《Frontiers in Computer Science》：A feature-enhanced and attention-focused intelligent detection method for water-floating garbage
编辑推荐：
为了应对小尺寸水面漂浮垃圾目标在堆叠遮挡、水面波动和光照变化条件下的检测精度低和定位误差大的问题，研究人员提出了一种名为MFPF-YOLOv11s的小目标水面漂浮垃圾检测模型。首先，设计了一个多级空洞残差模块（Multi-stage Dilated Resid
为了应对小尺寸水面漂浮垃圾目标在堆叠遮挡、水面波动和光照变化条件下的检测精度低和定位误差大的问题，研究人员提出了一种名为MFPF-YOLOv11s的小目标水面漂浮垃圾检测模型。首先，设计了一个多级空洞残差模块（Multi-stage Dilated Residual Module, MSDWR），通过多尺度网络滤波抑制遮挡目标引起的干扰特征，从而增强对细微垃圾特征的提取。其次，引入Meta-ACON激活函数（Meta-ACON activation function），提升模型在捕捉水面漂浮垃圾非线性特征方面的鲁棒性。接着，在颈部嵌入上下文聚合注意力机制（Context Aggregation attention），引导网络更有效地聚焦于垃圾目标区域。最后，将边界框回归损失替换为Wise-IoU（Wise Intersection over Union），利用其动态非单调聚焦机制，进一步提高了检测精度和定位准确性。在黄河水面漂浮垃圾数据集上的实验结果表明，与基线模型相比，MFPF-YOLOv11s的精确率、召回率和mAP50分别提升了3.1%、3.2%和2.3%，仅增加了0.06M参数和0.7G FLOPs。这些结果表明，所提方法能够满足高精度水面漂浮垃圾检测的需求，并为水环境的智能监测与管理提供技术支持。
水面漂浮垃圾的堆积对河流湖泊生态系统造成不可逆损害，传统人工巡检无法满足全天候实时监测需求。现有深度学习检测方法在大型垃圾上表现较好，但对小尺寸、遮挡、水面波动和光照变化下的目标，存在特征丢失和定位偏差问题。为此，研究人员基于YOLOv11s提出MFPF-YOLOv11s模型，通过多尺度特征增强和像素信息聚焦，在黄河水面漂浮垃圾数据集上实现了精确率、召回率和mAP50分别提升3.1%、3.2%和2.3%，仅增加0.06M参数和0.7G FLOPs。该研究为水环境智能监测提供了技术支撑，论文发表在《Frontiers in Computer Science》。
研究人员采用四项关键技术方法：①多级空洞残差模块（MSDWR），在骨干网络不同阶段配置差异化空洞率（1、3、5），通过区域残差化和语义残差化进行形态滤波，增强遮挡小目标的细粒度特征提取；②Meta-ACON激活函数，替换CBS模块中的SiLU，通过可学习参数β自适应调节线性/非线性程度，抑制梯度消失并提升对光照和反射干扰的鲁棒性；③上下文聚合注意力机制，嵌入颈部PAN结构，通过多分支卷积和长程像素关联生成空间注意力图，增强垃圾目标区域响应并抑制背景噪声；④Wise-IoU损失函数，采用动态非单调聚焦机制，根据当前IoU与全局移动平均IoU的比值自适应调整梯度增益，优化堆叠遮挡目标的定位精度。样本来源：黄河兰州段（城关区雁白黄河大桥、安宁区北滨河路玉妍故事园、永登县水泉子村附近庄浪河区域），使用DJI Mavic 3 T无人机和Canon SX730 HS相机在不同季节、天气、高度和角度采集，经筛选得到10,233张640×640像素图像，共19,633个标注实例（73.4%为小目标）。
研究结果如下：
3.1 数据集描述：构建了覆盖塑料、纸张、玻璃、金属、布料、自然物、其他七类的水面漂浮垃圾数据集，包含强反光、弱光照、雨天、植被遮挡、季节变化等复杂场景，小目标占比高，背景干扰强。
3.2 实验环境与评估指标：所有模型在统一平台（Xeon Platinum 8352V CPU + RTX 4090 GPU）上从头训练200轮，不使用预训练权重，以避免域偏移。采用参数（Para）、浮点运算数（FLOPs）、帧率（FPS）、精确率（P）、召回率（R）、mAP50和mAP50-95作为评估指标。
3.3 MSDWR有效性分析：通过在不同网络阶段统一使用单一MSDWR变体与阶段式配置对比，发现阶段式配置（浅层MSDWR1保留区域残差，中层MSDWR2引入小空洞语义残差，深层MSDWR3采用三空洞率完全结构）取得最佳性能：精确率87.3%、召回率83.6%、mAP50=89.0%，参数9.437M，FLOPs 22.3G，FPS 86.9。验证了阶段式设计在避免浅层冗余和深层感受野不足方面的优势。
3.4 消融实验：逐步引入MSDWR、Meta-ACON、Context Aggregation和Wise-IoU，各模块均带来性能提升。最终完整模型MFPF-YOLOv11s相比基线YOLOv11s，精确率提升3.1%（90.3%）、召回率提升3.2%（86.0%）、mAP50提升2.3%（90.9%），参数仅增加0.061M。Grad-CAM热力图和混淆矩阵进一步表明，模型有效聚焦于像素级位置信息，降低了金属、其他等困难类别的漏检，并消除了纸张误分为布料的现象。将改进策略应用于YOLOv11n和YOLOv11m，验证了其通用性和可扩展性。
3.5 对比实验：与Faster R-CNN、TOOD、VFNet、YOLOv8s、RT-DETR、UAV-DETR、YOLOv10s、YOLOv11s对比，MFPF-YOLOv11s在精确率、召回率、mAP50和mAP50-95上均最优，分别为90.3%、86.0%、90.9%和51.7%，FPS为71.5，满足实时需求。可视化检测结果显示，该模型在堆叠遮挡、背景混淆和光照变化场景下，漏检和误检显著少于对比方法，定位更准确。
总结讨论部分：本研究构建了覆盖多样场景的黄河水面漂浮垃圾数据集，并基于多尺度特征增强和像素信息聚焦提出了MFPF-YOLOv11s模型。通过MSDWR模块和Meta-ACON激活函数增强了骨干网络对遮挡目标特征的提取能力，生成语义更丰富的视觉特征；上下文聚合注意力机制有效抑制了背景干扰，使模型聚焦于检测目标的像素级位置信息；Wise-IoU损失通过动态非单调聚焦机制减少了对难样本的过度惩罚，进一步提升了检测性能和锚框定位精度。实验结果表明，MFPF-YOLOv11s在检测精度和推理速度上均表现优越，相比RT-DETR、YOLOv10s和YOLOv11s，mAP50分别提升2.4%、3.7%和2.3%，推理速度约为RT-DETR的2.5倍。未来研究将聚焦于模型轻量化和边缘设备部署，探索模型剪枝、知识蒸馏和神经架构搜索等技术，以进一步减少参数和计算量，实现无人机和水面无人船等移动平台上的高效实时在线检测，促进该技术在真实工程场景中的实际应用。
