【技术实现步骤摘要】
本专利技术属于水下目标检测，具体涉及一种水下小目标侧扫声纳图像的自动检测方法。
技术介绍
1、应用于搜救领域的水下目标检测装备主要有侧扫声纳、合成孔径声纳和多波束声纳，常以搭载于水面船舶进行拖曳的形式开展扫测活动，主要采用人工判图的方式进行目标检测，该方式完全依靠声纳操纵人员的操作水平和判图经验来检测目标。在复杂环境条件下，易因操纵人员人数不够、经验不足、视觉疲劳等原因，造成目标遗漏、判图失误、活动停滞，严重影响后续搜救活动的开展。也有部分学者开展了声纳图像的自动检测研究，但当前，国内外研究学者所用声图集大部来源于网上收集和水池实验，声图背景单一、成像清晰、特征明显、标准不一，进而导致了研究结论相对笼统，未针对某类目标、某类模型，得出针对性指标，无法应用于实践。
技术实现思路
1、针对现有技术的问题，本专利技术公开了一种水下小目标侧扫声纳图像的自动检测方法，目的是解决现有技术中“声纳图像的自动检测无法应用于实践”的问题。
2、为实现上述目的，本专利技术的技术方案是：
3、一种水下小目标侧扫声纳图像的自动检测方法，包括如下步骤：
4、步骤1、制作声图集，并将声图集分为训练集、验证集、测试集；
5、步骤2、选择训练模型，在训练集上训练模型，得到其训练集边界框损失boxloss、训练集目标检测损失objectloss、训练集总损失totalloss和训练权重；
6、步骤3、在验证集上检测模型，得到其精确率、召回率、阈值大于0.5
7、步骤4、在测试集上测试模型，使用训练后所得的权重文件分别对各自的测试集进行测试，得到其精确率、召回率、阈值大于0.5的平均准确度map@0.5检测性能参数；
8、步骤5、根据模型检测性能和目标特点，选择模型与数据集的最优组合应用于实际检测任务。
9、优选的，所述的步骤1包括如下具体步骤：
10、步骤11、开展扫测试验，使用侧扫声纳进行扫测试验，得到低频声图集和高频声图集；
11、步骤12、根据声纳界面设置和目标分布，同时考虑模型输入要求和识别效率，截取全屏界面的1/4，形成高、低频两个声图集，并将各声图集按照7:2:1的比例分为训练集、验证集、测试集。
12、优选的，所述的步骤2包括如下具体步骤：选择训练模型时，使用yolo系列模型，将整个图像作为网络的输入，经过一个神经网络，得到边界框的位置及其所属的类别，综合考虑检测性能和工程化要求，选择yolov5和yolov7作为训练检测的检测模型。
13、本专利技术一种水下小目标侧扫声纳图像的自动检测方法的有益效果为：
14、本专利技术针对复杂环境条件下的水下小目标声纳图像自动检测，在目标成像效果差、声图数量少的情况下，将yolo模型应用于实际检测，其检测精度和召回率均能达到0.6以上，大大高于当前人眼识别的能力，证明该方法可行有效。同时，该检测方法改变了传统人眼判图认为的图像越清晰越容易判别的直观认识，对于提升侧扫声纳探测距离及检测识别率具有重要意义。
15、说明书附图
16、图1为本专利技术流程框图。
17、图2为低频图像典型声图。
18、图3为高频图像典型声图。
19、图中的英文解释：target目标。
本文档来自技高网...【技术保护点】
1.一种水下小目标侧扫声纳图像的自动检测方法，其特征为，包括如下步骤：
2.如权利要求1所述的一种水下小目标侧扫声纳图像的自动检测方法，其特征为，所述的步骤1包括如下具体步骤：
3.如权利要求1所述的一种水下小目标侧扫声纳图像的自动检测方法，其特征为，所述的步骤2包括如下具体步骤：选择训练模型时，使用YOLO系列模型，将整个图像作为网络的输入，经过1个神经网络，得到边界框的位置及其所属的类别，综合考虑检测性能和工程化要求，选择YOLOv5和YOLOv7作为训练检测的检测模型。
【技术特征摘要】
1.一种水下小目标侧扫声纳图像的自动检测方法，其特征为，包括如下步骤：
2.如权利要求1所述的一种水下小目标侧扫声纳图像的自动检测方法，其特征为，所述的步骤1包括如下具体步骤：
3.如权利要求1所述的一种水下小目标侧扫声纳图像的...
【专利技术属性】
技术研发人员：韩树平，赵桁，韩宇博，胡耀辉，徐景峰，杨刚，
申请(专利权)人：中国人民解放军海军潜艇学院，
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。