[发明专利]一种检测前视主动声呐图像中弱小目标的方法

权利要求书

1.一种检测前视主动声呐图像中弱小目标的方法，其特征在于，包括以下步骤：

步骤A、获得原始数据集：在海中布置障碍物，所述障碍物包括渔网、塑料袋、布条；通过搭载在AUV上的多波束前视主动声呐对障碍物进行扫描，获得原始数据，并对其进行实时解析及插值处理，得到三类障碍物的扇形前视声呐图像；

步骤B、对原始数据集进行初步处理：对步骤A插值处理后得到的扇形前视声呐图像数据进行平衡处理，得到增强数据集，并制作标签；

步骤C、图像处理：对步骤C初步处理后的数据集进行数据增强以及Mosaic操作和图像遮挡，得到三类前视声呐图像；

步骤D、使用YOLOv5s+MobileNetV3small深度网络模型+Pytorch深度学习框架三类前视声呐图像进行训练，从而实现实时识别并定位弱小目标，具体为：

(1)载入三类前视声呐图像数据集路径；

(2)创建模型：采用预训练方式，指定训练权重，将轻量级MobileNetV3网络作为YOLOv5的Backbone，并将线性瓶颈逆残差结构贯穿整个MobileNetV3网络；

(3)设置超参数：所述超参数包括LearningRate、WeightDecay、Momentum、Iteration、BatchSize、Epoch、WarmUp；

(4)指定CIoU作为回归损失函数；

(5)将整理后的数据集送入YOLOv5s+MobileNetV3small以及YOLOv5系列的网络中进行训练；进行正向传播训练，然后将得到的Loss值进行反向传播，以更新网络权重，然后再进行正向传播，经过若干次正反向传播迭代后，达到设定的迭代次数阈值，停止训练，用测试集测试得到的模型权重文件的性能，从而实现对弱小目标的识别与定位。

2.根据权利要求1所述的检测前视主动声呐图像中弱小目标的方法，其特征在于：所述步骤B具体通过以下方式实现：

(1)对布条类别的图像进行镜像反折处理，扩充布条类别的数据集，使原始数据集分布均匀，即三种类别的图像数量相当；

(2)采用LabelImg对数据集进行肉眼识别标注，对三类目标设定的标签名称分别为：布条为“cloth”、渔网为“fishnet”、塑料袋为“plasticbag”，标签格式为“COCO”数据集格式，并将数据集随机分为训练集、验证集和测试集。

3.根据权利要求1所述的检测前视主动声呐图像中弱小目标的方法，其特征在于：所述步骤C的图像处理详细过程如下：

(1)图像尺寸处理：将采集的图像尺寸统一设置为640像素×640像素，且均为RGB格式；

(2)对训练集和验证集进行数据增强、Mosaic操作和图像遮挡：

数据增强包括色彩空间HSV增强、几何畸变；

Mosaic数据增强的方法是随机挑选n²张图构成一幅大图，n＝2,3,...，将大图输入后续特征提取流程；

图像遮挡是将图像的某一部分区域替换为随机值，或者是训练集的平均像素值。

4.根据权利要求1所述的检测前视主动声呐图像中弱小目标的方法，其特征在于：所述步骤D中，训练权重选择YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x的其中一个，YOLOv5s+MobileNetV3small网络使用的YOLOv5s权重。

5.根据权利要求1所述的检测前视主动声呐图像中弱小目标的方法，其特征在于：所述步骤D中，将MobileNetV3small中的Bottleneck部分提取出来作为YOLOv5的Backbone部分，即用MobileNetV3small网络替代DarkNet53-CSP和Focus结构，Head和Neck网络部分不做更改。