申请/专利权人：山东捷讯通信技术有限公司

申请日：2020-11-26

公开（公告）日：2021-01-29

公开（公告）号：CN112287897A

主分类号：G06K9/00(20060101)

分类号：G06K9/00(20060101);G06K9/46(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.02.23#实质审查的生效;2021.01.29#公开

摘要：本公开公开了基于深度学习的沿海非法养殖目标识别方法，它包括的步骤：通过无人机在非养殖区空域进行拍摄，对拍摄得到的图像进行人工标注后得到数据集，利用数据集对改进后的FasterRcnn网络进行训练，使用模型进行识别时传入待检测非养殖区海域的无人机拍摄图像，模型自动识别图像中的各类养殖工具，最后输出含有养殖工具的图像包括位置信息的各种信息。本公开对于模型的训练过程使用了改进后的特征提取方法，使用VGG网络中的不同层进行提取，对于在不同高度飞行的无人机航拍图像有着很好的适应性，相比于传统的FasterRcnn模型有着更高的识别精度。

主权项：1.基于深度学习的沿海非法养殖目标识别方法，其特征是，包括：步骤1：对无人机采集的沿海非养殖海域图像进行预处理；步骤2：对预处理后的图像中的各类养殖设施目标分别进行标注；按照设定比例将标注过养殖设施目标的图像划分为训练集和验证集；步骤3：利用训练集和验证集，对非法养殖目标识别模型进行训练；步骤3又分为：步骤3-1、步骤3-2和步骤3-3；步骤3-1：构建改进的FasterRCNN网络；步骤3-2：将训练集中每一类养殖设施目标的图像数据输入到改进的FasterRCNN网络中进行训练，得到对应类别的养殖设施检测模型；步骤3-3：将验证集中每一类养殖设施目标的图像数据，输入到训练得到的相应类别的养殖设施检测模型中，进行验证，得到验证效果最好的不同类别养殖设施的非法养殖目标识别模型；步骤4：使用步骤3所得到的非法养殖目标识别模型，对无人机所拍摄的待检测区域的图像进行自动检测，识别图像中出现的非法养殖设施目标，输出含有非法养殖设施目标的图像及非法养殖设施目标的位置和拍摄时间。

全文数据：

权利要求：

百度查询： 山东捷讯通信技术有限公司 基于深度学习的沿海非法养殖目标识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD