基于主动识别声呐的养殖塘南美白对虾探测与初步分析

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。

基于双频识别声呐的鱼类目标识别与计数

鱼类资源调查是渔业管理的基础性工作,利用水声探测技术进行鱼类资源调查日益成为主流手段。针对双频识别声呐(DIDSON)在水库中采集到的声学数据,利用Echoview声学数据后处理软件及其相关算法进行鱼类识别和计数研究。首先利用Kovesi图像去噪法和背景差分法对声学图像中斑点噪声和水体背景进行去除,然后根据鱼类目标回声阈值进行目标识别,利用α-β轨迹追踪算法进行运动目标追踪以防止重复计数,最后进行目标计数和体长信息的提取。结果显示,与借助声学图像的人工计数相比,本方法鱼类目标计数误差在10%以内,平均计数误差为7.2%,具有相当高的统计精度。研究表明,DIDSON可以用于鱼类识别与计数,在浅水水域的鱼类资源探测与管理方面具有非常广阔的应用空间。

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.

双频识别声呐水下影像监测系统及其应用

本文介绍了双频识别声呐水下影像监测系统的工作原理,对通过仿射变换特征图像配准法对数据进行处理得到清晰整体图像的核心技术进行了分析论证;并通过系统在三河闸水下结构损坏监测中的运用情况,阐述了系统在我国水利工程水下监测中的推广应用前景。

双频识别声呐在浑浊海域ROV海管调查中的应用

【目的】为解决混浊海域ROV海管调查遇到的困难,引入双频识别声呐协助作业。【方法】在中国南海某浑浊海域ROV海管调查作业中,搭载双频识别声呐,对整段海管、特征点进行声学成像,同时与ROV搭载光学摄像头成像进行对比。【结果】在浑浊海域海管调查应用中,双频识别声呐可以在ROV搭载光学摄像头无法成像的情况下声学成像,生成几乎等同影像质量的图像。【结论】作为一种目视检查手段,ROV搭载双频识别声呐可以清楚地观察海管的状态,实时呈现动态画面,有效地协助作业人员在浑浊海域进行ROV海管调查,极大地提高了作业的安全,保证了作业质量;而且,ROV搭载双频识别声呐在浑浊海域海管调查时的速度不亚于在能见度良好海域中的调查速度,保证了其作业效率和经济性。

双频识别声呐提取沉水植物盖度的可行性初探

沉水植物作为湖泊生态系统的初级生产者,在固定底泥、防止沉积物再悬浮、净化水质等方面具有重要的环境功能。因此,探究沉水植物的分布、群落结构及其演替规律,对于湖泊水生态环境修复工作有着重要意义。传统的沉水植物调查方法不仅调查效率低,而且在取样过程中会对沉水植物造成破坏,有必要探索更为高效科学的调查方法。由于双频识别声呐可实现在浑浊、黑暗的水下获得清晰的影像,利用双频识别声呐探测技术在不破坏沉水植物的情况下获取了太湖贡湖湾4种典型沉水植物在不同季节的影像数据,通过影像处理提取沉水植物盖度。结果表明该方法获得的盖度与传统调查结果较为接近,且该方法更加方便快捷,可为湖泊水生态环境修复提供支撑。

声呐图像水下目标识别综述与展望

随着海洋资源开发和水下作业的增加,声呐图像水下目标识别已成为热门研究领域。该文全面回顾了该领域的现状和未来趋势。首先,强调了声呐图像水下目标识别的背景和重要性,指出水下环境复杂和样本稀缺增加了任务难度。其次,深入探讨了典型的成像声呐技术,包括前视声呐、侧扫声呐、合成孔径声呐、多波束测深仪、干涉合成孔径声呐和前视三维声呐等。接下来,系统地审视了二维和三维声呐图像水下目标识别方法,比较了不同算法的优劣,还讨论了声呐图像序列的关联识别方法。最后,总结了当前领域的主要挑战,展望了未来研究方向,旨在促进水下声呐目标识别领域的发展。

基于双频识别声呐的东港大鹿岛人工鱼礁调查研究

2016年6月,使用双频识别声呐Aris-1800对东港大鹿岛海域内的人工鱼礁进行调查研究,分别采用走航式和定点式观测方法对M型人工鱼礁进行多角度连续观测,对其水下形态特征,鱼类和浮游动物的数量分布的动态变化规律进行了分析,结果表明,使用双频识别声呐对人工鱼礁的水下整体状态进行观测是可行的。声学方法和钓具采样方法相结合,较为客观、全面的反映了礁区水域内生物资源的数量、空间分布和生态行为变动情况,为今后声学方法在人工鱼礁海洋牧场规划建设和效果评估等方面的研究提供了理论基础和科学依据。

一种基于谱估计的被动声呐目标识别方法

为解决被动声呐目标的特征提取与识别问题,通过对被动声呐目标噪声频谱特性的深入分析,给出了一种基于Welch谱估计的目标特征提取方法.对提取出来的特征采用动态规划的方法进行特征选择,得到用于识别的特征向量.对海上实录的多种型号和多种工况的大量噪声样本进行了特征提取和特征选择.采用BP神经网络和最近邻法对噪声样本进行了分类识别实验,结果证实了所提方法的可行性和有效性.研究结果可以用于被动声呐目标识别.

基于调制线谱特征提取的被动声呐目标识别技术研究

目标噪声特征提取和目标分类器设计是被动声呐目标识别系统的关键技术。本文针对被动声呐目标识别 ,首先着重研究了调制线谱特征提取方法 ,然后为了训练神经网络目标分类器 ,本文将遗传算法和BP算法相结合 ,提出了一种新的自适应遗传BP算法。最后 ,对海上实录的三类目标噪声进行了分类识别 ,实验结果表明本文设计的被动声呐目标识别系统具有很好的分类效果。

基于BPSO-KNN算法的被动声呐目标分类识别技术研究

以提取得到的被动声呐目标功率谱特征为基础,采用二进制粒子群(Binary Particle Swarm Optimization, BPSO)优化算法和k最近邻(k-Nearest Neighbor, KNN)分类算法相结合的BPSO-KNN算法进行特征选择和参数优化,分别用KNN分类算法和BPSO-KNN分类算法对实际得到的四类海上被动声呐目标进行分类识别。结果表明,BPSO-KNN算法可对提取的功率谱特征进行特征优化选择,并对KNN分类器进行参数优化,提高了对四类目标的分类精度。该算法在被动声呐目标分类识别方面有参考价值。

基于声呐图像的类别增量学习方法研究

由于声呐图像分辨率低、样本数少,现有的类别增量学习网络对历史任务目标出现了严重的灾难性遗忘问题,导致所有任务目标的平均识别率降低。基于生成重放的框架模式,提出了一种改进的类别增量学习网络,设计搭建新的深层卷积生成对抗网络取代变分自编码器,作为生成重放增量网络的重构模型,提升图像的重构效果;构建新的卷积神经网络取代多层感知机,作为生成重放增量网络的识别网络,提升图像的分类识别性能。结果表明,改进的生成重放增量网络缓解了历史任务目标的灾难性遗忘问题,显著提高所有任务目标的平均识别率显著提高。

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。

水声被动目标识别技术挑战与展望

低频水声探测和船舶减振降噪技术发展,使得传统水声目标识别技术性能逐渐下降。该文分析了声呐工作带宽、探测频率、船舶减振降噪给识别技术带来的挑战。针对低频声呐广泛使用的低频线谱识别,研究了低频线谱的识别能力问题;针对智能识别技术发展,研究了深度学习技术在船舶辐射噪声识别中的应用问题,并给出了数据试验结果,文章最后指出了水声被动目标识别技术亟需开展的研究内容和方向。

多波束测深结合声呐技术在河道堤防水下外观病害探测中的应用

针对河道堤防水面线以下的表观病害具有隐蔽性、难于探测和发现的特点,将多波束条带测深技术和双频识别声呐技术相组合,实现了准确布置计划测线确保水下外观病害全覆盖扫测。通过在双频识别声呐换能器上安置GPS接收机,基于位置信息将病害中心位置在多波束点云图上准确地标示出来,从而弥补了两种技术各自的局限性,并在工程实践中开展应用。实践表明,选择波束角小的多波束条带测深系统,可获取高质量、高分辨率的数据,便于发现细微的外观破碎、剥落等病害。在多波束扫测工作中船速不宜太快,应控制在5节以内,同时声呐探测时应平行水流方向布置测线。工程实例表明,将两种技术组合在一起,能准确发现水下破损、塌陷等表观病害。研究成果为类似工程的病害探测和除险加固提供技术支撑。

航道整治透水框架群对鱼类集群影响的水声学探测

四面六边透水框架是一种具有良好防冲促淤功能的生态水工构造物,在航道整治工程中得到广泛应用。为了探究四面六边透水框架群对鱼类的影响,于2014年5-6月,应用EY60回声探测仪和双频识别声呐(ARIS Explorer 1800)对金城洲透水框架工程区水域进行定点水声学监测,并采集工程区附近的渔获物。结果表明,工程区共捕获鱼类114尾,包含3目、4科、12属、14种,体长均值为(27.64±10.06)cm,95%置信区间为25.77~29.50 cm;体重均值(551.84±1 252.02)g,95%置信区间为319.52~784.16 g。EY60回声探测仪对工程区共监测时长9 589 min,测得鱼的数目12 356尾,工程区鱼体的目标强度均值为(-63.24±5.79)d B,95%置信区间为-63.35^-63.15 d B;数据独立性T检验显示,工程区与对照区之间无显著性差异(P>0.05);通过回声探测仪和双频识别声呐对鱼类出现频次监测,工程淹没区是对照区的1.18倍,而工程半淹没区却是对照区的0.85倍;说明处于水下的四面六边透水框架群对鱼类具有一定的诱集作用。

听觉外周计算模型研究进展

在简单介绍听觉外周特性之后,对近30年听觉外周计算模型的研究及其在语音识别领域的应用进行了评述,针对未来语音信号处理领域中听觉外周的建模,提出了一些设想；讨论了在被动声呐目标识别任务中应用听觉模型的可能性,同时,结合声呐目标识别的特点,对听觉外周模型的适用性建模研究,提出了若干建议。

基于改进ROV技术的水工建筑物水下检测应用

针对传统水工建筑物水下检测技术效率低、成像分辨率差等问题,该研究通过改进水下机器人(ROV)实现对水工建筑物损坏的高效检测。通过水下机器人集成采样器检测,经过无线传输将测量的参数数值显示在云平台上。采用声纳成像技术改进水下机器人成像系统,通过声学原理成像以实现在浑浊的水下获得高分辨率的图像效果,将声纳成像与GPS结合使用,以实现水下探测目标图像的定位。经过测试,声纳成像能有效地探测困难空间和难于探索的潜水零件,具有很高的工作效率和较低的检测成本,充分验证了ROV的实用性与可靠性。

几种新型水下检测技术在国内海洋石油工程中的应用

海洋油气设施的水下检测对其结构安全具有重要意义,水下检测作为一门特殊的行业已逐步发展成熟,但由于海洋油气设施及水下结构、水下工况的多样化与复杂化,水下检测从技术装备到施工工艺都有较大的变化,并出现了一些新的检测技术及工艺。介绍了几种水下检测新技术、新工艺在国内海洋石油工程中的应用,DIDSON双频识别声呐检测技术为水下低能见度工况下的检测提供了一种新方式,ROV及检测设备的组合应用开辟了深水环境的检测工艺,实现潜水支持船与FPSO的同步旋转,为海洋石油单点设施的检测创造了条件。

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。