[发明专利]一种基于声光融合的潜水员智能监控方法和系统在审
| 申请号： | 202311195467.1 | 申请日： | 2023-09-18 |
| 公开（公告）号： | CN116935203A | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 姜宇;魏枫林;赵明浩;王圣钦;张永霁;王跃航 | 申请（专利权）人： | 吉林大学 |
| 主分类号： | G06V20/05 | 分类号： | G06V20/05;G06N3/042;G06N3/0464;G06N3/08;G06V10/44;G06V10/764;G06V10/80;G06V10/82;G01S15/86;G01S7/539;G01S15/88;G01C21/00 |
| 代理公司： | 哈尔滨市阳光惠远知识产权代理有限公司 23211 | 代理人： | 姜艳红 |
| 地址： | 130012 吉*** | 国省代码： | 吉林;22 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 一种基于声光融合的潜水员智能监控方法和系统，涉及水下声呐与图像融合技术领域。解决现有水下手势识别会损失一些手势动作的细节和空间信息的问题。所述系统包括：多模态基准数据集获取单元，采集潜水员在水下的视频和声呐模态数据；数据处理单元，对视频视频和声呐模态数据进行估计处理，获取潜水员的行为关键点数据、位置和运动状态；非自然依赖超图建立单元，建立超边和非自然依赖超图；动态跨时间点超图获取单元，采用时间特征生成方法处理非自然依赖超图，获取动态跨时间点超图；综合特征模型构建单元，根据时空特征建模方法和动态跨时间点超图，构建综合特征模型；输出单元，输出潜水员的动态监控识别结果。本发明应用于水下人机交互领域。 | ||
| 搜索关键词： | 一种 基于 声光 融合 潜水员 智能 监控 方法 系统 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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吉林大学，未经吉林大学许可，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/patent/202311195467.1/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种基于AI视频分析的海底生物识别方法-202310757547.5
- 吴军;李家兴;涂小芳 - 广东中科凯泽信息科技有限公司
- 2023-06-25 - 2023-10-27 - G06V20/05
- 本发明涉及海底生物识别技术领域，具体为一种基于AI视频分析的海底生物识别方法，包括以下步骤，S1：建立视频获取单元，进行文件识别和存储；S2：对存储单元内部视频设置自动化截取流程；S3：选定识别主体，采用智能识别软件进一步截取；S4：基于智能识图，进行图片识别；S5：设立辅助依据；S6：综合判定获取识别结果。本发明中，通过自动化截取流程对视频文件进行截取处理，通过色阶、色相以及边线的识别方式，识别主体，并保留涵盖主体内容的帧，并进行图片识别，并以地址作为辅助依据的方式，综合判定获取识别结果，以此自动化的实现对于海洋生物的识别功能，并通过辅助依据，进一步提升检索的精准性。
- 水下图像的目标识别方法、装置、电子设备及存储介质-202310774209.2
- 吴正兴;武志亨;王健;鲁岳;周超;谭民 - 中国科学院自动化研究所
- 2023-06-27 - 2023-10-24 - G06V20/05
- 本发明提供一种水下图像的目标识别方法、装置、电子设备及存储介质，该方法包括：将采集的水下图像输入目标检测模型中，得到目标检测模型输出的目标识别结果；目标检测模型通过以下方式训练得到：基于水下图像合成方法，将样本陆地域数据集中的样本陆地图像转换为合成的水下图像；基于合成的水下图像以及第一标签，对感知模型进行预训练；基于样本水下域数据集对预训练后的感知模型进行微调，得到目标检测模型。本发明提供的水下图像的目标识别方法，将陆地图像转换为合成的水下图像，利用合成的水下图像对感知模型进行预训练，以及利用样本水下图像对感知模型进行微调得到目标检测模型，通过该目标检测模型可以实现准确的水下图像的目标识别。
- 连续处理式图像识别系统-202210362211.4
- 申长虹 - 申长虹
- 2022-04-07 - 2023-10-24 - G06V20/05
- 本发明涉及一种连续处理式图像识别系统，包括：第一执行机构，设置在定域服务部件的控制室内，与画面采集部件连接，用于对接收到的当前录影画面执行直方图均衡化操作，以获得对应的均衡处理画面；第二执行机构，与第一执行机构连接，用于对接收到的均衡处理画面执行利用指数变换的图像数据增强处理，以获得对应的指数变换画面；第一提取部件，与所述第二执行机构连接，用于识别所述指数变换画面中每一个鱼体目标所在的成像子画面。通过本发明，能够在钓鱼的目标水域内引入针对性设计的定域服务部件，为水下数据的采集提供载体，同时，还引入有效的视觉分析机制对所在目标水域内出现的主要鱼体类型进行辨识，从而方便钓鱼人员钓鱼参考。
- 一种基于声光融合的潜水员智能监控方法和系统-202311195467.1
- 姜宇;魏枫林;赵明浩;王圣钦;张永霁;王跃航 - 吉林大学
- 2023-09-18 - 2023-10-24 - G06V20/05
- 一种基于声光融合的潜水员智能监控方法和系统，涉及水下声呐与图像融合技术领域。解决现有水下手势识别会损失一些手势动作的细节和空间信息的问题。所述系统包括：多模态基准数据集获取单元，采集潜水员在水下的视频和声呐模态数据；数据处理单元，对视频视频和声呐模态数据进行估计处理，获取潜水员的行为关键点数据、位置和运动状态；非自然依赖超图建立单元，建立超边和非自然依赖超图；动态跨时间点超图获取单元，采用时间特征生成方法处理非自然依赖超图，获取动态跨时间点超图；综合特征模型构建单元，根据时空特征建模方法和动态跨时间点超图，构建综合特征模型；输出单元，输出潜水员的动态监控识别结果。本发明应用于水下人机交互领域。
- 监测海草床分布的遥感方法、装置-202310892656.8
- 梁涵玮;王璐璐;王胜强;孙德勇;张海龙 - 南京信息工程大学
- 2023-07-20 - 2023-10-24 - G06V20/05
- 本发明公开了一种监测海草床分布的遥感方法、装置，所述方法包括：将目标水体区域划分为海草、砂质底质和海水，分别提取对应的光谱信息；基于海草和海水的光谱信息，计算由红光波段和短波红外波段遥感反射率线性内插得到的近红外波段遥感反射率与卫星观测的近红外波段遥感反射率的差值，构建第一光谱指数；基于海草和砂质底质的光谱信息，计算从绿光波段到红光波段遥感反射率下降的程度，构建第二光谱指数；基于第一光谱指数对海草和海水进行区分，基于第二光谱指数对海草和砂质底质进行区分。采用上述技术方案，直接利用水体表面遥感反射率，应用于海草床监测，无需大量的影像训练，具有较强的应用价值和较高的结果准确度。
- 一种基于水下光学图像的目标检测方法-202310909216.9
- 赵亮;云晴;袁夫彩;陈瑞;金军委;朱献超;张坤鹏;付璐璐;李宣;任旭 - 河南工业大学
- 2023-07-19 - 2023-10-20 - G06V20/05
- 本发明提供一种基于水下光学图像的目标检测方法。该方法包括：步骤1：获取水下光学图像目标数据集，并分为训练集、验证集和测试集；步骤2：对YOLOv7网络进行改进以构建得到基于水下光学图像的目标检测模型，包括构建新的骨干网络、新的检测头模块和融入新的注意力机制；步骤3：采用训练集和验证集对所述目标检测模型进行训练；步骤4：使用训练好的目标检测模型对测试集进行检测。本发明构建的目标检测模型极大地提高了水下目标检测的平均检测精度，且有效减少了模型参数规模，使检测模型更加轻量化，有利于部署在低成本的水下检测设备上。
- 基于改进YOLO模型的深海鱼类识别方法-202211441477.4
- 刘长红;温嘉文;吴博淳;刘金辉;李天注 - 广州大学
- 2022-11-17 - 2023-10-20 - G06V20/05
- 本发明涉及深度学习目标检测领域，且公开了基于改进YOLO模型的深海鱼类识别方法，生成对抗神经网络进行样本扩充，得到扩充样本；训练改进型YOLOv7模型，改进的YOLO‑v7模型由HN递归门控卷积模块、CBS卷积模块、下采样MP模块、感受野增大模块SPPCSPC模块、RepConv模块以及ASFF金字塔特征融合模块构成；将扩充样本分为输入测试图片和输入训练图片，将输入训练图片按照7：3的比例分为测试集和验证集，标注每种深海鱼的类名，采用Cutout数据增强和Random affine仿射变换进行数据增强；数据增强后的数据输入改进好后的YOLO‑V7模型进行训练，根据损失函数判断模型的性能，更新模型训练参数，总共经过100次训练迭代；训练完成后得到模型最佳的模型文件，使用该模型即可检测深海鱼类图片和视频。
- 一种基于无人测量船的大型底栖无脊椎动物生物完整性评价方法-202310869646.2
- 董斌;邹秋月;陈啸;丁淑荃;高祥;王春林;徐志立;董明宇 - 安徽农业大学
- 2023-07-17 - 2023-10-20 - G06V20/05
- 本发明涉及生态环境评价与治理技术领域，且公开了一种基于无人测量船的大型底栖无脊椎动物生物完整性评价方法，该基于无人测量船的大型底栖无脊椎动物生物完整性评价方法，通过无人测量船搭载高分辨率遥感设备获取水底大型底栖无脊椎动物图像，利用图像处理算法对大型底栖无脊椎动物进行识别和计数，然后建立系统动力学积分模型并通过物种多样性、数量分布、生态习性等指标评估它们的健康状况和生物完整性，解决了大型底栖无脊椎动物生物完整性评价方法主要依赖于传统的人工采样和实地调查的问题，能够满足大范围、高时空分辨率的生物完整性评估需求。
- 基于改进的YOLOv5s网络模型复杂水环境下目标检测方法及系统-202310951353.9
- 管志光;侯成龙 - 山东交通学院
- 2023-07-31 - 2023-10-20 - G06V20/05
- 本发明公开了基于改进的YOLOv5s网络模型复杂水环境下目标检测方法及系统，S1：获取水下海产品的图像，对获取的图像进行标注与划分，建立海产品数据集；S2：对YOLOv5s网络模型的主干网络与检测头部分进行改进，建立基于改进的YOLOv5s网络模型；S3：将海产品数据集输入到基于改进的YOLOv5s网络模型中进行训练；S4：训练完成后，将待检测的水下海产品图像输入到训练后的基于改进的YOLOv5s网络模型进行检测，从而获取待检测的水下海产品的检测结果。本发明中的网络模型可以更加关注海产品，能够减少无用特征的影响，该模型可应用于水下复杂环境下海产品的检测识别工作，且识别精度高。
- 一种基于特征迁移的水下目标检测方法及系统-202311175150.1
- 姜宇;宋建军;于慧勇;齐红;王跃航;赵明浩;阮寒涛;郭千仞 - 吉林大学
- 2023-09-13 - 2023-10-20 - G06V20/05
- 一种基于特征迁移的水下目标检测方法及系统，涉及水下机器视觉目标检测技术领域。解决现有水下目标检测方法存在的水下图像质量差、识别误差大和泛化能力差的问题。方法为：构建基准数据集进而训练迁移对抗学习网络模型，采用训练后的迁移对抗学习网络模型将水下高清图像的特征迁移到水下模糊目标图像上；将两层坐标注意力增强模块添加到YOLOv5的骨干网络中，并添加一组锚框和SIOU位置损失函数，获得DCA‑YOLOv5目标检测模型；采用DCA‑YOLOv5目标检测模型对特征增强后的水下高清目标图像进行目标检测，获得目标的位置和类别信息。本发明适用于水下模糊场景增强以及高精度的水下目标检测。
- 一种鱼类智能投喂方法及装置-202310747674.7
- 张璐;陈衍盈;李斌;孙小兵 - 扬州大学
- 2023-06-21 - 2023-10-20 - G06V20/05
- 本发明公开了一种鱼类智能投喂方法及装置，首先获取鱼类个体图像，采用基于校正因子的方法估算出鱼体质量，获取养殖区域内的鱼群图像，通过构建无锚点目标检测模型识别出鱼体，实现鱼群计数；其次基于鱼群平均质量和鱼群数目估算出养殖区域内的生物量，在此基础上，结合鱼类投饲率计算出初始投喂量，并设置为此次投喂中的最大投喂量；在投喂过程中，先后进行鱼群摄食行为分析和鱼类个体摄食行为分析，获取鱼类摄食状态，及时反馈给智能控制系统，自动做出饲料投喂的调整策略。本发明融合鱼类生理需求特征和摄食需求特征，设计一种动态、智能、精准、可实时调控的饲料投喂方法，解决了鱼类摄食影响因素多、因素之间耦合性强、难以动态调整投喂量的问题。
- 基于事件相机与彩色帧图像融合的水下透明生物检测-202211407947.5
- 罗偲;吴吉花;任鹏 - 中国石油大学（华东）
- 2022-11-10 - 2023-10-20 - G06V20/05
- 本发明涉及水下透明生物检测技术领域，针对水下环境恶劣、光照不足并且水下生物快速移动时普通相机难以捕捉的问题，提出了借助事件相机产生的事件流，将事件流转化成事件帧，再与RGB帧进行图像融合的方法，该方法可以增强图像的对比度，同时本发明对YOLOX检测算法进行改进以进一步提高水下透明生物的检测精度，从而对水下透明生物进行有效的观察和保护。
- 一种水下图像异常目标识别方法、系统和设备-202310904099.7
- 冯炎炯;谢顺添;陈先;罗文博;张清文;林斌;梁席源;陈俊东;黎如欣;司徒宇 - 广东电网有限责任公司;广东电网有限责任公司阳江供电局
- 2023-07-21 - 2023-10-17 - G06V20/05
- 本发明公开了一种水下图像异常目标识别方法、系统和设备，本发明包括采用预设的异常物体检测模块在特征融合图像的物体边界框内对原始水下图像进行异常目标检测，生成初步检测结果；基于特征融合图像中异常目标的深度信息，通过预设空间分布模型对初步检测结果进行假阳性抑制处理，生成异常目标检测结果。解决了现有的技术在增强过程中缺乏上下文信息，难以精准检测出水下图像中的异常目标的技术问题。本发明通过将图像增强和物体检测进行一体化设计，对原始图像、增强图像和编码器特征的融合，能够适应不同尺度的特征，充分利用了上下文信息和预测物体的深度信息，降低了噪声和散射对检测结果的影响，减少假阳性检测，提高了检测结果的可靠性。
- 一种声音与视觉多级融合的鱼类行为识别方法-202210880013.7
- 于红;胥婧雯;张鹏;谷立帅;李海清;郑国伟;殷雷明 - 大连海洋大学
- 2022-07-25 - 2023-10-17 - G06V20/05
- 一种声音与视觉多级融合的鱼类行为识别方法，属于机器学习领域，解决依靠单一模态特征识别鱼类行为往往难以得到较好的效果的问题，要点是所述跳跃连接融合网络包括若干融合阶段网络，对应阶段的融合阶段网络将对应阶段的视觉特征提取阶段网络和声音特征提取阶段网络的输出特征图融合得到融合特征图，效果是充分挖掘模态关联信息，使各模态潜在表示交互信息最大化。
- 一种天然气水合物冷泉羽状流识别的图像处理方法-202310967643.2
- 王诏;孙治雷 - 青岛海洋地质研究所
- 2023-08-02 - 2023-10-13 - G06V20/05
- 本发明涉及图像数据处理领域，特别是一种天然气水合物冷泉羽状流识别的图像处理方法。包括以下步骤：将原始RGB图像转换为HSV图像，将V通道图像依次进行巴特沃斯高通滤波、直方图增强、闭运算操作，得到冷泉羽状流显著的图像；对经过图像增强的图像进行Gabor和空间特征提取，获取图像纹理和空间特征；对上述图像特征进行主成分分析，获取重组降维后的图像特征，进行K‑均值聚类分析，完成对图像的分割；分割得到的冷泉羽状流图像组成聚类标签，将聚类标签与原始图像叠合输出，获得最终的冷泉羽状流识别图像。其不需要大量的样本数据进行模型训练，降低了对数据的要求，并且弱化了海底环境影响，大大提高了羽状流检测的正确率。
- 海洋浮游生物图像原位分类系统及方法-202310923372.0
- 宁春林;赵金凯;李超;方越;苏清磊;刘志豪;王肖闯;李安山;袁国正;李文博 - 自然资源部第一海洋研究所
- 2023-07-26 - 2023-10-13 - G06V20/05
- 本发明涉及图像分类技术领域，具体为海洋浮游生物图像原位分类系统及方法，包括数据采集器，与浮标体通讯连接，获取海面以下浮游生物的原始图像，并发送给浮标体；浮标体，具有处理器和存储器，接收来自于数据采集器的原始图像，经预处理后，利用训练完毕的分类网络，得到浮游生物图像被划分到某一已知类别的概率，不属于已知类别的浮游生物图像经聚类后标记为未知物质，并保存分类结果到存储器。根据浮游生物在图像中的特性对训练数据集中的图像进行分割和填充，并根据已知浮游生物的特点对未能分类的浮游生物图像进行聚类，使算法模型得到轻量化处理，进而能够部署到浮标中，实现原位分类。
- 一种视频识别水下护面块体脱落轨迹的方法及设备-202310986116.6
- 赵刘群;邹为明;魏远明;彭志盛;吴修昆;梁福源;吴浩;王文彬;高顺 - 中交第四航务工程局有限公司
- 2023-08-07 - 2023-10-13 - G06V20/05
- 本发明公开了一种视频识别水下护面块体脱落轨迹的方法及设备，包括：获取待识别水下护面块体的多个图像数据，采用背景减法器减去多个所述图像数据的背景区域，形成多个目标图像数据；对每个所述目标图像数据进行形态学去噪处理，按照时间顺序，将去噪后的目标图像数据依次输入至预先建立的目标检测模型与DeepSort轨迹跟踪模型，得到所述护面块体的脱落轨迹。本方法基于机器视觉技术自动化实现水下护面块体脱落检测，成本较低，识别速度较快，能够给出水下护面块体脱落的完整轨迹，提高了物理模型实验识别水下护面块体脱落的效率和准确度。
- 多源信息融合驱动的水下场景智能感知方法-202311132059.1
- 于菲;杜立彬 - 山东科技大学
- 2023-09-05 - 2023-10-13 - G06V20/05
- 本发明涉及多源信息融合驱动技术领域，特别是一种多源信息融合驱动的水下场景智能感知方法。包括以下步骤，S1，全局感知：使用侧扫声呐采集远距离的声学图像，采用基于深度学习的RMS模块提取侧扫声呐图像更深层的纹理信息，划定感兴趣的目标区域；S2，局部感知：使用摄像机采集近距离的光学图像，采用基于深度学习的LA模块对光学图像进行感知，进一步精准确定目标种类；S3，置信度筛查：将S1和S2的输出结果进行融合，来确定声学和光学多源信息最终感知结果，实现水下场景的智能感知。对声呐在远距离采集的声学数据和摄像机在近程采集的光学数据进行感知并融合结果，更适合水下移动设备的工作应用。
- 一种智能化鱼类生长性能识别方法及分析系统-202311059752.0
- 王杨;郭传波;苑晶;廖传松;刘家寿;王齐东 - 中国科学院水生生物研究所
- 2023-08-22 - 2023-10-13 - G06V20/05
- 本发明涉及一种智能化鱼类生长性能识别方法及分析系统，其方法包括：对放置有待测鱼类的测量板进行自动化拍摄得到第二数字图像；对第二数字图像提取自适应阈值，进行黑白二值化；确定黑白二值图中目标区域左边界和右边界预设区域，自动提取左边界和右边界位置；计算出待测鱼类的全长信息;自动识别所述目标区域中尾叉最凹处，计算出待测鱼类的叉长信息；自动识别所述目标区域中尾椎骨末端，计算出待测鱼类的体长信息；自动获取待测鱼类的体重信息，并计算出待测鱼类的生长指标和体态指标。本发明既能提升水生态监测科研效率，也利于对鱼的生长情况进行监测，为生产上实现鱼类生长的自动化监测提供了技术支持。
- 结合多模态数据融合和Multiplemix的水下目标检测方法-202310923588.7
- 陈苏婷;陈志伟;吴旭;代康;汪鸿建 - 南京信息工程大学
- 2023-07-26 - 2023-10-13 - G06V20/05
- 本发明公开了一种结合多模态数据融合和Multiplemix的水下目标检测方法，提出多模态数据融合，防止信息丢失的下采样网络SPDmix，卷积注意力融合网络CACmix，此外还提出新的损失函数和正负样本分配策略。该方法分别对输入的单模态RGB图像和单模态多光谱图像数据进行特征提取，并融合两种模态并输入到网络中，在下采样时，不丢弃特征，选择深度融合减少信息丢失。其次通过注意力融合机制赋予特征之间权重来侧重特征之间的交互，使网络学习局部特征的依赖关系。最后通过三个检测头来实现对目标的定位和分类。该发明能够减少网络特征提取过程中信息的丢失，有效的提高了网络的特征提取能力，实现了对水下目标更准确的检测。
- 面向水下无人航行器的水下对接导引灯识别与定位方法-202310843576.3
- 赵文凤;秦平;何波;沈钺 - 青岛澎湃海洋探索技术有限公司
- 2023-07-11 - 2023-10-13 - G06V20/05
- 本发明涉及水下自主航行器的自主对接回收领域，特别是一种面向水下无人航行器的水下对接导引灯识别与定位方法。包括以下步骤：S1，实时采集导引灯图像序列，利用图像分类模型对其进行分类筛选，得到预筛选的导引灯图像；S2，导引灯信号斑点检测与基于亮度的噪点剔除，得到斑点检测信息；S3，判定图像中是否包含表观导引灯信号，得到真实的导引灯斑点检测信息；S4，根据步骤S3得到的导引灯斑点信息，进行水下航行器与坞站的相对位置的计算。将轻量化神经网络模型用于光学图像实时识别，提高光学特征信息的提取能力，减少环境噪声的干扰，提高导引灯识别成功率、定位精度，以及对接成功率。
- 一种基于事件相机的水下蛙人目标检测方法-202310936412.5
- 姜宇;赵明浩;齐红;王跃航;魏枫林;王凯;郭千仞 - 吉林大学
- 2023-07-28 - 2023-10-13 - G06V20/05
- 一种基于事件相机的水下蛙人目标检测方法。属于水下机器视觉目标检测技术领域，具体涉及水下蛙人目标检测领域。其解决了以往的水下蛙人目标检测缺乏鲁棒性强的特征信息的问题。所述方法具体为：利用事件相机获取水下蛙人事件序列和RGB图像，设计RGB残差学习模块，用于充分提取水下蛙人RGB图像空间特征信息，设计事件残差学习模块，用于充分提取水下蛙人事件图像纹理特征信息，设计特征融合网络，使水下蛙人RGB图像特征信息与水下蛙人事件图像特征信息进行细粒度特征融合。本发明所述方法可以应用在水下目标检测技术领域、水下航行安全检测领域以及水下目标识别设备制造领域。
- 基于SSE-YOLO深度学习模型的前视声纳图像小目标识别方法-202310814151.X
- 周天;阳慧玲;于晓阳;张腾飞 - 哈尔滨工程大学
- 2023-07-05 - 2023-10-10 - G06V20/05
- 本发明公开了基于SSE‑YOLO深度学习模型的前视声纳图像小目标识别方法，属于深度学习领域；该方法包括：基于经典YOLOv3模型设计轻量级特征提取模块SSE，并搭建了主干网络；融合更浅层特征与深层特征构建一个新预测层,增强小目标表征能力；在颈部网络中使用卷积注意力机制模块CBAM，通过强化检测目标特征以提高抗背景干扰能力。该方法在在性能和消耗之间取得了令人满意的平衡，以满足在设备计算能力受限前提下，实现对声纳图像目标实时快速检测。通过评价过程证实该方法的平均精度和检测速度均高于目前的轻量级主流算法YOLOv5n，能更好地实现嵌入式部署。
- 基于AI的鱼类繁殖用自适应光照方法、装置及存储介质-202310937596.7
- 沈夏;包景文;曹过;袁霞 - 江苏中水东泽农业发展股份有限公司
- 2023-07-28 - 2023-10-10 - G06V20/05
- 本申请提供一种基于AI的鱼类繁殖用自适应光照方法、装置及存储介质，所述方法包括：获取鱼类的标识信息、生长状况信息；根据标识信息、生长状况信息，从数据库中匹配目标光照需求、目标驯食需求，并根据目标光照需求、目标驯食需求生成光照策略；根据当前光照策略，确定鱼群样本信息的采集需求，并获取目标区域内的鱼群样本图像序列；基于鱼群样本图像序列，通过训练完成的神经网络模型，识别目标区域内当前的鱼群密度、鱼群生长状况和鱼群行为；根据目标区域内当前的鱼群密度、鱼群生长状况和鱼群行为，与目标期望鱼群信息进行比对，并结合当前光照策略，重新生成光照策略以进行自适应光照。本方案，可以自适应动态调整鱼类繁殖场景下的光照。
- 基于物理模型的水下图像增强方法及系统-202310671497.9
- 丛润民;杨文玉;张伟;宋然;李晓磊;张敬林;史洋 - 山东大学
- 2023-06-06 - 2023-10-10 - G06V20/05
- 本发明公开了基于物理模型的水下图像增强方法及系统，属于水下图像处理技术领域。包括将获取的水下图像输入训练好的水下图像增强模型进行处理，以生成并输出增强图像；水下图像增强模型包括由参数估计子网络和双流交互增强子网络组成的生成器和双鉴别器，参数估计子网络用于根据输入的水下图像，确定物理模型的衰减系数、深度图和传输图，并根据衰减系数和传输图，获取颜色增强图像；双流交互增强子网络用于根据颜色增强图像和传输图对输入的水下图像，获取增强图像；双鉴别器用于根据增强图像和深度图，判别增强图像的真伪。能够获取清晰、视觉美观的水下图像，解决了现有技术中通用性不强且图像内容容易被扭曲的问题。
- 一种用于渔业养殖水源污染的视觉检测方法和系统-202311126704.9
- 王妹;孟娟;曹静;刘芳芳;樊靖;朱涛;刘广月;周传远 - 济宁鑫惠生水产养殖专业合作社
- 2023-09-04 - 2023-10-10 - G06V20/05
- 本发明公开了一种用于渔业养殖水源污染的视觉检测方法和系统，所述用于渔业养殖水源污染的视觉检测方法包括以下步骤：通过拍摄设备拍摄畜牧业水源的俯视图，并对水源RGB图像进行预处理；针对所述畜牧业水源中的目标特征进行所述预处理后，对得到的水源灰度图像使用自适应直方图均衡化算法进行图像增强处理，所述目标特征包括：绿萍污染分布情况以及绿萍密度；对增强后的所述水源灰度图像使用阈值分割算法得到绿萍区域的二值图像；对所述绿萍区域的二值图像通过预设算法进行处理，确定所述畜牧业水源的污染程度。根据本发明的用于渔业养殖水源污染的视觉检测方法，有利于提升水源污染检测的精度。
- 一种海洋环境下目标检测识别方法、装置、设备及介质-202310830230.X
- 张永辉;高锦雄;唐浩;尤佳;耿旭;王容;邵凯旋;王景博 - 海南大学
- 2023-07-06 - 2023-10-03 - G06V20/05
- 本申请公开了一种海洋环境下目标检测识别方法、装置、设备及介质，涉及目标检测技术领域，包括：将获取到的海洋环境下拍摄的图像数据集进行预设处理，以得到处理后数据集；将所述处理后数据集输入至初始模型的骨干网络进行特征提取，以得到特征信息；将所述特征信息输入至特征融合网络执行预设特征融合操作，以得到融合后特征信息；利用所述融合后特征信息对分类预测网络进行定位训练以及分类训练，以得到训练后的海洋图像检测识别模型。本申请通过设计特征融合网络提高对目标物特征信息的提取能力，增强了网络的多尺度特征融合能力，使网络更适应于实际的水下环境，提高了识别效率与识别精度，降低了算力消耗。
- 一种基于上下文感知注意力的水下目标检测方法-202310795417.0
- 付先平;刘海路;沈鑫 - 大连海事大学
- 2023-06-30 - 2023-09-29 - G06V20/05
- 本发明提供一种基于上下文感知注意力的水下目标检测方法，包括以下步骤：获取水下图像数据集；对图像进行预处理；构建基于上下文感知注意力的水下目标检测模型，模型包括主干网络、特征融合网络以及检测头部网络，且在主干网络与特征融合网络之间以及特征融合网络与检测头部网络之间设置有注意力模块；基于预处理后的图像数据训练所述基于上下文感知注意力的水下目标检测模型；获取待检测图像输入训练好的基于上下文感知注意力的水下目标检测模型，获取模型输出作为目标检测结果。本发明设计了基于上下文感知注意力机制以提高检测网络在水下环境的目标感知能力，该注意力机制结合YOLOv5目标检测网络可实现精准高效的水下目标检测。
- 一种基于脉冲神经网络的航行器视觉目标感知与定位方法-202310063431.1
- 张飞虎;钟耀辉 - 西北工业大学
- 2023-02-05 - 2023-09-26 - G06V20/05
- 本发明涉及一种基于脉冲神经网络的航行器视觉目标感知与定位方法，基于脉冲神经网络算法、异步Hough圆变换和4点透视(P4P)位姿估计算法的目标识别与定位方法，用于AUV对接任务中的多圆形光源目标感知与定位。本发明算法可使用DVS检测多个不同尺寸的圆形对象，可以有效地识别微秒时间尺度下的稀疏目标事件，并降低计算成本。本发明的目的主要是使得AUV能在水下对接补给任务中能快速精准识别目标光源，并对AUV和目标间的相对空间位置进行定位，为后续控制AUV对接运动提供支持。
- 机器学习水深反演方法、装置、计算机设备以及存储介质-202211312868.6
- 于刚;王鑫;于景华;程继国;胡云朋 - 广州三海海洋工程勘察设计有限公司
- 2022-10-25 - 2023-09-26 - G06V20/05
- 本申请涉及一种机器学习水深反演方法、装置、计算机设备以及存储介质，其方法包括获取拖鱼设备实时采集到的原始图像数据，其中，所述原始图像数据包括拖鱼的拖鱼导航数据和拖鱼姿态数据，对所述拖鱼导航数据和拖鱼姿态数据进行预处理，得到海底跟踪数据，对所述海底跟踪数据进行畸变修正处理，得到畸变补偿数据，根据所述畸变补偿数据进行目标物识别，并对识别后得到的海底图像进行拼接，生成海底反演图像成果图。本申请具有通过对拖鱼采集的原始图像数据进行预处理和畸变补偿处理，来提高海底反演图像成果图与海底实际情况的拟合程度，减少图像畸变对海底图像反演结果的误差影响的效果。
- 专利分类
