公开(公告)号：CN105279556A

公开(公告)日：2016-01-27

申请号：CN201510747193.1

申请日：2015-11-05

Applicant: 国家卫星海洋应用中心

Inventor： 崔松雪 ,  刘峰 ,  郭茂华

IPC: G06N3/08

Abstract: 本发明提供了一种浒苔检测方法和装置，包括：采用深度学习方法对选取的样本数据进行模型设计，得到预设卷积神经网络模型；对得到的预设卷积神经网络模型进行多次迭代训练，并在预设卷积神经网络模型的精度达到预设阈值时确定为实际应用的卷积神经网络模型；根据确定的卷积神经网络模型对采集的待检测区域的绿潮信息进行检测，输出绿潮信息是否为浒苔的检测结果，其采用卷积神经网络的方式对大量的数据进行自动计算得到超高维特征，降低了人员参与度，使得计算的样本特征和对应的阈值的可靠性较高，具有较高的鲁棒性，并且还解决了环境、卫星本身等多因素的影响问题，同时也大幅降低了工作量，提升了识别效果。

公开(公告)号：CN105279556B

公开(公告)日：2017-11-07

申请号：CN201510747193.1

申请日：2015-11-05

Applicant: 国家卫星海洋应用中心

Inventor： 崔松雪 ,  刘峰 ,  郭茂华

IPC: G06N3/08

Abstract: 本发明提供了一种浒苔检测方法和装置，包括：采用深度学习方法对选取的样本数据进行模型设计，得到预设卷积神经网络模型；对得到的预设卷积神经网络模型进行多次迭代训练，并在预设卷积神经网络模型的精度达到预设阈值时确定为实际应用的卷积神经网络模型；根据确定的卷积神经网络模型对采集的待检测区域的绿潮信息进行检测，输出绿潮信息是否为浒苔的检测结果，其采用卷积神经网络的方式对大量的数据进行自动计算得到超高维特征，降低了人员参与度，使得计算的样本特征和对应的阈值的可靠性较高，具有较高的鲁棒性，并且还解决了环境、卫星本身等多因素的影响问题，同时也大幅降低了工作量，提升了识别效果。