申请/专利权人：中国水产科学研究院东海水产研究所

申请日：2024-03-11

公开（公告）日：2024-06-28

公开（公告）号：CN118262225A

主分类号：G06V20/05

分类号：G06V20/05;G06V10/82;G06V10/774;G06V10/776;G06V10/46;G06N3/0464;G06V10/764

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明提供一种基于深度学习算法的声呐图像中人工鱼礁的淤埋状态评估方法，包括以下步骤：步骤1：数据采集，使用船载Oculus750d多波束成像声呐采集人工鱼礁区域和周围海洋环境的声呐图像和视频数据；步骤2：数据预处理，将数据按照8:1:1的比例划分为训练集图片、验证集图片和测试集图片；步骤3：特征提取和分析，利用MobileNetV3改进的Yolov8pose检测模型的深度学习算法，对人工鱼礁进行识别，并提取筛选人工鱼礁正方体平面的关键点特征，确定与人工鱼礁相关的特征模式，以便后续的姿态状态识别训练；步骤4：模型构建，应用Yolov8pose模型提取出声呐图像中的水底平面和人工鱼礁淤陷部分。

主权项：1.一种基于深度学习算法的声呐图像中人工鱼礁的淤埋状态评估方法，其特征在于，包括以下步骤：步骤1：数据采集，使用船载Oculus750d多波束成像声呐采集人工鱼礁区域和周围海洋环境的声呐图像和视频数据；步骤2：数据预处理，将数据按照8：1：1的比例划分为训练集图片、验证集图片和测试集图片；步骤3：特征提取和分析，利用MobileNetV3改进的Yolov8pose检测模型的深度学习算法，对人工鱼礁进行识别，并提取筛选人工鱼礁正方体平面的关键点特征，确定与人工鱼礁相关的特征模式，以便后续的姿态状态识别训练；步骤4：模型构建，应用Yolov8pose模型提取出声呐图像中的水底平面和人工鱼礁淤陷部分，然后根据所得到的关键点与根据图像和真实尺度的映射关系计算单帧图像出淤陷的位置和大小等信息，最后根据渔船的前进速度与视频帧率，拟合出人工鱼礁淤陷的体积；步骤5：模型优化，统计经过训练得到的识别结果的正确率，若正确率较低，重复步骤1-步骤4，对模型算法进行反复的训练和优化；步骤6：鱼礁淤陷评估指数，鱼礁淤陷评估指数计算公式：鱼礁淤陷评估指数＝鱼礁淤陷体积鱼礁总体体积其中淤陷体积由上述评价方法计算得出，鱼礁总体体积由识别到的礁体数量乘以礁体体积得到，根据一定范围内鱼礁淤陷体积与鱼礁总体体积的占比给出此处鱼礁淤陷程度的评估指数，其中淤陷情况评级表如4所示。

全文数据：

权利要求：

百度查询： 中国水产科学研究院东海水产研究所 基于深度学习算法的声呐图像中人工鱼礁的淤埋状态评估方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD