[发明专利]基于全卷积神经网络的海天线在线检测方法有效
| 申请号： | 201910915844.1 | 申请日： | 2019-09-26 |
| 公开（公告）号： | CN110705623B | 公开（公告）日： | 2022-08-02 |
| 发明（设计）人： | 姜文;陈启贤;廖煜雷;王博;沈海龙;李志晨;李姿科;成昌盛 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06K9/62;G06T7/73 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于全卷积神经网络的海天线在线检测方法，用于完成无人艇在水面环境下对海天线的检测任务，即根据水面无人艇所携带的光视觉传感器传回的图像信息和水面无人艇的艇体姿态信息对当前传感器视角下的海天线进行预测，基于分类拟合原理，针对复杂的水面环境，依据水面图像的大体类别信息，设计全卷积神经网络和全连接网络模型，解决复杂水面环境下传感器的稳像问题以及艇体位姿的修正问题，同时也可以缩小搜索区域，加快搜索速度，为水面无人艇环境感知和运动规划及控制提供准确的传感器信息等。 | ||
| 搜索关键词： | 基于 卷积 神经网络 天线 在线 检测 方法 | ||
【主权项】：
1.一种基于全卷积神经网络的海天线在线检测方法，其特征在于，包括以下步骤：/nS1:收集实艇传感器图像数据，挑选出不同无人艇视角下的图像，并筛选出包含海天线的图像；/nS2：设计全卷积神经网络结构，根据像素点预测分类结果的均方误差构造损失函数，并在海天线检测数据集上进行训练至模型收敛,如果不收敛则在损失函数中加入L2正则化项或采用批量正则化训练方法以使模型达到收敛效果；/nS3：对收敛的全卷积模型采用平均像素精度指标对模型准确度进行评价，当平均像素精度指标大于设定值时，执行S4；当平均像素精度指标不满足大于设定值时，返回S2；/nS4：使用全卷积神经网络模型对测试图像像素点进行分类，并组合像素点的类别信息和其在图像坐标系下的位置信息，得到每个点的信息元组，包括：类别，x坐标，y坐标；/nS5：设计像素坐标系下的海天线方程y＝ax+b以及浅层全连接神经网络，利用图像像素点的信息元组拟合并修正海天线方程参数，得到最终的海天线。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学，未经哈尔滨工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910915844.1/，转载请声明来源钻瓜专利网。
