The invention requests the protection of an intelligent surface float salvage system based on neural network and image recognition, which involves the fields of intelligent recognition and automatic control, including 1) catamaran structure modeling; 2) image acquisition and processing; 3) image recognition model modeling; 4) hull control model modeling, and comparing the float coordinates identified by the image with the trisectional coordinates of the recognition area. A linear function calculates the deflection direction of the next moment; 5) The construction of intelligent surface float salvage system, which assembles MCU, battery, engine, radiator, salvage net, wide angle camera, PC and other equipment into an intelligent surface float salvage ship, and then burns the constructed hull control program into the MCU of the intelligent surface float identification system to realize intelligence. The water surface float identification system has the functions of steering, cruising and turning around. The invention can automatically, quickly and efficiently salvage the water surface float without human control, and realize the self-cleaning.
【技术实现步骤摘要】
一种基于神经网络和图像识别的智能水面漂浮物打捞系统
本专利技术属于神经网络和图像识别的相关方法,具体涉及卷积神经网络和图像处理以及自动化控制领域。
技术介绍
卷积神经网络(ConvolutionalNeuralNetwork,CNN)是一种前馈神经网络,它的人工神经元可以响应一部分覆盖范围内的周围单元,对于大型图像处理有出色表现。它包括卷积层(convolutionallayer)和池化层(poolinglayer)。卷积神经网络是近年发展起来,并引起广泛重视的一种高效识别方法。20世纪60年代,Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性,继而提出了卷积神经网络(ConvolutionalNeuralNetworks-简称CNN)。现在,CNN已经成为众多科学领域的研究热点之一,特别是在模式分类领域,由于该网络避免了对图像的复杂前期预处理,可以直接输入原始图像,因而得到了更为广泛的应用。K.Fukushima在1980年提出的新识别机是卷积神经网络的第一个实现网络。随后,更多的科研工作者对该网络进行了改进。其中,具有代表性的研究成果是Alexander和Taylor提出的“改进认知机”,该方法综合了各种改进方法的优点并避免了耗时的误差反向传播。一般地,CNN的基本结构包括两层,其一为特征提取层,每个神经元的输入与前一层的局部接受域相连,并提取该局部的特征。一旦该局部特征被提取后,它与其它特征间的位置关系也随之确定下来;其二是特征映射层,网络的每个计算层由多个特征映射组成,每 ...
【技术保护点】
1.一种基于神经网络和图像识别的智能水面漂浮物打捞系统,其特征在于,包括:双体船、图像采集和处理模块、图像识别模块、船体控制模块及智能水面漂浮物打捞模块,其中,所述双体船包括.两个单体船、连接甲板和防水载物台,防水载物台上安装有单片机,通过单片机控制两个单体船中螺旋桨的转速控制船体的转向、调头和巡航;图像采集和处理模块,用于通过广角摄像头监视水面,每隔Nms采集一次水面的图片并进行去噪、去除光照以及前后景分离图像处理;图像识别模块,对图像进行采集和处理后,根据采集到的图片构造出正负样本数据集,从中随机选择部分数据作为训练数据,利用得到的训练数据,通过卷积神经网络的模型与图像金字塔相结合构建图像识别模型;船体控制模块,根据图像识别模型来识别并获取漂浮物位置,根据图像识别出的漂浮物坐标与识别区域三等分线坐标的比较,通过一个线性函数求出下一时刻的偏转方向;通过串口通信将下一时刻的偏转方向控制信号传到单片机上从而实现船体控制;智能水面漂浮物打捞模块,包括:将单片机、电池、发动机、散热器、打捞网、广角摄像头、PC在内的器材,然后将船体控制模块的船体控制程序烧录进单片机中,实现智能水面漂浮物识别系 ...
【技术特征摘要】
1.一种基于神经网络和图像识别的智能水面漂浮物打捞系统,其特征在于,包括:双体船、图像采集和处理模块、图像识别模块、船体控制模块及智能水面漂浮物打捞模块,其中,所述双体船包括.两个单体船、连接甲板和防水载物台,防水载物台上安装有单片机,通过单片机控制两个单体船中螺旋桨的转速控制船体的转向、调头和巡航;图像采集和处理模块,用于通过广角摄像头监视水面,每隔Nms采集一次水面的图片并进行去噪、去除光照以及前后景分离图像处理;图像识别模块,对图像进行采集和处理后,根据采集到的图片构造出正负样本数据集,从中随机选择部分数据作为训练数据,利用得到的训练数据,通过卷积神经网络的模型与图像金字塔相结合构建图像识别模型;船体控制模块,根据图像识别模型来识别并获取漂浮物位置,根据图像识别出的漂浮物坐标与识别区域三等分线坐标的比较,通过一个线性函数求出下一时刻的偏转方向;通过串口通信将下一时刻的偏转方向控制信号传到单片机上从而实现船体控制;智能水面漂浮物打捞模块,包括:将单片机、电池、发动机、散热器、打捞网、广角摄像头、PC在内的器材,然后将船体控制模块的船体控制程序烧录进单片机中,实现智能水面漂浮物识别系统转向、巡航、掉头功能,在PC端运行图像识别模块,并通过串口将识别结构传输到单片机完成智能水面漂浮物打捞系统的自动识别和打捞工作。2.根据权利要求1所述的基于神经网络和图像识别的智能水面漂浮物打捞系统,其特征在于,所述图像采集和处理模块采取Gamma校正的算法去除水面的光照。3.根据权利要求2所述的基于神经网络和图像识别的智能水面漂浮物打捞系统,其特征在于,所述采取Gamma校正的算法去除水面的光照,具体包括步骤:首先,根据公式(1)对图像进行归一化,将像素值转换为0~1之间的实数。然后,根据公式(2),对归一化后的像素进行预补偿的操作;最后,通过公式(3)将预补偿后的实数值反变换为0~255之间的整数值;Xnorm=(X+0.5)/256(1)X=Xim*256-0.5(3)其中Xnorm表归一化后的像素值,Xim表示伽马校正后的像素值,X表示原始像素值。4.根据权利要求1所述的基于神经网络和图像识别的智能水面漂浮物打捞系统,其特征在于,所述图像识别模块通过卷积神经网络的模型与图像金字塔相结合实现水面漂浮物的识别与定位,根据处理好的图像,输入进卷积神经网络进行训练来获取图像识别...
【专利技术属性】
技术研发人员:邓欣,刘瑞,米建勋,明伟,胡家宾,王泽鸿,王进,孙开伟,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
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。