申请/专利权人：海南长光卫星信息技术有限公司

申请日：2023-12-25

公开（公告）日：2024-04-02

公开（公告）号：CN117809088A

主分类号：G06V10/764

分类号：G06V10/764;G06V20/10;G06V20/70;G06V10/26;G06V10/25;G06V10/80;G06T7/13;G06V10/82;G06N3/0464;G06T7/73

优先权：

专利状态码：在审-公开

法律状态：2024.04.02#公开

摘要：本发明公开了一种联合YOLOv5和MaskRCNN的养殖网箱状态检测方法，包括以下步骤：首先输入原始高分辨率遥感影像，对遥感影像进行截断拉伸、数据切片的预处理操作，并将所得切片图像数据划分为训练集、验证集和测试集；其次分别使用训练集数据训练YOLOv5模型和MaskRCNN模型，通过训练得到相应的结果；最后将YOLOv5模型和MaskRCNN模型所得结果输入到匹配融合模块，获得最优结果；在匹配融合模块中，针对离散目标和重叠目标分别使用不同的方式输出最优结果。本发明通过联合YOLOv5模型和MaskRCNN模型，结合两种实例分割算法的优点，提高养殖网箱状态检测的有效性和精确性。

主权项：1.一种联合YOLOv5和MaskRCNN的养殖网箱状态检测方法，其特征在于，包括以下步骤：步骤一：输入原始高分辨率遥感影像，对遥感影像进行截断拉伸、数据切片的预处理操作，并将所得切片图像数据划分为训练集、验证集和测试集；步骤二：使用训练集数据训练YOLOv5实例分割模型，所述YOLOv5模型由目标特征提取模块、特征融合模块、检测输出模块和分割输出模块构成，通过训练获得检测结果和图像分割结果；步骤三：使用训练集数据训练MaskRCNN实例分割模型，所述MaskRCNN模型由前景特征提取模块、区域推荐网络、区域对齐模块和检测分割模块构成，通过训练获得图像分割结果和目标检测结果；步骤四：将YOLOv5模型和MaskRCNN模型所得结果输入到匹配融合模块，获得最优结果；在所述匹配融合模块中，针对离散目标和重叠目标分别使用不同的方式输出最优结果。

全文数据：

权利要求：

百度查询： 海南长光卫星信息技术有限公司 一种联合YOLOv5和MaskRCNN的养殖网箱状态检测方法

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