【技术实现步骤摘要】
一种海上风电场生物监测方法、系统、计算机设备和存储介质
本申请涉及海洋生态环境监测
，特别是涉及一种海上风电场生物监测方法、系统、计算机设备和存储介质。
技术介绍
随着海洋建设的不断发展，海上风电应用而生。海上风电作为可再生能源开发利用的重要方向之一，在实际应用中起着至关重要的作用。然而海上风电开发在施工建设及投产运营时期都会由于形成的扰动及噪音而对海洋生态造成极大的影响。因此对海洋生物活动区域的监测变的极为重要。目前，对海上风电场海域生物物种分布、丰度、栖息地的监测方法包括视频监测以及被动声学监测。然而，由于海洋生物的活动区域难以捕捉，不能完整录制到目标生物影像，且生物发声信号是从复杂噪声环境下录制的。因此能够进行监测的覆盖范围小，且时效性差、精确性低，无法进行长期监测。
技术实现思路
基于此，有必要针对上述技术问题，提供一种海上风电场生物监测方法、系统、计算机设备和存储介质，提高了生物识别的准确性，从而实现对风电场海域生物物种分布、丰度、栖息地的可靠性监测。第一方面，本专利技术实施例提供...
【技术保护点】
1.一种海上风电场生物监测方法，应用于一风电场海域内，所述风电场海域内设有多个节点区域，其特征在于，每个节点区域内均设有信息采集设备组及生物识别终端，所述方法包括以下步骤：/n将各节点区域内进行生物识别的生物识别端所获得生物信息上传至服务终端；/n所述服务端根据各生物识别端的生物信息分布下发数据增强信息，根据数据增强后的生物信息分布进行节点区域的调整，根据调整后的节点区域创建节点服务端，并通过节点服务端向对应的生物识别端下发初始生物识别模型；/n各节点服务端通过梯度下降法对各自的初始生物识别模型进行迭代训练，并将训练后的初始生物识别模型上传至服务端，所述服务端通过融合算法对...
【技术特征摘要】
1.一种海上风电场生物监测方法，应用于一风电场海域内，所述风电场海域内设有多个节点区域，其特征在于，每个节点区域内均设有信息采集设备组及生物识别终端，所述方法包括以下步骤：
将各节点区域内进行生物识别的生物识别端所获得生物信息上传至服务终端；
所述服务端根据各生物识别端的生物信息分布下发数据增强信息，根据数据增强后的生物信息分布进行节点区域的调整，根据调整后的节点区域创建节点服务端，并通过节点服务端向对应的生物识别端下发初始生物识别模型；
各节点服务端通过梯度下降法对各自的初始生物识别模型进行迭代训练，并将训练后的初始生物识别模型上传至服务端，所述服务端通过融合算法对训练后的各初始生物识别模型进行模型融合，以得到目标生物识别模型。
2.根据权利要求1所述的海上风电场生物监测方法，其特征在于，通过节点服务端向对应的生物识别端下发初始生物识别模型的步骤之前，所述方法还包括：服务终端根据损失函数及数据增强后的生物信息对初始生物识别模型进行训练，直至模型的损失值趋向于收敛。
3.根据权利要求1所述的海上风电场生物监测方法，其特征在于，所述方法还包括；
接收所述信息采集设备组所监测到的当前节点区域的生物信息，所述生物信息包括视频流及音频流；
分别对所述视频流及音频流中的图像帧及音频帧进行分类标记，以得到生物、船舶图像数据集及生物、背景声音数据集。
4.根据权利要求3所述的海上风电场生物监测方法，其特征在于，所述方法还包括：
根据卷积神经元网络及该神经元网络对应的第一激活函数，对分批次输入所述卷积神经元网络的生物、船舶图像数据集中的数据正向传播，得到生物、船舶预测图，根据第一损失函数计算所述生物、船舶预测图与标准生物、船舶图像之间的第一差值，将所述第一差值进行反向传播，并通过预设周期的迭代训练得到生物、船舶图像识别模型；
根据BP神经元网络及该神经元网络对应的第二激活函数，对分批次输入所述BP神经元网络的生物、背景声音数据集中的数据正向传播，得到生物、背景声音预测帧，根据第二损失函数计算所述生物、背景声音预测帧与标准生物、背景声音帧之间的第二差值，将所述第二差值进行反向传播，并通过预设周期的迭代训练得到生物、背景声音识别模型；
将所述生物、船舶图像识别模型及生物、背景声音识别模型进行整合处理，以得到初始生物识别模型。
5.根据权利要求1...
【专利技术属性】
技术研发人员：董超，陈焱琨，周德富，王伟平，蒋俊杰，欧阳永忠，
申请(专利权)人：国家海洋局南海调查技术中心国家海洋局南海浮标中心，
类型：发明
国别省市：广东;44
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。