本发明专利技术特别涉及一种声呐浮标的海洋生态检测系统,包括探测层、通信层和处理层,探测层为多基地探测系统,包括多个浮标装置,每个浮标安装有声呐模块,多个浮标装置在待检测海洋区域按照阵列排布;通信层包括通信主机和多个通信从机,每个浮标装置都安装有一个通信从机,通信主机设置在服务器处,通信主机和通信从机通过无线电通信,通信主机接收通信从机的传输数据;处理层包括处理系统和控制平台,处理系统包括图片降噪、目标检测、特征识别和深度学习,图片降噪用于对探测层获取的声呐图像去除噪音,目标检测根据降噪后的图像获取海洋动植物特征,特征识别用于分析海洋动植物种类,深度学习用于处理大容量样本,强化海洋动植物图片特征。植物图片特征。植物图片特征。
【技术实现步骤摘要】
一种声呐浮标的海洋生态检测系统
[0001]本专利技术涉及海洋生态探测
,特别涉及一种声呐浮标的海洋生态检测系统。
技术介绍
[0002]海洋浮标监测是一种先进且实用的海洋监测方法,该方法是在传统的海洋监测手段的基础上发展而来的,可实现无人值守、自动、定点、定时、连续的对海上各种水文要素、环境要素进行监测,是研究各类海洋物理、化学及生物现象的主要工具之一,它与卫星、海洋调查船、海监飞机、潜水器等,构成了立体的海洋监测系统,海洋监测浮标相较于其他三种监测途径,以机动灵活布置,长期连续、全天候定点监测的优势,被愈来愈多的国家和地区应用在海洋能源资源开发、海洋环境预报以及海上国防建设中。
[0003]在现有技术中,海洋浮标主要功能在于对水体空气数据采样和数据传输的节点作用,其本身不具备数据处理的功能。
技术实现思路
[0004]本专利技术的目的是提供一种声呐浮标的海洋生态检测系统,以解决上述现有技术存在的问题。
[0005]本专利技术的上述技术目的是通过以下技术方案得以实现的:
[0006]一种声呐浮标的海洋生态检测系统,所述生态检测系统包括探测层、通信层和处理层,所述探测层为多基地探测系统,所述多基地探测系统包括多个浮标装置,每个浮标安装有声呐模块,多个所述浮标装置在待检测海洋区域按照阵列排布;
[0007]所述通信层包括通信主机和多个通信从机,每个所述浮标装置都安装有一个所述通信从机,所述通信主机设置在服务器处,所述通信主机和通信从机通过无线电通信,所述通信主机接收通信从机的传输数据;
[0008]所述处理层包括处理系统和控制平台,所述处理系统包括图片降噪、目标检测、特征识别和深度学习,所述图片降噪用于对探测层获取的声呐图像去除噪音,所述目标检测根据降噪后的图像获取海洋动植物特征,所述特征识别用于分析海洋动植物种类,所述深度学习用于处理大容量样本,强化海洋动植物图片特征。
[0009]在进一步的实施例中,所述通信主机和通信从机均设置有loRa射频芯片,多个所述通信从机之间通过mesh自组网连接,自组网络结构为星状结构。
[0010]在进一步的实施例中,所述图片降噪的算法采用空域滤波算法。
[0011]在进一步的实施例中,所述目标检测是通过BEMD算法对图片降噪和获取特征。
[0012]在进一步的实施例中,所述特征识别的步骤是先对图像进行分割,根据动物和植物种类进行区分归类。
[0013]在进一步的实施例中,所述深度学习包括卷积神经网络和迁徙学习模型。
[0014]综上所述,本专利技术具有以下有益效果:
[0015]1.本专利技术的一种声呐浮标的海洋生态检测系统,在现有的声呐浮标的基础上,通过设置通信从机与通信主机连接,声呐浮标对水下动植物进行拍摄并根据拍摄的照片进行预处理,随后发送至处理系统利用深度学习算法对目标强化特征,进而推动增强声呐浮标的识别速度。
附图说明
[0016]图1是本专利技术的一种声呐浮标的海洋生态检测系统的系统图。
具体实施方式
[0017]以下结合附图对本专利技术作进一步详细说明。
[0018]其中相同的零部件用相同的附图标记表示。需要说明的是,下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图1中的方向,词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本说明书的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定中心的方向。
[0019]实施例1:
[0020]如图1所示,本实施例提供一种声呐浮标的海洋生态检测系统,所述生态检测系统包括探测层、通信层和处理层,所述探测层为多基地探测系统,所述多基地探测系统包括多个浮标装置,每个浮标安装有声呐模块,多个所述浮标装置在待检测海洋区域按照阵列排布;
[0021]所述通信层包括通信主机和多个通信从机,每个所述浮标装置都安装有一个所述通信从机,所述通信主机设置在服务器处,所述通信主机和通信从机通过无线电通信,所述通信主机接收通信从机的传输数据;
[0022]所述处理层包括处理系统和控制平台,所述处理系统包括图片降噪、目标检测、特征识别和深度学习,所述图片降噪用于对探测层获取的声呐图像去除噪音,所述目标检测根据降噪后的图像获取海洋动植物特征,所述特征识别用于分析海洋动植物种类,所述深度学习用于处理大容量样本,强化海洋动植物图片特征。
[0023]本实施例中,所述多个浮标装置(即声呐浮标)通过自身设置的声呐装置对覆盖的水域进行探测,且声纳浮标装置上设置有边缘处理器,边缘处理器属于处理系统的一部分,边缘处理器的作用在于为声呐拍摄的照片进行图片降噪和目标检测,其中图片降噪采取现有技术中任一降噪技术即可,包括空域降噪法和频域降噪法,而目标检测基于系统设置的灰度函数识别,该技术亦为常用图片检测识别技术。
[0024]在进一步的实施例中,所述通信主机和通信从机均设置有loRa射频芯片,多个所述通信从机之间通过mesh自组网连接,自组网络结构为星状结构。由于通信从机设置在声纳浮标上,通信从机进行mesh自组网能够提高通信数据的传达效率,且该系统中并非所有声呐浮标都是同时进行拍摄检测工作,非拍摄检测的声呐浮标作为信号传输的路由节点。
[0025]在进一步的实施例中,所述图片降噪的算法采用空域滤波算法。由于本系统用于拍摄检测动植物,采用空域滤波算法可以有效强化边缘特征,便于识别。
[0026]在进一步的实施例中,所述目标检测是通过BEMD算法对图片降噪和获取特征。BEMD算法是对灰度计算的函数,利用函数筛选目标特征,同时起到降噪的作用,在减少处理步骤的数量同时能够增加处理速度。
[0027]在进一步的实施例中,所述特征识别的步骤是先对图像进行分割,根据动物和植物种类进行区分归类。
[0028]在进一步的实施例中,所述深度学习包括卷积神经网络和迁徙学习模型,深度学习算法设置在主服务器内,深度学习的目的在于强化特征识别,并不断迭代函数,并反馈至声呐浮标上的边缘服务器,提高便于服务器检测目标的判定速度。
[0029]在本专利技术公开的实施例中,术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解,例如,“连接”可以是固定连接,也可以是可拆卸连接,或一体地连接;“相连”可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本专利技术公开的实施例中的具体含义。
[0030]本具体实施例仅仅是对本专利技术的解释,其并不是对本专利技术的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本专利技术的权利要求范围内都受到专利法的保护。
本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种声呐浮标的海洋生态检测系统,其特征在于:所述生态检测系统包括探测层、通信层和处理层,所述探测层为多基地探测系统,所述多基地探测系统包括多个浮标装置,每个浮标安装有声呐模块,多个所述浮标装置在待检测海洋区域按照阵列排布;所述通信层包括通信主机和多个通信从机,每个所述浮标装置都安装有一个所述通信从机,所述通信主机设置在服务器处,所述通信主机和通信从机通过无线电通信,所述通信主机接收通信从机的传输数据;所述处理层包括处理系统和控制平台,所述处理系统包括图片降噪、目标检测、特征识别和深度学习,所述图片降噪用于对探测层获取的声呐图像去除噪音,所述目标检测根据降噪后的图像获取海洋动植物特征,所述特征识别用于分析海洋动植物种类,所述深度学习用于处理大容量样本,强化海洋动植物图...
【专利技术属性】
技术研发人员:张祺,
申请(专利权)人:北京星天科技有限公司,
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。