【摘 要】
：
深海区域占全球海洋面积的90%,超过一半的国际贸易都是通过海洋进行运输。浩瀚的海洋在促进人类文明、经济发展的同时,也留下了众多的人类遗址、遗迹和遗物。我国古代拥有辉煌的海上贸易历史,进行深海遗迹考古与发掘一方面可以推进我国先进海洋装备的研发与进步,另一方面也可以重现历史还原当时社会形态,对发展深海探测技术和传承发扬传统文化具有重要意义。为实现水下考古机器人近距离海底精细化目标检测,本论文以关键帧提
【基金项目】
：
科学技术部国家重点研发计划“深海考古专用 AUV 关键技术研究及平台研制”（2020YFC1521704）；
论文部分内容阅读
深海区域占全球海洋面积的90%,超过一半的国际贸易都是通过海洋进行运输。浩瀚的海洋在促进人类文明、经济发展的同时,也留下了众多的人类遗址、遗迹和遗物。我国古代拥有辉煌的海上贸易历史,进行深海遗迹考古与发掘一方面可以推进我国先进海洋装备的研发与进步,另一方面也可以重现历史还原当时社会形态,对发展深海探测技术和传承发扬传统文化具有重要意义。为实现水下考古机器人近距离海底精细化目标检测,本论文以关键帧提取和多粒度模型压缩算法为核心,以实现水下考古机器人快速、精确目标检测为目标,开展基于视觉的水下考古机器人实时目标检测与识别研究与实现。首先,介绍国内外现有水下考古模式、设备使用情况和水下机器人在水下考古中的应用现状,重点阐述水下机器人进行水下目标检测的方式,比较水下声学目标检测与光学目标检测的区别,指出基于视觉的水下目标检测与识别在深海考古中的重要性。其次,阐述传统目标检测算法与基于深度学习的目标检测算法原理,并对深度学习检测模型中的各项评价指标进行介绍。根据主干网络架构综述one-stage和two-stage两大类深度学习目标检测算法,重点分析了R-CNN系列、YOLO系列和Anchor-free系列算法的网络结构,同时在目标检测常用数据集上对比分析常用目标检测算法的优势缺点和适用场景,为后文选择基础模型奠定理论基础。再次,根据水下遗迹特点,建立水下遗迹数据集Underwater＿relic,采用无监督和有监督数据增强方式对原数据集进行数据扩充,以提高检测模型泛化性。此外,基于深海图像成像特点,提出线性景深模型,以便快速准确地获得原始图像的传输地图和背景光,进而实现深海图像在线快速复原,解决水下机器人深海采集图像失真问题。然后,针对水下机器人水下遗迹实时目标检测与识别的实际需求,提出基于融合的关键帧提取算法和多粒度模型压缩算法。利用结构相似性、颜色直方图和图像熵对水下机器人采集的视频进行关键帧提取,同时在保证精度和结构完整性的前提下采用核剪枝和层间剪枝的多粒度模型压缩算法对YOLOV4进行双向模型压缩,从而实现水下机器人实时目标检测与识别。最后,为满足水下机器人体积和功耗要求,选用Nvidia Jeston TX2专用图像处理器作为水下遗迹目标检测平台。将使用高负载、大功率计算平台训练、超参调节后的检测模型移植到TX2嵌入式平台进行水下遗迹实时目标检测效果与速度测试。实验表明,压缩后的YOLOV4检测速度是未压缩的6.27倍,对压缩模型的输入视频进行关键帧提取可以使得模型检测速度提高至原来的18.65倍。综上所述,本论文立足于水下考古机器人实时目标检测需求,建立了水下遗迹数据集Underwater＿relic,并对其进行数据增强;完成了在线快速深海图像复原算法的设计与实验;提出了基于融合思想的关键帧提取算法和基于多粒度剪枝的模型压缩算法;实现了压缩后的算法在嵌入式平台上进行实时水下遗迹目标检测与识别,为水下机器人基于视觉进行深海精准、自主考古提供了设计方案与技术支持。
其他文献
在大面积水产养殖中,水质关键因子监测智能化与信息化日渐普及,国内外相关领域研究不断推进并取得了长足的进展。为方便水产养殖人员对水产品养殖水体实时的、高质量的、准确的把握,本课题在前人的基础上,构建了对水质因素数据实时显示的远程监测系统。针对水产水质监测领域所存在的显著问题,本课题的研究内容如下:针对自适应传感器接口,根据IEEE1451.2智能传感器接口标准,设计了数据采集单元的多接口板。便于根据
台风是最严重的自然灾害之一,北太平洋西部具有世界上最频繁的热带气旋（台风）活动,在过去几十年中,台风造成的生命威胁以及经济损失已成为严重影响沿海地区人民正常生活的因素。因此,如何准确预测台风路径,辅助气象监测部门对台风进行准确预报,已成为当下热门的研究课题。然而由于台风轨迹有诸多影响因素,导致难以进行特征因子的提取,且需要的计算成本高。传统方法需要结合众多相关领域的先验知识,在耗时耗力的同时,预测
解决计算机视觉问题时,分割是最主要的任务。尤其在自动驾驶、室内导航以及医学造影等领域,语义分割技术的影响不容小觑。近年来,基于深度学习方法的图像语义分割算法已经取得了优异的成绩,尤其是基于卷积神经网络的方法,例如FCN、PSPNet。较传统基于图论的分割方法相比,基于卷积神经网络的分割方法可以将更好的将图像进行全局特征分析,并且提取出各像素点之间的隐藏关联信息。凭借此优势,基于卷积神经网络的图像分
现如今物联网的发展速度已经超出了人们的想象,万物互联已经是大势所趋,人们身边已经充斥着各种各样的物联网应用成果,家中有智能家居,农业有农业物联网,工业有工业物联网,汽车有车联网,学校中有教育信息化。针对高校而言,物联网的发展给学校带来了新的提升教育信息化水平、减少能源浪费的机会。论文以此为背景,设计了一个基于物联网的云数据采集分析控制系统,通过在教室安装智能设备（如日光灯、空调、投影等）,以及多种
目前国内陆基工厂化养殖模式得到大力推广和发展,智能机械化设备也在养殖任务中发挥重要的作用。水产养殖中,鱼粪、残饵及微生物菌群等物质会附着在池底和池壁上,影响水质导致病害发生,需要定期的予以清除。传统清洗方式需要人工手持板刷或者拖着水枪机四周环绕清刷,工作繁琐重复且池底易滑,也不符合节能环保的理念。本文的研究对象—鱼池清刷机器人主要用于养殖车间的鱼池池底污染物清理,解决了人工清洗存在的问题,清洁效率
在世界各国进军海洋的进程中,水下作业装备扮演着极其重要的角色,水下机器人作为目前普遍使用的海洋探测作业装置,在民用和军事两大领域的相关海洋活动中,发挥着不可替代的关键作用。水下机器人控制技术作为控制理论在水下作业工程装备方面的具体应用,对水下机器人尤其是自主水下机器人的发展具有重大影响和深远意义。自主水下机器人控制技术的研究方向主要涵盖构建控制系统体系结构、动力学建模与模型的合理简化及相关参数的优
在计算机视觉领域,关于深度学习的研究逐渐增多,其发展也日新月异,特别是在人的面部包括生物特征和表情识别、头部姿态估计、活体检测等领域的应用广泛。日前,在社会发展的需求和促进下,各式各样的计算机技术在不断地被发掘,其中,计算机视觉中的头部姿态估计研究已经成为该领域的一大热点。国内外众多的科学研究院、大学实验室、公司研究机构等陆续都在开展对头部姿态估计的研究,将深度学习应用于头部姿态估计算法,旨在提高
船舶在航行过程中船体表面会附着贝类和藤壶等海生物,船体表面附着物的存在会对航行产生不利的影响。经过研究表明,海生物附着在船体表面会增加船体表面粗糙度,增大船舶航行阻力,增加了运输时间和运输油耗,造成经济损失。目前,潜水员用清洗枪对水下船体表面进行清洗是主要的方式。潜水作业劳动强度大,安全性低,清洗成本高,效率低且受天气影响大。为了解决上述问题,可代替人工的清洗爬壁机器人成为了热门研究方向。清洗爬壁
本文主要研究混合图上最小-最大圈覆盖问题。依据不同的覆盖对象,具体分为两种情形:一是覆盖对象仅为弧的情形,二是覆盖对象既包含弧又包含边的情形。该类问题是计算机科学和运筹学中一个重要的组合优化问题,它和它的变形在诸如快递配送、垃圾回收、积雪清理等相关领域具有广泛应用。因此,对其进行科学研究具有重要的理论和实际价值。本文主要从近似算法的角度对其开展研究,针对两种情形,分别给出了较好的近似算法,具体内容
随着近年来人们对水产养殖的关注度增多,鱼类检测与识别对水产养殖业的环境监控、渔业发展等起到关键性作用。目前,水下目标识别技术已成为探索水产养殖业的重要部分,而对水产养殖浑浊水域鱼类的精确识别是渔民经济收益的保障。并随着行动摄像机和无人水下设备等水下记录设备的可及性提高,使得能够高效、安全地拍摄,而不存在通常人工数据收集时带来的后勤困难。然而,水下设备收集了大量需要手动处理的图像数据,对目标识别带来