[发明专利]一种水下目标智能检测系统、方法及存储介质在审

专利信息
申请号: 202111090483.5 申请日: 2021-09-17
公开(公告)号: CN113762287A 公开(公告)日: 2021-12-07
发明(设计)人: 吴珺;刘欣;王春枝;朱天亮;朱嘉辉;李天意;吴一帆;王姝彤 申请(专利权)人: 湖北工业大学
主分类号: G06K9/46 分类号: G06K9/46;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京高沃律师事务所 11569 代理人: 董领逊
地址: 430022 *** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 水下 目标 智能 检测 系统 方法 存储 介质
【权利要求书】:

1.一种水下目标智能检测系统,其特征在于,包括:

图像预处理模块,用于对获取的水下目标图像进行数据清洗和数据整理操作,得到预处理图像;

图像数据划分模块,用于对所述预处理图像进行数据划分,得到训练集和测试集;

目标检测网络训练模块,用于利用所述训练集对YOLOv3-SC网络模型进行训练,得到训练好的YOLOv3-SC网络模型以及YOLOv3-SC网络模型输出的需要检测的水下目标信息;

目标监测网络测试模块,用于利用所述测试集对所述训练好的YOLOv3-SC网络模型进行测试,得到训练好的YOLOv3-SC网络模型的mAP值;

阈值比较模块,用于对所述mAP值和预设阈值a进行比较,若所述mAP值小于或等于所述预设阈值a,则返回图像数据划分模块,调整所述数据划分的比例,并对调整比例后得到的训练集和测试集进行后续模块的处理;若所述mAP值大于所述预设阈值a,则输出所述需要检测的水下目标信息。

2.根据权利要求1所述的水下目标智能检测系统,其特征在于,还包括智能预警模块,所述智能预警模块包括:

水下目标信息处理子模块,用于设置预警时段时长b,对所述预警时段时长b内的得到的所述需要检测的水下目标信息进行处理,得到水下目标数量的变化信息;

水下目标变化阈值设置子模块,用于设置变化阈值c;

报警信号判断子模块,用于将所述水下目标数量变化信息的值与预设的变化阈值c进行比较;若所述水下目标数量变化信息的值小于或等于所述变化阈值c,不发出报警信号;若所述水下目标数量变化信息的值大于所述变化阈值c,则发出报警信号。

3.根据权利要求1所述的水下目标智能检测系统,其特征在于,所述图像预处理模块包括:

数据清洗子模块,用于对所述水下目标图像进行数据清洗处理;

数据整理子模块,用于对进行数据清洗处理后的水下目标图像进行数据整理处理;

数据标注子模块,用于利用标注软件对进行数据整理处理后的水下目标图像进行标注;

归一化处理子模块,用于对进行标注后的水下目标图像进行归一化处理。

4.根据权利要求1所述的水下目标智能检测系统,其特征在于,所述图像数据划分模块包括:

划分比例设置子模块,用于设置数据划分比例;

数据划分处理子模块,用于对预处理图像按设置的数据划分比例进行数据划分,得到训练集和测试集。

5.根据权利要求1所述的水下目标智能检测系统,其特征在于,所述目标检测网络训练模块包括:

目标检测网络子模块,用于利用YOLOv3-SC网络模型对水下目标进行识别与检测,得到需要检测的水下目标信息;

训练子模块,用于根据所述训练集对所述YOLOv3-SC网络模型进行训练。

6.根据权利要求5所述的水下目标智能检测系统,其特征在于,所述目标检测网络子模块包括Slice-Concat网络结构单元和YOLOv3网络结构单元;

所述Slice-Concat网络结构单元用于在图像下采样过程中减少YOLOv3-SC网络模型的计算量;所述YOLOv3网络结构单元用于提取图像特征并对提取到的图像特征进行回归预测和定位,得到需要检测的水下目标信息。

7.根据权利要求6所述的水下目标智能检测系统,其特征在于,所述Slice-Concat网络结构单元包括:

切片处理子单元,用于对一张图像进行切片操作,即在一张图片中每隔一个像素取一个值,得到没有信息丢失的四张子图像;

拼接处理子单元,用于对所述四张子图像进行拼接处理,使子图像宽高信息集中到通道空间当中,输入通道扩充4倍,得到新图像;

卷积处理子单元,对所述新图像进行卷积操作,得到没有信息丢失的2倍下采样特征图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于湖北工业大学,未经湖北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111090483.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top