[发明专利]一种基于单波束声纳簇数据处理的船体识别方法在审
申请号: | 202010303930.X | 申请日: | 2020-04-15 |
公开(公告)号: | CN111650592A | 公开(公告)日: | 2020-09-11 |
发明(设计)人: | 周家海;宁文龙;唐泽林;陈庆为;李静;孙健锐;肖玉华;朱旺峰 | 申请(专利权)人: | 交通运输部水运科学研究所 |
主分类号: | G01S15/06 | 分类号: | G01S15/06;G01S15/931;G01S15/89;G06F17/16;G06N3/04;G06N3/08 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100088*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 波束 声纳 数据处理 船体 识别 方法 | ||
本发明提供了一种基于单波束声纳簇数据处理的船体识别方法,该方法包括以下步骤:1)将单波束声呐簇安装在拱形水下结构表面,排成阵列;2)通过单波束声呐簇采集声呐数据,依据声呐簇排列情况进行编号,提取单波束声呐簇数据图集;3)对单波束声呐簇数据图集预处理,将球面数据转换为平面数据,得到二维声呐数据图集;4)剔除二维声呐数据图集中的水面数据,减少水面数据点对目标船体识别的影响;5)采集大量正常船体的单波束声纳簇数据作为数据训练集和数据验证集,使用SqueezeNet网络作为船体识别模型网络对数据训练集进行训练,得到船体识别模型。本发明提供一种通过对单波束声纳簇数据进行深度神经网络提取数据特征,船体识别率高。
技术领域
本发明涉深度神经网络领域,尤其涉及一种基于单波束声纳簇数据处理的船体识别 方法。
背景技术
声呐是进行水下探测、检测的重要设备之一。声呐设备由于受水环境因素影响小、声学性能可靠等优点,成为发展水下目标探测、检测行业的重点研究对象。近年来声呐设备被逐步应用到船舶检测行业,通过在水下结构或者工作船舶上安装声呐对过往船体进行安全 检测。如何通过声呐数据识别船体成为首要需被解决的问题。
声呐设备主要分为多波束声呐和单波束声呐两大类。使用多波束声呐进行船体探测、 检测时,能够得到丰富的声呐图像,但是由于多波束声呐需要在同一时间处理超大量的声波 数据,大大限制了多波束声呐图像的精度,从而使探测、检测工作只能定性,而不能定量。 这对于安全、反恐等高精度检测作业来说,多波束声呐的性能是远远不够的。相对于多波束 声呐来说,单波束声呐具有更高的精度和经济的造价。故基于基于单波束声纳簇数据处理与 深度神经网络学习相结合的船体识别方法具有重要的研究价值。
发明内容
本发明主要针对现有技术领域中的热点问题,提供一种基于单波束声纳簇数据处理 的船体识别方法。
本发明解决相应技术问题的技术方案是:一种基于单波束声纳簇数据处理的船体识 别方法,包括以下步骤:
1)将单波束声呐簇安装在拱形水下结构表面,排成阵列;
2)通过单波束声呐簇采集声呐数据,依据声呐簇排列情况进行编号,提取单波束声 呐簇数据图集;
3)对单波束声呐簇数据图集预处理,将球面数据转换为平面数据,得到二维声呐数 据图集;
4)剔除二维声呐数据图集中的水面数据,减少水面数据点对目标船体识别的影响;
5)采集大量正常船体的单波束声纳簇数据作为数据训练集和数据验证集,使用SqueezeNet网络作为船体识别模型网络对数据集进行训练,得到船体识别模型。
所述步骤1)中将单波束声呐簇安装在拱形水下结构表面,排成阵列具体包括:
单波束声呐簇安装在拱面形水下结构上,任意一台的单波束声呐的安装曲率角θn, 轴向安装距离ln;
单波束声纳簇每列沿径向布置的个数为H,单波束声纳簇沿轴向布置的列数为W。
所述步骤2)中通过单波束声呐簇采集声呐数据,依据声呐簇排列情况进行编号,提取单波束声呐簇数据图集具体包括:单波束声呐簇采集更新率为15Hz,波束角5°,测量范围20m,精度1mm±1%量程,单波束声呐的测量数据为水深值depth和回波强度intensity;
依据行列顺序对单波束声呐依次编号,从1至n。
所述步骤3)对单波束声呐簇数据图集预处理,将球面数据转换为平面数据,得到二维声呐数据图集具体包括:
将三维空间中任意一点的位置(θn,ln)投射到了二维坐标系下的一个点的位置(in,jn),投射关系如下:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于交通运输部水运科学研究所,未经交通运输部水运科学研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010303930.X/2.html,转载请声明来源钻瓜专利网。