[發(fā)明專利]一種基于單階段深度學(xué)習(xí)網(wǎng)絡(luò)的海底生物識(shí)別和檢測方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011232605.5
• 申請(qǐng)日: 2020-11-06
• 公開（公告）號(hào): CN112308002B
• 公開（公告）日: 2023-07-11
• 發(fā)明（設(shè)計(jì)）人: 王寧;陳廷凱;王榮峰
• 申請(qǐng)（專利權(quán)）人: 大連海事大學(xué)
• 主分類號(hào): G06V40/10
• 分類號(hào): G06V40/10;G06V20/05;G06V10/762;G06V10/774;G06V10/82;G06N3/0464;G06N3/08;G06V10/766
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 魯保良;李洪福

本發(fā)明公開了一種基于單階段深度學(xué)習(xí)網(wǎng)絡(luò)的海底生物識(shí)別和檢測方法，包含以下的步驟：基于卷積神經(jīng)網(wǎng)絡(luò)的海底生物特征提取；采用GIoU策略計(jì)算真值框和預(yù)測框的回歸誤差；基于K?means算法的維度聚類。本發(fā)明利用基于卷積神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)海底生物有效特征的提取，有效抑制背景噪聲對(duì)于海底生物的干擾，同時(shí)突顯海底生物的特征，有利于提高海底生物檢測和識(shí)別的精度。本發(fā)明借助GIoU的方法，預(yù)測框和真值框之間的回歸誤差可以被精確的計(jì)算，從而整個(gè)檢測系統(tǒng)的卷積權(quán)重可以被充分優(yōu)化。本發(fā)明借助于K?means聚類算法，獲取海底生物外形尺寸的先驗(yàn)信息能夠更加貼合海底生物的實(shí)際特性，有效降低海底生物的誤檢率。

技術(shù)領(lǐng)域

本發(fā)明屬于水下智能捕撈機(jī)器人領(lǐng)域，尤其涉及一種基于單階段深度學(xué)習(xí)網(wǎng)絡(luò)的海底生物精準(zhǔn)識(shí)別和檢測方法。

背景技術(shù)

海底生物，特別是海參，具有極高的食用和藥用價(jià)值。海參通常生活在遠(yuǎn)離岸邊的深海環(huán)境中，傳統(tǒng)捕撈海參的方法主要依靠大量的人力下潛至海底手動(dòng)捕撈或者借助遠(yuǎn)程遙控機(jī)器人在岸邊實(shí)施遙控抓取。上述捕撈海底生物的方法不可避免的存在風(fēng)險(xiǎn)性高、捕撈效率低下和作業(yè)時(shí)間短等缺陷。

隨著人工智能的飛速發(fā)展，智能自主捕撈機(jī)器人技術(shù)得以快速的推動(dòng)和發(fā)展。水下捕撈機(jī)器人能夠捕撈成功的關(guān)鍵技術(shù)為高精度的檢測和識(shí)別感興趣的海底生物，包括海參、海膽和扇貝。需要指出的是，高精度檢測和識(shí)別海底生物屬于目標(biāo)識(shí)別領(lǐng)域。實(shí)現(xiàn)高精度檢測和識(shí)別海底生物的前提是針對(duì)海底生物能夠獲取豐富的語義信息和有效特征。在這種情況下，海底生物特征的提取可以分為機(jī)器學(xué)習(xí)和深度學(xué)習(xí)兩種方法。傳統(tǒng)已有的機(jī)器學(xué)習(xí)方法主要包括：方向梯度直方圖Histogram?of?Oriented?Gradient(HOG)、尺度不變特征變換Scale-invariant?feature?transform(SIFT)和加速魯棒特征Speeded?Up?RobustFeatures(SURF)等，上述的機(jī)器算法僅能提取包括邊緣、紋理、顏色等淺層的特征信息。當(dāng)海底生物的顏色與海底背景一致的時(shí)候，基于機(jī)器學(xué)習(xí)的方法難以提取有效的特征。在這種情況下，不可避免的導(dǎo)致檢測和識(shí)別的效果差、精度低。隨著計(jì)算機(jī)硬件資源的加速和計(jì)算能力的增強(qiáng)，基于卷積神經(jīng)網(wǎng)絡(luò)convolution?neural?network(CNN)算法被廣泛地提出，典型的算法包括Fast?RCNN、Faster?RCNN、You?Only?Look?Once(YOLO)和Single?ShotDetector(SSD)等，上述基于深度學(xué)習(xí)算法能夠充分地利用卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征提取和擬合能力，實(shí)現(xiàn)高精度的檢測和識(shí)別海底生物。

基于前述深度學(xué)習(xí)的方法，復(fù)雜海底環(huán)境下的海底生物檢測和識(shí)別主要存在如下的缺陷：(1)未知的、復(fù)雜的和時(shí)變的海洋環(huán)境極大的影響海底生物特征的提取，已有的方法沒有考慮到所提取的特征對(duì)于海底生物檢測結(jié)果的影響，導(dǎo)致后續(xù)的檢測和識(shí)別的精度降低；(2)沒有考慮到所使用的回歸損失函數(shù)對(duì)于海底生物檢測和識(shí)別結(jié)果的影響，導(dǎo)致不能精確計(jì)算預(yù)測框和真值框的回歸誤差；(3)最后，已有的方法沒有考慮到海底生物形狀層面的先驗(yàn)知識(shí)對(duì)于識(shí)別和檢測的影響，導(dǎo)致基于深度學(xué)習(xí)的海底生物檢測誤檢率較高。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)存在的上述問題，本發(fā)明要設(shè)計(jì)一種后續(xù)檢測和識(shí)別的精度高、能準(zhǔn)確衡量預(yù)測框和真值框之間回歸誤差、有效降低海底生物誤檢率的基于單階段深度學(xué)習(xí)網(wǎng)絡(luò)的海底生物識(shí)別和檢測方法。

為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：