[发明专利]一种船舶智能检测系统及方法

说明书

本发明涉及船舶技术领域，具体涉及一种船舶智能检测系统及方法，包括对数据集进行归一化处理，得到归一数据集；通过图像注释工具对归一数据集进行标注分类，得到标注分类数据集；将标注分类数据集输入YOLOv4网络利用梯度下降算法进行训练学习，得到网络预训练模型；调用网络预训练模型进行图片数据集检测，得到mAP值，基于mAP值对网络预训练模型进行评估，若符合要求，则得到目标检测模型，若不符合，则回到数据集的归一化处理；使用目标检测模型对实时照片进行检测，得到检测结果，本发明运用了人脸识别算法能够实现在船人员人脸数据的比对，整体达到了快速、高效的目的，从而解决了现有的检测方法效率较低的问题。

技术领域

本发明涉及船舶技术领域，尤其涉及一种船舶智能检测系统及方法。

背景技术

目前，全国渔业以及海运业正在不断发展，“智慧船舶”、“智慧渔业”等相关理念的不断提出，使得船舶业展现出了蓬勃的生机。

由于水上航行危险无法预测、人员对于危险的抵御能力较差以及救援的滞后性，在船人员的生命安全以及规范作业等问题，利用YOLO目标检测技术在深度学习领域的应用以及相应硬件设备的加持，提出了一种基于AI的船舶智能终端软件。

发明内容

本发明的目的在于提供一种船舶智能检测系统及方法，旨在解决现有的检测方法效率较低的问题。

为实现上述目的，第一方面本发明提供了一种船舶智能检测方法，包括以下步骤：

S1对算法预设参数进行初始化；

S2软件系统判断是否正在处于训练状态，若处于训练状态，则进入S3步骤，若不处于训练状态，则进入S7；

S3对数据集进行归一化处理，得到归一数据集；

S4通过图像注释工具对所述归一数据集进行标注分类，得到标注分类数据集；

S5将所述标注分类数据集输入YOLO v4网络利用梯度下降算法进行训练学习，得到网络预训练模型；

S6调用所述网络预训练模型进行图片数据集检测，得到mAP值，基于所述mAP值对网络预训练模型进行评估，若符合要求，则得到目标检测模型，若不符合，则回到S1步骤；

S7使用所述目标检测模型对实时照片进行检测，得到检测结果。

其中，所述预设参数包括IoU交并比、score值、归一化后的图像大小和YOLO v4网络的学习速率。

其中，所述将所述标注分类数据集输入YOLO v4网络利用梯度下降算法进行训练学习，得到网络预训练模型，包括：

使用损失函数进行迭代处理并记录损失函数数值；

利用梯度下降算法对所述损失函数数值进行前向传播与反向传播，不断更新网络权重值；所述损失函数数值小于阈值，则结束网络训练，得到网络预训练模型。

其中，所述使用所述目标检测模型对实时照片进行检测，得到检测结果，包括：

使用摄像头采集在船实时图片数据；

通过所述目标检测模型对实时数据图片数据进行检测，得到检测结果。

其中，所述检测结果包括人员检测结果、救生衣检测结果、人脸核对结果、位置信息和置信度。

第二方面，一种船舶智能检测系统，采用第一方面所述的一种船舶智能检测方法，包括人员检测算法子模块、救生衣检测算法子模块和人脸核对算法子模块，所述人员检测算法子模块、所述救生衣检测算法子模块和所述人脸核对算法子模块依次连接；

所述人员检测算法子模块，用于对实时图片数据进行检测，得到人员检测结果；