【技术实现步骤摘要】
涉及智能无人智慧船舶领域，具体涉及冰雪环境下水面与冰面两栖无人艇目标检测。
技术介绍
1、在冰雪环境下执行无人艇的任务是一项极具挑战的技术。近年来，神经网络和深度学习技术被广泛应用于无人艇目标检测和环境感知领域，特别是在复杂自然环境中的目标检测任务中表现出色。例如，yolo(you only look once)系列的目标检测算法因其高效的单阶段检测能力，已经广泛应用于自动驾驶、视频监控等领域，并逐渐被引入到无人艇的视觉检测中。在这些应用中，yolo及其变种算法能够快速处理图像数据，实时检测和识别目标，从而在无人操作的情况下提供精确的环境感知。然而，冰雪环境由于存在极端的光照条件、复杂的水面和冰面共存现象，对传统目标检测技术提出了新的挑战。
2、在冰雪环境中，水面和冰面的复杂反射以及冰雪覆盖导致检测精度大大降低，特别是对于小目标的检测。例如，当水面产生强烈反光或冰面覆盖积雪时，传统的基于卷积神经网络(cnn)的检测方法很容易出现误检或漏检。此外，光照条件的频繁变化使得传感器捕捉到的图像数据易于失真，进一步降低了检测的稳定性和可靠性。因此，如何有效地处理这些环境特性，成为现有目标检测技术在极地无人艇作业中的瓶颈问题。
3、目前，针对冰雪环境的研究主要集中在以下几个方面：(1)改进图像预处理算法，以减少光照变化、冰雪反射对检测的影响；(2)利用多模态传感器融合，例如结合光学摄像与红外成像，通过融合不同来源的数据提升检测鲁棒性；(3)提升特征提取网络的能力，在现有yolov5、yolov7等网络中不断优化主干网
4、例如，传统的特征融合方法通常无法有效地集成高层语义信息和低层空间信息，导致对于小目标的检测性能不足。此外，现有技术在应对冰雪环境中的动态变化(如光照、温度等)的自适应能力也相对较差，难以保证检测系统在整个无人艇任务中的一致性和高效性。因此，冰雪环境下小目标的漏检问题、计算成本与检测精度之间的平衡问题，以及在不同环境条件下的模型鲁棒性问题，仍然是技术界需要解决的关键瓶颈。
技术实现思路
1、为解决现有技术中存在的，现有的特征融合方法通常无法有效地集成高层语义信息和低层空间信息，导致对于小目标的检测性能不足，并且，难以保证检测系统在整个无人艇任务中的一致性和高效性的技术问题，本专利技术提供的技术方案为：
2、一种冰雪环境下水面与冰面两栖无人艇目标检测方法，包括：
3、根据采集的环境数据，对目标检测的阈值进行调整，并得到多模态输入数据的步骤；
4、通过卷积神经网络和transformer结构分别处理所述多模态输入数据，得到全局特征的步骤；
5、对所述全局特征的高层语义信息和低层空间信息进行融合的步骤；
6、进行测试用目标检测的步骤；
7、若测试用目标检测结果不符合预设条件，则重新调整所述对目标检测的阈值的步骤；
8、在测试用目标检测结果符合预设条件后，对无人艇目标进行检测的步骤。
9、进一步，提供一个优选实施方式，所述环境数据中包括光照、温度和湿度数据。
10、进一步，提供一个优选实施方式，通过浅层辅助融合和高级辅助融合方法，对所述全局特征的高层语义信息和低层空间信息进行融合。
11、进一步，提供一个优选实施方式，通过yolov8网络，进行测试用目标检测。
12、进一步，提供一个优选实施方式，对目标检测的阈值进行调整，基于自适应阈值调整机制，基于光照强度、温度和湿度的实时数据，通过统计分析计算环境噪声水平和信号特征实现。
13、进一步，提供一个优选实施方式，所述transformer结构通过引入多头自注意力机制，提取全局特征。
14、基于同一专利技术构思，本专利技术还提供了一种冰雪环境下水面与冰面两栖无人艇目标检测系统，包括：
15、根据采集的环境数据，对目标检测的阈值进行调整，并得到多模态输入数据的模块；
16、通过卷积神经网络和transformer结构分别处理所述多模态输入数据，得到全局特征的模块；
17、对所述全局特征的高层语义信息和低层空间信息进行融合的模块；
18、进行测试用目标检测的模块；
19、若测试用目标检测结果不符合预设条件，则重新调整所述对目标检测的阈值的模块；
20、在测试用目标检测结果符合预设条件后，对无人艇目标进行检测的模块。
21、基于同一专利技术构思，本专利技术还提供了计算机储存介质，用于储存计算机程序，当所述计算机程序被计算机读取时，所述计算机执行所述的方法。
22、基于同一专利技术构思，本专利技术还提供了计算机，包括处理器和储存介质，当所述处理器读取所述储存介质中储存的计算机程序时，所述计算机执行所述的方法。
23、基于同一专利技术构思，本专利技术还提供了计算机程序产品，作为计算机程序，当所述计算机程序被执行时，实现所述的方法。
24、与现有技术相比，本专利技术提供的技术方案的有益之处在于：
25、利用csp_ptb结构对神经网络主干进行改进，结合了卷积神经网络(cnn)和transformer的优势，显著提升了特征提取的能力。在冰雪环境中，由于存在冰面和水面反射导致的小目标特征易于被掩盖，传统的纯cnn结构难以有效提取全局特征。而csp_ptb通过部分通道分配给transformer进行处理，使得全局特征提取更加高效，同时降低了计算成本，从而确保在极端环境条件下仍能稳定地捕捉小目标的特征信息。这种混合结构相比于现有的cnn或transformer单一结构，提高了对多样化环境中目标的识别率。
26、bimafpn模块的引入有效地融合了高层语义信息和低层空间信息，解决了现有目标检测网络在信息融合方面的瓶颈问题。传统的特征融合模块难以兼顾不同层次信息的有效整合，导致检测效果尤其在小目标场景下表现欠佳。而通过bimafpn的二次创新，采用浅层辅助融合(saf)模块和高级辅助融合(aaf)模块相结合的方式，实现了对不同层次信息的有效集成。浅层信息的保持增强了对局部小目标的检测能力，而高层语义信息的集成则改善了对复杂背景的理解，相比于常见的fpn和bifpn结构，检测精度有了明显提升。
27、自适应阈值调整机制使得系统能够实时响应冰雪环境的动态变化，增强了检测系统的鲁棒性。在冰雪环境中，由于光照强度、温度、冰雪覆盖等因素的频繁变化，传统固定阈值的检测方法无法应对这些复杂的环境条件，常常导致误检率和漏检率增高。本专利技术通过引入自适应阈值的动态调整机制，能够根据环境数据实时优化检测参数，从而有效降低了误检和漏检现象。与现有的固定参数检测方法相比，该机制显著提升了检测系统在各种极端条件下的灵敏度和可靠性。
28、多模态传感器的融合使本文档来自技高网...
【技术保护点】
1.一种冰雪环境下水面与冰面两栖无人艇目标检测方法，其特征在于，包括：
2.根据权利要求1所述的一种冰雪环境下水面与冰面两栖无人艇目标检测方法，其特征在于，所述环境数据中包括光照、温度和湿度数据。
3.根据权利要求1所述的一种冰雪环境下水面与冰面两栖无人艇目标检测方法，其特征在于，通过浅层辅助融合和高级辅助融合方法，对所述全局特征的高层语义信息和低层空间信息进行融合。
4.根据权利要求1所述的一种冰雪环境下水面与冰面两栖无人艇目标检测方法，其特征在于，通过YOLOv8网络，进行测试用目标检测。
5.根据权利要求1所述的一种冰雪环境下水面与冰面两栖无人艇目标检测方法，其特征在于，对目标检测的阈值进行调整，基于自适应阈值调整机制，基于光照强度、温度和湿度的实时数据，通过统计分析计算环境噪声水平和信号特征实现。
6.根据权利要求1所述的一种冰雪环境下水面与冰面两栖无人艇目标检测方法，其特征在于，所述Transformer结构通过引入多头自注意力机制，提取全局特征。
7.一种冰雪环境下水面与冰面两栖无人艇目标检测系统
8.计算机储存介质，用于储存计算机程序，其特征在于，当所述计算机程序被计算机读取时，所述计算机执行权利要求1所述的方法。
9.计算机，包括处理器和储存介质，其特征在于，当所述处理器读取所述储存介质中储存的计算机程序时，所述计算机执行权利要求1所述的方法。
10.计算机程序产品，作为计算机程序，其特征在于，当所述计算机程序被执行时，实现权利要求1所述的方法。
...【技术特征摘要】
1.一种冰雪环境下水面与冰面两栖无人艇目标检测方法，其特征在于，包括：
2.根据权利要求1所述的一种冰雪环境下水面与冰面两栖无人艇目标检测方法，其特征在于，所述环境数据中包括光照、温度和湿度数据。
3.根据权利要求1所述的一种冰雪环境下水面与冰面两栖无人艇目标检测方法，其特征在于，通过浅层辅助融合和高级辅助融合方法，对所述全局特征的高层语义信息和低层空间信息进行融合。
4.根据权利要求1所述的一种冰雪环境下水面与冰面两栖无人艇目标检测方法，其特征在于，通过yolov8网络，进行测试用目标检测。
5.根据权利要求1所述的一种冰雪环境下水面与冰面两栖无人艇目标检测方法，其特征在于，对目标检测的阈值进行调整，基于自适应阈值调整机制，基于光照强度、温度和湿度...
【专利技术属性】
技术研发人员：张磊，张健，王文博，庄佳园，王博，姜享利，薛彦卓，
申请(专利权)人：哈尔滨工程大学，
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。