[發明專利]基于卷積神經網絡的海洋渦旋圖像自動檢測系統、計算機設備、存儲介質

在審

• 申請號: 202011302686.1
• 申請日: 2020-11-19
• 公開（公告）號: CN112396586A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 宋弢;徐丹亞;謝鵬飛;孟凡;柴柏林;韓潤生
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T5/00;G06T3/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于卷積神經網絡的海洋渦旋圖像自動檢測系統，其特征在于，包括以下步驟：

1)選取海洋渦旋圖像數據，構建海洋渦旋圖像訓練集；

2)對海洋渦旋圖像進行數據預處理，生成所需要的訓練樣本；

3)利用訓練樣本進行基于卷積神經網絡的海洋渦旋圖像檢測訓練，生成海洋渦旋圖像自動檢測系統；

4)構建海洋渦旋圖像測試集，對訓練好的模型進行測試。

2.如權利要求1所述的系統，其特征在于，所述選取海洋渦旋圖像數據、構建海洋渦旋圖像訓練集的步驟，具體包括：對于海洋渦旋圖像數據進行讀取，存儲到指定的訓練集目錄下，對每個渦旋圖像進行重命名，進行保存操作。

3.如權利要求1所述的系統，其特征在于，所述對對海洋渦旋圖像進行數據預處理、生成所需要的訓練樣本的操作步驟，具體包括：通過imnoise函數為圖像添加不同的噪聲，將imnoise函數的參數設置為gaussian，則為圖像添加高斯噪聲；將imnoise函數的參數設置為saltpepper，則為圖像添加椒鹽噪聲；將imnoise函數的參數設置為speckle，則為圖像添加乘性噪聲；將imnoise函數的參數設置為poisson，則為圖像添加泊松噪聲；通過上述步驟完成數據預處理，將經過上述預處理后的圖像保存作為訓練樣本。

4.如權利要求1所述的系統，其特征在于，所述利用訓練樣本進行基于卷積神經網絡的海洋渦旋圖像檢測訓練、生成海洋渦旋圖像自動檢測系統的操作步驟，具體包括：

1)局部卷積階段，包括一維的卷積和池化等操作，對海洋渦旋圖像進行對比度增強處理，并進行海洋渦旋圖像的渦旋區域的標記操作；

2)全局卷積階段，包括多維的卷積與池化操作，對包含標記區域的海洋渦旋圖像進行特征提取，然后在傳輸到網絡末層的全連接層進行檢測。

5.如權利要求1所述的系統，其特征在于，所述構建海洋渦旋圖像測試集、對訓練好的模型進行測試的步驟，具體包括：對于海洋渦旋圖像數據進行讀取，存儲到指定的測試集目錄下，對每個渦旋圖像進行重命名，進行保存操作。最后，對于訓練好的模型，使用構建好的測試集進行測試操作，得到本模型的性能評價結果。

6.一種計算機設備，包括存儲器、處理器及存儲在所述存儲器上并可被所述處理器運行的程序，其特征在于，所述處理器執行所述程序時實現以下步驟：選取海洋渦旋圖像數據，構建海洋渦旋圖像訓練集；對海洋渦旋圖像進行數據預處理，生成所需要的訓練樣本；利用訓練樣本進行基于卷積神經網絡的海洋渦旋圖像檢測訓練，生成海洋渦旋圖像自動檢測系統；構建海洋渦旋圖像測試集，對訓練好的模型進行測試。

7.如權利要求6所述的計算機設備，其特征在于，所述選取海洋渦旋圖像數據，構建海洋渦旋圖像訓練集的步驟，具體包括：對于海洋渦旋圖像數據進行讀取，存儲到指定的訓練集目錄下，對每個渦旋圖像進行重命名，進行保存操作。

8.如權利要求6所述的計算機設備，其特征在于，所述對海洋渦旋圖像進行數據預處理、生成所需要的訓練樣本的步驟，具體包括：通過imnoise函數為圖像添加不同的噪聲，將imnoise函數的參數設置為gaussian，則為圖像添加高斯噪聲；將imnoise函數的參數設置為saltpepper，則為圖像添加椒鹽噪聲；將imnoise函數的參數設置為speckle，則為圖像添加乘性噪聲；將imnoise函數的參數設置為poisson，則為圖像添加泊松噪聲；通過上述步驟完成數據預處理，將經過上述預處理后的圖像保存作為訓練樣本。