【技术实现步骤摘要】
一种低质量水下图像鱼类目标检测方法
[0001]本专利技术涉及海洋资源勘探领域,具体涉及一种低质量水下图像鱼类目标检测方法。
技术介绍
[0002]海岸带是临海国家宝贵的国土资源,也是海洋开发、经济发展的基地,准确地提取海岸线分析海岸线的变迁情况,为政府部门加强对海岸带的监管和治理提供决策支持,对沿海地区的经济建设和海岸资源的可持续开发具有十分重要意义。渔业已成为促进我国农村经济繁荣的重要产业,据统计2019年全社会渔业产值12934.49亿元,渔业人口达1828.20万人,渔船总数73.12万艘。但是随着渔业的大规模发展,各种问题也应运而生。如今淡水养殖对水资源消耗、土地资源的占有越来越大,资源的过度使用导致资源单位价格上升,进而增加了养殖的成本。过去粗放单一的水产养殖方式的单位面积产出已不能满足预期的收益,在一定程度上限制了水产养殖业的发展进程。在资源匮乏的制约下,我国水产养殖产业累积了一定的生产矛盾,单纯的扩大生产规模已经不能满足长远的渔业可持续发展,如何更充分得利用物质资源是发展渔业所必须考虑的。因此应当更加注重水产养殖的合理化、规范化,充分利用现代高新技术为高效率养殖方式提供依据与支撑。
[0003]目前应用于图像目标检测的方法主要包括两类:双阶段目标检测和单阶段目标检测。双阶段目标检测网络将目标检测分为两个步骤:首先将图像输入到候选框推荐网络(RPN)中得到若干候选框输出,然后将候选框区域内信息输入到卷积神经网络进行回归得到分类输出。单阶段目标检测网络仅需在目标检测过程中将图像输入到主干神经网络一 ...
【技术保护点】
【技术特征摘要】
1.一种低质量水下图像鱼类目标检测方法,其特征在于,包括以下步骤:S1、采集水下图像数据集,对所述图像数据集进行预处理,获得模型数据集;S2、构建GCANet网络模型,基于所述GCANet网络模型构建HF
‑
GCANet去雾网络模型;S3、基于所述HF
‑
GCANet去雾网络模型,结合YOLOv4网络构建GCA
‑
YOLOv4目标检测网络模型;S4、基于所述模型数据集,训练所述GCA
‑
YOLOv4目标检测网络模型;S5、基于训练好的所述GCA
‑
YOLOv4目标检测网络模型对待识别图像进行检测、分类,得到预测框位置信息和分类信息。2.根据权利要求1所述一种低质量水下图像鱼类目标检测方法,其特征在于,所述S1获得所述模型数据集的方法包括:采集预设数据中的小型鱼类视频,提取所述视频中的每一帧,转换为图像形式,获得所述图像数据集;对所述图像数据集按时间段、帧序号进行命名并转换为YOLO格式,获得所述模型数据集。3.根据权利要求1所述一种低质量水下图像鱼类目标检测方法,其特征在于,所述S2所述GCANet网络模型包括:自动编码器、平滑扩充模块和融入门控融合子网络;所述自动编码器由3个卷积层构成,所述卷积层的通道数量为64,卷积核尺寸均为3
×
3;所述自动编码器的最后一个卷积层采用1/2步幅的下采样;所述平滑扩充模块由6个平滑空洞残差单元和1个残差单元构成;所述融入门控融合子网络由1个门控融合子网络、1个转置卷积层、2个卷积层构成。4.根据权利要求3所述一种低质量水下图像鱼类目标检测方法,其特征在于,所述S2所述HF
‑
GCANet去雾网络模型构建方法包括:采用混合空洞卷积代替所述GCANet网络模型中的平滑空洞卷积;采用特征金字塔网络代替所述GCANet网络模型中融入门控融合子网络。5.根据权利要求4所述一种低质量水下图像鱼...
【专利技术属性】
技术研发人员:李海涛,胡泽涛,张俊虎,郑焕舒,张雷,丁东平,
申请(专利权)人:青岛科技大学,
类型:发明
国别省市:
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。