【技术实现步骤摘要】
本专利技术涉及海洋智能分析，更具体地说，本专利技术涉及一种边缘计算的水下目标检测方法、系统及相关设备。
技术介绍
1、水下环境复杂，光线折射、散射以及水中悬浮颗粒等因素会显著影响图像质量，导致目标检测算法的精度下降。传统的目标检测算法在处理低质量图像时，容易出现误检和漏检的问题；还存在以下问题：
2、1.在处理大量高分辨率视频流时，计算资源消耗大，实时性不佳。
3、2.嵌入式设备(如nvidia jetson nano)的计算能力有限，难以处理复杂的深度学习模型。
4、3.双目测距技术在水下环境中容易受到光线和悬浮物的影响，导致定位精度降低，现有双目测距算法计算复杂，实时性差。
5、4.用户界面对应检测结果的可视化不够直观，操作复杂，难以帮助用户理解和利用检测结果，不利于用户快速上手和使用。
6、鉴于此，本专利技术提供一种边缘计算的水下目标检测方法、系统及相关设备，以解决上述问题。
技术实现思路
1、为了克服现有技术中的问题，本专利技术提出一种边缘计算的水下目标检测方法、系统及相关设备，通过自适应图像预处理和混合测距算法的应用，实时应对复杂水下环境。
2、本专利技术提供一种边缘计算的水下目标检测方法，包括以下步骤：
3、步骤s1：基于边缘计算设备加载和初始化图像处理模型；
4、步骤s2：将步骤s1中所述图像处理模型集成部署在嵌入式ai开发板上，基于加速推理过程实时边缘计算水下目标图像并调
5、步骤s3：基于双目测距算法对水下目标图像进行双目测距，获取水下目标的目标位置；
6、步骤s4：基于可视化用户界面对检测结果进行可视化分析和展示。
7、作为本专利技术一种优选技术方案，所述边缘计算设备包括嵌入式ai开发板和双目摄像头；基于双目摄像头提取水下目标图像，通过两个摄像头在不同方向对同一水下目标同时获取水下目标图像，水下目标图像包括第一目标图像和第二目标图像；嵌入式ai开发板为加载和初始化图像处理模型的嵌入式图像处理设备，通过图像处理模型处理水下目标图像。
8、作为本专利技术一种优选技术方案，所述步骤s1包括：
9、步骤s11：基于模型训练与优化获得自适应水下目标图像实时变化的图像处理模型；
10、步骤s12：基于不同光学条件下水下目标图像对图像处理模型进行初始化设置，基于初始化设置的图像处理模型对水下目标图像进行图像检测。
11、作为本专利技术一种优选技术方案，嵌入式ai开发板包括nvidia jetson nano开发板，所述图像处理模型包括yolov5模型，利用nvidia cuda模型加速推理过程，实时分析水下目标图像并调整预处理参数，以适应不同的水下环境条件；
12、基于nvidia jetson nano开发板对水下目标图像进行边缘计算，获得光线检测结果，基于光线检测结果表征拍摄环境，基于光线检测结果自适应调整水下目标图像的亮度、对比度和饱和度。
13、作为本专利技术一种优选技术方案，所述双目测距算法的计算逻辑为：
14、步骤s31：基于标定板调整双目摄像头的内部参数和外部参数，所述内部参数包括每个摄像头对应的焦距、主点坐标和畸变系数；所述外部参数包括水下目标图像对应的旋转矩阵和平移向量。
15、步骤s32：通过匹配算法对第一目标图像和第二目标图像进行匹配，获取水下目标在空间中的深度值。
16、作为本专利技术一种优选技术方案，双目摄像头的内部参数和外部参数的获取逻辑为：
17、将标定板放置在双目摄像头前方，确保标定板在两个摄像头视野范围内；
18、调整摄像头与标定板的距离和角度，拍摄多组不同视角的图像；
19、使用harris角点检测提取标定板上的角点坐标，建立双目摄像头成像模型，所述双目摄像头成像模型对应的透视投影确定内部参数和外部参数，将标定得到的内部参数和外部参数保存。
20、作为本专利技术一种优选技术方案，所述水下目标在空间中的深度值的获取逻辑：
21、将双目摄像头分别标记为第一摄像头和第二摄像头，第一摄像头采集第一目标图像，第二摄像头采集第二目标图像；
22、所述水下目标图像包括第一目标图像和第二目标图像，第一目标图像和第二目标图像为双目摄像头同时针对同一目标在不同视角下的目标图像；
23、通过比较第一目标图像和第二目标图像进行立体匹配计算，确定同一目标在不同视角下的视差值，获得目标在三维空间中的深度值，基于深度值表征水下目标的目标位置。
24、第二方面，本专利技术提出一种边缘计算的水下目标检测系统，实现第一方面所述的方法，包括模型加载模块、边缘计算集成模块、目标定位模块和结果可视化模块，各个模块之间通过有线或无线连接，通过各个模块的协同工作，实现了水下目标的检测、定位和分析；
25、模型加载模块，基于边缘计算设备加载和初始化图像处理模型；
26、边缘计算集成模块，将步骤s1中所述图像处理模型集成部署在嵌入式ai开发板上，基于加速推理过程实时边缘计算水下目标图像并调整预处理参数；
27、目标定位模块，基于双目测距算法对水下目标图像进行双目测距，获取水下目标的目标位置；
28、结果可视化模块，基于可视化用户界面对检测结果进行可视化分析和展示。
29、第三方面，本专利技术提供一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
30、所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种边缘计算的水下目标检测方法。
31、第四方面，本专利技术提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行上述一种边缘计算的水下目标检测方法。
32、本专利技术的具体优势如下：
33、本专利技术通过自适应图像预处理和混合测距算法的应用，利用边缘计算和优化的深度学习模型，降低了对高端计算设备的依赖，减少了整体系统成本。可以广泛用于海洋研究、环保监测、军事侦察等领域的水下检测和监控。从而帮助研究人员和环境保护者有效地监测海洋生物，保护海洋生态环境，促进海洋科学研究的发展。
本文档来自技高网...【技术保护点】
1.一种边缘计算的水下目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种边缘计算的水下目标检测方法，其特征在于，所述边缘计算设备包括嵌入式AI开发板和双目摄像头；基于双目摄像头提取水下目标图像，通过两个摄像头在不同视角对同一水下目标同时获取水下目标图像，水下目标图像包括第一目标图像和第二目标图像；嵌入式AI开发板为加载和初始化图像处理模型的嵌入式图像处理设备，通过图像处理模型处理水下目标图像。
3.根据权利要求2所述的一种边缘计算的水下目标检测方法，其特征在于，所述步骤S1包括：
4.根据权利要求2所述的一种边缘计算的水下目标检测方法，其特征在于，嵌入式AI开发板包括NVIDIA Jetson Nano开发板，所述图像处理模型包括YOLOv5模型，利用NVIDIACUDA模型加速推理过程，实时分析水下目标图像并调整预处理参数，以适应不同的水下环境条件；
5.根据权利要求4所述的一种边缘计算的水下目标检测方法，其特征在于，所述双目测距算法的计算逻辑为：
6.根据权利要求5所述的一种边缘计算的水下目标检测
7.根据权利要求6所述的一种边缘计算的水下目标检测方法，其特征在于，所述水下目标在空间中的深度值的获取逻辑：
8.一种边缘计算的水下目标检测系统，如权利要求1-7任一项所述的一种边缘计算的水下目标检测方法，其特征在于，包括模型加载模块、边缘计算集成模块、目标定位模块和结果可视化模块，各个模块之间通过有线或无线连接，通过各个模块的协同工作，实现了水下目标的检测、定位和分析；
9.一种电子设备包括：包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行上述权利要求1-7任一项所述的一种边缘计算的水下目标检测方法。
...【技术特征摘要】
1.一种边缘计算的水下目标检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种边缘计算的水下目标检测方法，其特征在于，所述边缘计算设备包括嵌入式ai开发板和双目摄像头；基于双目摄像头提取水下目标图像，通过两个摄像头在不同视角对同一水下目标同时获取水下目标图像，水下目标图像包括第一目标图像和第二目标图像；嵌入式ai开发板为加载和初始化图像处理模型的嵌入式图像处理设备，通过图像处理模型处理水下目标图像。
3.根据权利要求2所述的一种边缘计算的水下目标检测方法，其特征在于，所述步骤s1包括：
4.根据权利要求2所述的一种边缘计算的水下目标检测方法，其特征在于，嵌入式ai开发板包括nvidia jetson nano开发板，所述图像处理模型包括yolov5模型，利用nvidiacuda模型加速推理过程，实时分析水下目标图像并调整预处理参数，以适应不同的水下环境条件；
5.根据权利要求4所述的一种边缘...
【专利技术属性】
技术研发人员：张英，陈新军，黄小双，孔祥洪，刘必林，卢世航，李莹春，
申请(专利权)人：上海海洋大学，
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。