先进的深度学习框架用于用多束前声纳探测水下物体
Liangfu Ge1, Premjeet Singh2, Ayan Sadhu1
1Department of Civil and Environmental Engineering, The Western Academy for Advanced Research, Western University, London, ON, Canada.
概括
本研究引入了使用声纳数据进行水下物体检测 (UOD) 的先进深度学习框架. 基于YOLOv7的增强模型显著改善了水下基础设施管理的目标分类,本地化和转移学习.
科学领域:
- 机器人技术和自主系统
- 计算机视觉 计算机视觉
- 海洋工程 海洋工程
背景情况:
- 水下物体检测 (UOD) 对于基础设施维护和资产管理至关重要.
- 在具有挑战性的水下条件下,声纳成像优先于光学方法.
- 现有的基于声纳的UOD方法在低分辨率和差差对比度方面扎,限制了精度和可转移性.
研究的目的:
- 开发一个先进的深度学习框架,以使用多束前声纳数据改进UOD.
- 解决当前基于声纳的物体检测算法的精度和可转移性挑战.
主要方法:
- 为声纳数据调整了YOLOv7网络架构.
- 在数据预处理,功能融合和丢失函数中实现了独特的优化.
- 在公共数据集上验证了框架,并通过与水下遥控车辆的实验进行了验证.
主要成果:
- 与现有的基于声纳的方法相比,拟议的框架展示了优越的对象分类性能.
- 在目标分类,本地化和转移学习能力方面取得了重大改进.
- 实验验证证了该框架在水下远程操作车辆上的有效性.
结论:
- 先进的深度学习框架为使用声纳数据的UOD提供了显著的改进.
- 该框架显示了潜水结构检查,监测和自主资产管理的潜力,因为其增强的能力.
- 这项工作促进了深度学习在海洋机器人和基础设施管理中的应用.


