船舶与海洋工程

项目概述

本项目针对红外尾迹分割的船舶红外检测需求，提出一种结合U-net分割模型与YOLO神经网络的船舶红外检测技术。本项目的流程分为四阶段：首先进行红外图像预处理，其次经过基于U-net的分割模型得到尾迹掩码图像，随即将尾迹二值化掩码图像投入YOLOv5n网络逆向定位船体位置，最后通过卡尔曼滤波算法进行时序跟踪。

项目创新点

1.在U-net网络的基础上结合空洞空间金字塔池化层和残差注意力机制；

2.网络损失函数采用不确定性方法对Dice Loss和Tverskyfocal Loss进行加权；

3.利用基于非极大值抑制的YOLO网络对船体进行逆向定位

项目成果及应用前景

本项目改进的U-net模型在红外尾迹分割任务下相比Depplabv3、Unet++、FPN等主流模型在Dice Score指标上提高至少7%，YOLOv5n网络在船逆向定位任务上相比YOLOv5m、YOLOv5s、YOLOv26n网络在MAP50指标上提升至少16%。

本文提出的一种风浪条件下舰艇红外尾迹识别与跟踪方法，可应用于岸基红外监测系统对近海航行船舶的自动检测、舰船航行过程中的被动红外探测与感知等任务。此外，本文提出的红外尾迹分割方法能够为隐身船型设计与尾迹抑制技术的研发积累相关经验。