气泡羽状流光学图像检测方法技术

本发明专利技术涉及海底冷泉气泡羽状流检测技术领域，具体涉及气泡羽状流光学图像检测方法。包括以下步骤：S1、获取包含气泡羽状流的基础光学图像，进行预处理，为数据图像打上标签，将标注好的数据图像分配为训练集、验证集和测试集，得到气泡羽状流光学图像样本数据集；S2、构建改进后的YOLOv5模型并初始化模型参数；S3、使用伪标签半监督学习的方法对改进后的YOLOv5模型进行训练，得到最终的气泡羽状流检测模型；S4、将待检测的气泡羽状流光学图像经图像输入步骤S3得到的气泡羽状流检测模型，输出该图像中的羽状流位置及其对应的类别。其能够从不充足的训练样本中较好的提取复杂的目标特征，更准确地检测和研究冷泉气泡羽状流。

【技术实现步骤摘要】

本专利技术涉及海底冷泉气泡羽状流检测，具体涉及一种气泡羽状流光学图像检测方法。

技术介绍

1、海底天然气水合物是一种重要的天然资源，而气泡羽状流则是指海底天然气水合物分解并渗漏到海水中所形成的气柱。气泡羽状流的观测和探测对于发现天然气水合物具有极其重要的意义。

2、现阶段针对气泡羽状流识别方法，目前使用较多的探测手段包括声学探测、海底原位探测和地震波探测技术等，由于上述方法都有着各自的优缺点，故在实际的海洋调查中采用多技术联合探测的方法。但由于羽状流光学图像样本的稀缺性和背景复杂性，传统手工提取特征的方法在检测效果上面临挑战，并因此受到较少的研究关注。

3、随着机器视觉技术的不断发展，使用深度学习方法对羽状流光学图像进行目标检测的研究逐渐增加。深度学习模型能够自动学习特征，因此避免了传统方法需要手动提取特征的问题。在羽状流光学图像目标检测任务中，深度学习模型可以直接从原始图像中学习特征，更好地适应数据集的特点。

4、在使用深度学习进行羽状流光学图像目标检测时也面临一些挑战。例如，由于羽状流光学图像样本数量有限，需要构建大本文档来自技高网...

【技术保护点】

1.一种气泡羽状流光学图像检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种气泡羽状流光学图像检测方法，其特征在于，所述改进后的YOLOv5模型包括BackBone网络、Neck网络和Head模块。

3.根据权利要求2所述的一种气泡羽状流光学图像检测方法，其特征在于，所述BackBone网络包括依次连接的第一模块、第二模块、第三模块、第四模块和第五模块，模块中的卷积核的大小为1×1或3×3；

4.根据权利要求2所述的一种气泡羽状流光学图像检测方法，其特征在于，Neck网络包括依次连接的第一Conv模块、第一Upsample模块、第一Bi...

【技术特征摘要】

1.一种气泡羽状流光学图像检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种气泡羽状流光学图像检测方法，其特征在于，所述改进后的yolov5模型包括backbone网络、neck网络和head模块。

3.根据权利要求2所述的一种气泡羽状流光学图像检测方法，其特征在于，所述backbone网络包括依次连接的第一模块、第二模块、第三模块、第四模块和第五模块，模块中的卷积核的大小为1×1或3×3；

4.根据权利要求2所述的一种气泡羽状流光学图像检测方法，其特征在于，neck网络包括依次连接的第一conv模块、第一upsample模块、第一b...

【专利技术属性】
技术研发人员：张千里，毕硕，成昊远，刘贵杰，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：