文献类型：期刊文章

作　　者：程亮[1,2] 杨渊[3] 张云飞[1,2] 林德群[4] 杨春利[2] 杨士远[2] 王磊刚[2] 何赟泽[3]

Cheng Liang;Yang Yuan;Zhang Yunfei;Lin Dequn;Yang Chunli;Yang Shiyuan;Wang Leigang;He Yunze(School of Ocean Engineering,Jiangsu Ocean University,Lianyungang 222005,China;Zhuhai Yunzhou Intelligent Technology Co.,Ltd,Zhuhai 519085,China;College of Electrical and Information Engineering,Hunan University,Changsha 410006,China;Unit 63983 of PLA,Wuxi 214035,China)

机构地区：[1]江苏海洋大学海洋工程学院,连云港222005 [2]珠海云洲智能科技有限公司,珠海519085 [3]湖南大学,电气与信息工程学院,长沙410006 [4]中国人民解放军63983部队,无锡214035

出　　处：《电子测量与仪器学报》

基　　金：云洲研发项目(YZ⁃LX0A1⁃820)资助。

年　　份：2021

卷　　号：35

期　　号：9

起止页码：99-104

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EAPJ、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对水面无人艇(unmanned surface vessel,USV)智能感知系统对图像处理过程的准确性和实时性要求,研究了一种根据无人艇上机载视觉传感器对水上目标进行识别与定位的算法。首先根据开源数据集与实验数据采集图像,对实验数据抽帧、去重、标注、统计,创建了水上目标识别数据库YZ10K;其次实践了主流的基于深度学习的目标检测方法,包括Faster R⁃CNN、SSD、YOLOv3等;最后针对水上目标特点,提出了一种基于改进YOLOv3的增强型轻量级水上目标检测网络WT⁃YOLO(water target⁃you only look once)。无人船实验验证表明,WT⁃YOLO算法取得了准确且快速的目标识别效果,平均精度为79.30%,处理速度为30.01 fps。

关 键 词：无人艇 目标检测 YOLO  

分 类 号：TH98[机械类] TP391.9]