[发明专利]一种海洋异常区域的智能检测方法

说明书

本发明提供了一种海洋异常区域的智能检测方法，包括：获取海洋生物的特征数据信息，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；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，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；提取所述复原图片中的生物数量以及生物信息，计算所述指定区域的异常情况。本发明的有益效果：通过获取海洋的拍摄图片，并对其进行复原，从而得到生物的生物数量以及生物信息，结合季节判断海洋生物是否异常，进而确定该区域是否为异常区域，不需要进行复杂的化学取样分析，就可以实现对海洋区域的监控。

技术领域

本发明涉及人工智能领域，特别涉及一种海洋异常区域的智能检测方法。

背景技术

海洋是我国重要的国土资源，海洋环境对人类社会安全与经济发展具有重要影响，因此对海洋环境的动态变化的有效监测，对海洋资源管理、生态环境建设等工作具有重要意义。

目前检测海洋的方式主要是通过化学取样分析，以及通过遥感技术进行查询，然而这种监测方式较为缓慢，无法及时反应出海洋的情况，由于海洋生物的习性，可以体现出海洋区域的异常情况，但是由于海水中各种杂质会影响摄像头对海洋的拍摄画面，因此现有技术难以利用拍摄海洋的生物情况来对海洋区域是否异常进行预测。

发明内容

本发明的主要目的为提供一种海洋异常区域的智能检测方法，旨在解决现有技术难以利用拍摄海洋的生物情况来对海洋区域是否异常进行预测的问题。

本发明提供了一种海洋异常区域的智能检测方法，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P(X)＝∫P(X|z；θ)P(z)dz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，θ为固定参数向量空间，P(X)表示所述特征分布，P(z)表示所述隐变量在隐变量集合中的概率，P(X|z；θ)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；

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。

进一步地，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：