[发明专利]基于深度学习的无人艇目标探测与自主识别系统和方法在审
申请号: | 202211432945.1 | 申请日: | 2022-11-16 |
公开(公告)号: | CN116188963A | 公开(公告)日: | 2023-05-30 |
发明(设计)人: | 高琪琪;罗逸豪;王德亮;张晋斌;龚成 | 申请(专利权)人: | 宜昌测试技术研究所 |
主分类号: | G06V20/05 | 分类号: | G06V20/05;G06V10/82;G06V10/147;G06V10/80;B63B27/16;B63G8/39;B63G8/38 |
代理公司: | 北京艾纬铂知识产权代理有限公司 16101 | 代理人: | 杨潇 |
地址: | 443003 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 深度 学习 无人 目标 探测 自主 识别 系统 方法 | ||
1.一种基于深度学习的无人艇目标探测与自主识别系统,其特征在于,该系统包括水下目标探测系统、船载分布式目标自主识别系统和自动布放回收系统;其中所述水下目标探测系统将各传感器设备采集的传感器数据传送至所述船载分布式目标自主识别系统;所述船载分布式目标自主识别系统包括前视声纳识别板、合成孔径识别板和显控计算机;所述前视声纳识别板、合成孔径识别板分别通过深度学习算法对不同的所述传感器设备采集的图像数据进行自主的目标检测,生成各自的识别结果;所述显控计算机用于将识别结果进行融合并消除虚假目标;所述自动布放回收系统用于实现对水下目标探测系统的自动布放和回收。
2.如权利要求1所述的基于深度学习的无人艇目标探测与自主识别系统,其特征在于,所述水下目标探测系统中的各传感器设备至少包括前视声纳和合成孔径声纳;所述前视声纳安装于拖体头部,提供拖体正前方探测视野;所述合成孔径声纳提供拖体两侧扫描视野;所述前视声纳识别板收集所述前视声纳图像,所述合成孔径识别板收集所述合成孔径声纳图像;使用图像标注软件进行标注,建立深度学习图像训练数据集;采用验证数据进行验证,检验并确保深度神经网络的最终输出结果;利用设计的深度神经网络训练出具有辨识目标方位、距离、形状特性的深度神经网络模型;将训练好的识别模型分别部署在所述前视声纳识别板与所述合成孔径识别板上;所述前视声纳图像识别板接收前视声纳上传的图像数据,进行目标检测与识别,将识别结果发送给显控计算机;所述合成孔径声纳图像识别板接收合成孔径声纳上传的图像数据,进行目标检测与识别,将结果发送给所述显控计算机;所述显控计算机对前视声纳识别结果和合成孔径声纳识别结果进行决策级融合,去除虚假目标,将最终的识别结果在显控软件上进行显示。
3.如权利要求1所述的基于深度学习的无人艇目标探测与自主识别系统,其特征在于,所述水下目标探测系统中还包括惯性导航设备、测高仪、深度计、拖体控制单元、交换机、同步板、光端机、程控电源;所述惯性导航设备提供拖体航向、姿态、位置;所述测高仪提供拖体距底距离数据;所述深度计提供拖体距水面距离;所述拖体控制单元负责给设备上电,及向所述目标自主识别系统传输设备工况;所述交换机用于连接各传感器设备组件局域网络;所述同步板用于控制所述前视声纳和合成孔径声纳的发声同步;所述光端机用于光电信号转换;所述程控电源负责为整个拖体搭载设备供电。
4.如权利要求2所述的基于深度学习的无人艇目标探测与自主识别系统,其特征在于,所述船载分布式目标自主识别系统进一步包括:所述显控计算机用于部署显控软件,用于显示水下目标探测系统上传的数据、工况,显示所述船载目标自主识别系统的目标识别结果,对水下目标探测系统下发控制指令;所述声纳图像识别板、所述合成孔径声纳图像识别板、所述显控计算机与所述水下目标探测系统通过交换机进行连接。
5.如权利要求1-4任意一项所述的基于深度学习的无人艇目标探测与自主识别系统,其特征在于,所述自动布放回收系统包括:拖缆、自动布放回收装置、绞车;所述拖缆连接拖体与水面无人艇(USV),用于拖曳拖体,其内置的光纤缆用于数据传输;所述绞车用于对拖缆进行存储和释放;所述自动布放回收装置用于对布放和回收过程进行控制实现对拖体的自动布放和回收;该自动布放回收装置可模块化搭载到水面无人艇(USV)进行作业,布置在后甲板或者舱内。
6.如权利要求5所述的基于深度学习的无人艇目标探测与自主识别系统,其特征在于,所述自动布放回收装置与所述绞车采用滑道式设计,搭载于水面无人艇后甲板;通过所述拖缆与所述水下目标探测系统进行连接;当所述自动布放回收装置下发布放指令后,所述绞车将拖缆释放,将所述拖体释放至水下预定位置;当所述自动布放回收装置下发回收指令后,所述绞车将拖缆回收,将所述拖体回收至无人艇后甲板。
7.一种如权利要求1-6任意一项所述的基于深度学习的无人艇目标探测与自主识别系统的目标识别方法,其特征在于,包括:
步骤S101,收集前视声纳的图像和合成孔径声纳的图像,使用图像标注软件进行标注,建立深度学习图像训练数据集;
步骤S102,通过实验建立目标探测结果数据库,探测结果数据库中,随机抽取深度神经网络的训练数据、测试数据和验证数据;所述测试数据和所述验证数据分别用于对深度神经网络的最终输出结果进行测试和验证;
步骤S103,利用设计的深度神经网络训练出具有辨识目标特性的深度神经网络模型,将信息采集、信号特征提取、目标位置变化短期预测、结果输出的步骤一体化处理;
步骤S104,将训练好的识别模型分别部署在前视声纳识别板与合成孔径识别板上;
步骤S105,所述前视声纳图像识别板和所述合成孔径声纳图像识别板接收前视声纳和合成孔径声纳上传的图像数据,进行目标检测与识别,将识别结果发送显控计算机;
步骤S106,所述显控计算机对所述识别结果进行决策级融合,去除虚假目标后进行显示。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于宜昌测试技术研究所,未经宜昌测试技术研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211432945.1/1.html,转载请声明来源钻瓜专利网。