三维激光扫描声呐系统在渡槽水下结构检测的应用

渡槽水下基础长期承受各种荷载、高水流作用等,在经历较长运行期后的安全检测问题日益突出。鉴于三维激光扫描声呐系统的技术优势,介绍了系统组成、工作原理、技术参数和应用途径,并将其应用于某渡槽基础水下细部结构检测。检测结果表明,该系统成像速度快、图像清晰、监测效率高,能准确展示探测渡槽水下细部三维结构,可有效规避潜水员探摸安全风险和传统声呐扫描效果差的缺陷。同时,该系统还能够在含沙量大、能见度低的水域环境中工作,具有较好的适用性和推广性。

海洋测绘技术手段在水下隐蔽工程结构检测中的应用——以水下三维全景声呐为例

本文以利用海洋测绘技术手段应用于沿海i陆岛交通码头、内河桥梁水下隐蔽工程结构检测的实际案例为依托,介绍了Teledyne Bluevew 5000-1350水下三维全景声呐系统的探测原理和方法,分析了实际应用过程中实现的目的和效果,总结了应用过程中容易出现的一些问题,并提出了使用过程中的改进措施和建议。

基于ZYNQ的轻量化YOLOv5声呐图像目标检测算法及实现

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。

立面结构精细检测声呐技术在水下施工修复监测应用

水工泄洪建筑物导流边墙运行情况会影响水电站的安全稳定运行。近年来随着声呐技术的发展,通过声呐技术的组合使用及改进作业方案,实现了水下立面结构缺陷高精度检测,并在后续水下施工修复进程中及时获知结构三维体型变化情况,完成了水下施工修复全周期监测及施工效果佐证;通过检测成果的三维可视化、数字化展示及方量计算,为水电站水工建筑物监测、检测运维工作部署提供了有力的支撑依据。

水下构筑物施工实时检测关键技术优化及应用

为了实现水下构筑物施工可视化,通过水下声学检测设备的选用、水下云台的研制,采用水下三维可视化技术,对传统的水下构筑物施工检测技术进行优化。结合浙江省岱山县某护岸综合整治工程,将三维声呐和惯导2套系统相融合,获取高分辨率、高定位精度的实时水下构筑物信息,并在仪器控制室终端实时显示水下构筑物及周边水底三维实时影像。工程应用结果表明:应用优化后的水下构筑物施工实时检测技术,可以实现水下施工作业实时可视化,能有效提高构筑物水下施工质量,解决施工人员安全性问题,提高水下构筑物安装布放施工效率。

三维实时图像声呐在风电桩基础检测中的应用

本文主要介绍了三维实时图像声呐的组成、基本工作原理及其在海上风电桩基础检测中的应用。根据实际检测结果显示,三维实时图像声呐能够精确地获取风电桩基础的结构特征,提供高分辨率的三维图像,检测结果具有可量测性、直观性,作业效率高,为海上风电运营维护提供数据支撑。

基于投影感知的水下声呐目标检测方法

现有基于深度学习的水下声呐图像目标检测方法受限于水下声呐图像噪声大、信噪比低,因而检测精度有限。针对该问题,本文提出了基于投影感知和声呐参数信息嵌入的水下声呐图像目标检测方法SonarNet。提出的非参数化的投影感知对齐模块(PAA)在不引入额外的训练参数且无需额外标注的情况下,通过提取水下目标的投影区域特征与目标本身特征融合来提升目标检测精度。同时为了提升算法在不同声呐工作参数下的鲁棒性,本文设计了一个轻量级的声呐全连接网络SonarMLP,将声呐设备的工作参数信息以嵌入信息的形式引入到目标检测过程中。本文在声呐图像目标检测数据集上对算法的有效性进行了验证,在有效检测出水下目标的同时,比现有常用深度学习方法有更高的检测精度,能够提升3%以上的各类平均精确度(mAP)。

基于声呐图像的水下目标检测研究综述

通过处理声呐图像实现水下目标检测具有重大的军事与民用意义。文章对基于声呐图像的水下目标检测原理、方法、算法和发展趋势进行了全面阐述。将基于声呐图像的水下目标检测任务分为传统水下目标检测、基于深度学习的目标检测,以及深度学习与迁移学习相结合的目标检测3个层面。又分别将传统目标检测分为基于数理统计、基于数学形态学以及基于像素的水下目标检测;将基于深度学习的目标检测分为基于一阶段方法、基于二阶段方法以及基于DETR的目标检测;将深度学习与迁移学习相结合的目标检测分为基于简单深度神经网络模型的迁移与基于复杂深度学习模型的迁移所实现的目标检测进行了具体讨论。最后总结归纳现有技术的优缺点,并对该领域的未来发展方向作出进一步的展望。

实时三维声呐技术在平台水下检测中的应用

滩海平台工作水深较浅,约1～3 m,平台桩基为群桩,形状不规则,对其难以进行定量检测。首次采用三维声呐系统对冀东油田滩海平台的水下工程进行检测。检测结果表明,冀东油田1号构造平台桩基未发现异常,NP1-1D平台桩基周围3 m范围内有约0.5 m深的凹坑,NP1-29平台西北侧桩基北侧有长44 m、宽约14 m、较周围地形深2.6 m的沟槽,NP1-3D平台桩基宽度约11 m,桩基下方有较小沟槽。检测成果满足工程要求。对于工作水深大于3 m的平台,其桩基可采用Echoscope实时三维声呐系统进行水下检测;工作水深小于3 m时,需进行现场试验确定。

基于声呐成像的水下结构检测技术

水下结构检测是涉水工程运维管理及安全评估的基础和重要环节。基于声呐系统的水下结构检测技术通过点云成像能够直观反映水下结构的服役状况,可为涉水工程运行管理、应急抢修及安全评价提供技术支撑。本文结合工程实例,对水下声呐成像系统的检测效果进行了测试验证,结果表明:水下声呐成像检测系统具有较好的检测效果,在水质浑浊的低能见度环境下也能够较好地完成水下检测任务。该系统较之传统检测方法具有水下环境适应能力强、作业灵活和直观高效的优点,可极大地提高水下结构检测的精度和效率。

水下声呐图像轻量级目标检测模型

水下AUV搭载声呐进行探测成为水下目标检测的主流方式,水下环境的复杂及声呐成像方式导致声呐图像分辨率较低,使用形态学目标检测等传统方法时检测精度与实时性不高,深度学习如YOLO等算法直接用于水下声呐图像目标检测时仍然面临样本少、模型参数多等挑战,为此,本文提出一种声呐图像水下目标轻量化检测模型。针对低分辨率声呐图像数据特点以及水下AUV自动检测对实时性的要求,以YOLOv4模型为主要框架,进行模型裁剪、替换优化特征融合模块、目标预测框K均值聚类以及改进损失函数等,将构建的检测模型应用于声呐目标检测。所构建的声呐图像水下目标检测轻量化模型的mAP相对于SSD、YOLOv3、YOLOv3-DFPIN、YOLOv4-tiny分别提高了0.0659、0.0214、.0402和0.1701。在mAP相较于YOLOv4、CenterNet、EfficientdetD0分别低0.0186、0.0093、0.0074的情况下,FPS分别相对于YOLOv4提升一倍多、相对于EfficientdetD0提升近5倍、相对于CenterNet提升近一倍。同时,本文提出的模型兼具高精度和实时性的优点。实验结果表明,本文提出的特征提取网络能够减小网络参数冗余,提高模型效率和检测速度,结合自适应空间特征融合模块增强了不同尺度之间特征的相互融合和重用,提高了低分辨率声呐图像目标检测的精度。

基于改进YOLOv5的小样本水下声呐图像目标检测

声纳图像目标检测在水下救援和资源勘探中具有重要意义。传统的声纳目标检测技术存在智能化程度低、鲁棒性差、实时性差、识别精度低等问题。尽管许多基于卷积神经网络的目标检测算法在自然图像中取得了很大的成功。然而,对于水下声纳图像来说,海底混响噪声干扰、前景目标区域像素占比低、成像分辨率差等问题对实现准确的水下目标检测提出了相当大的挑战。为了解决这些问题,文章基于YOLOv5目标检测模型提出了一种新的声纳图像目标检测器。首先,在原有Backbone的基础上基于多头注意力机制引入C3MHSA模块和SE注意机制,提高模型的收敛性和提取目标形状和空间有效特征的能力。此外,在Backbone中加入RFB模块,提高网络在高感受野存在的情况下学习重要信息的能力。实验结果表明,改进后的Yolov5网络的mAP@0.5值为98.9%,较原始YOLOv5模型有了全面大幅提升,明显优于现有方法。

声呐渗流三维成像检测技术在大藤峡水利枢纽工程围堰渗流检测中的应用

渗流是水利工程施工和运行中普遍存在的棘手问题,而准确地检测渗流量和渗流位置是渗流治理的关键。笔者以大藤峡水利枢纽工程二道围堰基坑开挖施工中的渗流检测为例,介绍了声呐渗流三维成像检测技术的原理和检测方式,对检测得到的渗流量、渗透流速、渗流方向等数据进行分析。结果表明,现场检测得到的地下水渗流场数据,能精准地揭示围堰基坑开挖施工的渗流状况。该工程的成功应用经验,可为类似工程的渗流治理提供参考和借鉴。

基于改进YOLOv7声光融合水下目标检测方法

多变的光照条件及天气状况将会严重影响水下光学图像的成像质量,为提升水下目标检测的稳定性及检测精度,基于深度神经网络模型,对结合光学图像和声呐图形的多模态方法进行研究。首先,针对实时神经网络检测器架构YOLOv7,通过改进该检测器,使其适用于多模态输入。其次,为了有效地结合来自不同模态的影响特征,提出全新的融合模型YOLOv7-Fusion,并通过引入CE-Fusion模块,实现融合效率和准确度的提升。最后,为了解决数据集缺少的问题,利用快速风格和图像处理算法转化的方法,生成人工数据集。所设计的算法及模型目标识别准确率为0.995,具有较高检测精度;Fps为43.4,具有较高处理效率。该模型可支持真实应用,适用于不同类型的水下场景。

基于三维声呐成像技术检测桥梁水下构件缺损研究

传统的桥梁水下构件检测一般采用声、光两种方法。在水下,声波信号与光学成像相比,具有传输距离远、受水文条件影响小等优势。当声波遇到桥墩、承台或桩基的反射,回波信号被声呐接收器接收后,可根据信号时延和强度形成图像。鉴于此,提出了一种针对桥梁水下构件的三维成像声呐算法,通过算法处理后,在系统中显示桥梁水下构件的三维图像,并得到桥梁水下构件的缺损情况三维图像信息。

面向港口水下工程的声呐检测方法适用性研究

快速、准确地获取水下构筑物信息是声呐检测的热点,在水运工程管理、港口工程质量保障和结构防灾减灾检测等领域具有重要应用价值。针对地理位置较深、检测目标尺寸较大的基槽开挖、基床整平等平面工程以及精度要求较高的沉箱码头直立式岸壁工程两种典型港口水下工程结构,选择波束原理相同的多波束测深系统与三维多波束扫描声呐系统进行检测,并结合相关检验规范对水下工程质量进行评估。结果表明:多波束测深系统检测效率高,可满足港口水下平面工程检测需求;联用多波束测深系统与三维多波束扫描声呐系统开展直立式岸壁检测,可为码头水下岸壁工程施工控制与评价提供精确指导;多波束声呐系统能够准确检测港口水下工程施工偏差,并结合相关检测规范对港口水下施工质量进行评价。

多波束联合三维声呐在水闸工程中的应用分析

水闸作为重要的水利工程,具有挡潮、排涝、引水、通航等作用。对水闸结构进行安全检查及安全评价,是水闸工程进行维修、加固、改建或重建的重要依据。在水闸安全评价过程中,水闸水上结构的检测相对成熟,水下结构由于不可见,其安全性能存在隐患,是评价的重点。本文运用多波束水下检测系统、三维声呐相结合的互补方法,对上海市某水闸水下结构进行检测,通过阐述检测原理、检测作业过程、数据处理及检测结果分析,为水闸安全鉴定、安全运行和修复提供数据及技术支撑。

基于改进SSD的合成孔径声呐图像水下多尺度目标轻量化检测模型

针对轻量化目标检测模型SSD-MV2对合成孔径声呐(SAS)图像水下多尺度目标检测精度低的问题,该文提出一种新的卷积核模块-可扩张可选择模块(ESK),ESK具有通道可扩张、通道可选择和模型参数少的优点。与此同时,利用ESK模块重新设计了SSD的基础网络和附加特征提取网络,记作SSD-MV2ESK,并为其选择了合理的扩张系数和多尺度系数。在合成孔径声呐图像水下多尺度目标检测数据集SST-DET上,SSD-MV2ESK在模型参数基本相等的条件下,检测精度比SSD-MV2提升4.71%。实验结果表明,SSD-MV2ESK适用于合成孔径声呐图像水下多尺度目标检测任务。

基于前视声呐的水下目标检测算法研究

水声目标检测就是从水声信道中提取目标信息并进行识别,而有效的水声目标检测在现代化的海洋开发中有着十分重要的作用;首先,介绍了水声目标检测所采用的设备,以及该设备的工作方式,并搭建试验场景进行水声回波的采集;其次,对水声目标检测算法进行了研究,比对不同的滤波算法可知,中值滤波方法的去噪效果更佳;进行了灰度直方图分析,对目标的灰度范围进行了增强处理;对图像分割算法进行了研究,设计了一种自适应迭代分割算法,对比其他方法有着更好的处理效果;对分割后的图像进行连通域查找,目标筛选,从而识别出待检测目标;试验结果验证了该水声目标检测算法在对水下目标的检测识别上的有效性。

综合水下检测技术在水闸工程水下结构检测中的应用

以多波束水深测量技术、侧扫声呐探测技术为代表的声呐水下检测技术在海洋调查、江河测绘等领域已经有着成熟的应用,且水下机器人检测技术在水工建筑水下结构检测中的应用也越来越广泛。因此,文章通过某水闸工程水下结构检测实例,介绍了以声呐水下检测技术和水下机器人检测技术为代表的综合水下检测技术在水闸工程水下结构检测中的应用情况。