前言：Hello大家好，我是小哥谈。针对现有水面垃圾检测方法模型较老，易漏检错检，无法满足高效的水面环境治理的问题，提出了改进 YOLOv12 的水面垃圾检测方法 WDW-YOLO。该方法引入基于小波变换的 WTConv 改进颈部网络的 C3k2 模块，设计C3k2_WTConv 模块，在保证模型参数可控性的同时实现了模型感受野的有效扩大；对于骨干网络中的 C3k2 模块，引入 DynamicConv 进行创新得到C3k2_Dynamicconv 模块，增加更多可学习参数的同时限制计算量的增长，增强模型对特征信息的捕捉能力，进而提高检测精度；将 CIoU 替换为 WiseIoUv3 并探究最佳的超参数组合，平衡检测难度不同的样本，增强模型的小目标检测能力。在 FloW_IMG 数据集上进行对比实验和消融实验，实验结果表明，提出的 WDW-YOLO 模型较基线 YOLOv12n 模型 mAP50 和 mAP50-95 分别提高 2.7 和 1.8 个百分点，达到 90.7%和 50.6%，在降低模型复杂度的同时实现了更高的检测准确率，在自动化的水面清理和水体保护中具有高可靠性与高实用性。🌈 目录🚀1.论文解析🚀2.添加步骤🚀3.改进方法🍀🍀步骤1：新建WDW.py文件🍀🍀步骤2：修改tasks.py文件🍀🍀步骤3：改进损失函数🍀🍀步骤4：创建自定义yaml文件🍀🍀步骤5：新建train.py文件🍀🍀步骤6：模型训练测试🚀1.论文解析YOLOv12 是由 Tian 等提出的最新一代 YOLO 系列算法，延续了单阶段检测的核心架构，能够在单次前向传播中直接预测图像中所有目标的类别和边界框。模型架构可分为Backbone、Neck和Head三部分。Backbone 由一系列卷积层和池化层构成