恭喜国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站))刘爱超获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网恭喜国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站))申请的专利一种基于语义分割的海浪高度检测方法、介质及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119151974B 。
龙图腾网通过国家知识产权局官网在2025-04-01发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411189300.9,技术领域涉及:G06T7/13;该发明授权一种基于语义分割的海浪高度检测方法、介质及系统是由刘爱超;胡伟;钱程程;王志勇;卢博;宋彦辰;冯立达;赵金娜;冀承振;田豪强设计研发完成,并于2024-08-28向国家知识产权局提交的专利申请。
本一种基于语义分割的海浪高度检测方法、介质及系统在说明书摘要公布了:本发明提供了一种基于语义分割的海浪高度检测方法、介质及系统,属于海浪高度检测技术领域,包括:近岸摄像头获取多张海浪图像数据,经过预处理后形成训练数据集。利用GS‑SegFormer语义分割模型,该模型采用改进的自注意力机制和Ghost模块,以及SimAM注意力机制,对待测海浪图像进行分割,得到海浪的像素级别边界。对分割图像进行高斯滤波平滑处理,减少噪声,并根据相机参数将像素信息转换为实际距离,最终计算出每个海浪像素的实际高度。该方法通过深度学习模型识别海浪特征,结合摄像头参数计算实际高度。本发明解决了现有的海浪高度检测方法往往无法准确分割出海浪真实的轮廓,从而影响后续高度计算的精度的技术问题。
本发明授权一种基于语义分割的海浪高度检测方法、介质及系统在权利要求书中公布了:1.一种基于语义分割的海浪高度检测方法,其特征在于,包括以下步骤:S10、通过近岸摄像头获取多张海浪图像数据;S20、对获取的海浪图像进行预处理,包括去噪、校正、剪裁,得到多张预处理图像;S30、获取所述多张预处理图像的海浪像素级别的标签数据,形成训练数据集,并采用所述训练数据集训练一个GS-SegFormer语义分割模型,所述GS-SegFormer语义分割模型使用SCConv改进自注意力机制,采用Ghost模块处理MiT编码器的多级特性,并引入改进的多级SimAM注意力机制;S40、获取待测海浪高度的近岸摄像头拍摄的海浪图像,记为待测图像,并对所述待测图像进行预处理,得到预处理待测图像;S50、利用训练好的GS-SegFormer模型对所述预处理待测图像进行分割,得到海浪的像素级别海浪边界的分割图像;S60、对所述分割图像进行后处理,即使用高斯滤波方法对所述预处理待测图像中的海浪边界进行平滑处理,减少噪声;S70、标定相机参数,获取相机的内参和外参,计算所述待测图像的像素与实际长度之间的关系;S80、根据后处理的分割图像和相机参数,将所述分割图像中海浪区域的像素信息转换为实际距离;S90、基于转换后的实际距离信息,计算所述分割图像中每个海浪像素的实际高度并输出;其中,所述使用SCConv改进自注意力机制,具体表示为:对于第l层l=1,2,...,L: Q′l=Conv2dQl,kl,sl,pl,dl;K′l=Conv2dKl,kl,sl,pl,dl;Vl′=Conv2dVl,kl,sl,pl,dl; Zl=AlVl′;Yl=LayerNormXl+DropoutZl+FFNZl;Xl+1=Yl+ResNetYl;式中,表示第l层的输入特征图;nl表示批量大小,dl表示输入特征图的通道数,hl表示输入特征图的高度,wl表示输入特征图的宽度;式中,表示可学习的权重矩阵,用于生成查询Q、键K和值V;表示注意力机制中的缩放因子,用于确定查询键值的维度;式中,表示可学习的偏置向量,与权重矩阵配对使用;kl表示第l层SCConv操作的卷积核大小;sl表示第l层SCConv操作的步长;pl表示第l层SCConv操作的填充;dl表示第l层SCConv操作的膨胀率;表示可学习的位置编码矩阵;FFN为前馈神经网络,定义为FFNx=W2ReLUW1x+b1+b2;ResNet为残差网络块,定义为ResNetx=Conv2dReLUBatchNormConv2dx;其中,所述改进的多级SimAM注意力机制,具体表示为:对于第l层: Sl=Xl·wl; 式中,el表示第l层特征的平均值,用于计算特征的统计信息;表示第l层特征的方差,用于衡量特征的离散程度;λl表示第l层特征的平均绝对偏差;γl表示第l层的自适应参数,结合了方差和平均绝对偏差的信息;αl表示第l层的可学习参数,用于调节γl的灵活性;wl表示第l层的注意力权重,用于对特征进行加权;Sl表示第l层经过SimAM注意力加权后的特征;表示第l层最终的SimAM输出,结合了注意力加权和位置编码;PositionalEncodingSl表示应用于Sl的位置编码,为特征提供位置信息。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)),其通讯地址为:266000 山东省青岛市崂山区云岭路27号办公楼13-16层;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。