期刊文献+
共找到531篇文章
< 1 2 27 >
每页显示 20 50 100
RepDNet:A re-parameterization despeckling network for autonomous underwater side-scan sonar imaging with prior-knowledge customized convolution
1
作者 Zhuoyi Li Zhisen Wang +2 位作者 Deshan Chen Tsz Leung Yip Angelo P.Teixeira 《Defence Technology(防务技术)》 SCIE EI CAS CSCD 2024年第5期259-274,共16页
Side-scan sonar(SSS)is now a prevalent instrument for large-scale seafloor topography measurements,deployable on an autonomous underwater vehicle(AUV)to execute fully automated underwater acoustic scanning imaging alo... Side-scan sonar(SSS)is now a prevalent instrument for large-scale seafloor topography measurements,deployable on an autonomous underwater vehicle(AUV)to execute fully automated underwater acoustic scanning imaging along a predetermined trajectory.However,SSS images often suffer from speckle noise caused by mutual interference between echoes,and limited AUV computational resources further hinder noise suppression.Existing approaches for SSS image processing and speckle noise reduction rely heavily on complex network structures and fail to combine the benefits of deep learning and domain knowledge.To address the problem,Rep DNet,a novel and effective despeckling convolutional neural network is proposed.Rep DNet introduces two re-parameterized blocks:the Pixel Smoothing Block(PSB)and Edge Enhancement Block(EEB),preserving edge information while attenuating speckle noise.During training,PSB and EEB manifest as double-layered multi-branch structures,integrating first-order and secondorder derivatives and smoothing functions.During inference,the branches are re-parameterized into a 3×3 convolution,enabling efficient inference without sacrificing accuracy.Rep DNet comprises three computational operations:3×3 convolution,element-wise summation and Rectified Linear Unit activation.Evaluations on benchmark datasets,a real SSS dataset and Data collected at Lake Mulan aestablish Rep DNet as a well-balanced network,meeting the AUV computational constraints in terms of performance and latency. 展开更多
关键词 side-scan sonar sonar image despeckling Domain knowledge RE-PARAMETERIZATION
下载PDF
Application Research of Sonar Detection Method in Melting Exploration at the Bottom of Piles
2
作者 Tianzhi Liu Ke Tu +2 位作者 Chunsong Duan Qian Chen Liu Hu Yan 《Journal of Architectural Research and Development》 2023年第4期15-25,共11页
Karst landforms are widely distributed in China,and are most common in Yunnan,Guizhou and Guangxi.If the development of karst caves at the bottom of the piles cannot be accurately ascertained before the construction o... Karst landforms are widely distributed in China,and are most common in Yunnan,Guizhou and Guangxi.If the development of karst caves at the bottom of the piles cannot be accurately ascertained before the construction of bridge pile foundations,accidents such as hole collapse,slurry leakage,and drill sticking will easily occur.In this paper,the principle and method of sonar detection for detecting karst caves at the bottom of bridge piles was introduced,and the sonar detection data and the cave situation at the bottom of the pile during the construction process in combination with the case of Yunnan Zhenguo Highway Project was analyzed,which verifies the practicability and reliability of sonar detection method reliability. 展开更多
关键词 Principle of sonar detection method General situation of sonar detection method engineering
下载PDF
YOLOv5-Based Seabed Sediment Recognition Method for Side-Scan Sonar Imagery 被引量:1
3
作者 WANG Ziwei HU Yi +1 位作者 DING Jianxiang SHI Peng 《Journal of Ocean University of China》 SCIE CAS CSCD 2023年第6期1529-1540,共12页
Seabed sediment recognition is vital for the exploitation of marine resources.Side-scan sonar(SSS)is an excellent tool for acquiring the imagery of seafloor topography.Combined with ocean surface sampling,it provides ... Seabed sediment recognition is vital for the exploitation of marine resources.Side-scan sonar(SSS)is an excellent tool for acquiring the imagery of seafloor topography.Combined with ocean surface sampling,it provides detailed and accurate images of marine substrate features.Most of the processing of SSS imagery works around limited sampling stations and requires manual interpretation to complete the classification of seabed sediment imagery.In complex sea areas,with manual interpretation,small targets are often lost due to a large amount of information.To date,studies related to the automatic recognition of seabed sediments are still few.This paper proposes a seabed sediment recognition method based on You Only Look Once version 5 and SSS imagery to perform real-time sedi-ment classification and localization for accuracy,particularly on small targets and faster speeds.We used methods such as changing the dataset size,epoch,and optimizer and adding multiscale training to overcome the challenges of having a small sample and a low accuracy.With these methods,we improved the results on mean average precision by 8.98%and F1 score by 11.12%compared with the original method.In addition,the detection speed was approximately 100 frames per second,which is faster than that of previous methods.This speed enabled us to achieve real-time seabed sediment recognition from SSS imagery. 展开更多
关键词 seabed sediment real-time target recognition YOLOv5 model side-scan sonar imagery transfer learning
下载PDF
DcNet: Dilated Convolutional Neural Networks for Side-Scan Sonar Image Semantic Segmentation 被引量:2
4
作者 ZHAO Xiaohong QIN Rixia +3 位作者 ZHANG Qilei YU Fei WANG Qi HE Bo 《Journal of Ocean University of China》 SCIE CAS CSCD 2021年第5期1089-1096,共8页
In ocean explorations,side-scan sonar(SSS)plays a very important role and can quickly depict seabed topography.As-sembling the SSS to an autonomous underwater vehicle(AUV)and performing semantic segmentation of an SSS... In ocean explorations,side-scan sonar(SSS)plays a very important role and can quickly depict seabed topography.As-sembling the SSS to an autonomous underwater vehicle(AUV)and performing semantic segmentation of an SSS image in real time can realize online submarine geomorphology or target recognition,which is conducive to submarine detection.However,because of the complexity of the marine environment,various noises in the ocean pollute the sonar image,which also encounters the intensity inhomogeneity problem.In this paper,we propose a novel neural network architecture named dilated convolutional neural network(DcNet)that can run in real time while addressing the above-mentioned issues and providing accurate semantic segmentation.The proposed architecture presents an encoder-decoder network to gradually reduce the spatial dimension of the input image and recover the details of the target,respectively.The core of our network is a novel block connection named DCblock,which mainly uses dilated convolution and depthwise separable convolution between the encoder and decoder to attain more context while still retaining high accuracy.Furthermore,our proposed method performs a super-resolution reconstruction to enlarge the dataset with high-quality im-ages.We compared our network to other common semantic segmentation networks performed on an NVIDIA Jetson TX2 using our sonar image datasets.Experimental results show that while the inference speed of the proposed network significantly outperforms state-of-the-art architectures,the accuracy of our method is still comparable,which indicates its potential applications not only in AUVs equipped with SSS but also in marine exploration. 展开更多
关键词 side-scan sonar(SSS) semantic segmentation dilated convolutions SUPER-RESOLUTION
下载PDF
Multi-beam Sonar and Side-scan Sonar Image Co-registering and Fusing
5
作者 阳凡林 刘经南 赵建虎 《Marine Science Bulletin》 CAS 2003年第1期16-23,共8页
Multi-beam Sonar and Side-scan Sonar compensate each other. In order to fully utilize all information, it is necessary to fuse two kinds of image and data. And the image co-registration is an important and complicated... Multi-beam Sonar and Side-scan Sonar compensate each other. In order to fully utilize all information, it is necessary to fuse two kinds of image and data. And the image co-registration is an important and complicated job before fusion. This paper suggests combining bathymetric data with intensity image, obtaining the characteristic points through the minimal angles of lines, and then deciding the corresponding image points by the maximal correlate coefficient in searching space. Finally, the second order polynomial is applied to the deformation model. After the images have been co-registered, Wavelet is used to fuse the images. It is shown that this algorithm can be used in the flat seafloor or the isotropic seabed. Verification is made in the paper with the observed data. 展开更多
关键词 Multi-beam sonar side-scan sonar Co-registering FUSION
下载PDF
A Research on Road and Bridge Detection Based on Test Detection Technology
6
作者 Hongwei Guo Yi Zhang 《Journal of World Architecture》 2022年第4期34-43,共10页
The existence of karst cave at the bottom of bored piles has a great impact on projects under construction and the surrounding buildings.Since bored piles require slurry wall protection,the current geophysical explora... The existence of karst cave at the bottom of bored piles has a great impact on projects under construction and the surrounding buildings.Since bored piles require slurry wall protection,the current geophysical exploration method cannot effectively detect the karst cave at the bottom of the piles in the slurry.Combined with the characteristics of stress wave propagation,the sonar detection method is proposed.JL sonar detector can realize the transmission and acquisition of on-site sonar signals.This method makes full use of the mud conditions of bored cast-in-place piles,and the development of karst caves can be tracked and detected within 10 meters at the pile bottom during the drilling process.It has several advantages,including low cost,high speed,and high precision.This paper verifies the application of sonar detection technology in practical engineering through specific engineering cases.The research results put forward a new solution for cave exploration in karst areas,especially in liquid environment. 展开更多
关键词 KARST Cave detection sonar detection Application research
下载PDF
基于主动识别声呐的养殖塘南美白对虾探测与初步分析
7
作者 沈蔚 卢泉水 +2 位作者 彭战飞 曹正良 张进 《渔业现代化》 CSCD 北大核心 2024年第1期64-70,共7页
为实现高效、快速和准确的虾类识别和行为观测,提出一种基于主动识别声呐(DIDSON)的养殖塘南美白对虾探测和行为分析方法。该方法利用无人艇搭载主动识别声呐(DIDSON)对养殖塘设置的8个观测点进行连续定点观测,利用基于ECHOVIEW构建的... 为实现高效、快速和准确的虾类识别和行为观测,提出一种基于主动识别声呐(DIDSON)的养殖塘南美白对虾探测和行为分析方法。该方法利用无人艇搭载主动识别声呐(DIDSON)对养殖塘设置的8个观测点进行连续定点观测,利用基于ECHOVIEW构建的虾类识别计数模型对采集的图像数据进行识别提取,通过目标识别、目标提取、通量分析以及方向分析等方法获得养殖塘南美白对虾的初步行为特征。试验在8个观测点观测的虾群数量极值分别为251只和208只,均值为234只,单位时间内的虾群通量区间为[108,131]只/(min·m^(2)),不同点位虾群正向游塘的占比均大于85%,通量变化较小。结果显示,该方法可以观测到养殖塘内虾群存在规律性的游塘行为,相较于传统的水下视觉观察和被动声呐调查,有效解决了养殖塘中虾群行为观测的难题,为制定更加高效的虾塘饲养和管理方案提供科学的数据支持。 展开更多
关键词 声呐探测 行为分析 通量分析 南美白对虾 识别声呐
下载PDF
基于轻量化YOLOv7算法的侧扫声纳图像沉船检测
8
作者 王胜平 刘娉婷 +1 位作者 陈晓红 陈志高 《海洋测绘》 CSCD 北大核心 2024年第4期21-25,共5页
针对现有的侧扫声纳图像水下沉船检测方法存在检测速度慢,传统的YOLOv5算法存在的漏检的问题,提出基于轻量化YOLOv7算法的水下沉船检测改进方法。首先,通过随机翻转、随机噪声等操作扩充沉船图像的样本数量;然后,引入迁移学习策略,将在C... 针对现有的侧扫声纳图像水下沉船检测方法存在检测速度慢,传统的YOLOv5算法存在的漏检的问题,提出基于轻量化YOLOv7算法的水下沉船检测改进方法。首先,通过随机翻转、随机噪声等操作扩充沉船图像的样本数量;然后,引入迁移学习策略,将在COCO数据集上学习到的权重迁移到沉船检测的YOLOv7网络中;其次,改进模型损失函数中惩罚项的计算方式,提升收敛速度;最后在YOLOv7网络中引入FasterNet结构,减少模型的参数量和计算复杂度,降低模型对硬件的需求,达到轻量化模型的目的。实验结果表明,改进方法较原始YOLOv7算法在类平均精度值(mAP值)上提升了4.75%,检测速度也由原来的0.0218秒/帧提升到0.0179秒/帧,证明了改进方法的工程应用价值。 展开更多
关键词 侧扫声纳图像 沉船检测 YOLOv7算法 FasterNet结构 迁移学习
下载PDF
联合多波束与侧扫声纳的海缆检测方法
9
作者 高兴国 高钰洁 江峻毅 《海洋测绘》 CSCD 北大核心 2024年第4期26-29,39,共5页
为解决海底电缆路由检测中多波束扫测分辨率低、侧扫声纳(SSS)图像位置不准且存在误识别问题,提出了一种联合多波束与侧扫声纳的海底电缆路由自动检测方法,利用多波束图像高精度的位置信息纠正侧扫声纳图像,并顾及侧扫声纳图像海缆成像... 为解决海底电缆路由检测中多波束扫测分辨率低、侧扫声纳(SSS)图像位置不准且存在误识别问题,提出了一种联合多波束与侧扫声纳的海底电缆路由自动检测方法,利用多波束图像高精度的位置信息纠正侧扫声纳图像,并顾及侧扫声纳图像海缆成像特点进行线状特征增强与边缘提取,实现海底电缆目标的自动、准确检测。实验结果表明,该方法能实现非掩埋海缆探测的准确探测,为海底电缆检测提供了多源测量信息融合的新思路,丰富了海底电缆检测的技术方法。 展开更多
关键词 侧扫声纳图像 路由检测 海底电缆 多波束图像 图像匹配 线状特征
下载PDF
基于前视声呐图像的AUV目标识别与跟踪 被引量:1
10
作者 郑鹏 曹园山 +2 位作者 张超 王健 徐令令 《舰船科学技术》 北大核心 2024年第5期115-119,共5页
声呐图像由于水体不均匀、边界不规则以及声呐设备本身性能的限制,导致图像噪声明显、亮度不均、分辨率低,使得水下AUV装备在使用前视声呐进行水下目标检测时难度较大。针对该问题,基于m750d声呐探测获得的AUV声呐数据,进行了数据提取... 声呐图像由于水体不均匀、边界不规则以及声呐设备本身性能的限制,导致图像噪声明显、亮度不均、分辨率低,使得水下AUV装备在使用前视声呐进行水下目标检测时难度较大。针对该问题,基于m750d声呐探测获得的AUV声呐数据,进行了数据提取、高斯滤波处理、扇形映射处理,并采用Jet映射对声呐灰度图像进行了伪彩色映射提高数据标注速度和精度,制作获得了4组2 500张声呐图像的AUV目标检测数据集;采用YOLOv4-tiny目标检测算法开展AUV目标检测研究,研究结果表明该方法在该数据集上表现优秀,mAP@0.50达到94.17%,FPS在22帧左右,说明该轻量级网络在水下AUV目标识别与跟踪应用上具有较好的应用价值。 展开更多
关键词 前视声呐 Jet映射 AUV目标检测数据集 YOLOv4-tiny目标检测
下载PDF
基于ZYNQ的轻量化YOLOv5声呐图像目标检测算法及实现 被引量:1
11
作者 赵冬冬 谢墩翰 +3 位作者 陈朋 梁荣华 沈伊 郭新新 《光电工程》 CAS CSCD 北大核心 2024年第1期55-66,共12页
针对声呐图像存在的模糊、样本量不足的现象,本文提出一种基于YOLOv5的声呐图像目标检测改进算法。利用几何滤波、垂直翻转等方法,对声呐图像数据集进行数据增强。添加融合注意力机制模块,使算法更好地关注声呐图像小目标的特征。同时,... 针对声呐图像存在的模糊、样本量不足的现象,本文提出一种基于YOLOv5的声呐图像目标检测改进算法。利用几何滤波、垂直翻转等方法,对声呐图像数据集进行数据增强。添加融合注意力机制模块,使算法更好地关注声呐图像小目标的特征。同时,针对目前大多数目标检测算法运行在云端,无法做到实时性声呐图像检测的问题,本文利用替换轻量级网络和NCNN边端移植技术,同时在颈部网络中采用GSConv模块,将算法成功移植到ZYNQ平台,实现声呐图像的嵌入式端实时检测。实验表明,本文提出的算法在降低了56%参数量的同时,在map50和map50-95上分别提高2.2%和2.5%。改进后的算法性能提升明显,证明所提出的方法在轻量化声呐图像目标检测任务上具有一定的可行性与有效性。 展开更多
关键词 水下目标检测 YOLO ZYNQ 声呐图像 深度学习 轻量化
下载PDF
基于非负矩阵分解的双曲调频信号目标回波增强
12
作者 崔小斌 李淑秋 +5 位作者 李宇 李子高 孙飞虎 迟骋 金盛龙 王冠群 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第7期1273-1279,共7页
双曲调频信号是主动声呐中常用的多普勒不敏感信号。在实际使用中,由于信道变化和混响影响,目标回波较弱。针对水下航行器主动声呐探测性能下降问题,本文提出基于非负矩阵分解的双曲调频信号目标回波增强方法。该方法对目标回波和干扰... 双曲调频信号是主动声呐中常用的多普勒不敏感信号。在实际使用中,由于信道变化和混响影响,目标回波较弱。针对水下航行器主动声呐探测性能下降问题,本文提出基于非负矩阵分解的双曲调频信号目标回波增强方法。该方法对目标回波和干扰信号的基矩阵分别定义,将发射信号的时频图作为目标回波的频率信息矩阵,对目标回波的时间信息矩阵做出约束,迭代处理完成目标回波的增强,获得较高增益的匹配回波检测结果。数值仿真和海上试验结果表明:本文方法与传统匹配滤波方法相比,其峰均比值提高了2 dB以上,提高了回波检测结果。 展开更多
关键词 主动声呐 水下探测 混响 噪声 非负矩阵分解 双曲调频信号 回波增强 目标检测
下载PDF
基于谱残差法的主动声呐疑似目标自动拾取
13
作者 余杰 王平波 蔡志明 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第1期174-181,共8页
针对主动声呐干扰遍布的B显画面上目标亮点难以拾取的问题,本文提出一种基于谱残差法视觉显著性处理的疑似目标自动拾取方法。在主动声呐图像的概念之下,研讨了自然图像中视觉显著体的发现与主动声呐图像中疑似目标拾取的相似机理,依此... 针对主动声呐干扰遍布的B显画面上目标亮点难以拾取的问题,本文提出一种基于谱残差法视觉显著性处理的疑似目标自动拾取方法。在主动声呐图像的概念之下,研讨了自然图像中视觉显著体的发现与主动声呐图像中疑似目标拾取的相似机理,依此进而说明了本文方法的机理、核心框架以及关键处理环节,包括预处理声呐图像、生成显著图、估算拾取阈值以及标定疑似目标等。海试数据处理结果表明:相较于基于局部相对能量分析的对照方法,本文方法对已知目标具有更低的漏报率,同时亮点拾取数量减少约40%,且处理耗时减少约37%。 展开更多
关键词 主动声呐 疑似目标 自动拾取 视觉显著性 谱残差法 声呐图像 显著性检测 后置处理
下载PDF
基于卷积神经网络的声呐图像水下目标检测综述
14
作者 李新宇 张家利 +2 位作者 孙玉山 万刚 张晗 《船舶工程》 CSCD 北大核心 2024年第9期87-98,共12页
声呐探测技术作为水下探测的主要手段之一,在海洋环境中具有广泛的应用,随着卷积神经网络(CNN)在计算机视觉领域表现出卓越的性能,该技术越来越受到研究人员的重视。文章综述了卷积神经网络在声呐图像水下目标检测中的应用与发展,重点... 声呐探测技术作为水下探测的主要手段之一,在海洋环境中具有广泛的应用,随着卷积神经网络(CNN)在计算机视觉领域表现出卓越的性能,该技术越来越受到研究人员的重视。文章综述了卷积神经网络在声呐图像水下目标检测中的应用与发展,重点讨论基于CNN的典型水下目标检测方法,包括基于候选区域与回归的检测算法在声呐图像上的改进与应用,并分析各类网络模型在处理声呐图像特有问题上的创新策略,如小样本检测、小目标检测及CNN与传统算法融合等。最后总结了当前基于CNN的水下目标检测面临的挑战,并预测该领域技术发展趋势。 展开更多
关键词 卷积神经网络 声呐图像 水下目标检测 深度学习
下载PDF
基于改进SSD的合成孔径声纳图像感兴趣小目标检测方法
15
作者 李宝奇 黄海宁 +2 位作者 刘纪元 刘正君 韦琳哲 《电子学报》 EI CAS CSCD 北大核心 2024年第3期762-771,共10页
轻量化目标检测模型SSD-MV3(Single Shot Detection-MobileNet V3)因输入图像尺寸限制无法直接检测高分辨率大尺寸合成孔径声纳(Synthetic Aperture Sonar,SAS)图像中感兴趣小目标.为此,本文提出了一种新的目标检测方法HRSSD(High Resol... 轻量化目标检测模型SSD-MV3(Single Shot Detection-MobileNet V3)因输入图像尺寸限制无法直接检测高分辨率大尺寸合成孔径声纳(Synthetic Aperture Sonar,SAS)图像中感兴趣小目标.为此,本文提出了一种新的目标检测方法HRSSD(High Resolution Single Shot Detection),该方法通过冗余切割确保SSD-MV3输入图像尺寸的规范以及感兴趣小目标的完整,并利用二次非极大值抑制保证检测结果的唯一.此外,提出了一种尺度、空间和通道注意力机制联合的特征提取模块,并利用该模块重新设计了SSD-MV3的基础网络和附加特征提取网络,记作SSD-MV3P(Single Shot Detection-MobileNet V3 Pro),使得SSD-MV3P能更有效的感知感兴趣小目标特征信息.实验结果表明,在感兴趣小目标检测数据集SST(Sonar Small Targets)上,SSD-MV3P的平均检测精度(mean Average Precision,mAP)比SSD-MV3提升4.39%.HRSSD实现了高分辨率大尺寸SAS图像感兴趣小目标的检测,并且保证了同一位置上检测结果的完整性和唯一性. 展开更多
关键词 合成孔径声纳 感兴趣小目标检测 轻量化目标检测模型 注意力机制 二次非极大值抑制
下载PDF
复杂岩溶地层地铁车站深基坑涌水灾害的声呐探测及综合治理
16
作者 邱运军 郑爽 +2 位作者 魏东 冯诗洋 王祥秋 《城市轨道交通研究》 北大核心 2024年第6期111-115,120,共6页
[目的]在佛山地区,复杂岩溶地层具有特殊性,其钙质粉砂岩地层及其破碎带极易引发地铁车站基坑涌水灾害。因而有必要采用声呐技术进行探测,并通过综合治理解决涌水问题。[方法]以佛山地铁3号线中山公园站为研究对象,从涌水险情出发,介绍... [目的]在佛山地区,复杂岩溶地层具有特殊性,其钙质粉砂岩地层及其破碎带极易引发地铁车站基坑涌水灾害。因而有必要采用声呐技术进行探测,并通过综合治理解决涌水问题。[方法]以佛山地铁3号线中山公园站为研究对象,从涌水险情出发,介绍了该站声呐探测方案,并基于探测结果分析了该站深基坑地下水的渗漏特性,判定了渗漏点的空间分布及其涌水灾害类型。结合基坑底部超前钻勘察成果及基坑内涌点分布特征,提出了坑外后退式双液注浆止水帷幕+坑内咬合旋喷桩基坑渗漏联合封堵方案。着重阐述了方案中后退式双液注浆、双管旋喷咬合桩以及MJS(全方位高压喷射)桩等技术的施工要点。对采用综合治理前后的代表性测孔处地下水渗流速度进行对比,以验证治理效果。[结果及结论]声呐探测技术能精准探查岩溶地层深基坑渗漏点的具体位置及其渗流场相关参量。采用后退式双液注浆、双管旋喷咬合桩及MJS桩相结合的联合封堵方案可有效解决复杂岩溶地段深基坑开挖大面积涌水渗漏技术难题。 展开更多
关键词 地铁车站 深基坑 涌水灾害 声呐探测 岩溶地层 联合封堵技术
下载PDF
基于语义分割的侧扫声纳管线目标检测方法
17
作者 郑根 徐会希 +1 位作者 赵建虎 杨文林 《海洋测绘》 CSCD 北大核心 2024年第2期9-13,共5页
为提高侧扫声纳图像中管线目标检测的自动化程度及效率,提出了一种基于语义分割的水下管线目标检测方法。首先通过构建高效语义分割网络主干,提高网络计算速度并降低网络对计算机硬件性能的需求;其次给出了一种针对管线目标特点的加权... 为提高侧扫声纳图像中管线目标检测的自动化程度及效率,提出了一种基于语义分割的水下管线目标检测方法。首先通过构建高效语义分割网络主干,提高网络计算速度并降低网络对计算机硬件性能的需求;其次给出了一种针对管线目标特点的加权交叉熵损失函数,解决了因类间数量不均衡导致的网络训练困难问题。以多种复杂条件下侧扫声纳实测数据进行了水下管线检测试验,结果表明,该方法在取得和经典网络相近精度的情况下,速度提升了2.7倍,可达52.6FPS,实现了水下管线的快速、准确检测。 展开更多
关键词 水下目标检测 侧扫声纳图像 深度学习 语义分割 网络优化 类间不平衡
下载PDF
基于可变尺度先验框的声呐图像目标检测
18
作者 黄思佳 宋纯锋 李璇 《系统工程与电子技术》 EI CSCD 北大核心 2024年第3期771-778,共8页
利用深度学习对声呐图像进行目标检测是近年来的研究热点,然而声呐图像存在目标尺度分布集中、数据获取难等问题,导致检测效果难以满足需求。针对该问题,提出了一种基于可变尺度先验框的目标检测方法。首先,考虑到声呐图像中目标的尺度... 利用深度学习对声呐图像进行目标检测是近年来的研究热点,然而声呐图像存在目标尺度分布集中、数据获取难等问题,导致检测效果难以满足需求。针对该问题,提出了一种基于可变尺度先验框的目标检测方法。首先,考虑到声呐图像中目标的尺度分布具有其特殊性,基于先验统计生成可变尺度先验框。其次,为了解决声呐图像稀缺的难题,采用数据增强的方法对训练集进行扩充。最后,探索了模型的轻量化,通过删减模型的大目标检测层,在不降低模型精度的同时简化模型结构。为了评估算法的有效性,以前视声呐图像为例进行了综合试验,平均精度(mean average precision,mAP)@0.75和mAP@0.5:0.95分别达0.585和0.559,较原Yolov5网络分别提升了5.8%和3.1%,同时每秒10亿次浮点运算次数下降到14.9。结果表明,所提算法具有更高的精度和更轻量化的模型结构。 展开更多
关键词 声呐图像 目标检测 数据增强 尺度聚类 轻量化模型
下载PDF
拖曳阵列流致噪声的混合高斯建模与抑制
19
作者 王冉 汪光哲 +5 位作者 张晨宇 郭奇欣 张永立 余亮 高源 陈诺 《声学学报》 EI CAS CSCD 北大核心 2024年第5期1030-1040,共11页
湍流边界层压力起伏导致拖曳阵列流噪声难以精确建模与抑制,为此分析了拖曳阵列流噪声的产生机理与统计特性。针对非高斯分布的拖曳阵列流噪声,发展了混合高斯模型建模方法,同时建立了多通道的拖曳阵列中声源信号的低秩模型,并对流噪声... 湍流边界层压力起伏导致拖曳阵列流噪声难以精确建模与抑制,为此分析了拖曳阵列流噪声的产生机理与统计特性。针对非高斯分布的拖曳阵列流噪声,发展了混合高斯模型建模方法,同时建立了多通道的拖曳阵列中声源信号的低秩模型,并对流噪声和声源信号模型中的参数通过期望最大算法进行求解,最终实现了水听器接收信号中的流噪声与声源信号成分分离。对实际湖试数据进行流噪声抑制与目标方位估计,结果表明,在不影响定位结果的前提下,最大旁瓣级抑制达到8~10 dB。 展开更多
关键词 拖曳阵列 流噪声 混合高斯模型 期望最大算法 声呐探测
下载PDF
ROV水下障碍物检测和避障技术的应用综述
20
作者 李明桂 周焕银 龚利文 《计算机工程与应用》 CSCD 北大核心 2024年第17期34-47,共14页
全面回顾了远程操作车(ROV)在水下障碍物检测和避障技术方面的技术进展。研究集中于声呐系统、光学系统及其与机器学习和人工智能算法的结合,分析了这些技术如何提高水下作业的自主性、效率和安全性。尽管声纳和光学系统在环境适应性和... 全面回顾了远程操作车(ROV)在水下障碍物检测和避障技术方面的技术进展。研究集中于声呐系统、光学系统及其与机器学习和人工智能算法的结合,分析了这些技术如何提高水下作业的自主性、效率和安全性。尽管声纳和光学系统在环境适应性和障碍物检测精度方面已取得显著成果,但动态障碍物实时识别和复杂环境适应性的挑战仍待克服。此外,探讨了机器学习和人工智能技术在增强ROV自主避障能力方面的潜力和挑战,指出了这些技术在未来ROV操作中的重要性。该研究为深海探索和海洋科学提供了新的理论视角和应用实践。 展开更多
关键词 水下障碍物检测 自主避障 声纳系统 光学系统 机器学习与人工智能
下载PDF
上一页 1 2 27 下一页 到第
使用帮助 返回顶部