[發明專利]沉積物辨別裝置、超聲波探測機、參數設定方法及其程序

有效

• 申請號: 201110410954.6
• 申請日: 2011-12-01
• 公開（公告）號: CN102590345A
• 公開（公告）日: 2012-07-18
• 發明（設計）人: 和田智雄;大西祐司
• 申請（專利權）人: 古野電氣株式會社
• 主分類號: G01N29/07
• 分類號: G01N29/07
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 李馨

技術領域

本發明涉及一種基于向水中輸出的超聲波的回波信號辨別海底沉積物的沉積物辨別裝置、超聲波探測機、參數設定方法及其程序。

背景技術

以往，在用于船舶的魚群探測機中，辨別海底的沉積物(巖、石、沙等)并進行顯示的探測機廣為人知(例如，參照專利文獻1)。沉積物判定是通過對超聲波的發送脈沖的海底回波進行解析來進行的。例如，在海底的如巖或石等堅硬且起伏大的地方，海底回波的持續時間長，在如沙或泥等柔軟平坦的地方，海底回波的持續時間短。在畫面上，對與各沉積物的相似度或者在各沉積物中最相似的沉積物進行顯示。在專利文獻1中，將神經網絡應用于沉積物類別的相似度的計算，使更加正確的沉積物辨別成為可能。

專利文獻1：日本特開平2008-275351號公報

即使是相同的沉積物，在各海域的回波也有所不同，因此，理想的是，神經網絡根據對各海域進行處理的情況進行訓練和變更。在該神經網絡中，根據輸出值的正解，對連接權(加權系數)進行更新(訓練)，由此提高輸出值的正確率。

但是，在沉積物辨別的情況下，很難把握辨別結果是否正確。因此，在專利文獻1的情況下，不能使神經網絡的連接權處于理想狀態，很難期待沉積物辨別結果的正確率的進一步提高。

發明內容

因此，本發明的目的是提供使用神經網絡，能夠獲得高正確率的沉積物辨別結果的沉積物辨別裝置、超聲波探測機、參數設定方法及其程序。

本發明的特征是：在輸入向水中輸出的超聲波的回波信號，并使用神經網絡進行海底的沉積物辨別的沉積物辨別裝置中，具有：將所述神經網絡中使用的參數與位置信息建立對應并存儲的存儲裝置、接收位置信息的接收裝置、從所述存儲裝置取得與該接收裝置所接收的位置信息相對應的參數的取得裝置、和將該取得裝置所取得的參數設定于所述神經網絡的設定裝置。

一般來講，神經網絡是一種算法，其根據輸出結果的正解，對參數進行訓練(更新)，以便能夠輸出更接近正解的結果。但是，海底的沉積物依位置各有不同，因此，在將神經網絡用于沉積物辨別的情況下，操作者(船員等)很難判定沉積物辨別的結果是否為正解。因此，不能通過沉積物辨別的結果來對被設定于神經網絡的參數進行訓練。

因此，在本發明的構成中，預先存儲位置信息和適于該位置的參數，取得與所接收的位置信息相對應的參數，對用于沉積物辨別的神經網絡進行設定。由此，能夠將與所接收的位置信息相對應的最合適的參數設定于神經網絡，而與神經網絡的輸出無關，且能夠通過該神經網絡獲得正確率更高的沉積物辨別結果。

在本發明的沉積物辨別裝置中，所述參數是通過預先對各海域進行使用神經網絡的訓練而求得的。

在該構成中，因為各海域的沉積物類別不同，所以將對各海域進行訓練后的參數與海域建立對應并進行存儲。由此，能夠將與海域對應的理想的參數設定于神經網絡，并能進行正確率高的沉積物辨別。

在本發明的沉積物辨別裝置中，所述存儲裝置存儲通用參數。在與所述接收裝置所接收的位置信息相對應的參數未存儲于所述存儲裝置的情況下，所述取得裝置取得所述通用參數。

該構成中，在與位置信息對應的參數未被存儲的情況下，取得通用參數，并設定于神經網絡。由此，無論在任何位置，也能夠在一定程度上提高沉積物辨別結果的正確率。

在本發明的沉積物辨別裝置中，在與所述接收裝置所接收的位置信息相對應的參數未存儲于所述存儲裝置的情況下，所述取得裝置取得與距所述位置信息所表示的位置最近的位置的位置信息相對應的參數。

該構成中，在與所接收的位置信息相關的參數未被存儲的情況下，取得與距所接收的位置信息所表示的位置最近的位置的位置信息相關的參數，并進行設定。因為位置接近的海底沉積物相似的可能性高，所以即使少量地也能夠提高沉積物辨別結果的正確率。

在本發明的沉積物辨別裝置中，所述參數是通過預先根據海域進行使用神經網絡的訓練而求得的。

該構成中，因為使用專家等訓練過的參數，所以能夠獲得高正確率的沉積物辨別結果。

在本發明的沉積物辨別裝置中，所述接收裝置將GPS信號作為位置信息接收。

該構成中，示出了使用GPS信號作為取得位置信息的方法的具體例子。

在本發明的沉積物辨別裝置中，所述接收裝置接收用戶輸入的位置信息。

該構成中，示出以用戶的輸入作為取得位置信息的方法的具體例。

根據本發明，在將神經網絡用于沉積物辨別的情況下，將與位置對應的最合適的參數設定于神經網絡，由此，通過該神經網絡能夠獲得高正確率的沉積物辨別結果。