PWC-YOLO：融合小波统计交叉注意力（WSCA）与Converse2D反向卷积上采样的深海多金属结核轻量实时实例分割

《Journal of Marine Science and Engineering》：Real-Time Instance Segmentation of Deep-Sea Polymetallic Nodules with Wavelet Statistical Cross-Attention and Reverse Convolution Upsampling

　　

深海多金属结核是重要战略矿产资源。然而，复杂海底条件残留的低对比度特征、密集重叠目标以及严重海底杂乱会显著降低自动分割的准确性与实时性。本文提出一种轻量级实例分割模型PWC-YOLO。首先，构建基于部分卷积的C3k2-PConv模块以降低计算成本。其次，以水波统计交叉注意力（Wavelet Statistical Cross-Attention, WSCA）替换C2PSA内置自注意力，以抑制水下噪声并增强微小结核的特征表达。第三，采用Converse2D反向卷积上采样恢复结核丢失的轮廓细节。建立人工标注的Clarion–Clipperton Zone结核数据集用于评估。消融实验验证PWC-YOLO模型达到95.2% BBox（Bounding Box）mAP₅₀和95.8% Mask mAP₅₀，仅具有2.47 M参数和9.3 GFLOPs（Giga Floating-Point Operations），推理速度为88 FPS（Frames Per Second）。对比实验表明，PWC-YOLO以更少参数和更低计算开销实现有竞争力的掩膜分割精度，相对主流分割模型获得有利的精度—复杂度权衡。可视化结果验证在测试深海场景内具有良好鲁棒性，显示仅2.47 M参数和9.3 GFLOPs的良好轻量化特性，为未来水下边缘计算设备上的轻量部署提供潜在前提。

论文解读：深海多金属结核（polymetallic nodules）富含Mn、Ni、Cu、Co和稀土元素，是支撑未来清洁能源供应链与高端制造系统的重要战略矿产资源。Clarion–Clipperton Zone（CCZ）是全球最具代表性且资源丰富的多金属结核分布区，但3500–6000 m水深、弱光照和低对比度环境给精细检测与定量分析带来严峻挑战。近海底光学成像成为高分辨率结核调查的主要方式，但传统人工目视解译效率低、主观性强、一致性差且人力成本高，难以适应海量近海底图像数据处理需求。实例分割（instance segmentation）可实现结核个体分离、数量统计和轮廓提取，对资源评价至关重要。YOLOv11作为最新一阶段实例分割模型，在速度和精度方面具有明显优势。然而，复杂海底条件残留的低对比度特征、密集重叠目标和严重海底杂乱会显著降低自动分割的准确性与实时性，且多数模型面向常规场景，缺乏针对深海环境极端特性的设计，精度、轻量化与实时性之间的平衡仍需改进。因此，研究人员基于YOLOv11-n-seg开展CCZ多金属结核实例分割研究，提出PWC-YOLO，并通过自建标注数据集、消融实验、与主流模型对比、可视化及密度分级计数误差分析进行验证。研究得出，PWC-YOLO在较少参数和较低计算开销下取得有竞争力的掩膜分割精度，形成有利的精度—复杂度权衡，并为水下边缘计算硬件轻量部署提供潜在前提。

关键技术方法概述：研究样本来源于Mbani & Greinert (2023)发布并归档于PANGAEA的CCZ标准化海底光学图像，采集于2019年RV SONNE SO268科学航次，使用OFOS搭载Canon EOS 5D Mark IV相机，平均采样水深4250 m；研究人员随机选取1000幅图像完成单类别多金属结核的边界框与像素掩膜人工标注，并按7:2:1划分训练、验证和测试集。模型以YOLOv11-n-seg为基线，构建C3k2-PConv部分卷积（partial convolution, PConv）轻量特征提取模块；设计小波统计交叉注意力（Wavelet Statistical Cross-Attention, WSCA）替换C2PSA内置自注意力；采用Converse2D反向卷积上采样替换颈部最近邻插值；训练采用SGD（Stochastic Gradient Descent），300个epoch，batch size为4，初始学习率0.01。

研究结果如下。5.1 消融实验：研究人员在相同训练配置下考察C3k2-PConv、WSCA和Converse2D的独立作用与协同作用。单独引入C3k2-PConv可降低参数和GFLOPs，但掩膜指标下降，显示检测优化、分割退化与推理速度之间存在权衡；单独部署WSCA在几乎不增加计算开销的情况下同步提升多数检测与分割指标，并获得最高FPS；单独使用Converse2D主要提升Mask mAP₇₅和Mask mAP_50-95，聚焦高IoU掩膜边缘细节修复；C3k2-PConv与WSCA组合保留轻量优势且维持WSCA带来的分割指标上限；C3k2-PConv与Converse2D组合未产生相互补偿，反而使检测mAP₇₅和掩膜AP指标下降；WSCA与Converse2D组合获得所有消融组中最优综合分割性能，Mask mAP_50-95达到峰值且检测指标稳定；三模块完整模型继承C3k2-PConv轻量属性并实现所有组中最高检测mAP₅₀，完整PWC-YOLO达到95.2% BBox mAP₅₀和95.8% Mask mAP₅₀，仅2.47 M参数、9.3 GFLOPs和88 FPS，在定位精度、掩膜质量和计算开销之间取得较优平衡。5.2 与先进方法比较：研究人员将PWC-YOLO与YOLOv8-n、YOLOv11-n、YOLOv12-n、YOLOv26-n等一阶段轻量模型及Mask R-CNN、CondInst等两阶段实例分割方法比较。PWC-YOLO参数仅2.47 M、GFLOPs为9.3，远低于Mask R-CNN和CondInst；后两者虽精度较高，但召回下降且计算开销极大，Mask mAP_50-95仅52.3和54.5，难以满足水下实时部署。与轻量YOLO-n变体相比，PWC-YOLO获得有竞争力的边界框检测性能，Mask mAP₅₀为95.8%、Mask mAP₇₅为83.1%、Mask mAP_50-95为72.3%，同时具有最小参数规模和计算成本，并保持可接受的88 FPS。在UIIS水下实例分割数据集上的跨域比较显示，PWC-YOLO仍相对两阶段Mask R-CNN、CondInst和轻量YOLO-n变体表现出竞争性，说明所提模块设计可适应不同于深海多金属结核场景的水下成像条件。5.3 检测结果可视化：研究人员在四类具有不同结核尺寸、密度和背景噪声的典型深海海底场景中定性比较多种算法。CondInst、YOLOv8n-seg、YOLOv11n-seg和YOLOv26n-seg均出现结核轮廓提取不完整、海底沉积物误报和微尺度结核严重漏检等分割缺陷；PWC-YOLO借助C3k2-PConv、WSCA和Converse2D细节重建上采样生成完整、平滑且准确的分割掩膜，有效抑制背景杂乱干扰并保留微小结核的细微边缘特征。5.4 不同结核密度等级下计数误差分析：研究人员按每幅图像结核数量将测试集划分为G1–G10十个密度等级，从分布一致性和计数相对误差两方面进行分层分析。预测密度分布总体趋势与真值一致，表明模型能够捕获测试集结核丰度分布；但预测分布在髙密度区域峰值略有偏移，说明拥挤场景中的目标粘连会干扰实例分割与计数。计数平均相对误差在低密度G3较高，主要归因于该组样本数量有限，少量误分割会放大相对误差；随着结核密度升高（G4–G10），Count MRE迅速下降并保持较低水平，表明模型可在中高密度条件下稳定识别和计数结核实例，具有支持深海结核丰度评估的潜力。

讨论与结论翻译：本研究针对深海多金属结核实例分割中的低对比度、密集重叠目标、复杂海底背景干扰和有限计算资源等挑战，提出基于YOLOv11-n-seg的改进轻量实例分割模型PWC-YOLO。三项针对性结构优化包括：基于部分卷积构建的C3k2-PConv轻量特征提取模块、替换C2PSA原始自注意力的WSCA，以及用于精细轮廓重建的Converse2D反向卷积上采样。研究人员构建包含1000幅标准化CCZ海底光学图像的自标注数据集用于模型训练与评估。消融实验验证每个改进组件均对分割性能带来正向增益，三模块组合在分割精度、模型规模和推理速度之间实现有利权衡。完整PWC-YOLO模型达到95.2% BBox mAP₅₀和95.8% Mask mAP₅₀，具有2.47 M参数、9.3 GFLOPs和88 FPS，平衡定位精度、掩膜细节重建与实时推理能力。与主流一阶段和两阶段分割模型的对比实验表明，PWC-YOLO在评估的轻量分割模型中以色数最少参数和GFLOPs获得有竞争力的Mask mAP_50-95。PWC-YOLO为未来水下边缘计算硬件上的轻量部署提供潜在前提。四个典型测试深海场景的视觉比较进一步证明，在所考察海底条件下，该模型可有效避免欠分割、误报和微小结核漏检。本研究存在若干固有局限：受标注子集地理空间与航次元数据不完整限制，无法进行可靠的跨航次泛化评估；所有实验结果均来自单次训练运行，所用海底图像已经过光照预处理；WSCA模块的进一步验证、嵌入式边缘部署测试和扩展海洋科学评价指标仍有待未来探索。未来工作将采用半监督学习以减少标注工作量，融合高光谱信息以改善半埋结核检测，并开展这些补充实验以促进深海采矿的实际船上检测。