[發明專利]水下底棲生物檢測方法及系統

有效

• 申請號: 202011393784.0
• 申請日: 2020-12-03
• 公開（公告）號: CN112200163B
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 楊旭;萬兆亮;黃海;張璐
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京市恒有知識產權代理事務所(普通合伙) 11576
• 代理人: 郭文浩;尹文會

本發明涉及一種水下底棲生物檢測方法及系統，所述方法包括：獲取多幅水下底棲生物圖像及對應的特征信息；根據各水下底棲生物圖像及對應的特征信息，建立底棲生物檢測模型，包括：針對每一水下底棲生物圖像，提取多維度的特征圖；基于特征金字塔網絡，將多維度的特征圖進行特征融合，得到融合特征圖；根據所述融合特征圖，生成錨框；通過錨框對融合特征圖進行調整，得到調整后的融合特征圖；基于各融合特征圖及對應的錨框，訓練RPN網絡，得到訓練后的RPN網絡；基于RPN網絡及各錨框，確定感興趣區域；根據各感興趣區域及對應的特征信息，生成底棲生物檢測模型；基于底棲生物檢測模型進而，可準確確定所述待測底棲生物的待測特征信息，提高檢測精度。

技術領域

本發明涉及機器人視覺技術領域，特別涉及一種水下底棲生物檢測方法及系統。

背景技術

一般性的目標檢測問題近年來被廣泛研究，研究者們對其理論，算法及應用保持著濃厚的興趣。然而適用于水下的目標檢測研究卻進展較慢。水下目標檢測問題是水下機器人視覺感知的基礎問題，也是水下機器人自主作業的關鍵前提，檢測的精度和時效性直接影響機器人自主操作任務的成功與否。

水下機器人由于自主作業的實際要求，所以在實際應用中需要對檢測的實時性有較高的要求，這其實是在問題解決精度和問題解決速度間的一個平衡。已有的水下目標檢測工作大多基于傳統方法，即人工提取水下圖片的淺層特征，然后通過一個分類器判定是否包含目標。盡管幾十年來，水下目標檢測方法取得了很大的進展，但很多問題依然存在，對于底棲生物（海參、扇貝、海膽）檢測任務來說，其中最關鍵的三個問題是如何在保證算法實時性的前提下，最大可能的提高可變形生物（如海參和扇貝）的檢測精度，如何緩解底棲生物生長分布不均勻導致的訓練樣本不均衡問題，以及如何緩解水下能見度有限的問題。

發明內容

為了解決現有技術中的上述問題，即為了保證實時檢測的同時，提高檢測精度，本發明的目的在于提供一種水下底棲生物檢測方法及系統。

為解決上述技術問題，本發明提供了如下方案：

一種水下底棲生物檢測方法，所述水下底棲生物檢測方法包括：

獲取多幅水下底棲生物圖像及對應的特征信息；

根據各水下底棲生物圖像及對應的特征信息，建立底棲生物檢測模型，具體包括：

針對每一水下底棲生物圖像，從所述水下底棲生物圖像中提取多維度的特征圖；

基于特征金字塔網絡，將多維度的特征圖進行特征融合，得到降維的融合特征圖；

根據所述融合特征圖，生成錨框；

通過所述錨框對所述融合特征圖進行調整，得到調整后的融合特征圖；

基于各融合特征圖及對應的錨框，訓練RPN網絡，得到訓練后的RPN網絡；

基于訓練后的RPN網絡及各錨框，確定感興趣區域；

根據各感興趣區域及對應的特征信息，生成底棲生物檢測模型；

基于所述底棲生物檢測模型，根據待測底棲生物圖像，確定所述待測底棲生物的待測特征信息。

可選地，根據以下公式，確定特征圖：

；

其中，是k-th位置的調制因子，表示歸一化處理后的圖像，表示經過調制可變形卷積模塊計算后的特征圖，表示可學習的權重，p表示采樣位置，表示對于第k個位置預先設定的偏移量，表示可學習的偏移量，k-th表示第k個位置，K表示一個卷積核具有的采樣位置的數量。