摘要
船体上的污垢会增加水动力阻力、燃料消耗以及排放物。这就需要开发高效的侧面清洁与检测方法。本研究着眼于在机器人清洁系统中应用基于图像的分类技术，依据ISO 8501-4标准来评估船体表面的清洁程度。由于可用数据有限，研究采用了基于预训练卷积神经网络（ResNet50、EfficientNetB0和MobileNetV2）的迁移学习技术。研究既评估了端到端模型，也评估了将深度特征提取与XGBoost分类相结合的混合方法。实验分为二元分类（清洁表面与未清洁表面）以及多类分类（WA1、WA2、WA2.5等级）。结果表明，迁移学习能够有效识别清洁状态，即便数据量较小也能在二元分类中实现高性能。不过，由于各类别之间存在细微差异且数据有限，多类分类仍然具有挑战性。所提出的方法可为水下机器人平台提供自动视觉检测功能，有助于实现基于客观标准的船体清洁过程评估。
