YOLO11n + RFA + RCSA, suv osti tasvirlaridagi teksturasi zaif, chegaralari xira va turli oʻlchamdagi dengiz chiqindilarini aniqlash maqsadida YOLO11n obyekt detektoriga Qabul Qilish Maydonini Agregatsiyalash (Receptive-Field Aggregation, RFA) va Qoldiq Kanal-Fazoviy Qayta Kalibrlash (Residual Channel-Spatial Recalibration, RCSA) komponentlari qoʻshilgan yengil obyektlarni aniqlash arxitekturasidir. RFA turli samarali qabul qilish maydonlaridan kontekstual maʼlumot toʻplasa, RCSA ushbu boyitilgan xususiyatlarning kanal va fazoviy ahamiyatini qayta vaznlantiradi. Tadqiqotning asosiy maqsadi faqat aniqlikni oshirish emas, balki buni ROV kabi resurslari cheklangan boʻlishi mumkin boʻlgan suv osti platformalarida kelajakda qoʻllash mumkin boʻlgan miqyosdagi model bilan amalga oshirishdir.

Tadqiqotda ochiq foydalaniladigan 15 sinfli suv osti chiqindilari maʼlumotlar toʻplamidan foydalanilgan. Taʼminotchining asl maʼlumotlar boʻlinishida 10.884 ta oʻqitish, 1.001 ta validation va 501 ta test tasviri mavjud. Validation toʻplamida 1.892 ta belgilangan obyekt bor. Test toʻplami SHA-256 dublikat tekshiruvlari va fayl nomlaridan chiqarilgan provenance guruhlari bilan audit qilingan; oʻqitish yoki validation bilan bir xil audit qilingan provenance guruhlariga mansub tasvirlar olib tashlangach, yakuniy holdout toʻplami 498 ta tasvir va 963 ta obyekt sifatida saqlangan.

Asosiy taqqoslashlar 100 epoch davomida 42, 2026 va 3407 boʻlgan uch xil seed bilan bajarilgan. RFA + RCSA modeli validation da Precision 0,861 ± 0,016, Recall 0,801 ± 0,012, mAP@0.5 0,848 ± 0,001 va mAP@0.5:0.95 0,511 ± 0,002 natijalariga erishgan. Xuddi shu uch checkpoint audit qilingan holdout da mos ravishda 0,820 ± 0,033, 0,748 ± 0,014, 0,779 ± 0,018 va 0,467 ± 0,007 natijalarini bergan.

Model 4,19 million parametr, taxminan 8,43 MB ogʻirlik va 640 × 640 kirishda 8,91 GFLOPs hisoblashni talab qiladi. Biroq haqiqiy Jetson/ROV apparatida FPS, uchidan-uchigacha kechikish, maksimal xotira, quvvat sarfi yoki kadr boshiga energiya oʻlchanmagan. Shu sababli natijalar modelni resurslari cheklangan ROV idroki uchun istiqbolli yengil nomzod sifatida qoʻllab-quvvatlaydi; real vaqtli oʻrnatilgan tizim muvaffaqiyatini isbotlamaydi.

Tadqiqotning yana bir muhim topilmasi umumlashtirish chegarasidir. Bir xil manba maʼlumotlar toʻplamidan tuzilgan audit qilingan holdout da maqbul samaradorlik olinayotgan bir paytda, boshqa TrashCan Material domenida mAP@0.5 atigi 0,031 ± 0,023 gacha tushgan. Bu natija bir maʼlumot manbai ichidagi kuchli samaradorlik boshqa maʼlumotlar toʻplamlari, muhitlar yoki taksonomiyalarga avtomatik koʻchmasligini aniq koʻrsatadi.

Tadqiqotning asosiy muammosi

Suv ostida tasvirga olish havodagi tasvirga olishga qaraganda barqarorligi pastroq vizual muhitdir. Suvdagi toʻlqin uzunligiga bogʻliq soʻnish, muallaq zarrachalardan kelib chiqadigan sochilish, rang siljishi va bir jinsli boʻlmagan sunʼiy yoritish nishon bilan fon oʻrtasidagi kontrastni kamaytirishi va obyekt koʻrinishini buzishi mumkin.

Dengiz chiqindilari, shuningdek, kichik, qisman koʻmilgan, shakli buzilgan yoki dengiz tubiga vizual jihatdan oʻxshash obyektlar boʻlishi mumkin. Shu sababli faqat tasvirni yoritish yoki kontrastni oshirish ixcham detektorning yetarli boʻlmagan kontekstual tasvirlash muammosini toʻliq hal qilmaydi.

Tadqiqotchilar koʻrib chiqqan muhandislik muammosi tarmoqni oʻzboshimchalik bilan kattalashtirmasdan ikki kamchilikni bartaraf etishdir:

• Zaif yoki xira nishonlarni tushunish uchun kengroq kontekst toʻplash.
• Koʻp oʻlchamli xususiyatlarni birlashtirgandan soʻng foydali signalni murakkab fon xususiyatlaridan yaxshiroq ajratish.

Shu sababli RFA va RCSA bir xil vazifani bajaradigan ikkita muqobil modul sifatida emas, balki tarmoqning turli nuqtalarida bir-birini toʻldiradigan ikki jarayon sifatida joylashtirilgan.

RFA va RCSA nima uchun birgalikda ishlatiladi?

RFA xususiyatlarni ajratib olishning dastlabki va oʻrta bosqichlarida turli oʻlchamdagi samarali qabul qilish maydonlaridan kontekst toʻplaydi, RCSA esa keyin hosil boʻlgan va birlashtirilgan xususiyatlarning kanal va fazoviy ahamiyatini qayta vaznlantiradi; tadqiqot dizayni mantiqida RFA “qaysi atrof-muhit kontekstini koʻraylik?”, RCSA esa “boyitilgan tasvirlashda qaysi javoblarni oldinga chiqaraylik?” savollariga mos keladi.

Asosiy YOLO11n arxitekturasi

Boshlangʻich model standart backbone–neck–head tuzilmasidan foydalanadi. Backbone tasvirdan ierarxik xususiyatlarni ajratib oladi, neck turli aniqlik darajalaridagi xususiyatlarni birlashtiradi va detection head uch xil oʻlchamdan obyekt joylashuvi va sinf bashoratini hosil qiladi.

Tadqiqotda detection head oʻzgartirilmagan. Bu tafsilot muhim; bildirilgan farqlar yangi detection head dizaynidan emas, balki xususiyatlarni ajratib olish va qayta kalibrlash yoʻliga qoʻshilgan RFA va RCSA komponentlaridan kelib chiqadi.

RFA: Qabul Qilish Maydonini Agregatsiyalash qanday ishlaydi?

Konvolyutsion tarmoqning qabul qilish maydoni muayyan xususiyat qiymati kirish tasvirining qanchalik keng hududidan maʼlumot ola olishini ifodalaydi. Kichik nishonni faqat juda tor atrofidan baholash suv ostidagi qirralari zaif yoki xira obyektlarda yetarli boʻlmasligi mumkin.

RFA kirish xususiyatlarini kanal guruhlariga ajratadi va turli samarali qabul qilish maydonlariga ega mahalliy amallarni birlashtiradi. Manbadagi asosiy tenglama quyidagicha:

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

Bu yerda \(X_i\) kirish xususiyatlar tenzorining i-chi kanal guruhini; \(LO_i(\cdot)\) tegishli mahalliy operatorni; \(\mathrm{Concat}\) tarmoqlardagi xususiyatlarni kanal yoʻnalishida birlashtirishni va \(1\times1\) konvolyutsiya yakuniy kanal fuziyasini ifodalaydi.

Manba sxemada ketma-ket mahalliy operatorlarning taxminan 7×7, 9×9 va 11×11 samarali qabul qilish maydonlarini hosil qilishi koʻrsatilgan. Maqsad faqat katta kernel ishlatish emas, balki mahalliy tafsilotlarni toʻliq yoʻqotmasdan turli kontekst oʻlchamlarini birlashtirishdir.

RCSA: Qoldiq Kanal-Fazoviy Qayta Kalibrlash qanday ishlaydi?

RCSA yoʻli dinamik residual group (DRG) ichida Residual Channel-Spatial Attention Block (RCSAB) dan foydalanadi. Har bir RCSAB ikkita 3×3 konvolyutsiyani qoʻllaydi. Birinchi konvolyutsiyadan keyin batch normalization va LeakyReLU, ikkinchi konvolyutsiyadan keyin batch normalization keladi.

Kanal diqqati ham global average pooling, ham global maximum pooling xulosalarini umumiy ikki qatlamli 1×1 oʻzgartirishdan oʻtkazadi. Dinamik fazoviy diqqat esa har bir namuna uchun global xususiyatlardan shartlangan 3×3 fazoviy kernel hosil qiladi.

RCSABning asosiy oʻzgartirish zanjiri:

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

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

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

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

koʻrinishidadir. Bu yerda \(T(\cdot)\) attention dan oldingi konvolyutsiya-normalizatsiya oʻzgartirishlarini, \(M_c\) kanal diqqat xaritasini, \(M_s\) fazoviy diqqat xaritasini, \(G(\cdot)\) chiqish konvolyutsiyasini va \(\odot\) elementma-element koʻpaytirishni bildiradi.

\(P(X)\), oʻlchamlar mos kelsa identity shortcut; mos kelmasa xususiyat oʻlchamlarini tenglashtiruvchi projection shortcut hisoblanadi. Bu residual yoʻl attention jarayonining foydali maʼlumotni butunlay oʻchirib yuborishini oldini oluvchi toʻgʻridan-toʻgʻri maʼlumot oʻtishini taʼminlaydi.

Kanal diqqat xaritasi:

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

koʻrinishida beriladi. Bu yerda GAP global average pooling, GMP global maximum pooling, \(\delta\) ReLU va \(\sigma\) sigmoid funksiyasidir.

Dinamik fazoviy kernel:

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

va fazoviy diqqat:

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

koʻrinishidadir. \(\mathrm{mean}_c\) xususiyatlarning kanal oʻlchamidagi oʻrtachasini; \(*\) esa namuna asosidagi grouped convolution amalini ifodalaydi. Kernel doimiy emas; kirish namunasidan hosil qilinadi.

Toʻrtta RCSAB va yakuniy bitta 3×3 konvolyutsiya birgalikda dinamik residual group hosil qiladi. C2PSA ichidagi bir kanal tarmogʻi bu guruhni chetlab toʻgʻridan-toʻgʻri oʻtsa, ikkinchi tarmoq dinamik residual va feed-forward yoʻlidan oʻtadi; ikki tarmoq yakunda birlashtirilib 1×1 konvolyutsiya bilan fuziya qilinadi.

RFA va RCSAning tadqiqotdagi yangilik chegarasi

Tadqiqot RFA tushunchasi yoki dinamik residual group gʻoyasini birinchi marta ixtiro qilganini daʼvo qilmaydi. RFA mavjud RFAConv yondashuvidan, dinamik residual guruh topologiyasi esa DRPCA-Net dan moslashtirilgan. Tadqiqot hissasi ushbu mavjud tuzilmalarni suv osti YOLO11n xususiyatlar ajratib olish jarayoniga maxsus joylashtirish, RCSA yoʻlida birlashtirish va RFA bilan birga tajribaviy sinovdan oʻtkazishdir.

Maʼlumotlar toʻplami va sinf nomutanosibligi

Maʼlumotlar toʻplamida 15 sinf mavjud. Manba yorliqlari aynan quyidagicha: mask, can, cellphone, electronics, gbottle, glove, metal, misc, net, pbag, pbottle, plastic, rod, sunglasses va tire. “gbottle”, “pbag” va “pbottle” kabi yorliq tokenlarining yoyilmasi manba jadvalida alohida aniqlanmagani sababli bu yerda taxmin qilib qayta nomlanmagan.

Sinflar sezilarli darajada nomutanosib. Masalan, oʻqitish qismida tire uchun 6.816 ta obyekt mavjud boʻlsa, sunglasses uchun atigi 42, rod uchun 78 va metal uchun 168 ta obyekt bildirilgan. Bu nomutanosiblik holdout baholashida ham sinf kesimidagi noaniqlikning muhim sabablaridan biridir.

Validation va holdout nima uchun alohida saqlandi?

1.001 tasvirli validation qismi model va checkpoint tanlashda ishlatilgan, 498 tasvirli audit qilingan holdout esa faqat yakuniy baholash uchun qoʻllangan. Shu tariqa model tanlash bilan yakuniy testning bir-biriga aralashishi kamaytirilgan.

Holdout yaratishda toʻliq SHA-256 dublikat tekshiruvi va fayl nomlaridan hosil qilingan provenance identifikatorlari qoʻllangan. Oʻqitish yoki validation bilan bir xil provenance guruhida koʻringan nomzod test tasvirlari chiqarib tashlangan.

Bu usul ochiq maʼlumot sizib chiqishini kamaytiradi; biroq manba buning jismoniy maydon mustaqilligini isbotlamasligini aniq taʼkidlaydi. Bundan tashqari, validation va holdout bir xil ochiq manba maʼlumotlar toʻplamidan hosil qilingan.

Model haqiqatan ham ROV da real vaqt rejimida ishga tushirildimi?

Yoʻq. Manbadagi ROV fotosuratlari mualliflar ishtirok etgan bogʻliq tajribalarning amaliy kontekstini koʻrsatadi; ushbu tadqiqotda bildirilgan model workstation da maʼlumotlar toʻplamlari bilan baholangan, Jetson sinfidagi ROV apparatida uchidan-uchigacha FPS, kechikish, xotira, quvvat yoki energiya oʻlchovi oʻtkazilmagan.

ROV konteksti nima uchun baribir muhim?

Ixcham ROV larda protsessor quvvati, xotira, quvvat byudjeti, yuk koʻtarish imkoniyati va sovitish cheklangan boʻlishi mumkin. Shu sababli parametr va GFLOP soni kam boʻlgan modelni ishlab chiqish operatsion jihatdan maʼnoli. Biroq statik model murakkabligi haqiqiy apparat tezligining oʻrnini bosa olmaydi.

Keyingi tekshirish bosqichida maqsadli apparatda kamida uchidan-uchigacha latency, FPS, peak memory, quvvat sarfi va frame boshiga energiya oʻlchanishi kerak.

Baholash metrikalari nimani anglatadi?

Precision model qilgan ijobiy aniqlashlarning qanchasi toʻgʻri ekanini oʻlchaydi:

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

TP toʻgʻri ijobiylarni, FP notoʻgʻri ijobiylarni ifodalaydi. Precision yuqori boʻlsa, model “obyekt bor” deb belgilagan qutilarning katta qismi haqiqiy boʻladi.

Recall haqiqiy obyektlarning qanchasi model tomonidan topilganini oʻlchaydi:

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

FN notoʻgʻri salbiylarni, yaʼni tasvirda mavjud boʻlsa-da, oʻtkazib yuborilgan obyektlarni ifodalaydi.

F1 ko'rsatkichi Precision va Recall oʻrtasida garmonik muvozanat yaratadi:

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

Bu yerda \(P\) Precision, \(R\) Recall qiymatidir.

mAP@0.5, Intersection over Union (IoU) chegarasi 0,5 boʻlganda sinf kesimidagi Average Precision qiymatlarining oʻrtachasidan foydalanadi. mAP@0.5:0.95 esa IoU chegaralarini 0,50 dan 0,95 gacha 0,05 qadam bilan koʻrib chiqib, yanada qatʼiy lokalizatsiya aniqligini baholaydi.

Tadqiqot Usuli va Natijalari

Tajriba muhiti va oʻqitish sozlamalari

Maʼlumotlarni koʻpaytirish va optimallashtirish

Manbada hsv_h = 0,015, hsv_s = 0,7, hsv_v = 0,4; translate = 0,1; scale = 0,5; horizontal flip = 0,5 va Mosaic = 1,0 ishlatilgan. Degrees = 0, vertical flip = 0 va MixUp = 0 holida qoldirilgan.

Ultralytics 8.3.163 dagi optimizer = auto tanlovi Nesterov SGD ni hosil qilgan. Boshlangʻich learning rate 0,01, momentum 0,9 va nominal weight decay 0,0005. Batch 30, accumulation 2 va nbs = 64 sharoitida samarali weight decay 0,00046875 sifatida bildirilgan.

Warm-up uch epoch davom etgan, patience 100 etib belgilangan. Oʻrganish tezligi chiziqli kamaytirilgan; cos_lr oʻchirilgan. Soʻnggi 10 epoch da Mosaic oʻchirib qoʻyilgan.

Asosiy 100-epoch taqqoslash

Birlashtirilgan model validation mAP@0.5 boʻyicha eng yuqori oʻrtacha natijani bergan. Biroq yanada qatʼiy mAP@0.5:0.95 metrikasidagi oʻsish juda kichik.

RFA yolgʻiz oʻzi nima berdi?

Dastlabki seed-42 modul skanida RFA yakka modul nomzodlari orasida eng kuchli mAP natijalarini bergan. Manba YOLO11n boshlangʻich holatiga nisbatan mAP@0.5 oʻsishini 2,2 foiz punkt, mAP@0.5:0.95 oʻsishini esa 1,3 foiz punkt deb bildiradi.

CSA_ConvBlock seed-42 skanida yuqoriroq Precision bergan boʻlsa-da, Recall va mAP yutuqlari kichikroq. RCSA yolgʻiz oʻzi agregat metrikalarni faqat cheklangan darajada oʻzgartirgan.

Bu topilma manba tomonidan ehtiyotkorlik bilan shunday talqin qilinganki, RCSA foydasi avval RFA kabi mexanizm tomonidan yetarlicha mazmunli kontekst yaratilishiga bogʻliq boʻlishi mumkin.

RFA + RCSA ning RFA ga nisbatan statistik farqi

Uchta juftlangan seed da RFA + RCSA, RFA ga nisbatan validation mAP@0.5 qiymatini 0,0178 ga oshirgan. Juftlangan %95 ishonch oraligʻi 0,0103–0,0253 va paired t-test p = 0,009 sifatida bildirilgan.

mAP@0.5:0.95 farqi esa atigi 0,0021; %95 ishonch oraligʻi −0,0150–0,0191 va p = 0,654. Shu sababli tadqiqot yanada qatʼiy IoU sharoitlarida ustun lokalizatsiya samaradorligi statistik jihatdan koʻrsatilganini daʼvo qilmaydi.

Bundan tashqari, n = 3 faqat uchta seed ni anglatadi. Mualliflar bu tahlilni umumiy ustunlikning qatʼiy isboti emas, balki run-to-run oʻzgaruvchanlikni koʻrsatuvchi izlanish xarakteridagi juftlangan taqqoslash sifatida cheklaydilar.

Model murakkabligi

RFA yolgʻiz oʻzi parametr va hisoblash xarajatini juda kam oshiradi, RCSA qoʻshilishi esa umumiy modelni 4,19 million parametrga olib keladi. Shunga qaramay, manba modelni hanuz yengil nomzod sifatida tasniflaydi.

YOLOv8n taqqoslashining chegarasi

Manba xuddi shu maʼlumot manbaida YOLOv8n uchun Precision 0,842, Recall 0,779, mAP@0.5 0,821 va mAP@0.5:0.95 0,508 ni bildiradi. Ammo YOLOv8n faqat bitta run, YOLO11n va RFA + RCSA esa uchta run asosida berilgan. Manba ham YOLOv8n ni faqat xuddi shu dataset dagi vakillik qiluvchi yengil detektor taqqoslashi sifatida ishlatadi.

Shu sababli bu jadval seed soni turlicha boʻlgan modellar oʻrtasidagi qatʼiy umumiy ustunlik testi sifatida talqin qilinmasligi kerak.

Validation natijasi real dunyodagi muvaffaqiyatni koʻrsatadimi?

Yoʻq. Validation va audit qilingan holdout bir xil ochiq manba maʼlumotlar toʻplamidan keladi; shuningdek tashqi TrashCan Material testidagi keskin samaradorlik pasayishi bir xil maʼlumot manbaidagi muvaffaqiyatdan boshqa tasvir domenlari yoki sinf taksonomiyalariga umumiy barqarorlik xulosasini chiqarib boʻlmasligini koʻrsatadi.

Audit qilingan holdout natijasi

Holdout natijalari validation natijalaridan past boʻlishi yanada ajratilgan yakuniy baholash toʻplami model uchun qiyinroq sinov ekanini koʻrsatadi. Ammo holdout jismonan mustaqil dengiz hududidan olingani isbotlanmagan.

Sinf kesimidagi uzun dum noaniqligi

Rod sinfida faqat ikkita test obyekti boʻlgani uchun AP@0.5 = 0,414 ± 0,198 qiymatining noaniqligi juda yuqori. Sunglasses sinfida esa faqat bitta namuna bor. Bitta namuna ustida uchala checkpoint ham AP@0.5 = 0,995 berishi keng umumlashtirish dalili emas.

Manba, shuningdek, berilgan ishonch oraliqlari tasvirlarni tanlash noaniqligini emas, faqat uchta seed orasidagi oʻzgarishni oʻlchashini alohida taʼkidlaydi.

Noyob sinflarni toʻrt baravar tez-tez tanlash foyda berdimi?

Yoʻq. Metal, rod va sunglasses sinflari uchun 4× oversampling qoʻllangan, ammo yangi yoki sintetik tasvir yaratilmagan; faqat oʻqitish paytida namuna olish chastotasi oʻzgartirilgan.

Referens holdout mAP@0.5 0,779 ± 0,018 boʻlgan boʻlsa, oversampling dan soʻng 0,772 ± 0,006 boʻlgan. mAP@0.5:0.95 ham 0,467 ± 0,007 dan 0,464 ± 0,007 ga oʻzgargan. Manba bu tajribani samaradorlik oshishi sifatida emas, salbiy nazorat sifatida bildiradi.

Yorqinlik va kontrast oʻzgarishlariga chidamlilik

Yorqinlikni 0,70 yoki 1,30 koeffitsiyent bilan oʻzgartirish natijalarga faqat ozgina taʼsir qilgan. Bunga qarshi, past kontrast model uchun aniq xato sharoitidir.

Contrast 0,70 holatida mAP@0.5 taxminan 0,779 dan 0,644 ga, mAP@0.5:0.95 esa 0,467 dan 0,397 ga tushgan. Manba bu natijani nishon bilan fon oʻrtasidagi zaif ajralish yanada muhim fotometrik muvaffaqiyatsizlik rejimi ekaniga ishora qiladigan tarzda talqin qiladi.

Tashqi maʼlumotlar toʻplami testi

TrashCan Material metal/plastic kichik toʻplamidan 1.204 ta tasvir va 599 ta moslashtirilgan nishon namunasi bilan oʻtkazilgan tashqi domen testida RFA + RCSA faqat:

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

natija bergan.

Bu past natija manbada yashirilmagan; aksincha, modelning bir xil manbadagi holdout muvaffaqiyati cross-dataset chidamlilik dalili emasligini koʻrsatish uchun saqlangan. Taksonomiya va domain farqi jiddiy samaradorlik yoʻqotishiga olib keladi.

Barqarorlik bilan bogʻliqlik chegarasi

Tadqiqot dengiz chiqindilarini aniqlashni dengiz tubi yashash muhitlari, portlar, bogʻlash hududlari, suv osti kabellari va dengizdagi qayta tiklanuvchi energiya infratuzilmasini takroriy kuzatishga yordam bera oladigan idrok komponenti sifatida joylashtiradi.

Bu foydalanish Birlashgan Millatlar Tashkilotining Barqaror Rivojlanish Maqsadi 14 bilan bogʻlangan. Biroq tadqiqot ekologik barqarorlikni bevosita oʻlchamaydi.

Oʻlchanmagan natijalar qatoriga:

• dengiz chiqindilarini tozalash darajasi,
• biologik xilma-xillikning yaxshilanishi,
• hayot sikli taʼsiri,
• energiya sarfi,
• uglerod emissiyasi

kiradi.

Shu sababli “model dengiz ekotizimini yaxshiladi” degan xulosani bu tadqiqotdan chiqarib boʻlmaydi. Tasdiqlangan narsa tasvirlardagi dengiz chiqindilarini tanish va tasniflashdir.

Tadqiqot qoʻllab-quvvatlaydigan xulosalar

• RFA umumiy 100-epoch protokolida YOLO11n ning kontekstual tasvirlashini yaxshilay olgan.
• RFA + RCSA validation mAP@0.5 oʻrtachasini 0,848 ± 0,001 gacha oshirgan.
• RFA + RCSA ning RFA ga nisbatan mAP@0.5 oʻsishi uchta juftlangan seed da kuzatilgan.
• Yanada qatʼiy mAP@0.5:0.95 ustunligi koʻrsatilmagan.
• Model 4,19 M parametr va 8,91 GFLOPs bilan ixcham arxitektura nomzodidir.
• Past kontrast samaradorlikni sezilarli darajada yomonlashtiradi.
• Noyob sinflarda namuna sonining juda kamligi katta noaniqlik keltirib chiqaradi.
• Oddiy 4× rare-class oversampling agregat holdout samaradorligini yaxshilamagan.
• Tashqi maʼlumotlar toʻplami testi jiddiy domain-umumlashtirish muammosini koʻrsatgan.

Tadqiqot qoʻllab-quvvatlamaydigan xulosalar

• Modelning haqiqiy ROV da real vaqt rejimida ishlagani koʻrsatilmagan.
• Jetson sinfidagi FPS yoki latency oʻlchanmagan.
• Quvvat, energy/frame yoki peak memory oʻlchanmagan.
• Holdout jismonan mustaqil dengiz hududi emas.
• Uchta seed umumiy model ustunligi uchun keng statistik dalil emas.
• Bitta sunglasses namunasidagi yuqori AP keng sinf umumlashtirishini anglatmaydi.
• Bir xil maʼlumot manbaidagi muvaffaqiyat boshqa maʼlumotlar toʻplamlarida saqlanmagan.
• Model dengiz chiqindilarini jismonan tozalagani yoki ekologik yaxshilanish bergani oʻlchanmagan.
• Barqarorlik, energiya yoki uglerod taʼsiri miqdoriy hisoblanmagan.

Kelajakdagi tadqiqot talablari

Manba kelajakdagi tekshirish uchun koʻproq noyob sinf maʼlumotlari, focal loss va class-balanced loss kabi yoʻqotish funksiyalari boʻyicha tadqiqotlar, kengroq cross-dataset baholash, haqiqiy ROV harakati va xiralik/turbidity sharoitlarida dala sinovi hamda maqsadli oʻrnatilgan apparatda tizimli profiling ni ustuvor deb biladi.

Haqiqiy deployment tadqiqoti, shuningdek, tanlangan precision rejimi va batch size da latency, FPS, peak memory, quvvat va energy/frame qiymatlarini hisobot qilishi kerak.

Manba va Usul Haqida Izoh

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

Mualliflar: Yuhua He; Zhiqiang Huang; Yun Guo.

Corresponding authors: Zhiqiang Huang va Yun Guo.

Corresponding author elektron pochtalari: chinahuang@usst.edu.cn; graceguo1980@126.com.

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

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

Jurnal: Sustainability.

Nashriyot: MDPI, Basel, Switzerland.

Jild / son / maqola raqami: Volume 18, Issue 17, Article 8986.

DOI: 10.3390/su18178986.

Yuborilgan sana: 5 Avgust 2026.

Tahrir sanasi: 25 Avgust 2026.

Qabul sanasi: 26 Avgust 2026.

Nashr sanasi: 2 Sentabr 2026.

Manba turi: Taqrizdan oʻtgan ochiq kirishli tadqiqot maqolasi; chuqur oʻrganishga asoslangan obyektlarni aniqlash, arxitekturani moslashtirish va eksperimental tekshirish tadqiqoti.

Maqola litsenziyasi: Creative Commons Attribution (CC BY).

Rasmiy havola: https://doi.org/10.3390/su18178986

Maʼlumotlar toʻplami: Roboflow Universe dagi Underwater Waste Dataset.

Maʼlumotlar toʻplami litsenziyasi: Manba maqolaning Data Availability boʻlimida CC BY 4.0 deb koʻrsatilgan.

Oʻqitish qismi: 10.884 ta noyob tasvir.

Validation qismi: 1.001 ta tasvir, 1.892 ta belgilangan obyekt.

Asl test qismi: 501 ta tasvir.

Audit qilingan yakuniy holdout: 498 ta tasvir, 963 ta obyekt.

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

Detection head: Oʻzgartirilmagan YOLO11n detection head.

Asosiy oʻqitish protokoli: 100 epoch; seeds 42, 2026 va 3407; kirish 640×640; batch size 30.

Model hajmi: 4,19 million parametr; 8,91 GFLOPs; taxminan 8,43 MB ogʻirlik.

Asosiy validation natijasi: 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.

Asosiy holdout natijasi: 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 holati: Oʻlchanmagan. Jetson FPS, latency, peak memory, quvvat va energy/frame maʼlumoti yoʻq.

Supplementary Materials: S1 maʼlumot boʻlinmalari va leakage-control audit; S2 juftlangan arxitektura protokoli; S3 takroriy-seed natijalari; S4 qoʻshimcha baholash protokollari; S5 deployment boundary.

Muallif hissalari: Konseptuallashtirish Z.H. va Y.G.; usul Y.H., Z.H. va Y.G.; dasturiy taʼminot Y.H.; tekshirish Y.H. va Z.H.; formal tahlil va tadqiqot Y.H.; resurslar Y.G.; maʼlumotlar kuratsiyasi Y.H.; dastlabki qoralama Y.H.; koʻrib chiqish/tahrirlash Z.H. va Y.G.; vizualizatsiya Y.H.; supervision va loyiha boshqaruvi Z.H. va Y.G.; funding acquisition Z.H.

Moliyalashtirish bayonoti: Maqolaning “Funding” boʻlimida “This research received no external funding” iborasi ishlatilgan.

Moliyalashtirishga oid manba ichidagi nomuvofiqlik: Shu maqolaning Acknowledgments boʻlimida tadqiqot National Natural Science Foundation of China tomonidan Grant No. 52476212 doirasida qoʻllab-quvvatlangani aytiladi; Author Contributions boʻlimida ham Z.H. uchun “funding acquisition” yozilgan. Manba bu ikki bayonotni qanday muvofiqlashtirishni tushuntirmaydi.

Etika qoʻmitasi: Qoʻllanilmaydi.

Axborotlashtirilgan rozilik: Qoʻllanilmaydi.

Manfaatlar toʻqnashuvi: Mualliflar manfaatlar toʻqnashuvi yoʻqligini bildirgan. Maqolada, shuningdek, moliyalashtiruvchi tadqiqot dizayni, maʼlumot yigʻish, tahlil, talqin, yozish yoki nashr qarorida rol oʻynamagani qayd etilgan.