[发明专利]一种水下目标智能检测系统、方法及存储介质

说明书

本发明涉及一种水下目标智能检测系统、方法及存储介质。属于计算机视觉处理技术领域。通过利用Slice‑Concat网络结构对图像进行切片和拼接处理，可得到无数据损失的切片后的图像，该图像被切片后，其宽和高变小。由模型复杂度计算公式分析可知，其图像宽和高变小会直接提高模型的运算速度。同时用测试集对训练好的网络模型进行训练进行测试可确保模型的识别与检测精度。上述方法可确保本发明实现在确保水下目标检测精度的前提下提高目标的检测速度，做到对水下目标的高效实时检测。

技术领域

本发明涉及计算机视觉技术领域，特别是涉及一种水下目标智能检测系统、方法及存储介质。

背景技术

目标检测是计算机视觉领域当中一个非常热门的研究领域。其技术不论是在军用无人机，还是会消费级无人机上都有非常广泛的应用，实时目标检测功能是智能设备当下和未来非常重要的功能之一，但是由于硬件设施如内存和计算能力的限制，目标检测技术的发展受到了极大的限制，因而对目标检测网络进行剪枝与轻量化处理具有十分重要的研究价值。本发明在YOLOv3网络的主干特征提取网络之前添加Slice-Concat结构，用以降低YOLOv3网络模型的计算量并实现高效地水下目标实时检测。

发明内容

本发明的目的是提供一种水下目标智能检测系统、方法及存储介质，用以实现在确保水下目标检测精度的前提下提高目标的检测速度，做到对水下目标的高效实时检测。

为实现上述目的，本发明提供了如下方案：

一方面，本发明提供一种水下目标智能检测系统，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。

可选的，上述水下目标智能检测系统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。

在一些具体实施方式中，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。

可选的，所述图像数据划分模块包括：