[发明专利]基于深度学习的声呐图像水下管道检测方法

摘要

本发明属于深度学习与声呐图像处理领域，具体涉及一种基于深度学习的声呐图像水下管道检测方法。本发明包括如下步骤：构建侧扫声呐图像样本数据集；对数据集中的图像进行预处理；构建用于判别水下管道的铺设方式和检测管道位置的深度卷积神经网络，并训练网络的权重得到训练好的网络；对预处理后的侧扫声呐图中水下管道铺设方式进行判断和给出位置的包围盒集合；根据包围盒集合的中心点得到水下管道的中心位置线，根据包围盒集合覆盖区域分割出目标。本专利方法与现有的方法相比，能够更准确对水下管道的铺设方式进行判定，更精准地检测出水下管道的位置及其中心位置线，泛化能力强，而且在并行加速单元的硬件支持下，检测速度快、效率高。

主权项

1.基于深度学习的声呐图像水下管道检测方法，其特征在于，该方法包括以下步骤：步骤1：构建含有水下管道的正样本和不含有水下管道的负样本的侧扫声呐图像数据集，并将数据集分成训练集和测试集两组；步骤2：对数据集中的侧扫声呐图像进行预处理；步骤3：构建深度卷积神经网络模型，并用训练集利用含有动量的随机梯度下降方法训练网络中的权重，当达到规定迭代次数后，停止训练，得到最终的模型；步骤4：从测试集中读取一帧经过步骤2预处理后的图像输入到训练后的网络中，判别是否存在管道目标，若图像中包含管道，判断管道的铺设方式并确定表示水下管道在原侧扫声呐图像中位置信息的包围盒集合；步骤5：若图像中包含管道，则检测出水下管道在原侧扫声呐图像中的中心线，根据包围盒集合覆盖区域分割出目标。