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：CN118262226A

主分类号：G06V20/05

分类号：G06V20/05;G06V10/82;G06V10/774;G06V10/776;G06V10/46;G06N3/0464;G06V10/764;G06T7/246;G06T7/00

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智能识别计数模型方法，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。所采集到的存储到计算机并搭建训练、验证和测试的图像、视频数据库；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，然后使用Yolov8框架中自带的去噪、增强图像对比度等数据增强方法，对图片进行随机增强；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。

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智能识别计数模型方法，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。所采集到的存储到计算机并搭建训练、验证和测试的图像、视频数据库；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，然后使用Yolov8框架中自带的去噪、增强图像对比度等数据增强方法，对图片进行随机增强；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，以便后续的识别和计数；步骤4：模型构建与评估，应用基于检测与跟踪的端到端的ByteTrack实时多目标追踪的算深度学习法，通过目标检测器对输入图像或视频帧中的人工鱼礁进行检测，确定目标的位置和类别；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：识别计数模型应用，应用0culus成像声呐对调查海域进行数据采集，在计算机显示前端显示Oculus成像声呐扫过水体内人工鱼礁目标的识别编号和个数计数值。

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智能识别计数模型方法

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