【技术实现步骤摘要】
本申请涉及航道工程相关领域，尤其涉及基于声学检测的航道水下目标识别方法及系统。
技术介绍
1、随着航道运输的日益繁忙和水下交通的不断发展，航道安全问题愈发受到重视。航道中的水下目标，如沉船、暗礁、管道等，对航行安全构成潜在威胁。因此，快速准确地识别这些水下目标对于保障航道安全具有重要意义。声学检测作为水下探测的主要手段之一，能够通过声波的传播和反射来感知水下物体的位置和特征。然而，由于水下环境的复杂性，如水温、盐度、流速等因素的变化，以及声波在水下的衰减和散射，导致声学图像的分辨率和质量往往较低，目标特征模糊，这给水下目标识别带来了极大的挑战。目前，水下目标识别主要依赖于声学图像的处理和分析，传统的声学图像处理方法通常基于图像处理算法和机器学习技术，通过对声学图像进行特征提取和分类来实现目标识别。然而，这些方法往往受到水下环境噪声、目标物特征模糊等因素的影响，导致识别效果不佳。此外，现有的水下目标识别方法还存在数据集不足的问题，由于水下环境的特殊性和采集难度的限制，难以获取大量标注完整、特征丰富的水下目标样本数据。这导致训练出的模型泛化能力较差，难以适应复杂多变的水下环境。
2、现阶段相关技术中，水下目标识别存在数据集不足，模型训练不充分，泛化能力受限，易受到噪声干扰和特征模糊的影响，特征提取能力有限，目标识别的准确性和可靠性低，以及模型优化困难的技术问题。
技术实现思路
1、本申请通过提供基于声学检测的航道水下目标识别方法及系统，通过基于大数据的检索生成样本声学信息集
2、本申请提供基于声学检测的航道水下目标识别方法，包括：
3、以目标声呐参数为约束，基于大数据进行检索，生成样本声学信息集，其中样本声学信息包括声学瀑布图和内容识别结果；
4、通过风格迁移通道对所述声学瀑布图依次执行图像扩充，生成多个声学图像组，并基于所述声学图像组与所述内容识别结果的映射关联构建样本训练集；
5、基于yolov5s网络搭建初始内容识别单元，利用所述样本训练集执行所述初始内容识别单元的监督训练，获得符合预期训练约束的收敛内容识别单元；
6、读取目标水下的实时环境参数，基于所述实时环境参数匹配优化声呐工作参数执行水下目标监测，生成目标声学图像；
7、将所述目标声学图像流转至所述收敛内容识别单元，输出目标内容识别结果。
8、在可能的实现方式中，所述生成样本声学信息集，执行以下处理：
9、以目标声呐参数为约束，基于大数据进行检索得到样本声学图像集；
10、利用声呐数据处理软件对所述样本声学图像集执行图像转换，得到声学瀑布图集；
11、构建声学图像专家组对所述声学瀑布图集依次进行识别，生成内容识别结果集合，并基于所述声学瀑布图集和所述内容识别结果集合得到所述样本声学信息集。
12、在可能的实现方式中，执行以下处理：
13、所述声学图像专家组包括n个声学图像专家，n≥100；
14、读取n个声学图像专家的专业要素，基于所述专业要素对所述n个声学图像专家进行专业评价，确定n个专业系数；
15、基于所述n个专业系数对所述n个声学图像专家进行可信度赋值，得到所述声学图像专家组。
16、在可能的实现方式中，所述通过风格迁移通道对所述声学瀑布图依次执行图像扩充，生成多个声学图像组，执行以下处理：
17、识别风格迁移标准，所述风格迁移标准包括内容损失约束、风格偏差约束以及迁移数量约束；
18、基于cnn网络构建风格迁移通道，将所述声学瀑布图输入所述风格迁移通道进行扩充，确定多个图像扩充集合；
19、根据所述内容损失约束和所述风格偏差约束对所述多个图像扩充集合进行筛选，直至满足所述迁移数量约束，结合所述声学瀑布图组建所述声学图像组。
20、在可能的实现方式中，所述基于yolov5s网络搭建初始内容识别单元，执行以下处理：
21、基于yolov5s网络搭建初始内容识别单元的拓扑结构，所述初始内容识别单元包括骨架模块、中间模块、增强模块以及顶部模块，其中所述骨架模块包括卷积层和池化层，所述中间模块包括卷积层、上采样层以及全连接层，所述增强模块包括第一增强分支、第二增强分支以及第三增强分支，所述顶部模块包括卷积层，且顶部模块的卷积层依次与所述第一增强分支、第二增强分支以及第三增强分支相连接。
22、在可能的实现方式中，所述利用所述样本训练集执行所述初始内容识别单元的监督训练，获得符合预期训练约束的收敛内容识别单元，执行以下处理：
23、根据数据处理策略对所述样本训练集执行预处理，得到训练数据集；
24、基于随机梯度下降算法和损失函数，利用所述训练数据集对所述初始内容识别单元进行监督训练，得到满足预设训练次数阈值的初始内容识别单元；
25、采集样本验证数据对所述初始内容识别单元进行识别精度验证，并判断精度验证结果是否满足预设精度约束；
26、若是，将所述初始内容识别单元设定为所述收敛内容识别单元；
27、若否，基于增量学习原理对所述初始内容识别单元进行迭代优化校正，直至获得满足所述预设精度约束的初始内容识别单元，并将彼时得到的初始内容识别单元设定为所述收敛内容识别单元。
28、在可能的实现方式中，所述读取目标水下的实时环境参数，基于所述环境参数匹配优化声呐工作参数执行水下目标监测，执行以下处理：
29、所述实时环境参数至少包括温度参数、水压参数、水流速度、噪声类型以及对应的噪声强度；
30、将所述实时环境参数输入偏差分析模型，输出声呐工作参数偏差，所述偏差分析模型为以所述目标声呐参数为约束，基于前馈神经网络构建得到；
31、基于所述声呐工作参数偏差对预设声呐工作参数进行优化校正，得到所述优化声呐工作参数。
32、本申请还提供了基于声学检测的航道水下目标识别系统，包括：
33、样本声学信息集生成模块，所述样本声学信息集生成模块用于以目标声呐参数为约束，基于大数据进行检索，生成样本声学信息集，其中样本声学信息包括声学瀑布图和内容识别结果；
34、样本训练集构建模块，所述样本训练集构建模块用于通过风格迁移通道对所述声学瀑布图依次执行图像扩充，生成多个声学图像组，并基于所述声学图像组与所述内容识别结果的映射关联构建样本训练集；
35、收敛内容识别单元获取模块，所述收敛内容识别单元获取模块用于基于yolov5s网络搭建初始内容本文档来自技高网...
【技术保护点】
1.基于声学检测的航道水下目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述生成样本声学信息集，包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述通过风格迁移通道对所述声学瀑布图依次执行图像扩充，生成多个声学图像组，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于YOLOv5s网络搭建初始内容识别单元，包括：
6.根据权利要求1所述的方法，其特征在于，所述利用所述样本训练集执行所述初始内容识别单元的监督训练，获得符合预期训练约束的收敛内容识别单元，包括：
7.根据权利要求1所述的方法，其特征在于，所述读取目标水下的实时环境参数，基于所述环境参数匹配优化声呐工作参数执行水下目标监测，包括：
8.基于声学检测的航道水下目标识别系统，其特征在于，所述系统用于实施权利要求1-7任一项所述的基于声学检测的航道水下目标识别方法，所述系统包括：
【技术特征摘要】
1.基于声学检测的航道水下目标识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述生成样本声学信息集，包括：
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的方法，其特征在于，所述通过风格迁移通道对所述声学瀑布图依次执行图像扩充，生成多个声学图像组，包括：
5.根据权利要求1所述的方法，其特征在于，所述基于yolov5s网络搭建初始内容识别单元，包括...
【专利技术属性】
技术研发人员：余涛，谢宇，朱伟，陈世俊，
申请(专利权)人：浙江省交通运输科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。