Intelligent Debris Mass Estimation Model for Autonomous Underwater Vehicle

要約

海洋ゴミは海洋野生生物の生存に重大な脅威をもたらし、絡まりや飢餓を引き起こし、最終的には死に至ることがよくあります。
したがって、海洋からゴミを除去することは、自然のバランスを回復し、海洋生物が繁栄できるようにするために非常に重要です。
インスタンス セグメンテーションは、物体を識別し、正確に位置を特定して分離する高度な物体検出形式であり、自律型水中ビークル (AUV) が水中環境を効果的に移動し、相互作用するために不可欠なツールとなっています。
AUV は画像セグメンテーションを使用してカメラで撮影した画像を分析し、水中環境をナビゲートします。
この論文では、インスタンス セグメンテーションを使用して画像内の個々のオブジェクトの面積を計算し、Roboflow の YOLOV7 を使用して、クラス ラベルと検出ごとの信頼スコアを備えた画像内の各オブジェクトの境界ボックスのセットを生成します。
次に、オブジェクトの境界ボックスにバイナリ マスクを適用することによって、オブジェクトごとにセグメンテーション マスクが作成されます。
マスクは、背景からオブジェクトをセグメント化するように訓練された畳み込みニューラル ネットワークの出力にバイナリしきい値を適用することによって生成されます。
最後に、形態学的演算や輪郭検出などの後処理技術を適用して各オブジェクトのセグメンテーション マスクを調整し、マスクの精度と品質を向上させます。
インスタンスのセグメント化の面積を推定するプロセスでは、セグメント化された各インスタンスの面積を個別に計算し、すべてのインスタンスの面積を合計して合計面積を取得します。
計算は、長方形や円などのオブジェクトの形状に基づいた標準的な計算式を使用して実行されます。
オブジェクトが複雑な場合、モンテカルロ法を使用して面積を推定します。
この方法は、特に多数のサンプルを使用する場合に、従来の方法よりも高い精度を提供します。

要約(オリジナル)

Marine debris poses a significant threat to the survival of marine wildlife, often leading to entanglement and starvation, ultimately resulting in death. Therefore, removing debris from the ocean is crucial to restore the natural balance and allow marine life to thrive. Instance segmentation is an advanced form of object detection that identifies objects and precisely locates and separates them, making it an essential tool for autonomous underwater vehicles (AUVs) to navigate and interact with their underwater environment effectively. AUVs use image segmentation to analyze images captured by their cameras to navigate underwater environments. In this paper, we use instance segmentation to calculate the area of individual objects within an image, we use YOLOV7 in Roboflow to generate a set of bounding boxes for each object in the image with a class label and a confidence score for every detection. A segmentation mask is then created for each object by applying a binary mask to the object’s bounding box. The masks are generated by applying a binary threshold to the output of a convolutional neural network trained to segment objects from the background. Finally, refining the segmentation mask for each object is done by applying post-processing techniques such as morphological operations and contour detection, to improve the accuracy and quality of the mask. The process of estimating the area of instance segmentation involves calculating the area of each segmented instance separately and then summing up the areas of all instances to obtain the total area. The calculation is carried out using standard formulas based on the shape of the object, such as rectangles and circles. In cases where the object is complex, the Monte Carlo method is used to estimate the area. This method provides a higher degree of accuracy than traditional methods, especially when using a large number of samples.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google