[發明專利]基于改進YOLOv5網絡的夜光遙感數據光誘漁船檢測方法

在審

• 申請號: 202310279072.3
• 申請日: 2023-03-22
• 公開（公告）號: CN116310872A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 程田飛;張勝茂;伍玉梅;楊勝龍;崔雪森;周為峰;王斐
• 申請（專利權）人: 中國水產科學研究院東海水產研究所
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/82;G06N3/08;G06V10/44;G06V10/80;G06N3/0464
• 代理公司: 上海申浩律師事務所 31280
• 代理人: 田敏

1.基于改進YOLOv5網絡的夜光遙感數據光誘漁船檢測方法，其特征在于，使用船舶監測系統(Vessel?Monitoring?System,VMS)數據對光誘漁船的進行校驗，對夜光遙感影像上的光誘漁船進行標記，構建一個包含各種復雜背景噪聲的漁船目標檢測數據集；提出了一種基于YOLOv5的注意力機制多尺度融合算法；并采用該算法對夜光遙感影像數據進行目標檢測，具體包括如下三個步驟：

(1)光誘漁船目標檢測數據集構；

(2)基于YOLOv5的注意力機制多尺度融合光誘漁船檢測算法；

(3)光誘漁船船位信息產品生產方法。

2.根據權利要求1所述的基于改進YOLOv5網絡的夜光遙感數據光誘漁船檢測方法，其特征在于，所述步驟(1)為了能夠達到較好的目標檢測效果，需要針對DNB夜光遙感影像的特點，構建專門的多種復雜背景噪聲目標檢測數據集，具體操作步驟如下：

(11)DNB夜光遙感影像的數據預處理；

(12)數據集圖片的標注。

3.根據權利要求2所述的基于改進YOLOv5網絡的夜光遙感數據光誘漁船檢測方法，其特征在于，所述步驟(11)DNB夜光遙感影像的數據預處理，具體操作步驟如下：

(111)首先對所有的DNB影像進行預處理；

(112)將DNB輻亮度值乘以十億，并取對數，該步驟是為了增強特征的對比度，并減少后續模型計算的復雜度，提高計算效率；

(113)其次，對光誘漁船的VMS信息進行清洗和篩選，得到距離DNB傳感器拍攝時間最近的VMS記錄；

(114)對3072×4064像素的原始DNB影像進行裁切，得到包含光誘漁船目標的256×256像素的切片，為了后續標記船舶的位置，這些船舶切片將被轉化成灰度圖像。

4.根據權利要求3所述的基于改進YOLOv5網絡的夜光遙感數據光誘漁船檢測方法，其特征在于，所述步驟(113)得到距離DNB傳感器拍攝時間最近1個小時內的VMS記錄，包括時間、經度、緯度。

5.根據權利要求2所述的基于改進YOLOv5網絡的夜光遙感數據光誘漁船檢測方法，其特征在于，所述步驟(12)數據集圖片的標注，具體操作步驟如下：

(121)借助VMS信息所提供的經緯度信息，使用LabelImg工具，對灰度圖像上的光誘漁船目標進行標注；

(122)綜合考慮船只作業安全距離、影像空間分辨率因素，選擇5×5的矩形方框進行標記，構建的這個數據集類似PASCAL?VOC數據集；

(123)每個光誘漁船的切片有一個對應的XML文件，標記了船舶的位置、切片中包含對象的類型和船舶切片的大小；

(124)該數據集標注格式可用于SSD、Faster?R-CNN目標檢測模型；

(125)YOLO系列算法采用的數據集標注格式與上述XML格式不同，該系列算法標注完成后生成TXT文件存儲目標類別的id編號、目標的中心點x坐標/圖片總寬度、目標的中心的y坐標/圖片總高度、目標框的寬度/圖片總寬度和目標框的高度/圖片總高度信息；

(126)為了構建的數據集可以應用到YOLO系列的算法模型，對數據集的標記文檔進行了轉換處理。

6.根據權利要求1所述的基于改進YOLOv5網絡的夜光遙感數據光誘漁船檢測方法，其特征在于，所述步驟(2)針對YOLOv5網絡結構的卷積造成圖像關鍵信息在深層特征圖上的流失，造成圖像關鍵特征信息提取不完善、不充分的局限性，將注意力機制模塊、加權雙向特征金字塔加入YOLOv5網絡結構，進行特征融合，同時新增一個檢測層，以提高復雜背景下的小目標檢測的精度。

7.根據權利要求1所述的基于改進YOLOv5網絡的夜光遙感數據光誘漁船檢測方法，其特征在于，所述步驟(3)針對夜光遙感影像幅寬大、光誘漁船相對較小的特點，按照“分割-檢測-合并”的思想，設計了針對實際夜光遙感影像的檢測方法。