水下目标物侧扫声呐图像自动识别

为解决现有港航工程、海洋工程建设中采用侧扫声呐进行水下目标检测和识别方法的局限性问题,通过引入YOLOV3深度学习方法,利用人工标记的侧扫声呐图像对深度神经网络进行训练和测试,检测水下沉船目标;采用转移学习方法,利用预先训练好的卷积神经网络对侧扫声呐数据进行特征提取、感兴趣区域(ROI)汇聚、目标定位和分类,实现目标自动检测和识别,提高了效率,且目标检测的平均识别精度达到88%。

利用侧扫声呐实现船舶目标的快速识别

根据回波探测原理,研究了一种利用声呐对内河航运船舶进行监测的方法。利用项目组在广西西江航道上建立的一套侧扫声呐船舶吃水深度检测系统,获取了大量的监测数据。通过对这些数据的分析,研究了船舶目标和鱼群、渔网、垃圾漂浮物等伪目标之间的区别,总结出船舶目标的能量变化特征和线型结构特征。根据这些特征,提出了一种针对船舶目标的快速识别方法。最后通过试验,证明该方法具有检测率高、虚警概率小、实时性好等优势,为进一步实现内河航运船舶航行状态的智能监测提供了一种技术手段。

珊瑚环礁区侧扫声呐图像中的目标物识别方法

为研究西沙宣德环礁海底地貌特征及珊瑚分布情况,采用舷挂侧扫拖鱼的方式对环礁区域海底进行地貌扫测,从采集的侧扫声呐图像上可以识别出环礁区域珊瑚分布情况及珊瑚礁区地貌特征,利用侧扫声呐图像识别方法结合实物样品比对可以圈定出珊瑚分布范围、暗礁区域及环礁区域底质类型分布,采用基本的数学处理方法定量分析了水下珊瑚礁体的海底高度及疑似沉船的大小,分析了侧扫声呐图像显示的调查船转向效应。

侧扫声呐识别沉船影像的迁移学习卷积神经网络法

侧扫声呐海底沉船图像识别是水下障碍物核查和失事船只搜救中的一项重要工作。针对传统侧扫声呐图像人工判读存在效率低、耗时长、资源消耗大及主观不确定性强和过分依赖经验等问题,本文尝试引入卷积神经网络的方法,同时考虑到侧扫声呐沉船图像属于小样本数据集,提出一种基于迁移学习的卷积神经网络侧扫声呐沉船图像自动识别方法。通过归一化处理、图像增强等方式扩充样本数据,并以4∶1的比例划分训练集和测试集,同时参照经典VGG-16模型,根据侧扫声呐沉船数据集特点设计了改进的模型,然后将在ImageNet图像数据集上训练好的改进模型在小样本侧扫声呐沉船数据集上采用冻结和训练、微调两种迁移学习方式进行学习和试验,并与全新学习进行比较分析,结果表明,3种方法对侧扫声呐沉船图像识别的准确率分别为93.71%、84.49%和90.58%,其中第1种迁移学习方法准确率最高,模型收敛速度最快,且AP值最高为92.45%,分别比第2种迁移学习方法和全新学习高了8.06%和3.06%,在提高模型的识别能力和训练效率方面效果更佳,验证了该方法的有效性与可行性,具有一定实际指导意义。

侧扫声呐图像精处理及目标识别方法研究

侧扫声呐(side scan sonar,SSS)系统,作为水下地貌图像的获取设备,因价格低廉、分辨率高等优点在海洋工程、水下目标探测和识别等领域得到了广泛的应用。而目前SSS水下目标探测和识别均依靠人工判读,效率低下且精度难以保证。据此,论文开展了侧扫声呐数据精处理及目标识别方法研究。

卷积神经网络识别侧扫声呐影像的研究

卷积神经网络是当前应用最广泛的图像识别算法,利用大量数据对网络进行训练,即可达到快速、高效地对图像进行识别的目的。由于卷积神经网络结构众多,且同一数据在不同网络表现也不尽相同,为了选择适用于分析沉船声呐数据的网络,使用Python搭建LeNet-5、AlexNet、VGG、GoogLeNet、ResNet系列(ResNet50、ResNet101、ResNet152)、DenseNet系列(DenSeNet121、DenSeNet169、DenSeNet201、DenSeNet264)六种共11个卷积神经网络结构,以侧扫声呐沉船影像为数据集进行实验。结果表明,DenSeNet121是6种网络中最适合用于水下沉船图像识别的网络结构。

基于改进侧扫声呐法的水下抛石精准识别研究

侧扫声呐法是水下抛石探测中较为常用的方法之一,具有横向分辨率高、工作效率高等特点。但通常只根据声波散射强度值的相对大小进行水底介质判断会存在较大误差。为了提高识别准确性,以保定圩水下抛石为研究对象,首先对侧扫声呐数据进行小波去噪处理;然后根据Lambert定律消除掠射角的影响,使散射强度与水下介质的类型直接相关;最后利用聚类分析方法对长江干流芜湖市保定圩水下介质进行分类。研究表明:该方法的识别能力明显高于直接利用原始侧扫声呐数据进行聚类分析的方法,可精确划分出抛石体的分布范围,大大提高了水下抛石体的识别能力。

测深型侧扫声呐细物识别及浅水测量精度分析

浅水区域水下地形全覆盖测量的效率提升是水下测量一大难题。EdgeTech 6205S测深型侧扫声呐系统(简称“6205S”)测深、双频侧扫的集成度高,可以产生实时、高分辨率双频侧扫声呐数据和高质量测深数据(超过200°的侧扫宽度)。对比了6205S系统与常规多波束、单波束系统的测深精度及细物识别能力。结果表明:6205S系统细物识别准确,与单波束、多波束系统水深结果一致;测深精度满足国际海道测量组织(IHO)特等测深精度要求及《工程测量规范》中水深测量要求;测量效率可达到常规多波束的2~3倍。

双频识别声呐在鱼类资源调查中的应用进展

介绍双频识别声呐(Dual-frequency Identification Sonar,DIDSON)的工作原理、图像后处理,国内外应用领域和研究现状.通过国内外的研究实验,探讨DIDSON使用过程中影响鱼类资源定量评估、鱼类个体体长探测的重要因素及问题处理办法.在此基础之上,分析DIDSON在改善鱼类种类鉴别方面的优势.探讨DIDSON在渔业资源调查应用过程中的不足并对DIDSON在实际过程中的应用进行展望,以期对DIDSON的应用提供一些参考.

多波束和侧扫声呐系统在海洋管道建设中的应用

多波束能够获取海底全覆盖的高精度水深数据,但地物的判读性较弱;侧扫声呐能够获得海底地貌声像图,能够直观判读海底表层特征,但图形中的目标定位及深度的判断能力较差。综合应用多波束和侧扫声呐系统,能够提高地物特征识别的准确性和可靠性。本文以某海洋管道项目为依托,探讨两系统在海洋管道建设中的综合应用。

改进PP-YOLOv2的水下侧扫声呐图像多目标识别

针对水下侧扫声呐图像对比度低、噪声强度大,现有深度学习方法特征提取能力不足的问题,提出基于PP-YOLOv2引入注意力机制的改进侧扫声呐多目标识别方法.首先,针对侧扫声呐图像信噪比大、不同声呐设备生成的图像大小不一等特点,设计有效的图像预处理方法,包括噪声过滤、图像增强等;其次,基于当前目标检测性能很好的PP-YOLOv2模型设计改进,更换BotNet_dcn为模型主干网络,引入注意力机制提高网络特征提能力;最后,设计新的解耦头替换原耦合检测头,针对侧扫声呐图像的小目标进行精细化预测.结果表明:与原始PP-YOLOv2相比,所提方法在平均识别精度上提升了4.4%;与两种主流的基于卷积神经网络的方法相比,所提方法在平均识别精度上分别提升了4.66%和5.42%,同时在识别效率上分别提升32.4%和27.6%.

侧扫声呐图像纹理特征在分析沉船识别中的应用

侧扫声呐是一种具备测量范围广泛、分辨率高等诸多优点的技术,常被用于水下沉船识别、水下能源勘探以及河流航道疏浚等工作。本文以长江流域荆江河段的沉船识别为例,对侧扫声呐图像纹理特征在沉船识别分析中的应用作了相关的分析与研究,以便为相关应用提供一些理论上的借鉴。

基于CA-YOLOv5s的水下目标识别方法研究

水下目标物的准确识别是保障通航安全的一项重要工作,针对现有算法对水下多类别目标存在识别精度不高的问题,本文在YOLOv5s(You Only Look Once v5s)的基础上提出对其进行改进。首先,为平衡样本间的数量,通过利用几何变化操作模拟现实发生的情况对数量较少的样本进行扩充;其次,将YOLOv5s中传统损失函数CIoU惩罚项中的反正切函数改为Sigmoid函数,加快目标识别模型的收敛速度;最后,融合坐标注意力机制(Coordinate Attention,CA),融合后的模型能衡量每个通道信息的重要性,在关注目标位置信息的同时也不增加过多的计算量。试验结果表明:本文所提出的改进的YOLOv5s较改进前在准确率上提升了4.97%,在召回率上提高了6.20%,在类平均精度上提升了4.98%,证明本文改进的方法在工程应用上的价值。

成像声呐在人工鱼礁建设中的应用

由于测深侧扫声呐系统(C3D)和双频声学识别声呐(DIDSON)在浑浊的水体中具有极高的图像分辨率,近年已被广泛应用于渔业生产中。本文针对人工鱼礁建设的规划设计阶段、施工验收阶段的水下声呐探测进行了相关研究,解决了投放区水下地形探测和人工鱼礁水下调查及稳定性探测的一系列问题,实践证明高分辨率水下声呐数据为人工鱼礁的设计、投放、监测等工作提供了十分有效的支持,提高了鱼礁的建设效率。

基于DIDSON的未知海域覆盖规划算法

针对自主水下机器人的路径规划问题,提出一种基于双频识别侧扫声呐(DIDSON)的全局路径规划算法。根据双频识别侧扫声呐的物理特性对AUV进行数学建模,根据声呐的工作频率不同,将AUV分为高频、低频两种工作模式。高频模式下成像精度高,低频模式下成像范围大。文中提出了一种D2-CPP算法,根据声呐返回的识别结果,算法会自主切换AUV的工作模式,并动态规划出对应的路径点,直到覆盖所有区域。通过与割草机算法的仿真对比,证明了算法的有效性,近海实验证明了算法的可靠性。

水下成像法在水下铺排施工动态监测中的应用研究

目前,我国沿海地区圈围造地工程日趋增多,水下铺排施工是造地工程的基础。水下铺排施工质量检测是目前的难点,因为传统检测方法是依靠潜水员进行检查,而用肉眼无法看到水下施工的质量情况,施工单位、监理单位、设计和业主单位难以判断施工质量,而且没有可追溯性资料成果。因此,本文提出将水下成像法应用在水下铺排施工质量检测中。该系统采用了先进的声学透镜技术,能在黑暗中、混水中生成几乎等同影像质量的图像。同时,该系统具有显示功能、记录功能、定位功能、量测功能及三维展示功能,适合在水下排布铺设、水下工程裂缝检测、水下碎石包及各类水下棱体的成像中推广使用。

长江口排水板水下成像检测技术

针对长江口深水区域塑料排水板施工检测手段不足的问题,提出水下声学成像检测的新方法,采用高分辨率侧扫声呐和双频识别声呐,实现了水下排水板检测的可视化与可量测。获取水下排水板清晰的影像资料,并且通过双频识别声呐水下定点全环摄像方式能够实现排水板定量检测。新方法弥补了现有检测手段的不足,可作为现有检测手段的重要补充。

航道整治工程中水下沉排质量检测技术研究

为了更好地展开航道整治工程,能够按照标准对软体排铺设进行作业并在施工完成后对最后的效果进行监测,水下沉排质量检测技术有着不容忽视的意义和作用。本文通过对水下电视检测技术、侧扫声呐检测技术、沉排图像塔接宽度识别3种技术进行浅要分析和探讨,通过对水下沉排质量检测技术的应用,有效推动航道整治工程的工作进程。