[发明专利]一种声纳目标检测系统及检测方法

说明书

本发明公开了一种声纳目标检测系统及检测方法，所述声纳目标检测系统包括声纳图像采集单元和目标检测单元，所述声纳图像采集单元包括前视声纳，所述前视声纳用于生成声纳图像原始数据，所述目标检测单元用于接收前视声纳产生的声纳图像原始数据，并将接收到的声纳图像原始数据进行数据解析，生成前视扇形声纳图像，对前视扇形声纳图像进行目标检测处理，生成前视扇形声纳图像中目标的位置和类别信息。所述声纳目标检测系统具有具有功耗小、发热量低、体积小的优点，适合搭载于AUV上的特点。

技术领域

本发明涉及水下智能感知领域，具体涉及一种声纳目标检测系统及检测方法。

背景技术

当前，水下无人航行器(AUV)上的声纳目标检测都是基于图像处理单元GPU上部署，这种部署方式流程简单、目标检测速度和效果良好，但是GPU功耗大，发热量高，体积大，功耗大降低了AUV的续航时间，发热量高对AUV的散热性能要求高，体积大降低了AUV的有效载荷，这些已成为声纳目标检测工程化的瓶颈，因此迫切需要找到一种功耗小，发热量低，体积小的解决方案。

发明内容

有鉴于此，本发明提供了一种声纳目标检测系统及检测方法，能够解决目前声纳目标检测装置功耗大、发热量高、体积大的技术问题。

为了解决上述技术问题，本发明是这样实现的。

一种声纳目标检测系统，包括：

声纳图像采集单元和目标检测单元，所述声纳图像采集单元包括前视声纳，所述前视声纳用于生成声纳图像原始数据，所述目标检测单元用于接收前视声纳产生的声纳图像原始数据，并将接收到的声纳图像原始数据进行数据解析，生成前视扇形声纳图像，对前视扇形声纳图像进行目标检测处理，生成前视扇形声纳图像中目标的位置和类别信息；

所述目标检测单元包括主控芯片ARM、LPDDR3内存、第一NPU、第二NPU、eMMC闪存、以太网、RGA模块，所述主控芯片与LPDDR3内存、第一NPU、第二NPU、eMMC闪存、以太网RTL8211EG、RGA模块通过总线相连；所述前视声纳通过以太网与所述主控芯片相连。

优选地，所述主控芯片用于运行对所述前视扇形声纳图像进行目标检测处理的程序指令、处理所述前视扇形声纳图像数据、以及对所述第一NPU返回的第一结果及所述第二NPU返回的第二结果进行综合处理；所述LPDDR3内存用于存放主控芯片中的运算数据、以及与eMMC闪存交换的数据；所述第一NPU用于接收主控芯片发来的前视声纳扇形图像数据并进行神经网络模型推理，将第一结果返回主控芯片；所述第二NPU用于接收主控芯片发来的前视声纳扇形图像并进行神经网络模型推理，将第二结果返回主控芯片；所述eMMC闪存用于存储对所述前视扇形声纳图像进行目标检测处理的程序及进行目标检测处理所需的神经网络模型对应的权重文件和所述声纳图像原始数据；所述以太网用于接收所述声纳图像原始数据，所述RGA模块用于拷贝、旋转、格式转换、缩放、混合所述声纳图像原始数据。

优选地，所述目标检测单元运行的神经网络模型是最佳神经网络模型，所述最佳神经网络模型用于进行声纳图像目标检测；在独立于所述声纳目标检测系统的服务器上训练神经网络模型，从训练好的多个神经网络模型中选出最佳神经网络模型，将所述最佳神经网络模型移植到所述声纳目标检测系统上，所述最佳神经网络模型是查全率和查准率最高的神经网络模型；

所述最佳神经网络模型，记为best.weights，weights是服务器上权重文件格式，再对所述最佳神经网络模型best.weights进行量化，将其转换成可运行的best.rknn，rknn是声纳目标检测系统能够识别的权重文件格式所述声纳目标检测系统运行所述最佳神经网络模型对应的best.rknn；所述最佳神经网络模型的模型量化，是在服务器上，将32位的浮点型数表示转换成8位的整型表示。