• 中国科技核心期刊
  • JST收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

近底探测型仿生UUV小目标物视觉识别检测系统

陈栢仲 王崇磊 郭春雨

陈栢仲, 王崇磊, 郭春雨. 近底探测型仿生UUV小目标物视觉识别检测系统[J]. 水下无人系统学报, 2023, 31(6): 911-917 doi: 10.11993/j.issn.2096-3920.2022-0099
引用本文: 陈栢仲, 王崇磊, 郭春雨. 近底探测型仿生UUV小目标物视觉识别检测系统[J]. 水下无人系统学报, 2023, 31(6): 911-917 doi: 10.11993/j.issn.2096-3920.2022-0099
CHEN Baizhong, WANG Chonglei, GUO Chunyu. Visual Recognition and Detection System for Small Targets of Near-Bottom Exploration Type Bionic UUV[J]. Journal of Unmanned Undersea Systems, 2023, 31(6): 911-917. doi: 10.11993/j.issn.2096-3920.2022-0099
Citation: CHEN Baizhong, WANG Chonglei, GUO Chunyu. Visual Recognition and Detection System for Small Targets of Near-Bottom Exploration Type Bionic UUV[J]. Journal of Unmanned Undersea Systems, 2023, 31(6): 911-917. doi: 10.11993/j.issn.2096-3920.2022-0099

近底探测型仿生UUV小目标物视觉识别检测系统

doi: 10.11993/j.issn.2096-3920.2022-0099
详细信息
    通讯作者:

    王崇磊(1989-), 男, 博士, 实验师, 主要研究方向为仿生波动航行器.

  • 中图分类号: TJ630; U674.941

Visual Recognition and Detection System for Small Targets of Near-Bottom Exploration Type Bionic UUV

  • 摘要: 仿生无人水下航行器(UUV)通过模仿海洋生物的运动原理, 替代人力并实现水下作业, 相较于传统的UUV具备高稳定性、高灵活性、低噪声以及强环境通过性等仿生学特性优势, 为近距离水下图像拍摄与水下目标物识别技术提供了优良的作业平台。文中以一种仿生胸鳍柔性波动推进UUV作为研究目标, 针对水下小目标物的贴底检测任务, 开展水下图像预处理技术与深度学习网络Resnet优化的深入研究, 设计一套满足该UUV运动特性的水下环境感知系统。最终通过试验进行验证, 文中提出的水下视觉检测方法的分类结果准确率为89.6%, 与其他分类网络相比具有最高的检测准确率, 能够适用于仿生胸鳍波动推进UUV进行水下贴底目标检测任务。在文章结尾对仿生UUV水下检测识别系统的优势与出现的问题进行了分析并提出了展望。

     

  • 图  1  一维高斯滤波模型

    Figure  1.  One-dimensional Gaussian filter model

    图  2  二维高斯滤波模型

    Figure  2.  Two-dimensional Gaussian filter model

    图  3  Canny处理结果

    Figure  3.  Processing results of Canny

    图  4  ResNet模型的残差块结构

    Figure  4.  Residual block structure of ResNet model

    图  5  文中所提方法流程图

    Figure  5.  Flow chart of the proposed method

    图  6  UUV拍摄视频帧

    Figure  6.  Video frames shot by UUV

    图  7  每个舵机的单波形图

    Figure  7.  Primary wave motion of each steering engine

    图  8  水下图像预处理

    Figure  8.  Underwater image preprocessing

    图  9  浑浊水下图像边缘检测

    Figure  9.  Image edge detection in turbid water

    图  10  仿生UUV

    Figure  10.  Bionic UUV

    图  11  3 m直径圆形水池

    Figure  11.  Circular pool with a diameter of 3 m

    图  12  水下贝类数据集

    Figure  12.  Data set of underwater shellfish

    图  13  训练的损失与验证准确率

    Figure  13.  Training losses and validation accuracy

    图  14  部分预测结果(单位: mm)

    Figure  14.  Partial prediction results(Unit: mm)

    图  15  准确率对比图

    Figure  15.  Comparison of accuracy

    图  16  贴水底目标拍摄

    Figure  16.  Shooting of target on the sea floor

    图  17  水下预伏拍摄

    Figure  17.  Underwater preloading shooting

  • [1] Sfakiotakis M, Lane M D, Davies B J C. Review of fish swimming modes for aquatic locomotion[J]. IEEE Journal of Ocean Engineering, 1999, 24(2): 237-252. doi: 10.1109/48.757275
    [2] Triantafyllou M S, Triantafyllou G S. An efficient swimming machine[J]. Scientific American, 1995, 272(3): 4540-4548.
    [3] 贺帆, 赵德安. 基于暗通道先验与YOLO的水下河蟹识别研究[J]. 软件导刊, 2020, 19(5): 29-32.

    He Fan, Zhao Dean. Recognition of underwater crab based on dark channel prior and YOLO[J]. Software Guide, 2020, 19(5): 29-32.
    [4] 万鹏, 赵竣威, 朱明, 等. 基于改进ResNet50模型的大宗淡水鱼种类识别方法[J]. 农业工程报, 2021, 37(12): 159-168.

    Wan Peng, Zhao Junwei, Zhu Ming, et al. Freshwater fish species identification method based on improved ResNet50 model[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(12): 159-168.
    [5] Pan T, Huang H, Lee Jen, et al. Multi-scale ResNet for real-time underwater object detection[J/OL]. Signal, Image and Video Processing, 2020, 15(5): 941-949.
    [6] Jeon M, Lee Y, Shin Y S, et al. Underwater object detection and pose estimation using deep learning[J]. IFAC-PapersOnLine, 2019, 52(21): 78-81. doi: 10.1016/j.ifacol.2019.12.286
    [7] 唐旭东, 朱炜, 庞永杰, 等. 水下机器人光视觉目标识别系统[J]. 机器人, 2009, 31(2): 171-179. doi: 10.3321/j.issn:1002-0446.2009.02.012

    Tang Xudong, Zhu Wei, Pang Yongjie, et al. Target recognition system based on optical vision for AUV[J]. Robot, 2009, 31(2): 171-179. doi: 10.3321/j.issn:1002-0446.2009.02.012
    [8] Sagara S, Ambar R B, Takemura F. A stereo vision system for underwater vehicle-manipulator systems Proposal of a novel concept using pan-tilt-slidecameras[J]. Journal of Robotics and Mechatronics, 2013, 25(5): 785-794. doi: 10.20965/jrm.2013.p0785
    [9] 江明明, 梁建军, 张一帆. 水下增稳视觉采集装置: CN 201820697177.5[P]. 2018-12-11.
    [10] Yang X, Wu Z X, Liu J C, et al. Design of a camera stabilizer system for robotic fish based on feedback-feedforward control[C]//35th Chinese Control Conference. Piscataway, USA: IEEE, 2016: 6044-6049.
    [11] Zhang P F, Wu Z X, Wang J, et al. 2-DOF camera stabilization platform for robotic fish based on active disturbance rejection control[C]//IEEE 9th Annual International Conference on CYBER Technology in Automation, Control, and Intelligent Systems. Piscataway, USA: IEEE, 2019: 283-288.
    [12] 梅家宁. UUV光视觉图像的稳像方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2016.
    [13] 徐义. 水下图像预处理技术研究[D]. 南京: 南京理工大学, 2013.
    [14] 吴宇, 蔡永斌, 汤荣华. 水下视觉图像处理和识别技术研究[J]. 舰船电子工程, 2019, 39(5): 93-96. doi: 10.3969/j.issn.1672-9730.2019.05.024

    Wu Yu, Cai Yongbin, Tang Ronghua. Research on the underwater optical imaging processing and identification[J]. Ship Electronic Engineering, 2019, 39(5): 93-96. doi: 10.3969/j.issn.1672-9730.2019.05.024
    [15] 梅永, 庄建军. 基于Canny边缘检测的图像预处理优化算法[J]. 信息技术, 2022(1): 75-79. doi: 10.13274/j.cnki.hdzj.2022.01.014
  • 加载中
图(17)
计量
  • 文章访问数:  70
  • HTML全文浏览量:  12
  • PDF下载量:  44
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-12-28
  • 修回日期:  2023-02-10
  • 网络出版日期:  2023-11-17

目录

    /

    返回文章
    返回
    服务号
    订阅号