隨著現(xiàn)代海洋牧場中智能捕撈作業(yè)的發(fā)展,海洋動(dòng)物的目標(biāo)檢測有十分廣泛的應(yīng)用前景。針對(duì)于海洋動(dòng)物目標(biāo)檢測中水下環(huán)境光照不足和檢測速度較慢的問題,設(shè)計(jì)了一種基于MSRCR和MobilenetV2-YOLOV3的海洋動(dòng)物快速檢測方案。首先利用MobilenetV2網(wǎng)絡(luò)對(duì)數(shù)據(jù)集進(jìn)行小規(guī)模分類訓(xùn)練;然后將MobilenetV2網(wǎng)絡(luò)替換原始YOLOV3中的darknet53基礎(chǔ)特征提取網(wǎng)絡(luò),并通過之前分類訓(xùn)練得到的參數(shù)遷移到特征提取網(wǎng)絡(luò)中進(jìn)一步訓(xùn)練得到檢測模型;最后通過MSRCR算法增強(qiáng)水下圖像,并在GPU嵌入式設(shè)備上進(jìn)行實(shí)時(shí)檢測。實(shí)驗(yàn)結(jié)果表明,在該方案下進(jìn)行的海洋動(dòng)物目標(biāo)檢測,其mAP值可達(dá)到71%,模型參數(shù)量只有18.5 M,在嵌入式設(shè)備上的檢測速度可達(dá)到14.1 FPS。相較于其他網(wǎng)絡(luò)模型,該方案可更好的用于水下動(dòng)物的實(shí)時(shí)檢測。 

【文章來源】：電子測量技術(shù). 2020,43(14)

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引 言
1 相關(guān)知識(shí)
    1.1 MobilenetV2網(wǎng)絡(luò)
    1.2 YOLOV3
    1.3 基于MobilenetV2的YOLOV3檢測網(wǎng)絡(luò)
    1.4 MSRCR算法
2 實(shí)驗(yàn)過程與結(jié)果分析
    2.1 實(shí)驗(yàn)環(huán)境與數(shù)據(jù)集
    2.2 MobilenetV2網(wǎng)絡(luò)分類模型預(yù)訓(xùn)練
    2.3 MobilenetV2-YOLOV3網(wǎng)絡(luò)目標(biāo)檢測
    2.4 圖像增強(qiáng)后在GPU硬件上的測試
3 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]中國海洋牧場研究現(xiàn)狀與發(fā)展[J]. 李忠義,林群,李嬌,單秀娟.  水產(chǎn)學(xué)報(bào). 2019(09)
[2]基于動(dòng)態(tài)統(tǒng)計(jì)濾波與深度學(xué)習(xí)的智能故障診斷方法[J]. 宋瀏陽,李石,王芃鑫,王華慶.  儀器儀表學(xué)報(bào). 2019(07)
[3]基于遷移學(xué)習(xí)的人臉圖像質(zhì)量評(píng)估[J]. 程換新,侯曉克.  電子測量技術(shù). 2019(12)
[4]基于YOLOv3網(wǎng)絡(luò)的超寬帶雷達(dá)生命信號(hào)檢測[J]. 王小瑞,侯興松,王生霄.  國外電子測量技術(shù). 2019(06)
[5]基于改進(jìn)Faster-RCNN的輸電線巡檢圖像多目標(biāo)檢測及定位[J]. 林剛,王波,彭輝,王曉陽,陳思遠(yuǎn),張黎明.  電力自動(dòng)化設(shè)備. 2019(05)
[6]基于卷積神經(jīng)網(wǎng)絡(luò)的半監(jiān)督高光譜圖像分類[J]. 李繡心,凌志剛,鄒文.  電子測量與儀器學(xué)報(bào). 2018(10)
[7]現(xiàn)代海洋牧場建設(shè)的現(xiàn)狀與發(fā)展對(duì)策[J]. 闕華勇,陳勇,張秀梅,章守宇,張國范.  中國工程科學(xué). 2016(03)
[8]基于Retinex模型的彩色圖像全局增強(qiáng)算法[J]. 李福文,金偉其,陳偉力,曹揚(yáng),王霞,王嶺雪.  北京理工大學(xué)學(xué)報(bào). 2010(08)



本文編號(hào)：3185267