对下列文字的内容进行简单摘要：本研究针对水面垃圾识别问题，提出了一种基于深度学习的视觉识别检测系统，包括 数据集收集和标注、模型训练和测试以及系统部署等步骤。在实验中，使用了 Faster R-CNN、 RetinaNet、YOLOv5 和 YOLOv8等常用目标检测模型，并在 NVIDIA Jetson nano 嵌入式系 统上进行了实时处理和显示。实验结果验证了本系统在水面垃圾识别检测方面具有较高的 准确性和实时性，展现出了良好的性能。此外，本文还对不同深度学习模型进行了对比实 验，评估了它们在水面垃圾识别方面的表现，并选取了表现最优的模型进行实时处理和显 示。

这篇研究提出了一种基于深度学习的视觉识别检测系统，用于水面垃圾的识别。该系统包括数据集的收集和标注、模型训练和测试以及系统部署等步骤。研究使用了 Faster R-CNN、 RetinaNet、YOLOv5 和 YOLOv8等常用目标检测模型，并在 NVIDIA Jetson nano 嵌入式系统上进行了实时处理和显示。实验结果表明，该系统在水面垃圾识别检测方面具有较高的准确性和实时性，同时也对不同深度学习模型进行了对比实验，选取了表现最优的模型进行实时处理和显示。