基于深度学习的河湖过往船舶目标检测与识别算法研究

作     者：陈豹 

作者单位：南昌工程学院 

学位级别：硕士

导师姓名：包学才;雷声

授予年度：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 081105[工学-导航、制导与控制] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：深度学习 卷积神经网络 目标检测 轻量化网络 河湖船舶识别 

摘      要：建立智能化河湖过往船舶监管体系对提升航运安全和效率及保护河湖生态环境具有重要意义。如何实现河湖过往船舶的自动检测和违规船舶的自动识别是当前需要解决的重要问题。目前河湖过往船舶监管主要以人工巡查和使用机器学习算法为主,这些方法效率和精度低并且成本高,无法做到对于复杂场景下河湖过往船舶的精确实时识别。为提高复杂场景下河湖过往船舶目标检测的精度,对基于深度学习的目标检测算法进行改进,同时针对具体的采砂船监管任务,提出改进的采砂船“船脸识别方法,实现对于河湖过往船舶的精确检测和违规采砂船的精确识别。本论文具体研究工作及成果如下:(1)针对复杂场景下河湖过往船舶目标检测算法精度较低的问题,提出基于改进YOLOX的河湖过往船舶目标检测算法。该算法首先引入SMU激活函数,提高网络对于特征的非线性映射能力,然后改进空间金字塔池化网络并引入至主干网络三个输出特征层前,提升网络的特征提取能力,最后在主干网络三个输出特征层后以及特征融合网络的两个上采样层和下采样层后引入CA注意力模块,增强网络自适应关注感兴趣区域的能力。实验结果表明,该算法可以实现对于重叠、小目标、雾天和夜间等复杂场景下的河湖过往船舶的精确检测。(2)针对河湖过往船舶目标检测算法轻量化部署的场景,提出基于改进YOLOv4-Tiny的轻量级河湖过往船舶目标检测算法。该算法首先引入Si LU激活函数,其次在主干网络后增加改进的空间金字塔池化网络,然后在特征金字塔网络中引入CBAM注意力模块,最后采用自上而下的连接,构建改进的特征融合网络PANet。实验结果表明,该算法可以为昏暗、模糊、强光和重叠等复杂场景下的河湖过往船舶智能化管理提供有效技术支撑。(3)针对河湖采砂船智能化管理水平较低的问题,提出基于改进Face Net的河湖采砂船“船脸识别方法。该方法首先在Face Net网络的全局平均池化层后引入CA注意力模块,增强对于感兴趣对象的自适应关注,然后训练时在网络最后引入线性层构建采砂船个体识别器,最后引入交叉熵损失函数辅助三元组损失函数收敛。实验结果表明,该方法适用于采砂船“船脸识别任务,可以为河湖采砂船的智能监管提供有效的技术支撑。