基于卷积神经网络的水下海参目标检测系统设计与实现

摘要

近年来，随着人们物质生活水平的不断提高，大家愿意去购买富含营养价值的产品来保养身体。海参作为一种名贵的海产动物，一直以来，由于其丰富的营养、药用价值而备受关注。然而现阶段，海参捕捞方式主要采用人力捕捞，效率低下，并且会对人身安全造成重大威胁，因此，开发一种全自动捕捞设备替代人工进行海参捕捞是一种必然趋势，这将会节约大量人力和捕捞成本。是否可以准确检测水下海参目标将是全自动捕捞设备的关键。因此，本文设计一种基于卷积神经网络的水下海参目标检测系统，用于准确检测出水下海参目标。
　　本文主要工作内容如下:
　　首先，介绍系统的功能与性能需求，并根据系统的需求进行设计，得出各个模块的功能，并对系统的检测流程进行设计。
　　其次，通过分析当前基于候选区域的目标检测算法和基于回归的目标检测算法存在的问题，权衡精度与速度的要求，选择YOLO v2算法对水下海参目标进行检测。针对YOLO v2算法的网络结构、坐标预测、非极大值抑制、损失函数及等关键要素进行分析，根据本文的具体任务做出相应的修改。
　　然后，进行基于卷积神经网络的水下海参目标检测系统实现，共分为三个阶段。数据准备阶段，进行水下海参目标检测数据集的构建，包括:图像预处理、数据标注、数据筛选等。其中，图像预处理模块针对水下海参图像存在的色偏问题，使用ACE算法对水下海参图像进行增强，恢复水下海参图像的色彩。模型训练阶段，根据算法训练使用的方法及具体的超参数设置，进行YOLO v2算法模型的训练。水下海参目标检测阶段，介绍水下海参目标检测模块的功能及接口。
　　最后，测试基于卷积神经网络的水下海参目标检测系统，系统的性能测试，通过对比实验结果，验证本文使用的方法用于水下海参目标检测的可行性和有效性。系统的功能测试，通过图像和视频文件中的海参目标的检测结果，验证本系统是否能够准确地检测出水下环境中的海参目标。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景及意义

1．2 国内外研究现状

1．2．1 基于计算机视觉的水下目标检测方法国内外研究现状

1．2．2 基于卷积神经网络的目标检测方法国内外研究现状

1．3 本文主要工作

1．4 论文的组织结构

第2章 水下海参目标检测系统需求分析与总体设计

2．1 系统的需求分析

2．1．1 功能需求

2．1．2 性能需求

2．2 水下海参目标检测系统总体设计

2．2．1 系统结构设计

2．2．2 系统实现阶段设计

2．2．3 水下海参目标检测评估指标

2．3 水下海参目标检测系统流程设计

2．4 本章小结

第3章 基于卷积神经网络的水下海参目标检测算法

3．1 引言

3．2 卷积神经网络

3．2．1 基础单元

3．2．2 卷积神经网络的训练

3．2．3 经典卷积神经网络结构

3．3 基于卷积神经网络的目标检测方法

3．3．1 基于候选区域的目标检测方法

3．3．2 基于回归的目标检测方法

3．4 基于YOLO v2的水下海参目标检测算法

3．4．1 网络结构

3．4．2 坐标预测

3．4．3 非极大值抑制

3．4．4 损失函数设计

3．4．5 关键技术分析

3．5 本章小结

第4章 基于卷积神经网络的水下海参目标检测系统实现

4．1 材料

4．1．1 实验样本

4．1．2 数据采集

4．2 数据准备阶段

4．2．1 图像预处理模块

4．2．2 数据标注模块

4．2．3 数据筛选模块

4．3 模型训练阶段

4．3．1 模型训练环境及数据

4．3．2 模型训练模块

4．4 水下海参目标检测阶段

4．5 本章小结

第5章 基于卷积神经网络的水下海参目标检测系统测试

5．1 系统测试环境及数据

5．2 系统性能测试

5．2．1 YOLO系列算法实验结果

5．2．2 YOLO v2与其他算法对比结果

5．3 系统功能测试

5．3．1 图像文件测试

5．3．2 视频文件测试

5．4 测试结论

5．5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢