高天铭,闫 敬 ,尤康林,张 良,林景胜,罗小元

(1.燕山大学电气工程学院,河北秦皇岛 066004;2.国家海洋技术中心自然资源部海洋观测技术重点实验室,天津 300110)

1 引言

海珍品,例如海参、海胆、扇贝等,富含丰富的蛋白质和微量元素,具有极高的营养价值.近年来,随着国民收入的持续增加以及对健康的日益关注,人们对海参为代表的海珍品需求量逐年递增.目前,通常采用人工作业的方式对海珍品进行捕捞,潜水员需潜入海中半小时至两小时不等,长期的潜水作业一方面对潜水员身体造成极大的危害,另一方面增加了捕捞成本.为保证潜水员的健康安全、提升捕捞效率、降低捕捞成本,亟需设计一套面向海珍品捕捞的水下智能识别与自主抓取机器人.

目前,常用的目标智能识别算法主要分为两类:1)以Fast R-CNN[1]为代表的二阶段算法,其优点是拥有较高的检测精度,例如文献[2]使用自制数据集训练Fast R-CNN模型,并通过核相关滤波算法完成了对海珍品的识别与跟踪;文献[3]使用透视变换和光照合成对数据集扩增,进而使用Fast R-CNN完成海珍品检测.但上述网络架构层数多、在线推理辨识实时性差,不适合水下目标检测这种实时性要求高的场合;2)YOLO系列[4]的一阶段检测算法,例如文献[5]将多尺度视网膜的颜色增强算法与YOLO识别算法相结合实现海洋牧场中的鱼群检测;文献[6]通过空间金字塔结构扩大感受域,将目标检测转化为回归问题,使其具有较高的检测速度与实时性……