-
题名基于改进YOLOv5s的鱼雷检测算法
被引量：1
- 1
-
-
作者
崔陈
甘文洋
朱大奇
-
机构
上海海事大学智能海事搜救与水下机器人上海工程技术研究中心
上海理工大学上海市水下工程检测专业技术创新服务平台
-
出处
《兵器装备工程学报》
CAS
CSCD
北大核心
2024年第1期35-41,79,共8页
-
基金
国家自然科学基金项目(62033009,52101362)
国家重点研发计划资助项目(2021YFC2801300)。
-
文摘
针对目前深海鱼雷检测中存在检测精度低和检测速度慢的问题,提出了一种基于改进YOLOv5s的鱼雷检测算法。使用可分离视觉变换器(SepViT)模块来替换主干层网络最后一层中的C3模块,增强骨干网络与全局信息的联系以及鱼雷特征的提取,降低漏检率和误检率。在YOLOv5s网络模型的主干层网络中引入ECA注意力机制,提高复杂的深海环境下检测模型对于鱼雷深层次关键特征的提取能力,同时避免了降维,以有效的方式捕捉跨通道的交互信息,以此来提高鱼雷检测模型的检测精度。将网络模型颈部层中的路径聚合网络(PANet)替换为双向特征金字塔网络(BiFPN),采用跨尺度连接去除路径聚合网络(PANet)中对特征融合贡献较小的节点,实现多尺度特征的快速融合,提高鱼雷检测模型的检测效率。实验结果表明:改进的YOLOv5s鱼雷检测算法的均值平均精度(mAP)达到了97.0%,较原来的YOLOv5s算法提高了3.7%,检测速度达83 FPS,有效地提高了深海鱼雷检测的精度和速度。
-
关键词
鱼雷检测
YOLOv5s
深度学习
可分离视觉变换器
注意力机制
双向特征金字塔网络
-
Keywords
torpedo detection
YOLOv5s
deep learning
separable vision transformer
attention mechanism
bidirectional feature pyramid network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名UUV水下模型预测滑模跟踪控制算法
被引量：9
- 2
-
-
作者
赵洪坛
朱大奇
-
机构
上海海事大学信息工程学院
上海理工大学上海市水下工程检测专业技术创新服务平台
-
出处
《控制工程》
CSCD
北大核心
2022年第7期1195-1203,共9页
-
基金
国家自然科学基金资助项目(62033009,U1706224)
上海市科委创新行动计划(20510712300)。
-
文摘
水下机器人(UUV)工作时常伴有海流状况,UUV控制的不稳定性可能导致其无法工作或出现安全问题。针对水下机器人受海流频繁干扰的问题,设计了一种含海流因素的模型预测与自适应滑模级联的控制方法(OCMPC-ASMC),在高精度跟踪轨迹的同时,能提高水下机器人在持续海流或者突发海流扰动时跟踪控制的鲁棒性。首先,设计基于模型预测控制方法的运动学控制器,将海流速度合成到UUV的参考速度中,构建含海流因素的预测模型;然后,设计一种自适应滑模动力学控制器,通过速度、位置的反馈使得水下机器人能够实现对海流干扰的自适应;最后,在MATLAB上进行三维空间仿真并与传统MPC-SMC和反步控制比较,验证了所提方法应对波动海流有很强的鲁棒性与自适应能力。
-
关键词
轨迹跟踪
模型预测控制
滑模控制
海流影响
-
Keywords
Trajectory tracking
model predictive control
sliding mode control
ocean current effect
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
