуу механизм жетиштүү маалыматтуу контекст түзүшүнө көз каранды болушу мүмкүн деп чечмеленген.

RFA + RCSAнын RFAга салыштырмалуу статистикалык айырмасы

Үч жупташкан seed үстүндө RFA + RCSA RFAга салыштырганда validation mAP@0.5 маанисин 0,0178ге жогорулаткан. Жупташкан %95 ишеним аралыгы 0,0103–0,0253 жана paired t-test p = 0,009 деп билдирилген.

mAP@0.5:0.95 айырмасы болгону 0,0021; %95 ишеним аралыгы −0,0150–0,0191 жана p = 0,654. Ошондуктан изилдөө катуураак IoU шарттарында жогорку локалдаштыруу көрсөткүчү статистикалык жактан далилденди деп ырастабайт.

Андан тышкары n = 3 болгону үч seed дегенди билдирет. Авторлор бул анализди жалпы артыкчылыктын так далили катары эмес, run-to-run өзгөрмөлүүлүктү көрсөткөн изилдөөчү жупташкан салыштыруу катары чектешет.

Модель татаалдыгы

RFA жалгыз өзү параметр жана эсептөө чыгымын өтө аз көбөйтөт, RCSA кошулганда жалпы модель 4,19 миллион параметрге жетет. Ошого карабастан булак моделди дагы эле жеңил талапкер катары классификациялайт.

YOLOv8n салыштыруусунун чеги

Булак ошол эле маалымат булагында YOLOv8n үчүн Precision 0,842, Recall 0,779, mAP@0.5 0,821 жана mAP@0.5:0.95 0,508 деп билдирет. Бирок YOLOv8n бир гана run менен, YOLO11n жана RFA + RCSA үч run менен берилген. Булак да YOLOv8nди ошол эле datasetтеги өкүлчүлүктүү жеңил детектор салыштыруусу катары гана колдонот.

Ошондуктан бул таблица seed саны ар башка моделдердин ортосундагы так жалпы артыкчылык тести катары чечмеленбеши керек.

Validation жыйынтыгы реалдуу дүйнөдөгү ийгиликти көрсөтөбү?

Жок. Validation жана аудиттен өткөн holdout бир эле жалпыга ачык булак маалымат топтомунан алынган; мындан тышкары тышкы TrashCan Material тестиндеги кескин көрсөткүч төмөндөшү ошол эле маалымат булагындагы ийгиликтен башка сүрөт домендерине же класс таксономияларына жалпы туруктуулук жөнүндө тыянак чыгарууга болбой турганын көрсөтөт.

Аудиттен өткөн holdout жыйынтыгы

Holdout жыйынтыктары validation жыйынтыктарынан төмөн болушу көбүрөөк бөлүнгөн акыркы баалоо топтому моделге кыйыныраак сыноо болгонун көрсөтөт. Бирок holdout физикалык жактан көз карандысыз деңиз аймагынан алынганы далилденген эмес.

Класс боюнча узун куйрук белгисиздиги

Rod классында болгону эки тест объекти болгондуктан AP@0.5 = 0,414 ± 0,198 маанисинин белгисиздиги өтө жогору. Sunglasses классында болсо бир гана үлгү бар. Бир үлгүдө үч checkpointтин тең AP@0.5 = 0,995 бериши кеңири жалпылоо далили эмес.

Булак ошондой эле берилген ишеним аралыктары сүрөт тандап алуу белгисиздигин эмес, болгону үч seed ортосундагы өзгөрүүнү өлчөй турганын өзгөчө белгилейт.

Сейрек класстарды төрт эсе көп тандоо жардам бердиби?

Жок. Metal, rod жана sunglasses класстары үчүн 4× oversampling колдонулган, бирок жаңы же синтетикалык сүрөттөр түзүлгөн эмес; окутуу учурунда тандоо жыштыгы гана өзгөртүлгөн.

Reference holdout mAP@0.5 0,779 ± 0,018 болсо, oversamplingден кийин 0,772 ± 0,006 болгон. mAP@0.5:0.95 да 0,467 ± 0,007ден 0,464 ± 0,007ге өзгөргөн. Булак бул экспериментти көрсөткүчтүн өсүшү катары эмес, терс контроль катары билдирет.

Жарыктык жана контраст өзгөрүүлөрүнө туруктуулук

Жарыктыкты 0,70 же 1,30 коэффициенти менен өзгөртүү натыйжаларга аз гана таасир берген. Ал эми төмөн контраст модель үчүн айкын ката шарты болуп саналат.

Contrast 0,70 шартында mAP@0.5 болжол менен 0,779дан 0,644кө, mAP@0.5:0.95 болсо 0,467ден 0,397ге түшкөн. Булак бул натыйжаны максат менен фондун ортосундагы начар айырмалануу кыйла маанилүү фотометрикалык бузулуу режими экенин көрсөткөндөй чечмелейт.

Тышкы маалымат топтомунун тести

TrashCan Material metal/plastic ички топтомунан 1.204 сүрөт жана 599 дал келтирилген максат үлгүсү менен жүргүзүлгөн тышкы домен тестинде RFA + RCSA болгону:

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

натыйжа берген.

Бул төмөн натыйжа булакта жашырылган эмес; тескерисинче, моделдин ошол эле булактагы holdout ийгилиги cross-dataset туруктуулуктун далили эмес экенин көрсөтүү үчүн сакталган. Таксономия жана domain айырмасы олуттуу көрсөткүч жоготуусун жаратат.

Туруктуулук менен байланышынын чеги

Изилдөө деңиз таштандыларын аныктоону деңиз түбүндөгү жашоо чөйрөлөрүн, портторду, байлоо аймактарын, суу алдындагы кабелдерди жана ачык деңиздеги жаңылануучу энергия инфраструктурасын кайталап мониторинг кылууга жардам бере турган кабылдоо компоненти катары жайгаштырат.

Бул колдонуу Бириккен Улуттар Уюмунун Туруктуу Өнүгүү Максаты 14 менен байланышкан. Бирок изилдөө экологиялык туруктуулукту түз өлчөбөйт.

Өлчөнбөгөн натыйжалардын арасында:

• деңиз таштандыларын тазалоо көрсөткүчү,
• биологиялык ар түрдүүлүктүн жакшырышы,
• жашоо циклинин таасири,
• энергия керектөө,
• көмүртек эмиссиясы

бар.

Ошондуктан “модель деңиз экосистемасын жакшыртты” деген жыйынтыкты бул изилдөөдөн чыгарууга болбойт. Текшерилген нерсе — сүрөттөрдөгү деңиз таштандыларын таануу жана классификациялоо.

Изилдөө колдогон жыйынтыктар

• RFA жалпы 100-epoch протоколунда YOLO11nдин контексттик өкүлчүлүгүн жакшырта алган.
• RFA + RCSA validation mAP@0.5 орточосун 0,848 ± 0,001ге көтөргөн.
• RFA + RCSAнын RFAга салыштырмалуу mAP@0.5 өсүшү үч жупташкан seed үстүндө байкалган.
• Катуураак mAP@0.5:0.95 артыкчылыгы көрсөтүлгөн эмес.
• Модель 4,19 M параметр жана 8,91 GFLOPs менен компакт архитектура талапкери.
• Төмөн контраст көрсөткүчтү айкын начарлатат.
• Сейрек класстарда үлгү саны өтө аз болушу чоң белгисиздик жаратат.
• Жөнөкөй 4× rare-class oversampling агрегаттык holdout көрсөткүчүн жакшырткан эмес.
• Тышкы маалымат топтомунун тести олуттуу domain-жалпылоо көйгөйүн көрсөткөн.

Изилдөө колдобогон жыйынтыктар

• Моделдин чыныгы ROV үстүндө реалдуу убакытта иштегени көрсөтүлгөн эмес.
• Jetson класстагы FPS же latency өлчөнгөн эмес.
• Кубат, energy/frame же peak memory өлчөнгөн эмес.
• Holdout физикалык жактан көз карандысыз деңиз аймагы эмес.
• Үч seed жалпы модель артыкчылыгы үчүн кең статистикалык далил эмес.
• Бир гана sunglasses үлгүсүндөгү жогорку AP класстын кеңири жалпыланышын билдирбейт.
• Бир эле маалымат булагындагы ийгилик башка маалымат топтомдорунда сакталган эмес.
• Модель деңиз таштандыларын физикалык жактан тазалады же экологиялык жакшырууну камсыз кылды деген натыйжа өлчөнгөн эмес.
• Туруктуулук, энергия же көмүртек таасири сандык түрдө эсептелген эмес.

Келечектеги изилдөө талаптары

Булак келечектеги текшерүү үчүн көбүрөөк сейрек класс маалыматын, focal loss жана class-balanced loss сыяктуу жоготуу функцияларын изилдөөнү, кеңири cross-dataset баалоону, чыныгы ROV кыймылы жана бүдөмүктүк/turbidity шарттарындагы талаа тестин жана максаттуу камтылган жабдууда системалуу profilingди артыкчылыктуу деп эсептейт.

Чыныгы deployment изилдөөсү ошондой эле тандалган precision режими жана batch size шартында latency, FPS, peak memory, кубат жана energy/frame маанилерин билдириши керек.

Булак жана Ыкма Жөнүндө Эскертүү

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

Авторлор: Yuhua He; Zhiqiang Huang; Yun Guo.

Corresponding authors: Zhiqiang Huang жана Yun Guo.

Corresponding author электрондук почталары: chinahuang@usst.edu.cn; graceguo1980@126.com.

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

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

Журнал: Sustainability.

Басмакана: MDPI, Basel, Switzerland.

Том / чыгарылыш / макала номери: Volume 18, Issue 17, Article 8986.

DOI: 10.3390/su18178986.

Жөнөтүлгөн дата: 5 Август 2026.

Кайра кароо датасы: 25 Август 2026.

Кабыл алынган дата: 26 Август 2026.

Жарыяланган дата: 2 Сентябрь 2026.

Булак түрү: Рецензияланган ачык жеткиликтүү изилдөө макаласы; терең үйрөнүүгө негизделген объект аныктоо, архитектураны адаптациялоо жана эксперименттик текшерүү изилдөөсү.

Макаланын лицензиясы: Creative Commons Attribution (CC BY).

Расмий шилтеме: https://doi.org/10.3390/su18178986

Маалымат топтому: Roboflow Universe платформасындагы Underwater Waste Dataset.

Маалымат топтомунун лицензиясы: Булак макаланын Data Availability бөлүмүндө CC BY 4.0 деп көрсөтүлгөн.

Окутуу бөлүгү: 10.884 уникалдуу сүрөт.

Validation бөлүгү: 1.001 сүрөт, 1.892 белгиленген объект.

Түп нуска тест бөлүгү: 501 сүрөт.

Аудиттен өткөн акыркы holdout: 498 сүрөт, 963 объект.

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

Detection head: Өзгөртүлбөгөн YOLO11n detection head.

Негизги окутуу протоколу: 100 epoch; seeds 42, 2026 жана 3407; кириш 640×640; batch size 30.

Модель өлчөмү: 4,19 миллион параметр; 8,91 GFLOPs; болжол менен 8,43 MB салмак.

Негизги validation жыйынтыгы: 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.

Негизги holdout жыйынтыгы: 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 абалы: Өлчөнгөн эмес. Jetson FPS, latency, peak memory, кубат жана energy/frame маалыматы жок.

Supplementary Materials: S1 маалымат бөлүштүрүүлөрү жана leakage-control audit; S2 жупташкан архитектура протоколу; S3 кайталанган-seed жыйынтыктары; S4 кошумча баалоо протоколдору; S5 deployment boundary.

Авторлордун салымы: Концептуалдаштыруу Z.H. жана Y.G.; ыкма Y.H., Z.H. жана Y.G.; программалык камсыздоо Y.H.; текшерүү Y.H. жана Z.H.; формалдуу анализ жана изилдөө Y.H.; ресурстар Y.G.; маалымат курациясы Y.H.; алгачкы долбоор Y.H.; карап чыгуу/редакциялоо Z.H. жана Y.G.; визуалдаштыруу Y.H.; supervision жана долбоорду башкаруу Z.H. жана Y.G.; funding acquisition Z.H.

Каржылоо билдирүүсү: Макаланын “Funding” бөлүмүндө “This research received no external funding” деген сөз айкашы колдонулат.

Каржылоого байланыштуу булак ичиндеги карама-каршылык: Ошол эле макаланын Acknowledgments бөлүмүндө изилдөө National Natural Science Foundation of China тарабынан Grant No. 52476212 алкагында колдоого алынганы айтылат; Author Contributions бөлүмүндө да Z.H. үчүн “funding acquisition” деп жазылган. Булак бул эки билдирүүнү кантип шайкеш келтирүүнү түшүндүрбөйт.

Этика комитети:Колдонулбайт.

Маалымдалган макулдук:Колдонулбайт.

Кызыкчылыктардын кагылышы: Авторлор кызыкчылыктардын кагылышы жок экенин билдирген. Макалада ошондой эле каржылоочу изилдөө дизайнында, маалымат чогултууда, анализде, чечмелөөдө, жазууда же жарыялоо чечиминде роль ойнобогону белгиленет.