共查询到20条相似文献,搜索用时 31 毫秒
1.
针对船舶污染物监管场景需求,提出了船舶申报信息、船舶自动识别系统和摄像头图像检测多源融合的船舶目标智能识别和验证方法。从申报信息中获取船舶水上移动通信业务标识码身份,利用该标识码提取船舶自动识别系统参数,判断船舶是否达到现场;通过改进的YOLOv5检测模型从摄像头获取现场船舶的视觉目标检测框;采用视觉目标检测框与船舶自动识别系统目标在摄像头像素坐标系映射标定框的交叉匹配算法,完成船舶目标的融合验证。在SeaShips公开数据集上的试验表明,相较原始YOLOv5模型,提出的船舶视觉目标检测模型平均精确度指标提升了3.14%,达到80.83%;且利用TensorRT加速使得模型推理速度提升了73%,帧率达到64.18。船舶自动识别系统目标与视觉目标的匹配融合满足船舶污染物接收现场船舶身份的识别和验证需求。 相似文献
2.
准确识别海上目标对提高舰船航行安全、维护海上权益意义重大。YOLOv7作为YOLO系列算法的最新成果,在目标检测任务中拥有良好的速度和精度。但通用化的网络应用于特定场景时,由于权重过大可移植性差,优势并不明显。本文根据海上目标分布及背景特点,利用注意力机制提升网络的特征提取与特征融合能力,提出一种基于注意力融合的海上目标检测算法CS-YOLOv7s。在新加坡海上数据集中的实验结果表明,本文所提网络在少量降低准确率的同时,大幅度降低网络权重,提高检测速度,可满足海上目标实时检测任务需要。 相似文献
3.
针对海面环境复杂、船舶目标检测存在检测精度不高和效率低的问题,以及船舶数据集不平衡的现象,提出一种改进YOLOv4算法的船舶目标检测方法。对图像进行预处理,增强船舶图像的有用信息,减少计算量;采用图像增强方法扩充不平衡数据集的小样本数量,提高各类船舶目标检测的准确性;采用改进的K-means++聚类方法重新设计先验锚框,使锚框和目标的边界框更加匹配;采用Softer-NMS对非极大值抑制算法进行优化,对预测框进行后处理,提升模型对密集船舶的检测能力和定位精度。通过开展多组对比试验发现,采用改进的检测算法对10类船舶目标进行识别,精确率P、召回率R和交并比(IOU)等都有很大提高,平均精确率(m AP)值达到96.78%,相比YOLOv4算法提升23.79%;检测速度达到31.2帧/秒,在显著提高检测精度的同时,能缩短检测时间,达到很好的检测效果。 相似文献
4.
为提高船舶目标智能检测的精度和实时性,提出一种基于YOLOv3算法的船舶目标检测方法,可用于视频图像的监测与跟踪。参照PASCAL VOC数据集格式,构建船舶目标检测数据集,采用k-means聚类先验框、mixup、标签平滑化等方法对算法进行改进和优化,在GPU(Graphic Processing Unit)云服务器中完成算法模型的训练和检测,并与FasterR-CNN、SSD(Single Shot MultiBox Detector)、原始YOLOv3等算法进行模型性能的试验对比。试验结果表明:改进的算法明显优于其他算法,其在测试集上的平均精度均值(mean Average Precision,mAP)和检测速度分别达到89.90%和30每秒检测帧数(Frames Per Second,FPS)。 相似文献
5.
在智能海洋船艇自主导航和避障过程中,对周边环境的感知能力非常重要。本文针对智能船艇对环境感知的速度和精度需求,提出了基于深度学习的海上目标快速检测方法,并构建了以船舶、浮标和岛屿为检测目标的海上目标数据集。本方法通过提取目标图像不同尺度特征语义信息,应用多框检测器实现对目标的分类和定位,采用非极大值抑制算法筛选最优结果,实现了海上目标快速高精度检测。实验结果表明,本方法在自建数据集上取得了83.3%的识别正确率,单帧耗时9.8ms, 在相同实验条件下,正确率和单帧耗时均优于现有同类快速目标检测方法,证明了该方法可以满足智能船艇对环境感知的速度和精度需求。 相似文献
6.
本文研究基于视频信息的港口滞留船舶检测方法,通过港口滞留船舶的精准检测提升港口管理水平。利用多结构形态学滤波方法,滤波处理港口视频图像。选取局部自适应阈值分割方法,将滤波处理后的港口视频图像,划分为前景图像与背景图像。将港口视频的前景图像作为SSD算法的输入,SSD算法利用卷积层提取图像特征,生成默认框,利用固定匹配策略,匹配真实框与默认框,将匹配结果传送至预测网络,利用预测网络输出港口滞留船舶检测结果。实验结果表明,该方法有效检测港口视频信息中的滞留船舶,阴天、黑夜等复杂环境下仍然可以精准检测船舶目标。 相似文献
7.
《舰船科学技术》2021,43(17)
针对水下机器人对接过程中近距离引导定位的问题,为实现准确可靠的水下对接,设计了一种基于神经网络的水下对接引导算法。算法主要分为两部分:1)检测部分,该检测算法区别于传统的图像处理,基于YOLOv3的神经网络,加入DenseNet思想,实现了一种鲁棒性强,可靠以及准确率高的目标检测算法。区分了目标物与无关背景信息,用于提供水下对接站在二维图像下的位置信息。2)位姿估计部分,用于恢复水下机器人与中继器之间的相对位置信息,从而能够根据相对位置信息,完成近距离的水下对接引导。经过实验对比分析,验证了算法的可行性,并证明了改进的目标检测算法能够更精确地完成对中继器的位置检测,提高了对位姿估计的准确率。 相似文献
8.
为了提高无人艇在自主航行过程中对水面常见障碍物检测的精度,解决模型参数量较大、模型复杂难以应用于嵌入式设备的问题,提出一种改进的YOLOv3水面常见障碍物检测方法。使用K-means++算法对自建数据集进行聚类得到新的锚框参数,通过添加雨雾噪声的数据增强方法优化模型在复杂天气状况下的障碍物检测能力。针对模型参数量较大问题,使用深度可分离卷积和注意力机制模块重构特征提取网络中的残差结构。为了优化预测框的回归效果,引入SIo U损失函数,将预测框与真实框的方向角度作为损失之一,加快训练速度,提高推理的准确性。通过试验验证了改进后模型参数量缩减了44%,检测精度提高了5.19%,漏检率也有所降低,能有效进行水面障碍物的检测。 相似文献
9.
为了进一步提高基于深度学习的船舶目标检测技术的检测精度,在无锚框中心点检测算法基础上,提出一种结合空洞编码器和特征金字塔的改进中心点船舶检测算法。采用Res Ne Xt-50网络对船舶图像进行特征提取,引入基于空洞残差的空洞编码器(DE)增大32倍下采样特征图的感受野,生成覆盖多个目标尺度的特征图,并采用特征金字塔网络(FPN)进行上采样,在上采样过程中融合空洞编码器生成的32倍下采样特征图和原16倍、8倍和4倍下采样特征图,从而提取到更丰富的船舶特征信息,提升船舶检测效果。结果表明,改进算法对不同类型和不同尺度下的船舶检测平均精确率相比原算法具有较明显的提升,相比SSD和YOLOv3算法具有更高的精度优势。 相似文献
10.
为了抑制ViBe算法在海面动态背景视频下“鬼影”区域对船舶运动目标检测的影响,提高监控视频中船舶运动目标识别的准确率,提出一种改进的ViBe算法。首先,背景模型用连续帧初始化,以减少“鬼影”的影响;然后,使用自适应阈值和闪烁级别来减少海面杂波,同时采用像素点对比消除“鬼影”,提取运动目标前景,获取完整的运动目标区域。最后,对输入视频进行高斯金字塔多尺度分解,并采用改进的ViBe算法检测低分辨率视频中的移动船舶,完整提取了海上移动船舶。实验结果表明,所改进的算法消除了“鬼影”区域,减少了海面杂波的干扰,检测率为92.5%,单帧视频图像检测时间控制在97 ms以内,可准确、快速地检测和提取海面船舶运动目标。 相似文献
11.
随着当前航运事业的迅速发展,对船舶海上作业的安全和效率提出了更高要求。在船舶的航行过程中,网络系统中节点的选取和定位对船舶航行的稳定和安全产生直接影响。为了更好的对船舶通信网络进行研究,保障船舶可在复杂环境下高效准确的进行信息传输和获取的通信功能,基于高损耗节点定位技术对远距离船舶通信网络分布特点进行研究和设计,从而达到降低信息传输干扰,提高船舶网络通信准度和速度的设计目标。为验证该方法的可行性进行了实验检测,实验结果证实,该方法可有效降低外界干扰,提高通信网络节点通信强度,以便在较为复杂的情况下仍能保持船舶移动通信的稳定性和准确性,保障船舶通信系统的正常运行。 相似文献
12.
13.
针对船舶目标检测存在的模型参数量多、规模大、实时性差和难以在实际工程中应用等问题,提出面向船舶目标检测的YOLOX轻量化方法。设计CA-Mobile Net V3轻量化主干网络,在Mobile Net V3中融合坐标注意力机制,生成一对方向感知特征图,提升空间信息编码能力;改进细化融合特征金字塔网络,构建对称的大尺度深度可分离卷积,提高感受野的范围;通过引入残差分支,以串联的方式融合细化不同尺度的特征信息,提高对小尺度船舶目标的检测能力。基于Seaships数据集的试验结果表明,提出的模型与YOLOv5和YOLOX等相比,具有规模小、实时性好和检测精度高等优势。 相似文献
14.
船舶电力系统的故障重构是船舶运行管理系统中的重要内容。为保障船舶运行过程安全可靠,根据船舶电力系统的特殊性,结合遗传算法对舰船电力系统供电恢复问题进行研究。将遗传算法具体用于船舶电力系统的网络故障重构并通过对遗传算法对电力系统故障信息进行快速、准确地判断,以便更及时准确的对复杂的船舶电力系统供电恢复情况进行调整和控制,确保船舶在中电力系统出现故障的情况下可快速恢复供电,以保障航行安全。通过调查分析和实验检测充分证明了该方法能有效地提高船舶供电恢复的速度及精度,可较好地实现了舰船电力系统的多目标故障恢复。 相似文献
15.
基于船舶卫星遥感图像的目标特征算法 总被引:1,自引:1,他引:0
在现代海洋运输及海上军事业务中,对船舶目标的有效定位及跟踪是保证海洋运输安全的有效方法之一。现有的海上目标检测跟踪系统中,有基于雷达目标检测﹑水声目标检测及卫星遥感图像的目标检测方法。由于海上环境的复杂性及目标物的快速移动性,基于遥感图像的目标检测成为最重要的方法之一。本文分析现有船舶目标物的特征参数,提出船舶卫星遥感图像快速有效的船舶目标特征值提取算法,最后给出了基于此算法的数据库设计。 相似文献
16.
17.
18.
针对采用传统的机器视觉方法识别铝型材表面弱缺陷存在的效率低和精度差的问题,提出一种将数据增强与YOLOv5s相结合的铝型材表面弱缺陷识别方法。采用anchor-free方法简化人工设计YOLOv5参数的步骤,降低检测复杂度;利用解耦检测器解决YOLOv5s检测中分类与回归任务冲突的问题,加快损失函数的收敛速度。通过优化算法的边界框回归损失函数,提高算法模型的定位精度;同时引入γ参数解决弱缺陷样本不平衡的问题。通过图像马赛克与像素混合方法提升模型对弱缺陷图像的识别能力。试验结果表明,改进算法的检测平均精度均值为93.3%,检测速度为41帧/秒,能提高船舶类铝型材弱缺陷检测的效率和自动化程度。 相似文献
19.
《舰船科学技术》2021,(8)
由于船舶航行受海上环境的影响而产生航迹误差,为了准确控制船舶航行轨迹,提出利用AIS数据挖掘生成船舶航迹点方法研究。根据AIS数据挖掘算法,提取船舶航行轨迹点数据特征,利用船舶航行轨迹点数据库中航行线路设置信息与目标对象运动信息之间的相似性,挖掘出船舶航迹动力定位数据,将AIS数据挖掘算法映射到船舶海上航行领域中,提取出AIS船舶位置采集点,通过设定阈值得到船舶航行转向点,将所有转向点连接成线,初步生成船舶航行轨迹点,利用船舶轨迹点生成流程,实现船舶航行轨迹点的生成。实验结果表明,基于AIS数据挖掘的船舶轨迹点生成方法在精度和时间上,都可以准确控制船舶航行轨迹。 相似文献
20.
船舶图像特征分割和提取算法是图像检测领域中的基础工作。由于船舶航运环境和船舶自身结构组成相对复杂,船舶图像的全自动分割方法在图像检测过程中经常出现边缘模糊、准确性低等问题。因此提出基于图像检测的船舶特征分割与提取优化算法,结合免疫算法获取更多图像特征信息,达到快速、准确的对船舶图像特征进行提取和分割的目的。为验证算法的准确性进行仿真实验,结合船舶区域图像对图像边界特征进行提取和分割,并与传统方法进行比较。实验结果证明基于图像检测的船舶特征分割与提取优化算法可以有效达到特征融合、全局最优、算法效率高等优良特性,使图像具有更强的实用性。 相似文献