[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

说明书

本发明提出一种基于深度学习的无人艇水下目标探测与自主识别系统和方法，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；利用前视声纳和合成孔径声纳感知水下环境，生成高分辨率图像数据；利用光纤拖缆将探测数据上传至船载分布式目标自主识别模块；利用深度学习算法对探测的数据进行目标自主识别；利用显控软件对探测数据和目标识别结果进行显示；利用自动布放装置对拖体进行自动释放与回收。通过三个系统模块的协同配合，实现水面无人艇的高精度自主探测识别功能，为水面无人艇水下探测识别提供一种新的解决方案。

技术领域

本发明属于水下目标探测与自主识别的技术领域，具体涉及一种基于深度学习的无人艇目标探测与自主识别系统和方法。

背景技术

水面无人艇(USV)具有较好的自主性、安全性和灵活性，实时通信能力强，控制精度高，在探测敌方潜艇、水下航行器、水雷、预置武器等军事领域得到广泛的应用。在实际应用中，如何在复杂的水下环境中提高目标探测与自主识别的性能是关键问题。相对于光波、无线电波，声波在水下衰减小，探测距离远，一直是水下目标探测的主要手段。然而由于声纳图像存在噪声干扰严重、分辨率低、目标轮廓模糊等特点，水下目标识别通常依赖人工经验进行识别，自主性差。传统的水下目标图像识别方法依赖人工提取特征，然后与目标模板图像进行比对或者采用分类器完成目标分类，这样的方式效率低，若图像质量差或特征提取不够精确，识别效果就很不理想。

本发明为克服以上缺点，提出一种基于深度学习的无人艇目标探测与自主识别系统和方法。采用前视声纳和高分辨率合成孔径声纳组合探测，采用深度学习算法对声纳图像进行自主识别。

发明内容

有鉴于此，本发明提供了一种基于深度学习的无人艇目标探测与自主识别系统，用于分布式目标自主识别，能够采用深度学习算法对声纳图像进行自主识别，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。

特别地，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图像和合成孔径声纳；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。

特别地，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。