河道漂浮物识别检测系统依据智能视频分析，河道漂浮物识别检测系统自动分析和识别，不用人工操纵；检测漂浮物（塑料泡沫、包装袋、堤岸漂浮植物种类等）生物群落等），精确提交检测结果，储存有关信息，便捷查验管理。河道漂浮物识别检测系统实时监控河面状况，对违法行为开展警报、沟通交流和事件记录。
YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。主要的改进思路如下所示：
- 输入端：在模型训练阶段，提出了一些改进思路，主要包括Mosaic数据增强、自适应锚框计算、自适应图片缩放；
- 基准网络：融合其它检测算法中的一些新思路，主要包括：Focus结构与CSP结构；
- Neck网络：目标检测网络在BackBone与最后的Head输出层之间往往会插入一些层，Yolov5中添加了FPN+PAN结构；
- Head输出层：输出层的锚框机制与YOLOv4相同，主要改进的是训练时的损失函数GIOU_Loss，以及预测框筛选的DIOU_nms。
目前，伴随着智能化、农业化和城镇化进程的加速推进，人为要素对环境产生污染。湖水、江河、水利工程和自来水厂等水面上有很多漂浮物。这类漂浮物带有很多对人体有危害的化合物。一直以来，水源污染受到破坏了生态环境保护，危害着大家的生存和发展。因而，为了实现大家的可持续发展观，我们应该解决水体污染难题，监管污染物的排污。
# def _print_weights(self):
# for m in self.model.modules():
# if type(m) is Bottleneck:
# print('%10.3g' % (m.w.detach().sigmoid() * 2)) # shortcut weights
def fuse(self): # fuse model Conv2d() + BatchNorm2d() layers
print('Fusing layers... ')
for m in self.model.modules():
if type(m) is Conv and hasattr(m, 'bn'):
m.conv = fuse_conv_and_bn(m.conv, m.bn) # update conv
delattr(m, 'bn') # remove batchnorm
m.forward = m.fuseforward # update forward
self.info()
return self
def nms(self, mode=True): # add or remove NMS module
present = type(self.model[-1]) is NMS # last layer is NMS
if mode and not present:
print('Adding NMS... ')
m = NMS() # module
m.f = -1 # from
m.i = self.model[-1].i + 1 # index
self.model.add_module(name='%s' % m.i, module=m) # add
self.eval（)
elif not mode and present:
print('Removing NMS... ')
self.model = self.model[:-1] # remove
return self
def autoshape(self): # add autoShape module
print('Adding autoShape... ')
m = autoShape(self) # wrap model
copy_attr(m, self, include=('yaml', 'nc', 'hyp', 'names', 'stride'), exclude=()) # copy attributes
return m
def info(self, verbose=False, img_size=640): # print model information
model_info(self, verbose, img_size)河道漂浮物识别检测系统将于前期监控解决毁坏水生物生态环境保护的难题，进而保证水污染治理的生态安全和群众生命财产安全，让人与水的关系和谐，使相对比较有限的水资源为社会经济发展的可持续发展给予长时间的支撑点，为建设和谐社会提供保障。
