1. 研究目的与意义
在全球新一轮科技革命和产业变革孕育发展背景下，机器学习和人工智能受到越来越多人的关注。作为计算机学科的一个重要分支，机器视觉已经有20多年的发展历史，其功能以及应用范围随着机械自动化的发展逐渐完善和推广。机器视觉是指利用相机、摄像机等传感器，配合机器视觉算法赋予智能设备人眼的功能，从而进行物体的识别、检测、测量等功能，简单说来，机器视觉就是用机器代替人眼来做测量和判断。总体上看对水面漂浮物识别检测研究分为两大方向，一种是基于传统计算机视觉的图像处理以及机器学习的方法，该种方法依赖数据量相对较少，但是极易受到外部环境的变化影响检测结果。另一种是基于深度学习的人工智能算法，这类算法需要有相对充足的数据量对模型进行训练，在人脸识别、车辆检测等领域已经得到了广泛的应用，能够较好的应对复杂场景下的视觉任务。
随着机器视觉技术的不断发展，视觉导航技术可有效应用在清漂船中，该技术采用在清漂船中添加摄像系统，可使清漂船获取外界的有效特征来进行自主导航。若采用视觉导航的清漂船可对作业对象，即河道中的主要垃圾，包括塑料瓶、购物塑 料袋、团聚浮萍等进行有效定位和识别，则可大大提高清漂效率。 但河道中的水面漂浮物，常常存在着目标物过小，容易出现目标物特征的定位和识别效率不高的现象，甚至是特征丢失，无法对目标进行定位和识别。因此对河道水面漂浮物的定位和识别展开研究， 可大大提高无人清漂船的智能化，有着十分重要的应用价值。
河流被誉为“生命之源泉，生态之根基”。作为我国水环境中重要的构成部分，河道在供给水源、维持生态以及美化景观等方面扮演着不可或缺的角色“，与当前社会的发展休戚相关。但是随着经济发展和工业化进程的加快，河道表观污染事件频繁发生，其中漂浮物是备受关注的一个方面，包括人为丢弃的生活垃圾、死亡动植物等，这当中既有难以降解的塑料和泡沫，又有易腐发臭的物质，不仅会破坏水中生物的生长环境，而且会降低河道的美观性。由于生活垃圾丢弃、水体污染、地表雨水冲刷等多种因素经常会导致河面。上存在一些漂浮物质，这些物质在没有被及时检测并清理的情况下，会对河道环境造成一定的威胁，给河湖环境保护工作带来一定的困难与挑战。
2. 研究内容和预期目标
一、 主要研究内容
基于图像处理技术实现水面漂浮物的检测与识别。搭建基于图像处理的预处理模块和目标检测识别模块。
1. 对图像进行预处理。
3. 研究的方法与步骤
一、研究方法
该研究可分为三大模块：河道漂浮物检测模块、河道漂浮物识别模块、河道漂浮物追踪模块。
（1）图像预处理。对漂浮物图像进行灰度化、二值化、去噪、等处理
4. 参考文献
[1]朱艳妮.基于视觉分析的河道漂浮物检测与跟踪方法研究[D].浙江大学,2021.
[2]高强.基于深度学习的河道水面漂浮物检测研究[J].电子技术与软件工程,2021(18):127-128.
[3]ZailanNur Athirah,Azizan Muhammad Mokhzaini,Hasikin Khairunnisa,Mohd Khairuddin AnisSalwa,Khairuddin Uswah. An automated solid waste detection using the optimizedYOLO model for riverine management [J]. Frontiers in Public Health,2022,10: 907280-907280.
5. 计划与进度安排
1. 2024.1.1-2.28：查阅收集参考资料；外文文献翻译；水面漂浮物图像收集。
2. 2024.3.1-3.10：完成开题报告。
3. 2024.3.11-3.31：完成图像预处理模块和物品检测模块的具体实现。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
