面向海产品的水下图像复原及目标检测系统设计

作     者：申阔 

作者单位：烟台大学 

学位级别：硕士

导师姓名：范文强;夏春雷

授予年度：2024年

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

主      题：深度学习 水下图像复原 目标检测 系统软件设计 

摘      要：随着全球对海产品需求的持续增加,提高海产养殖业的智能化水平变得尤为关键。“十四五期间,农业农村部、财政部组织沿海省份开展国家级海洋牧场示范区创建工作。烟台市积极响应国家号召,力争到2025年建成30处国家级海洋牧场。目前,海产品捕捞方式仍以效率低下且危险系数高的人工捕捞为主,早日实现自动化捕捞的全覆盖就显得更加重要。然而,水下环境的复杂性及海产品的生物特性给这项工作带来了极大的挑战。因此,本文对海产品的智能化捕捞技术展开研究,设计了面向海产品的水下图像复原及目标检测系统,包含了水下图像复原、目标检测模块和系统软件开发三个方面。 (1)针对光线在水体中的散射和吸收作用使水下图像出现色偏、模糊和对比度降低的问题,本文提出了一种基于二阶统计特性的水下图像复原方法。该方法通过水体的多层连续模型,建立水下散射光透射率参数与二阶统计量之间的关系。通过超像素分割得到场景深度近似的区域,对每个超像素独立进行各颜色通道统计计算,最后结合关联表达式估计每个颜色通道的透射率。通过与其他主流的水下图像处理方法进行定性和定量对比,验证了该方法在复原图像自然色彩和细节方面的优越性,为后续的目标检测提供了更高质量的图像基础。 (2)针对海产品的目标较小且易出现遮挡现象导致的漏检和误检问题,本文提出了一种基于改进YOLOv5s的海产品目标检测方法。首先,通过在骨干网络中加入基于深度可分离卷积(Depthwise separable convolution,DSC)改进的全局注意力机制(Global Attention Mechanism,GAM)后,使模型的特征提取能力得到增强。其次,将颈部网络中的标准卷积更换为空间和通道重建卷积(Spatial and Channel Reconstruction Convolution,SCConv),可以降低模型的运算复杂度并提升模型性能。最后,引入可变焦点损失函数(Varifocal Loss,VFL)来优化分类损失函数,改善了对类别分类不均衡的问题,提升了对难以区分的正样本的识别能力。经过广泛的实验验证,本文的改进模型展现出卓越的性能,通过水下图像复原技术进行数据集预处理后,能够有效提高海产品目标检测的准确率。 (3)针对研究成果难以应用到实际的问题,本文基于Py Qt5框架开发了一款针对海产品进行水下图像复原与目标检测的软件。该软件提供了直观且用户友好的交互界面,涵盖了模型权重的导入、初始化,置信度与IOU阈值的调节等功能,以及图像、视频和实时场景的上传、检测、结果展示与导出等全套操作流程。软件还设有已检测目标的列表展示、具体位置信息的反馈和检测耗时的实时显示,为用户提供了全方位的检测管理工具。