[發(fā)明專利]一種自適應(yīng)周年觀測礁區(qū)生物活動規(guī)律的系統(tǒng)及方法

有效

• 申請?zhí)枺?/td>: 202110380443.8
• 申請日: 2021-04-08
• 公開（公告）號: CN113095399B
• 公開（公告）日: 2022-02-11
• 發(fā)明（設(shè)計）人: 王斐;張明亮;韓慧宗;汪健平;劉京熙;于廣磊;崔國平;姜海濱;王騰騰
• 申請（專利權(quán)）人: 山東省海洋資源與環(huán)境研究院(山東省海洋環(huán)境監(jiān)測中心;山東省水產(chǎn)品質(zhì)量檢驗中心)
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/80;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京鼎德寶專利代理事務(wù)所(特殊普通合伙) 11823
• 代理人: 牟炳彥

1.一種自適應(yīng)周年觀測礁區(qū)生物活動規(guī)律的方法，其特征在于，包括以下步驟：

間歇性采集各類數(shù)據(jù)；

將各類數(shù)據(jù)進(jìn)行處理，并進(jìn)行存儲；

同時利用多層特征識別網(wǎng)絡(luò)對圖像信息進(jìn)行識別處理，識別出生物種類；

將識別處理結(jié)果以及時間信息打包后，進(jìn)行存儲；

同時將識別處理結(jié)果及時間信息打包后在平臺顯示；

對識別處理結(jié)果進(jìn)行管理；

多層特征識別網(wǎng)絡(luò)的主干網(wǎng)絡(luò)包括：

輸入層，所述輸入層用于接收圖像信息；

卷積層，所述卷積層作為特征提取層，對圖像信息進(jìn)行卷積和標(biāo)準(zhǔn)框計算；

池化層，對經(jīng)過卷積層的特征圖進(jìn)行精簡處理，減少像素信息；

特征融合層，對經(jīng)過池化層精簡的圖像特征進(jìn)行融合，形成融合特征集合；

全連接層，將特征融合集合進(jìn)行分類識別；

輸出層，輸出圖像信息中識別出的結(jié)果以及自主進(jìn)化新的網(wǎng)絡(luò)；

圖像識別處理的具體步驟包括：

記輸入圖像信息PE^x的像素維度為m×n，所述卷積層有l(wèi)+1層，使用一組大小為3×3×R的卷積核作為用于預(yù)測目標(biāo)位置偏移量的檢測器，R為卷積層進(jìn)行卷積運算的通道數(shù)，R≥1，為整數(shù)；在輸入圖像信息的m×n個像素維度范圍應(yīng)用卷積核進(jìn)行卷積操作；

卷積核在工作時，首先規(guī)律地掃過輸入圖像信息PE^x，(i，j)為所述圖像信息像素的坐標(biāo)，對輸入特征做矩陣元素乘法求和并疊加偏移量：

其中，z^l+1表示第l+1層卷積的輸出，表示第l+1層卷積第r通道的輸入，為了確保后續(xù)特征融合的計算，選取l為奇數(shù)，i∈[0，m]、j∈[0，n]，表示坐標(biāo)點，b為偏移量，(x，y)表示標(biāo)準(zhǔn)框的中心坐標(biāo)，為第l+1層卷積第r通道的權(quán)重，f、s₀、s_k是卷積層參數(shù)，對應(yīng)卷積核大小、卷積步長、填充層數(shù)；

在卷積層輸出的特征圖上預(yù)設(shè)一系列的標(biāo)準(zhǔn)框，所述標(biāo)準(zhǔn)框尺度采用比例描述，每個特征圖的標(biāo)準(zhǔn)框尺度大小為：

其中，s_max和s_min分別為最高和最低的層預(yù)設(shè)目標(biāo)大小占原圖面積的比例，s_max∈(0，1)，s_min∈(0，1)，m和n分別為原圖的長寬，k∈[1，m]，k為常量；每個位置的標(biāo)準(zhǔn)框采用不同的長寬比，計算標(biāo)準(zhǔn)框的長和寬；

基于標(biāo)準(zhǔn)框的長和寬，以卷積層原始輸出的特征圖中心點像素(i_c，j_c)為中心，保留標(biāo)準(zhǔn)框內(nèi)的特征圖記為以保留主要特征；

通過卷積和標(biāo)準(zhǔn)框計算后，將特征圖輸入到池化層，通過池化層將輸入的特征圖進(jìn)行縮小，減少像素信息，只保留核心特征；

采用混合池化進(jìn)行精簡處理：

A^l＝λL₁(A^l)+L_∞(A^l)

其中，A^l表示第l個特征圖對應(yīng)的池化層輸出，λ為線性混合因子，L₁表示均值池化，L_∞表示極大池化；

經(jīng)過所述池化層的精簡處理后，得到l+1個不同尺度的圖像特征

設(shè)置有特征融合層，進(jìn)行特征融合處理，得到特征融合集合PE_A；

將特征融合集合PE_A發(fā)送給全連接層進(jìn)行分類識別，全連接層具有v個神經(jīng)元，全連接層的處理過程為：

Q^l＝ωA^l+b；

其中，ω為特征融合層與全連接層的權(quán)重，b為偏移量，同卷積層的偏移量；最后由網(wǎng)絡(luò)的輸出層輸出圖像信息PE^x中識別出的生物種類Y，共有K種分類。

2.如權(quán)利要求1所述的方法，其特征在于，標(biāo)準(zhǔn)框的長和寬的計算方法如下：

其中，a_N為調(diào)整因子，是大于1的正數(shù)，在應(yīng)用中可以人工設(shè)置和調(diào)整，R_h為原始圖像PE^x的橫向分辨率數(shù)值，R_d為原始圖像PE^x的縱向分辨率數(shù)值。