[发明专利]一种基于Mask R-CNN的海洋养殖用网衣破损的检测方法

说明书

本发明公开了一种基于Mask R‑CNN的海洋养殖用网衣破损的检测方法，一种基于Mask R‑CNN的海洋养殖用网衣破损的检测方法，使用检测框架网络Mask R‑CNN结合特征金字塔网络FPN，对各卷积层进行上采样，并结合卷积特征形成最终特征，以解决网衣破损存在较小断裂的情况，将Mask R‑CNN的最后一层卷积层更换为可变形卷积网络DCN，更适应不规则的破损形状，并进行迁移学习，加快训练过程，降低训练难度。最终将训练成熟的神经网络检测模型封装，形成可用于快速检测网衣破损的设施安全评估分析系统，极大提高了海洋养殖用网衣的安全性。

技术领域

本发明涉及海洋养殖领域，具体涉及一种基于Mask R-CNN的海洋养殖用网衣破损的检测方法。

背景技术

渔业是我国农业及国民经济的重要组成部分，为了实现渔业的可持续发展，维护海洋生态平衡，海洋捕捞作业逐渐从传统的粗狂过渡捕捞发展为间歇式的捕捞和集约式的海水网箱养殖的现状。随着海产品需求缺口的不断增大和近海养殖环境的日益恶劣，深远海网箱养殖成为我国海水渔业养殖的主要发展方向，作为科技含量较高的养殖方式，深远海网箱养殖是高投入、高风险和高收益的养殖行业类型。其具有抗浪力强，集约化程度高，产量高，养殖水体流动性强、成鱼品质优质，经济效益显著，成为了扩大生存空间，发展海洋渔业产业的一个新的经济增长点。网衣作为海洋养殖设施的主体部分，其性能好坏是设施养殖成败的关键。一旦网衣破损就会导致养殖鱼类逃离，造成养殖项目失败，血本无归。因此，养殖装备的网衣系统安全性必须得到重视。

例如，一种在中国专利文献上公开的“一种海上养殖网箱网衣的异常检测方法”，其公告号为“CN110084792A”，本发明属于深远海网箱养殖观测技术领域，一种海上养殖网箱网衣的异常检测方法，用于网衣的生物附着和破损两种状态的检测，设备包括装配有摄像机的水下机器人ROV和计算机。海上养殖网箱网衣异常检测时充分考虑水下检测作业的高风险低效率的问题，以ROV为载体，结合视觉图像测量技术对海上养殖中常见的生物附着和网衣破损现象进行异常报警。本发明利用ROV摄取网衣图像，并将关键帧的图像识别技术和特征曲线分析方法紧密结合，灵活地构建了适用于海上网箱巡检的水下网衣异常检测系统，大幅度提高了ROV巡检的可靠性，降低了海上养殖观测，尤其是深远海养殖观测的风险，极大地促进了ROV和图像测量技术在海洋养殖网箱巡检中的应用推广。

发明内容

本发明是为了针对网衣破损图像待检测的破损区域大小不一和形状不规则的特征问题。提供一种基于Mask R-CNN的海洋养殖用网衣破损的检测方法，使用检测框架网络Mask R-CNN结合特征金字塔网络FPN，对各卷积层进行上采样，并结合卷积特征形成最终特征，以解决网衣破损存在较小断裂的情况，将Mask R-CNN的最后一层卷积层更换为可变形卷积网络DCN，更适应不规则的破损形状，并进行迁移学习，加快训练过程，降低训练难度。最终将训练成熟的神经网络检测模型封装，形成可用于快速检测网衣破损的设施安全评估分析系统，极大提高了海洋养殖用网衣的安全性。

为了实现上述目的，本发明采用以下技术方案：一种基于Mask R-CNN的海洋养殖用网衣破损的检测方法，其特征是，包括以下步骤：

S1，获取训练数据；

S2，构建初始框架Mask R-CNN，结合DCN和FPN改进到框架内；

S3，载入COCO数据集预训练模型，迁移学习；

S4，使用网衣数据集训练神经网络，调整预训练模型的参数，并将训练成熟的模型保存；

S5，进行海洋养殖用网衣破损的检测；