公开(公告)号：CN117826846A

公开(公告)日：2024-04-05

申请号：CN202311560671.9

申请日：2023-11-20

Applicant: 宜昌测试技术研究所

Inventor： 淦智权 ,  高琪琪 ,  邵兴 ,  廖鹏 ,  刘俊宜

IPC: G05D1/485 ,  G05D101/10

Abstract: 本发明公开了一种基于深度强化学习的半潜式无人艇定深控制方法及装置，所述方法包括：构建半潜式无人艇在垂直面的二维运动模型，二维运动模型表征了所述半潜式无人艇的控制器发出的控制动作、环境信息与半潜式无人艇的运动状态的对应关系；由半潜式无人艇的控制动作、环境信息与对应的所述半潜式无人艇的运动状态组成训练数据，对DQN网络模型进行训练，得到训练完毕的DQN网络模型；半潜式无人艇使用自身的传感器采集半潜式无人艇当前状态和环境信息，提取特征向量输入训练完毕的DQN网络模型，输出半潜式无人艇的控制动作，基于控制动作，驱动半潜式无人艇的深度驱动装置。本方法显著提高半潜式无人艇的自主性、智能性和适应性。

公开(公告)号：CN116091908A

公开(公告)日：2023-05-09

申请号：CN202211459924.9

申请日：2022-11-16

Applicant: 宜昌测试技术研究所

Inventor： 罗逸豪 ,  王德亮 ,  廖鹏 ,  彭文伟 ,  田宇丰 ,  孙创 ,  张吟

IPC: G06V20/05 ,  G06V10/44 ,  G06V10/52 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提出一种用于水下声呐小目标检测的多尺度特征增强与训练方法和装置，该方法包括：构造目标检测模型的骨干网络，网络输出四层分辨率不同的多尺度特征；实现基于亚像素的跳跃连接，对高层特征进行融合；实现基于亚像素的上下文增强，对所有尺度特征进行融合；实现通道注意力共用引导，对生成的特征金字塔进行优化处理；构建整体目标检测模型，加载预训练模型和声呐图像数据集，开始训练；对多尺度损失值进行加权，选择方差下降率最高的两个尺度进行增强，增大其权重；计算总体损失，反向传播更新模型参数，训练结束得到目标检测模型；本发明在水下声呐小目标检测任务中取得了良好的检测精度。

公开(公告)号：CN116206191A

公开(公告)日：2023-06-02

申请号：CN202211432193.9

申请日：2022-11-16

Applicant: 宜昌测试技术研究所

Inventor： 罗逸豪 ,  李莉 ,  张钰竹 ,  廖鹏 ,  杜友 ,  孙创 ,  张吟

IPC: G06V20/05 ,  G06V10/82 ,  G06V10/75 ,  G06N3/049 ,  G06N3/0464

Abstract: 本发明提出一种用于水下声呐自主探测的脉冲神经网络转换方法和装置，该方法包括：步骤S1：修改基于深度神经网络模型(DNN)的YOLOv3‑tiny模型，得到经过修改的YOLOv3‑tiny模型；步骤S2：加载水下声呐图像数据集，训练所述经过修改的YOLOv3‑tiny模型；步骤S3：为进行水下目标检测，将训练好的YOLOv3‑tiny模型转换为基于脉冲神经网络(SNN)的YOLOv3‑SNN模型，所述YOLOv3‑SNN模型包括输入层、隐藏层和输出层，其中，输入层采用实数编码，隐藏层采用活跃状态，静息状态的两状态的脉冲神经编码，输出层使用膜电压解码；步骤S4：利用所述基于脉冲神经网络(SNN)的YOLOv3‑SNN模型，直接用于水下声呐小目标检测任务。