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

Resumo Técnico: Detecção de Resíduos Subaquáticos Utilizando Aprendizado Profundo

Declaração do Problema
A poluição subaquática, particularmente de plásticos e contaminantes químicos, representa ameaças severas à biodiversidade marinha, aos ecossistemas e à saúde humana. Ela interrompe cadeias alimentares, danifica recifes de coral e acarreta perdas econômicas significativas em setores como o turismo e a pesca. Embora as estratégias de gestão tradicionais sejam essenciais, a detecção e a remoção de resíduos subaquáticos exigem soluções tecnológicas avançadas. Os desafios atuais incluem baixa visibilidade, dispersão de luz e matéria particulada em ambientes subaquáticos, que degradam a qualidade da imagem e dificultam a identificação precisa de resíduos. Embora várias abordagens de aprendizado de máquina tenham sido propostas, há uma carência de análise comparativa abrangente entre modelos de detecção de objetos de última geração aplicados especificamente à detecção de lixo subaquático multiclasse.

Metodologia
Este estudo realizou uma avaliação comparativa de cinco algoritmos de detecção de objetos de ponta: YOLOv7, YOLOv8, YOLOv9, YOLOv10 e Faster R-CNN. A pesquisa utilizou um conjunto de dados proveniente de um repositório online contendo 5.130 imagens subaquáticas categorizadas em 15 classes distintas de resíduos: máscaras, latas, telefones celulares, eletrônicos, garrafas de vidro, luvas, metal, redes, sacos de polietileno, garrafas plásticas, varas, óculos de sol, pneus e itens diversos.

O conjunto de dados foi dividido em conjuntos de treinamento (3.628 imagens), validação (1.001 imagens) e teste (501 imagens). Todos os modelos foram treinados por 50 épocas com um tamanho de lote (batch size) de 64 e um tamanho de imagem de entrada de 128 pixels. O estudo empregou métricas de avaliação padrão definidas na documentação do YOLO:

• Precisão (Precision): A proporção de positivos genuínos entre todos os positivos previstos.
• Revocação (Recall): A proporção de positivos verdadeiros identificados entre todos os positivos reais.
• Média da Precisão Média (mAP): O valor médio de precisão em todas as 15 classes de objetos.

Principais Contribuições
A principal contribuição deste trabalho é uma comparação sistemática de desempenho das variantes mais recentes do YOLO (v7 através de v10) contra a arquitetura estabelecida do Faster R-CNN no contexto específico da detecção de resíduos subaquáticos. Enquanto estudos anteriores frequentemente focaram na otimização de uma única arquitetura de modelo (por exemplo, melhorando o YOLOv5 ou YOLOv8 para condições específicas), este estudo avalia a eficácia relativa de múltiplas arquiteturas modernas em um conjunto de dados subaquáticos diversificado e multiclasse. A pesquisa identifica o modelo mais eficaz para o reconhecimento de materiais de resíduos sob condições marinhas desafiadoras sem propor novas modificações arquitetônicas, baseando-se, em vez disso, nas capacidades inerentes dos modelos pré-treinados selecionados.

Resultos
Os resultados experimentais demonstraram que o YOLOv8 superou todos os outros modelos. As métricas de desempenho específicas foram as seguintes:

• YOLOv8: Precisão de 0,832, Revocação de 0,727 e um mAP de 80,9%.
• YOLOv9: Precisão de 0,789, Revocação de 0,729 e um mAP de 79,0%.
• YOLOv10: Precisão de 0,688, Revocação de 0,686 e um mAP de 71,6%.
• YOLOv7: Precisão de 0,663, Revocação de 0,656 e um mAP de 67,9%.
• Faster R-CNN: Precisão de 0,484, Revocação de 0,629 e um mAP de 61,5%.

O estudo atribui o desempenho superior do YOLOv8 à sua arquitetura, que incorpora recursos avançados, como mecanismos aprimorados de livre de âncoras (anchor-free) e capacidades de aprendizado autossupervisionado, permitindo um reconhecimento mais preciso em configurações variadas. A análise da matriz de confusão e das curvas de métricas para o YOLOv8 confirmou sua estabilidade, com valores de perda decrescentes e melhoria no mAP e na revocação ao longo das épocas de treinamento. As previsões visuais validaram ainda mais a capacidade do modelo de detectar diversos itens de resíduos com precisão.

Significância e Limitações
O artigo conclui que o YOLOv8 é uma ferramenta confiável e eficaz para detectar uma variedade de categorias de resíduos subaquáticos, oferecendo capacidades de detecção aprimoradas e escalabilidade para operações de limpeza. Os achados sugerem que o YOLOv8 é um forte candidato para integração nos esforços globais para mitigar a poluição subaquática.

No entanto, os autores mantêm uma postura modesta em relação ao escopo do estudo. Eles reconhecem limitações, observando que o conjunto de dados não captura totalmente a complexidade das condições subaquáticas do mundo real, como visibilidade extremamente baixa, iluminação variável e fundos altamente poluídos. Além disso, a avaliação limitou-se a 15 classes específicas, o que pode restringir a generalização dos resultados para outros tipos de resíduos. O estudo não afirma ter resolvido todos os desafios de detecção subaquática, mas sim identificar o YOLOv8 como o mais eficaz entre os modelos testados para o conjunto de dados e as condições avaliadas. Sugere-se que trabalhos futuros envolvam conjuntos de dados maiores e de múltiplos locais, além da integração de técnicas de adaptação de domínio para aumentar ainda mais a generalização do modelo.