买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国船舶集团有限公司第七二四研究所申请的专利一种基于成像声呐的无人艇水下目标智能识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116243289B 。

龙图腾网通过国家知识产权局官网在2026-04-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211552953.X，技术领域涉及：G01S7/539；该发明授权一种基于成像声呐的无人艇水下目标智能识别方法是由张鹏达;丁友峰;孙斌;崔威威设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本一种基于成像声呐的无人艇水下目标智能识别方法在说明书摘要公布了：本发明公开了一种基于成像声呐的无人艇水下目标智能识别方法，涉及无人操作平台、目标识别领域。本发明针对无人艇航行及任务的需求，考虑无人艇的任务特征，具体方法是采用前视声呐进行目标测距定位和精准识别，对于水下目标，基于机器学习和，实现水域透彻感知、目标探测和精准识别。本发明可以提高无人艇水下目标识别性能。

本发明授权一种基于成像声呐的无人艇水下目标智能识别方法在权利要求书中公布了：1.一种基于成像声呐的无人艇水下目标智能识别方法，其特征在于： 步骤1：使用无人水面艇搭载的前视成像声呐采集声呐图像，再将采集到的数据传输到无人水面艇内部搭载的信息处理计算机中，搭建起训练和验证的图像、视频数据库； 步骤2：对采集到的原声呐图像进行Curvelet-enhance曲波分解，得到低频子带系数F0和高频子带系数Fs,n，s表示尺度，n表示子带方向； 步骤3：将S形状函数算法作用于归一化的低频子带系数： 式中F0和F0'分别是增强前后低频子带系数；M0是低频系数的最大值；k1为常数，k1＞1，其中S形函数算法形式：y＝vxx+expA-Bx，式中v为最大灰度值； 步骤4：对各高频子带系数进行非线性增强处理，并同时根据设定的阈值进行阈值化处理，当absFs,n≥T时： 当absFs,nT时： F's，n＝0 式中Fs,n和F′s,n分别是增强前后各高频子带系数；Ms,n是该层系数的最大值；k2为常数，k2＞1；其中非线性增益函数为： fx＝A[omicronCx-B-omicron-Cx+B]×e|x|-1×D； 式中：0＜B＜1；C在20～50之间取值，D在1～0.05之间取值，B为控制增强范围参数，C和D为控制增益强度参数； 步骤5：对所有子带系数进行Curvelet-enhance曲波逆变换，得到增强后的声呐图像； 步骤6：对步骤1-步骤5中经过Curvelet-enhance曲波变换的增强后的声呐图像建立深度学习卷积神经网络；通过人工筛选，在增强后的声呐图像中标记出想要识别的特征区域； 步骤7：建立卷积层，图像被传送到卷积层时，设置一个m×n大小的卷积核将卷积核W中的每一个权值分别和覆盖在增强后的声呐图像X中所对应的像素x相乘，然后再求和，公式为： 将运算结果z添加标量偏置之后产生输出；卷积层通过卷积核的过滤提取出图片中局部的特征； 步骤8：对感兴趣区域进行最大池化层操作，将经过筛选区域的图像转换成一个大小固定为W×H的特征矢量，所述兴趣区域为卷积特征图中的矩形窗口；选择使用搜索算法计算出分割区域，每个兴趣区域用一个四元向量来表示x,y,w,h，其中x,y标识左上角坐标，w,h表示矩形窗口的高度和宽度；兴趣区域池化层将大小为w,h的区域划分为W×H个网格字窗口，每个窗口为wW×hH，然后把每个子窗口中的特征值最大池化到对应的输出网络中，对每个特征通道进行该操作后，h和标准的最大池化一样； 步骤9：进行多任务训练，同时将目标分类和候选区域框回归计算作为两个并行输出层，第一个任务输出每个感兴趣区域在K+1类上的分布概率，其中K是目标分类个数，另外加上背景这一类别，并使用softmax函数计算概率；第二个任务是计算边框的回归偏移多任务的损失函数即联合训练分类和候选区域边框回归计算： Lp,u,tu,v＝Lclsp,u+λ[u≥1]+Lloctu,v 其中，参数u标记候选区域内容为目标的真实类别，u＝0表示区域内容为背景；Lclsp,u＝-logPu为类别u对应的损失函数，Lloctu,v通过平滑L1损失函数计算边框位置的损失函数，tu是类别u预测的边框；方括号[u≥1]标记满足方框内条件u≥1则为1，反之则为0；参数λ控制两个损失函数之间的平衡； 步骤10：使用梯度下降方法对卷积神经网络进行参数反向传播；在训练过程中，将整个数据集全部送入网络模型中进行训练学习，让网络利用全部样本计算出迭代更新的梯度值；通过将感兴趣区域池化层处理卷积特征，并将得到的特征送往两个并行计算任务进行训练，分类和定位回归； 步骤11：通过多次迭代计算，使得损失函数值小于0.1，得到训练好的深度学习神经网络； 步骤12：利用步骤1-5中得到的增强后的声呐图像数据库对经过步骤6-10得到的深度学习神经网络进行反复的训练； 步骤13：统计经过训练得到的识别结果的正确率；若正确率较低，重复步骤1，增大声呐采集样本的多样性；将无人艇搭载的前视多波束成像声呐采集到的声呐样本重复步骤1-步骤10； 步骤14：在无人艇显示前端显示目标识别类型值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国船舶集团有限公司第七二四研究所，其通讯地址为：210003 江苏省南京市中山北路346号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。