[發明專利]一種基于yolov5優化的海底生物目標檢測方法和系統

在審

• 申請號: 202210095105.4
• 申請日: 2022-01-26
• 公開（公告）號: CN114596480A
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 楊偉志;趙小蕾;張海;曾青青;王玉娟;黎丹雨;劉少江;鐘志杰
• 申請（專利權）人: 廣州新華學院
• 主分類號: G06V20/05
• 分類號: G06V20/05;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 禹小明

本發明公開一種基于yolov5優化的海底生物目標檢測方法，方法包括以下步驟：S1：收集公開數據庫中的包含多種海底生物的圖像，處理得到原始數據集；S2：對所述原始數據集進行包括光線處理、海洋背景物體遮擋數據增強處理；S3：對yolov5模型進行優化，得到用于海底生物目標檢測的檢測模型；S4：利用步驟S2數據增強處理后的數據集對步驟S3的檢測模型進行訓練學習，得到訓練好的檢測模型；S5：利用訓練好的檢測模型進行海底生物目標檢測。本發明實現了多種海底生物的快速準確識別，應用于海底生物自動捕撈，提高了海底生物自動捕撈、提高捕撈效率，減少人力并降低捕撈作業風險。

技術領域

本發明涉及水下智能圖像識別領域，更具體地，涉及一種基于yolov5優化的海底生物目標檢測方法和系統。

背景技術

海底生物，如海參、海膽、海星和扇貝等，具有很高的食用和藥用價值。傳統的捕撈往往依靠人力進行手動捕撈，需要極大的人力，且效率較低，作業人員存在一定的風險。近年來，圖像智能識別和人工智能技術快速發展，將圖像檢測技術應用在水下捕撈機器人上，可讓其自動識別捕撈物體的位置和種類，從而完成智能自動捕撈，極大提高捕撈的效率，降低人力成本和減少作業風險。

現有技術中公開了一種基于單階段深度學習網絡的海底生物識別和檢測方法，包含以下的步驟：基于卷積神經網絡的海底生物特征提取；采用GIoU策略計算真值框和預測框的回歸誤差；基于K-means算法的維度聚類。該方案利用基于卷積神經網絡方法實現海底生物有效特征的提取，有效抑制背景噪聲對于海底生物的干擾，同時突顯海底生物的特征，有利于提高海底生物檢測和識別的精度。該方案借助GIoU的方法，預測框和真值框之間的回歸誤差可以被精確的計算，從而整個檢測系統的卷積權重可以被充分優化。另一現有技術公開了基于自監督表征學習的海洋目標檢測方法及系統，在自監督船舶特征學習階段中，采用動量對比方式在無標注海洋目標數據上訓練特征提取模型，動量對比過程將字典作為一個樣本隊列進行維護，并通過采用動量更新的方式更新鍵編碼器；在有監督海洋目標檢測階段中，采用Faster RCNN模型進行海洋目標檢測，Faster RCNN模型包括進行特征提取的骨干網絡、生成感興趣區域的區域候選網絡和RoI Head網絡；通過骨干網絡采用自監督船舶特征學習階段所得的特征提取網絡參數進行初始化，為目標檢測模型提供海洋環境及船舶相關的先驗知識，在訓練模型同時對骨干網絡進行參數微調。

上述現有方案中均沒有針對海洋環境的多樣性和復雜性進行相應的處理，模型泛化能力不足。或者在圖片樣本較少、類別不平衡的情況下，模型訓練效果不好。同時現有模型網絡結構性能不高，通過對其改進可以提高海底生物目標檢測的效果。使用的模型檢測效率較低，在實際應用中存在一定的局限性。

發明內容

本發明的首要目的是提供一種基于yolov5優化的海底生物目標檢測方法，針對海洋環境的多樣性和復雜性進行相應的處理，同時優化模型，提高對海底小生物識別的精確度。

本發明的進一步目的是提供一種基于yolov5優化的海底生物目標檢測系統。

為解決上述技術問題，本發明的技術方案如下：

一種基于yolov5優化的海底生物目標檢測方法，包括以下步驟：

S1：收集公開數據庫中的包含多種海底生物的圖像，處理得到原始數據集；

S2：對所述原始數據集進行光線處理、海洋背景物體遮擋等數據增強處理；

S3：對yolov5模型進行優化，得到用于海底生物目標檢測的檢測模型

S4：利用步驟S2數據增強處理后的數據集對步驟S3的檢測模型進行訓練學習，得到訓練好的檢測模型；

S5：利用訓練好的檢測模型進行海底生物目標檢測。

優選地，所述步驟S1具體包括以下步驟：