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！

龙图腾网获悉中船海洋探测技术研究院有限公司申请的专利一种基于随机掩模的前视声呐图像目标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：CN119762960B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202411835155.7，技术领域涉及：G06V20/05；该发明授权一种基于随机掩模的前视声呐图像目标识别方法是由郑永昌;刘亚非;陈志勇;王建军;郝彤昱;邓凡;顾健设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本一种基于随机掩模的前视声呐图像目标识别方法在说明书摘要公布了：本发明涉及声呐系统技术领域，具体涉及一种基于随机掩模的前视声呐图像目标识别方法。包括以下步骤，分别将目标图像数据和声呐图像数据分为训练集和测试集；对目标图像数据的训练集和测试集进行预处理，在目标图像上随机添加掩模，模拟水下目标的遮挡或信号干扰导致的结构缺损；构建目标检测模型，以YOLOV9模型为骨干，融合注意力机制模块；选择损失函数和优化方法；对添加掩模后的目标图像训练集进行预训练参数操作，并使用目标图像测试集对预训练模型进行测试；使用声呐图像训练集微调预训练模型参数，并使用声呐图像测试集对该模型进行测试。本发明随机在目标图像上添加掩模的方式结合注意力机制实现快速、准确的实时目标检测。

本发明授权一种基于随机掩模的前视声呐图像目标识别方法在权利要求书中公布了：1.一种基于随机掩模的前视声呐图像目标识别方法，其特征在于：包括以下步骤， S1：收集并标注数据集，分别将目标图像数据和声呐图像数据按一定比例划分为训练集和测试集；其中，所述目标图像数据集用于表征目标在完整结构条件下的几何与外形特征，使用LabelImg标注软件在图像上绘制边界框，标注目标的信息；所述前视声呐图像数据集用于表征目标在声呐成像条件下因声波传播受限而产生的回波结构不完整特征，使用LabelImg标注软件对声呐图像数据中的目标绘制边界框，注明目标的类别信息；最后将标注好的数据按7:3的比例划分为训练集和测试集； S2：对目标图像数据的训练集和测试集进行预处理，在目标图像上随机添加掩模，模拟水下目标的遮挡或信号干扰导致的结构缺损；S2中目标图像上添加掩模，首先从图像中的目标区域随机选择若干像素，这些像素值将作为掩模添加的基础；然后，在目标区域的所有像素中，随机选择若干个像素作为掩模的中心；这些随机选择的像素将在后续步骤中作为掩模的核心，决定掩模的影响范围和位置； S3：构建目标检测模型，以YOLOV9模型为骨干，融合注意力机制模块；S3中在YOLOV9的模型基础上，在模型的浅层融合空间注意力模块，聚焦图像细节信息；在模型的中层，结合空间和通道注意力，综合提升局部细节和全局信息；在模型的深层，融合通道注意力模块，突出全局特征；通过这种分层设计，YOLOV9在不同网络层次上灵活地使用空间和通道注意力，使网络在各种复杂场景中提高对目标的检测精度和鲁棒性； S4：根据方案需求，选择合适的损失函数和优化方法；S4中损失函数选择MPDIoU损失函数,MPDIoU损失函数通过以下公式表示： LMPDIoU=1-IoUmax+λ•DistanceBp,Bg; 其中，IoUmax是预测框与真实框之间的最大交并比；DistanceBp,Bg是预测框Bp和真实框Bg之间的最大概率距离度量；λ是一个可学习的参数，控制距离度量对损失函数的影响； S5：对添加掩模后的目标图像训练集进行预训练参数操作，并使用目标图像测试集对预训练模型进行测试；S5中，在对掩模增强后的图像进行预训练之前，对所有图像采用归一化和标准化方法进行处理；其中，标准化所使用的均值为[0.485,0.456,0.406]，标准差为[0.229,0.224,0.225]； S6：使用声呐图像训练集微调预训练模型参数，并使用声呐图像测试集对该模型进行测试；S6中包括微调阶段，微调阶段通过调整学习率并冻结部分层，专注于优化模型在声呐图像上的适应能力，同时避免过拟合。

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船海洋探测技术研究院有限公司，其通讯地址为：214000 江苏省无锡市运河西路3000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。