[发明专利]一种基于NPU板卡的浮标识别定位方法及其船载装置

权利要求书

1.一种基于NPU板卡的浮标识别定位方法，其特征在于，包括如下步骤：

步骤S1：将浮标通过缆绳绑在船上，往海里拉拽，直到看不见岸，在船上通过N组相机对准浮标拍摄，获取多维度多样化浮标图像样本，训练卷积神经网络模型；开启NPU板卡电源，启动浮标检测控制程序，导入卷积神经网络的模型参数；

步骤S2：开启摄像机输出视频流，将视频流传递到NPU板卡中，对浮标样本数据进行识别；

步骤S3：所述检测控制程序获取视频流以后，从视频流解析出图片，调用基于卷积神经网络的目标检测模型，从图片中识别浮标种类，并获取浮标在图像中的像素位置；

步骤S4：采用基于Socket的UDP协议，将包括目标类别和像素位置在内的目标识别结果列表封装成数据包，将数据包发送给识别结果客户端；

所述步骤S1还包括以下步骤：

步骤S101：设计多组差异化因子，使样本数据呈现多维度的多样性，确保检测模型的泛化能力和普适性；

步骤S102：从不同角度拍摄浮标，从而得到不同强度Li的天空及海面光背景，以及不同反射和高亮Ri效果的浮标目标，以实现光照强度的多样化，其中，i＝1-6；

步骤S103：船与浮标按Di多种距离拍摄，得到不同像素占比Oi的图像样本，以实现距离的多样化；

步骤S104:设计N个拍摄位置，确保浮标目标在图像中处于不同位置，浮标/天空/海面在画面中的比例和相对位置关系呈现多样化；

步骤S105：采用多种外形的浮标Si，并且同一种浮标采集不同浮标颜色Ci的图像样本,以实现浮标外形和颜色的多样化；

步骤S106：分别采用可见光相机和红外相机两种方式拍摄样本，以实现成像光谱的多样化。

2.根据权利要求1所述的基于NPU板卡的浮标识别定位方法，其特征在于，所述步骤S3中的目标检测模型需要进行调优训练，具体步骤如下：

步骤S301：设定基准，用可见光样本做测试集评估模型准确度，采用MobileNet-SSD模型进行训练，模型权重参数使用基于Pascal VOC2007+2012数据集的预训练模型进行初始化，其中，可见光训练样本R1个，可见光测试样本各S1个，并采用平均准确率AP来评估模型的整体精度；

步骤S302：在测试集中加入dS个红外样本，测试样本总量达到S2；重新执行训练过程，得到包含可见光和红外2种样本的新模型，在测试数据集上运行目标检测程序，测试其AP值；

步骤S303：在训练样本中加入dR个红外样本，训练样本总量达到R3；重新执行训练过程，得到包含可见光和红外2种样本的新模型，在测试数据集上运行目标检测程序，测试其AP值。