基于深度学习的水下声纳图像识别与处理
群体智能与模式识别研究组之“眼”
目前世界上已开发多种水下探测技术，随着这些技术的大量应用，对于水下目标的精确识别与处理提出了更高要求。完成水下任务的首要条件就是“识别”，以准确识别和分类水下目标。在浑浊水域或深海中，光学图像无法有效传输，而声纳图像能够穿透水体，提供清晰的水下环境图像，并具备全天候作业能力，即使在夜间或低能见度环境下也能正常工作。这使得声纳图像在复杂环境中的有效探测成为可能。当前，水下声纳图像识别面临的主要挑战包括复杂的水下环境、多样的干扰源及数据采集与处理的技术限制等问题。为此，本研究团队开发了先进的声纳图像处理技术，利用深度学习与模式识别来优化声纳图像的自动识别过程。
主要研究内容：
- 基于ROB-ROV和Oculus M1200d多波束前视声呐的声纳图像采集软硬件平台建设
- 基于深度学习的前视声呐图像分割
- 小样本和长尾分布下的声纳图像目标识别
- 基于深度迁移学习的声纳图像目标检测
主要研究成果：
- 进行了系统地研究，完成了从硬件搭建、声纳视频采集、数据处理、数据解译整个流程的技术储备，实现的识别效果达到了本领域领先水平。
- 基于渤海、千岛湖、三亚海域，制作了全世界公开的最大数据集，结果达到了国际先进，国内领先水平。
- 通过综合处理多次声纳数据采集，实现了对水下目标的精确识别，节约了搜救与监测的时间与成本。在顶尖期刊发表高水平论文数篇。
- 在国家级国防项目得到了示范应用。
研究意义和价值：
- 我们所提出的突破性的技术不仅显著提升了识别的准确性，还增强了系统在各种复杂环境中的适应能力，为水下探测与任务执行提供了坚实的技术支撑，体现了水下声纳图像研究的重要性和前瞻性。
- 我们的研究将持续推进，期望声纳图像技术在军事国防、海底资源勘探、水下考古和生态研究等领域发挥关键作用，带来显著的经济效益和环境保护效应。
