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!
申请/专利权人:南京俊禄科技有限公司
摘要:本发明涉及智能探测领域,尤其为一种智能计算渔群类别与深度的方法,包括:收集模块:用于通过鱼探仪对探测区域水底数据收集,获得检测区域水底超声波回波信号;处理模块:用于根据超声波回波信号进行预处理,获得预处理数据;检测模块:用于根据预处理数据进行目标检测,获得区域水底鱼群信息和环境信息;跟踪模块:用于根据检测模块检测的水底鱼群信息对鱼群跟踪。本发明通过收集模块收集到超声波鱼探仪回波信号,对回波信号进行降噪、过滤、增强确保后续操作的可靠性,对预处理的数据进行YOLO算法自动标识回波信号中各区域不同内容,然后使用卷积神经网络对鱼群运动轨迹进行预测,确保了勘测的高收益性。
主权项:1.一种智能计算渔群类别与深度的方法,其特征在于:包括:收集模块100:用于通过鱼探仪对探测区域水底数据收集,获得检测区域水底超声波回波信号;处理模块200:用于通过信号数字化、信号降噪和信号增强对回波信号进行预处理,获得预处理数据;检测模块300:通过图像裁剪和YOLO算法进行目标检测,获得区域水底鱼群信息和环境信息;跟踪模块400:用于根据检测模块300检测的水底鱼群信息对鱼群进行跟踪;所述处理模块200对超声波回波信号进行预处理的过程如下:2.1:超声波回波信号数字化,获得原始数据矩阵;2.2:使用中值滤波对原始数据矩阵进行降噪处理: 其中xij表示对原始矩阵中的第i行j列进行降噪后的数据,k表示选取的计算核大小为k+2*k+2,xab表示计算核中第a行b列的数据;2.3:使用sobel算子实现边缘过滤,得到过滤矩阵;2.4:使用直方图均衡化对过滤矩阵进行数据增强;所述检测模块300中通过目标检测分类算法,判断鱼群大小,鱼群深度,海底岩石,泥沙,水草,浮游生物,气泡并进行智能识别,从杂乱信号中识别出鱼群;所述检测模块300中的目标检测采用YOLO算法,算法步骤如下:3.1:对超声波回波信号进行数据缩放,缩放成大小为448*448的图片;3.2:将缩放后的图片数据送入卷积神经网络中进行预测;3.3:通过预测结果进行置信度的阈值处理,得到最终结果;所述YOLO算法将缩放后的图片送入卷积神经网络要对缩放后的图片进行分割,分割成S*S个网格,每个网格都会预测B个包含x,y,w,h,confidence参数的bbox,其中x,y是bbox中心点的偏移量,w,h是bbox中心点的宽度和深度,confidence是置信度,图像裁剪计算过程如下:w′=x2-x1h′=y2-y1其中x1,y1为划分区域左上角坐标,x2,y2为右下角坐标,w′和h′为裁剪后的长度和宽度,对w′和y′进行归一化: 置信度: 其中C为置信度,P为bbox在对象的概率,Strue为真实面积大小,Spre为预测面积大小,Smer为两者面积合并区域的大小,可以通过不同类别的置信度大小判断预测结果值;所述跟踪模块对收集到的超声波回波信号中通过YOLO检测算法检测到的鱼群信息进行标识,在同一坐标系下根据鱼群信息中心点不断变化收集到中心点变化信息,并使用卷积神经网络获得鱼群运动轨迹方程:R=ωx,y,w,h+b其中x,y,w,h为鱼群中心点坐标,ω为权重,b为偏置值;所述收集模块100通过超声波鱼探仪对水底数据进行采集获得超声波回波信号,将超声波回波信号作为处理模块200的输入对回波信号进行预处理,通过检测模块300对预处理数据进行检测,从乱信号中识别出鱼群,根据鱼群的移动自动标识并且对鱼群大小、鱼群深度、海底岩石、泥沙、水草、浮游生物、气泡等智能识别,最后通过跟踪模块400对鱼群进行跟踪并判断鱼群的大小,深度,移动方向速度,鱼群信息丢失后则进行重新搜索与判断;所述收集模块100中的鱼探仪为超声波鱼探仪;所述收集模块100的超声波鱼探仪收集的数据包括水底的构造、水深、水下物体位置;所述跟踪模块400中,使用跟踪算法实现目标跟踪并判断鱼群的移动方向速度,计算出鱼群运动轨迹,鱼群信息丢失后可以通过鱼群运动轨迹进行重新搜索与判断。
全文数据:
权利要求:
百度查询: 南京俊禄科技有限公司 一种智能计算渔群类别与深度的方法
免责声明
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。