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！

摘要：本发明公开了一种基于高分辨率遥感影像数据的鳗苗捕捞调查方法，首先，获取几何纠正等预处理后的且覆盖调查区域的高空间分辨率的遥感影像；其次，对高空间分辨率的遥感影像进行影像数据标注，建立高分辨率遥感影像鳗苗捕捞器浮子样本数据集；然后，对目标检测算法YOLOv8进行改进，为避免小目标出现漏检误检情况引入具有小目标检测优势的AFPN替换原有检测头，增加了小目标检测层；最后，使用改进后的模型进行鳗苗捕捞器的识别。本发明可以实现从高空间分辨率遥感影像上来识别水面环境中鳗苗捕捞器这一微小目标，能为鳗苗捕捞强度评估提供技术支撑。

主权项：1.基于高分辨率遥感影像数据的鳗苗捕捞调查方法，其特征在于，首先，获取几何纠正等预处理后的且覆盖调查区域的高空间分辨率0.5m，或优于0.5m分辨率的遥感影像；其次，对高空间分辨率的遥感影像进行影像数据标注，建立高分辨率遥感影像鳗苗捕捞器浮子样本数据集；然后，对目标检测算法YOLOv8进行改进，提高算法对于遥感小目标的识别能力，在主干部分使用C2f_Dual替换四个C2f模块，SPPELAN替换SPPF，在Neck端用AFPN与原有检测头结合获得四个检测头，新增160×160的小目标检测头，模型对于小目标的检测准确率得到提升；最后，使用改进后的模型对覆盖调查区域的高空间分辨率遥感影像进行鳗苗捕捞器的识别，并获取最终结果。YOLOv8模型改进的具体包括如下步骤：S1.采用DualConv与C2f结合成轻量化结构高效的卷积滤波器能有效降低神经网络的计算成本和参数，并且无需从头开始设计新的卷积网络架构，深度可分离卷积在MobileNetV1中被引入，通过将标准卷积分解为深度卷积和点卷积，显著降低了参数和计算量，接着，组卷积被引入，减少计算成本但限制了通道间的信息交流，随后，异构卷积提出了同时使用不同尺寸的卷积核来减少计算复杂度，最终，DualConvolutionalKernels结合了组卷积和异构卷积的优点，设计了新的卷积滤波器；S2.在Neck端改进增加小目标层为了克服单尺度特征的局限性，构建了多尺度特征金字塔，通过自顶向下路径将高层特征传递到低层特征，实现多尺度特征融合；PAFPN增加了自底向上的路径，增强了高层特征的细节获取能力；NASFPN利用神经架构搜索优化特征连接结构；GraphFPN引入图神经网络，实现非相邻尺度特征的直接交互，但增加了计算复杂度；FPT和CARAFE的结合自注意机制和上下文特征聚合，进一步提升特征金字塔的性能和应用广泛性；S3.采用SPPELAN模块改进SPPFSPPELAN模块是YOLOv9中的一个关键组件，通过结合空间金字塔池化SPP和增强型路径聚合网络ELAN，实现了更高效的特征提取和融合。

全文数据：

权利要求：

百度查询： 中国水产科学研究院东海水产研究所 基于高分辨率遥感影像数据的鳗苗捕捞调查方法