一种基于制造技术

本发明专利技术公开了一种基于

【技术实现步骤摘要】
一种基于PNC
‑
YOLOv7的海洋生物检测方法及系统


[0001]本专利技术涉及海洋生物检测领域，具体涉及一种基于
PNC
‑
YOLOv7
的海洋生物检测方法及系统
。

技术介绍

[0002]随着人类对海洋生态环境的关注度逐渐提高，海洋生物检测成为了海洋科研
、
渔业资源管理
、
环境保护等领域中不可或缺的技术手段
。
海洋生物检测的准确性和实时性对于保护海洋生态环境
、
科研调查和可持续的渔业管理具有重要意义
。
然而，由于海洋环境的复杂性和多变性，传统的海洋生物检测方法面临着许多挑战，包括低准确率
、
处理速度慢等问题
。
[0003]在海洋生物检测领域，传统的方法主要包括基于图像处理和机器学习的技术
。
这些方法通常需要手工设计特征提取器，然后使用分类器进行目标识别
。
然而，这些方法在处理复杂的海洋生态图像时存在一些局限性：复杂的背景本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
PNC
‑
YOLOv7
的海洋生物检测方法，其特征在于，包括如下步骤：步骤1，获取海洋生物图像的数据集，对海洋生物图像进行数据增强处理并对数据集进行划分；获得的海洋生物图像划分为：训练图像
、
验证图像和测试图像；步骤2，对
YOLOv7
检测模型进行改进，得到
PNC
‑
YOLOv7
模型；模型改进的部分包括：主干网络
、
检测头层上采样模块
、
注意力机制；步骤3，基于步骤1处理完成的数据集，对步骤2所述
PNC
‑
YOLOv7
模型进行训练，获得最优权重；步骤4，使用
PNC
‑
YOLOv7
模型进行海洋生物图像检测，获得检测结果
。2.
根据权利要求1所述的一种基于
PNC
‑
YOLOv7
的海洋生物检测方法，其特征在于，所述步骤1中图像进行数据增强包括：选取若干张图像，对若干张图像进行旋转
、
翻转
、
裁剪，得到数据增强后的图像
。3.
根据权利要求1所述的一种基于
PNC
‑
YOLOv7
的海洋生物检测方法，其特征在于，所述步骤2中使用上采样算子
CARAFE
改进检测头层上采样模块
。4.
根据权利要求3所述的一种基于
PNC
‑
YOLOv7
的海洋生物检测方法，其特征在于，使用上采样算子
CARAFE
改进检测头层上采样模块具体为：基于所述上采样算子
CARAFE
，将输入形状为
H
×
W
×
C
海洋生物图像，1×1卷积将它的通道数压缩到
H
×
W
×
C
m
,
之后用
k
encoder
×
k
encoder
的卷积层来预测上采样核，输入通道数为
C
m
，输出通道数为
σ2k
2up
，将通道维在空间维展开，得到形状为
σ
H
×
σ
W
×
k
2up
的上采样核
。5.
根据权利要求4所述的一种基于
PNC
‑
YOLOv7
的海洋生物检测方法，其特征在于，将得到的上采样核利用
softmax
进行归一化，使得卷积核权重和为
1。6.
根据权利要求1所述的一种基于
PNC
‑
YOLOv7
的海洋生物检测方法，其特征在于，所述步骤3中训练
PNC
‑
YOLOv7
模型的过程包括：基于步骤1处理完成的数据集，训练所述
PNC
‑
YOLOv7
...

【专利技术属性】
技术研发人员：王文豪，付步颖，伍言伦，孙陈瑾，靳陶阳，牟孝志，陈鑫，戚薇，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：