一种基于WGAN-GP和YOLO的船体附着物快速识别方法技术

本发明专利技术公开了一种基于WGAN

【技术实现步骤摘要】
一种基于WGAN
‑
GP和YOLO的船体附着物快速识别方法


[0001]本专利技术涉及船体附着物清洗的
，特别涉及一种基于 WGAN
‑
GP和YOLO的船体附着物快速识别方法。

技术介绍

[0002]海洋占据着地球的七成面积，约是地球陆地面积的2.44倍，海上交通运输一直是不可或缺的方式。自航运与海洋强国已成为国家的重大战略后，为了满足航运的快速发展需求，船舶的体积越来越巨大、航行的速度也越来越快。然而船舶在海水中会被海洋生物附着，导致了船体的航行阻力增加、航行速度降低，增加了燃油消耗及污染排放。船体附着物种类繁多，包括藤壶、贝类、苔藓等，不同的附着物清洗手段和清洗力度不同，因此对船体附着物进行清洗时需要对附着物的种类和密度进行识别和评估，才能提高清洗效率。
[0003]近年来，随着人工智能领域的快速发展、深度神经网络的不断创新和应用，利用深度神经网络进行图像识别的方法得到了很大的发展，也因其具备优异的性能，越来越受到人们的重视。目前基于深度学习的图像识别技术已在生物识别领域展开了广泛的研究，但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于WGAN
‑
GP和YOLO的船体附着物快速识别方法，其特征在于，包括以下步骤：S1、采集船体附着物真是样本图像并进行标注，完成原始数据集的创建；S2、旋转增强原始数据集并进行标准化预处理；S3、将采集到的少量真实样本图像输入WGAN
‑
GP网络进行数据扩充并划分训练集、测试集；S4、搭建YOLO新型检测网络；将预处理好的船体附着物数据输入搭建的YOLO检测网络训练并测试，完成对船体附着物位置和大小的识别，并计算出识别准确率指标GIOU；S5、在识别过程中对船体附着物进行密度评估，计算出附着物面积占比。2.如权利要求1所述的一种基于WGAN
‑
GP和YOLO的船体附着物快速识别方法，其特征在于，所述步骤S1中通过开源工具LabelImg对船体附着物进行标注，且将藤壶，扇贝，苔藓，水草分别被标注为0，1，2，3。3.如权利要求1所述的一种基于WGAN
‑
GP和YOLO的船体附着物快速识别方法，其特征在于，所述步骤S2中采用[0o，360o]的旋转数据增强技术扩充原始图像
‑
检测标签数据集，然后对图像进行标准化预处理：其中，x表示船体附着物图像中R，G，B任意一个维度的数据；x
min
，x
max
分别表示x中的最小，最大像素值；x最终被标准化到[
‑
1，1]。4.如权利要求1所述的一种基于WGAN
‑
GP和YOLO的船体附着物快速识别方法，其特征在于，所述步骤S3中将采集到的不同类别的船体附着物真实样本图像输入至WGAN
‑
GP生成式对抗网络进行扩充，获得大量带有船体附着物样本特征的图像，并对新生成的图像进行标注以及标准化预处理。再将得到数据按9：1的比例划分为训练集、测试集；其中L为WGAN
‑
GP的目标函数；为Wasserstein距离下WGAN的损失函数；为在WGAN的基础上对每个样本独立施加的梯度惩罚。5.如权利要求1所述的一种基于WGAN
‑
GP和YOLO的船体附着物快速识别方法，其特征在于，所述步骤S3中添加三个注意力机制SE模块，强化含有重要信息的通道特征、抑制无关...

【专利技术属性】
技术研发人员：陈琦，朱大奇，任晨辉，褚振忠，
申请(专利权)人：上海理工大学，
类型：发明
国别省市：