[发明专利]一种海洋异常区域的智能检测方法

权利要求书

1.一种海洋异常区域的智能检测方法，其特征在于，包括：

从预先构建的海洋生物特征数据库中获取海洋生物的特征数据信息；其中，所述特征数据信息包括多个特征数据；

将所述海洋生物的特征数据信息进行编码压缩成隐变量集合Z；

将所述隐变量输入预设的编码器中，根据公式计算得到所述特征数据信息所对应的特征分布；其中所述特征分布遵循高斯分布；其中z为所述隐变量，为固定参数向量空间，表示所述特征分布，表示所述隐变量在隐变量集合中的概率，表示在所述固定参数向量空间下参数X在隐变量z下的概率；

获取指定区域内的拍摄图片；

将所述拍摄图片输入至预先训练的感知生成网络中，分割所述拍摄图片中对应的遮挡子图片，并将分割结果记为掩膜；其中，所述感知生成网络包括残差卷积网络模块，LSTM单元以及卷积网络模块；

将所述遮挡子图片和所述拍摄图片输入至预先训练的遮挡区域重建子网络中，得到复原图片；其中，所述遮挡区域重建子网络包括多个卷积层和多个激活层，所述卷积层和所述激活层一一对应，定义每个卷积层中对每个部位的卷积为，W表示所述卷积层预设的权重，M表示所述掩膜对应的值，X表示当前结果在所述特征分布中的映射，表示阿达玛乘积；将被遮挡的区域像素值设置为0，将没有被遮挡的区域的像素值设置为1，在每次部分卷积之后，按照规则对掩膜进行更新，其中，m表示更新后的掩膜的值，当具有一个有效的输入值时，则计算移除当前位置的掩膜的值，依次对各个掩膜所对应的值进行复原更新，实现对拍摄图片的复原；

提取所述复原图片中的生物数量以及生物信息；

将所述生物数量、所述生物信息以及当前季节中的一个或者多个输入至季节生物模型中，计算所述指定区域的异常情况，并根据所述异常情况判断所述指定区域是否为异常区域；

所述将所述拍摄图片输入至预先训练的感知生成网络中，分割所述拍摄图片中对应的遮挡子图片，并将分割结果记为掩膜的步骤，包括：

根据所述残差卷积网络模块提取所述拍摄图片中的第一特征；

将所述第一特征输入至LSTM单元中，利用以下公式：

；

；

；

；

()；

卷积得到各个所述第一特征的注意力值；其中，所述LSTM单元包括多个LSTM子单元，表示所述第一特征的第t个维度值，表示数值n对应所述特征分布的权重值，表示所述特征分布的标准差，、、以及均为预设的常数，、、、以及分别表示第t个LSTM子单元的输入门、遗忘门、中间门、输出门以及注意门对应的值，表示第t-1个注意门输出的值；该LSTM单元生成注意力图，生成的方式为递归生成，LSTM单元包括多个LSTM子单元，LSTM子单元的输入为原始图片、上一个LSTM子单元的注意门输出的值，以及上一个LSTM子单元的隐状态输出，在前向传递过程中，输入图像后生成的注意力图，所有生成的注意力图都堆叠并与原图连接后，送入卷积网络模块中生成掩模和遮挡子图片，在训练过程中将卷积网络模块中多个可卷积的单元串联，掩膜拟合逼近，使网络学习出不同的置信分数即注意力图，每个单元输出的注意力图权重从输入到输出端依次增加；

将所述注意力值和所述拍摄图片输入至所述卷积网络模块中，分割所述拍摄图片中对应的遮挡子图片，并将分割结果记为掩膜。

2.如权利要求1所述的海洋异常区域的智能检测方法，其特征在于，所述将所述生物数量、所述生物信息以及当前季节中的一个或者多个输入至季节生物模型中，计算所述指定区域的异常情况，并根据所述异常情况判断所述指定区域是否为异常区域的步骤之前，还包括：

获取各个季节以及各个季节所对应的历史生物数量以及历史生物信息；

将所述历史生物数量和所述历史生物信息季节生物原模型中作为所述季节生物原模型的输入，以及将历史季节和所述历史生物数量、所述历史生物信息之间的预设匹配度作为所述季节生物原模型输出进行训练；

训练完成后得到所述季节生物模型。