Underwater Waste Detection Using Deep Learning A Performance Comparison of YOLOv7 to 10 and Faster RCNN

Resumen Técnico: Detección de Residuos Subacuáticos mediante Aprendizaje Profundo

Planteamiento del Problema
La contaminación submarina, particularmente la de plásticos y contaminantes químicos, representa graves amenazas para la biodiversidad marina, los ecosistemas y la salud humana. Esta interrumpe las cadenas alimentarias, daña los arrecifes de coral e incurre en pérdidas económicas significativas en industrias como el turismo y la pesca. Si bien las estrategias de gestión tradicionales son esenciales, la detección y eliminación de residuos subacuáticos requieren soluciones tecnológicas avanzadas. Los desafíos actuales incluyen la baja visibilidad, la dispersión de la luz y la materia particulada en entornos submarinos, factores que degradan la calidad de la imagen y dificultan la identificación precisa de los residuos. Aunque se han propuesto diversos enfoques de aprendizaje automático, existe una falta de análisis comparativo exhaustivo entre los modelos de detección de objetos de vanguardia aplicados específicamente a la detección de basura subacuática multiclasis.

Metodología
Este estudio realizó una evaluación comparativa de cinco algoritmos de detección de objetos de última generación: YOLOv7, YOLOv8, YOLOv9, YOLOv10 y Faster R-CNN. La investigación utilizó un conjunto de datos obtenido de un repositorio en línea que contiene 5,130 imágenes subacuáticas categorizadas en 15 clases distintas de residuos: mascarillas, latas, teléfonos celulares, electrónica, botellas de vidrio, guantes, metal, redes, bolsas de polietileno, botellas de plástico, varillas, gafas de sol, neumáticos y artículos misceláneos.

El conjunto de datos se dividió en conjuntos de entrenamiento (3,628 imágenes), validación (1,001 imágenes) y prueba (501 imágenes). Todos los modelos fueron entrenados durante 50 épocas con un tamaño de lote de 64 y un tamaño de imagen de entrada de 128 píxeles. El estudio empleó métricas de evaluación estándar definidas en la documentación de YOLO:

• Precisión (Precision): La proporción de positivos genuinos entre todos los positivos predichos.
• Sensibilidad (Recall): La proporción de positivos reales identificados de todos los positivos reales.
• Precisión Media Promedio (mAP): El valor de precisión promedio a través de las 15 clases de objetos.

Contribuciones Clave
La principal contribución de este trabajo es una comparación sistemática del rendimiento de las variantes más recientes de YOLO (v7 a v10) frente a la arquitectura establecida de Faster R-CNN dentro del contexto específico de la detección de residuos subacuáticos. Mientras que estudios previos se centraron a menudo en optimizar una única arquitectura de modelo (por ejemplo, mejorando YOLOv5 o YOLOv8 para condiciones específicas), este estudio evalúa la eficacia relativa de múltiples arquitecturas modernas en un conjunto de datos subacuático diverso y multiclasis. La investigación identifica el modelo más efectivo para el reconocimiento de materiales de desecho bajo condiciones marinas desafiantes sin proponer nuevas modificaciones arquitectónicas, basándose en su lugar en las capacidades inherentes de los modelos preentrenados seleccionados.

Resultados
Los resultados experimentales demostraron que YOLOv8 superó a todos los demás modelos. Las métricas de rendimiento específicas fueron las siguientes:

• YOLOv8: Precisión de 0.832, Sensibilidad de 0.727 y un mAP de 80.9%.
• YOLOv9: Precisión de 0.789, Sensibilidad de 0.729 y un mAP de 79.0%.
• YOLOv10: Precisión de 0.688, Sensibilidad de 0.686 y un mAP de 71.6%.
• YOLOv7: Precisión de 0.663, Sensibilidad de 0.656 y un mAP de 67.9%.
• Faster R-CNN: Precisión de 0.484, Sensibilidad de 0.629 y un mAP de 61.5%.

El estudio atribuye el rendimiento superior de YOLOv8 a su arquitectura, la cual incorpora características avanzadas como mecanismos mejorados libres de anclajes (anchor-free) y capacidades de aprendizaje autosupervisado, lo que permite un reconocimiento más preciso en entornos variados. El análisis de la matriz de confusión y las curvas de métricas para YOLOv8 confirmaron su estabilidad, con valores de pérdida decrecientes y una mejora en el mAP y la sensibilidad a lo largo de las épocas de entrenamiento. Las predicciones visuales validaron aún más la capacidad del modelo para detectar diversos artículos de desecho con precisión.

Significancia y Limitaciones
El artículo concluye que YOLOv8 es una herramienta fiable y eficaz para la detección de una variedad de categorías de residuos subacuáticos, ofreciendo capacidades de detección mejoradas y escalabilidad para las operaciones de limpieza. Los hallazgos sugieren que YOLOv8 es un fuerte candidato para la integración en los esfuerzos globales para mitigar la contaminación submarina.

Sin embargo, los autores mantienen una postura modesta respecto al alcance del estudio. Reconocen limitaciones, señalando que el conjunto de datos no captura plenamente la complejidad de las condiciones subacuáticas del mundo real, tales como la visibilidad extremadamente baja, la iluminación variable y los fondos altamente saturados. Además, la evaluación se limitó a 15 clases específicas, lo que puede restringir la generalización de los resultados a otros tipos de desechos. El estudio no pretende haber resuelto todos los desafíos de la detección subacuática, sino que identifica a YOLOv8 como el más efectivo entre los modelos probados para el conjunto de datos y las condiciones evaluadas. Se sugiere que el trabajo futuro involucre conjuntos de datos de múltiples ubicaciones más grandes y la integración de técnicas de adaptación de dominio para mejorar aún más la generalización del modelo.