基于SLA-UNet的海水网箱养殖信息提取

作     者：柯丽娜 由金浩 范剑超 Ke Li’na;You Jinhao;Fan Jianchao

作者机构：辽宁师范大学地理科学学院辽宁大连116029 大连理工大学控制科学与工程学院辽宁大连116024 

出 版 物：《海洋学报》 (Acta Oceanologica Sinica)

年 卷 期：2024年第46卷第5期

页      面：93-102页

核心收录：

学科分类：090801[农学-水产养殖] 0810[工学-信息与通信工程] 0908[农学-水产] 08[工学] 09[农学] 0816[工学-测绘科学与技术] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金项目(42076184,41706195) 国家高分重大科研专项项目(41-Y30F07-9001-20/22) 国家重点研发计划项目(2021YFC2801000) 

主　　题：网箱养殖 U-Net模型 多循环注意力机制 深度特征 高效光谱特征 

摘      要：网箱养殖是海水养殖中最重要的类型之一,各类网箱在遥感影像中形状不一,且背景复杂,以往的网箱提取方法,未能完全模拟人类的视觉行为,以及高效利用光谱信息。针对上述问题,提出深度多循环注意力光谱的U-Net网络模型(Spectral Loopy Attention U-Net,SLA-UNet)进行网箱养殖信息提取,使用基于最优尺度寻优(Estimation of Scale Parameter,ESP)的随机森林(Random Forest,RF)算法,去除波段运算后的冗余光谱信息,并添加类似人眼的注意力行为机制,深化影响网箱信息提取的重要特征通道,同时进行边缘补齐补充损失信息,实现了网箱养殖信息的高精度提取。选取广东省湛江市和海南省临高县作为研究区域,与Canny算子、Otsu算法、PCA_Kmeans算法、基于ESP的RF算法、U-Net模型提取结果进行对比,所提SLA-UNet模型近岸网箱的提取精度为98.3%,深海网箱提取精度平均值为98.9%,验证了SLA-UNet模型在网箱养殖识别中的有效性。