关键词:
海珍品
水下图像增强
目标检测
轻量化
PyQt5
摘要:
海珍品作为食物来源,为人类提供了丰富的蛋白质和其他营养素。海珍品的捕捞工作大多是采捕人员潜入海底进行捕捞,长时间水下工作会对采捕人员的身体会造成一定的损伤。因此使用水下机器人捕捞逐渐替代了人为捕捞。然而,水对光线的吸收和散射导致的光线衰减现象,水中的悬浮颗粒导致的散射现象,都会造成水下图像色彩失真,使水下环境中的颜色与空气中观察到的颜色有所不同,不利于海珍品的识别。此外,在保持高检测精度的前提下减小目标检测算法的参数量,提升检测速度也是目前水下捕捞机器人所需要解决的重要问题。因此,对于海底环境的水下图像增强与目标检测算法的轻量化处理在海珍品捕捞方面有着重要的研究价值。为此,本文提出了基于注意力机制和双向多尺度特征融合的水下图像增强算法和ES YOLOv7-tiny轻量化海珍品检测算法。主要工作内容如下:(1)针对水下图像增强过后的图片存在小目标模糊不清或者消失的问题,本文提出融合注意力机制的双向多尺度特征融合的水下图像增强算法MSBUIEN(Multi-Scale Boosted Underwater Image Enhancement Network)。首先设计混合注意力模块,提取图像中重要的信息,其次提出横向多尺度特征融合模块,与DFF(Dense Feature Fusion Module)模块实现了双向多尺度特征融合,并且优化了图像恢复模块,增强对细节信息的感知能力,最后使用VGG感知损失和L2损失构建联合损失函数,提升图像恢复效果。在UIEB数据集上,UIQM、PSNR、SSIM分别达到0.9599、21.0571、0.8847。实验结果表明,本文方法增强后的图片细节恢复好,极大程度上减轻了图像增强过后小目标模糊或丢失的问题。(2)针对海珍品捕捞机器人使用的水下目标检测算法参数量大,不适合部署在移动设备上等问题,提出一种基于YOLOv7-tiny的轻量化海珍品检测算法ES YOLOv7-tiny(Efficient Net-S YOLOv7-tiny)。在YOLOv7-tiny基础上,首先将主干网络替换为改进的Efficient Net,引入轻量化卷积代替颈部网络中的常规卷积,其次使用k-means++算法聚类锚框尺寸,加快推理速度,最后使用知识蒸馏算法使精度进一步提升。在RUIE(Real-world Underwater Image Enhancement)数据集上,改进后的算法平均精度均值(m AP)达到73.7%,检测速度达到123FPS,参数量为4.45M,与原YOLOv7-tiny算法相比,m AP提升了1.2个百分点,检测速度提升25FPS,参数量降低了1.56M。实验结果表明,所提算法在提升精度的同时降低了参数量,并且加快了检测速度,证明了该算法的有效性。(3)开发海珍品检测系统,该系统包含两个部分:用户登陆部分和检测部分,在登陆界面中,用户登陆成功即可进入主界面,主界面可以完成图像增强海珍品检测等功能,并将输入数据和检测结果一同呈现在使用者面前,方便使用者对检测情况有一个及时的了解。