CN120071304B 一种基于边界强化的海上环境自适应感知方法及系统 （山东科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120071304B(45)授权公告日2025.07.01

(21)申请号202510533490.X

(22)申请日2025.04.27

(65)同一申请的已公布的文献号申请公布号CN120071304A

(43)申请公布日2025.05.30

(73)专利权人山东科技大学

地址266590山东省青岛市黄岛区前湾港

路579号

(72)发明人张立业孙晓宇孔栋董海荣刘纪刚刘世江

(74)专利代理机构青岛锦佳专利代理事务所(普通合伙)37283

专利代理师朱玉建

(51)Int.CI.

GO6V20/58(2022.01)

GO6V10/764(2022.01)

GO6V10/52(2022.01)

GO6V10/80(2022.01)

GO6V10/82(2022.01)

GO6V10/96(2022.01)

GO6N3/0455(2023.01)

GO6N3/0464(2023.01)

GO6N3/09(2023.01)

GO6N3/092(2023.01)

(56)对比文件

CN111127493A,2020.05.08CN118396071A,2024.07.26

审查员来文燕

权利要求书3页说明书11页附图3页

(54)发明名称

一种基于边界强化的海上环境自适应感知方法及系统

(57)摘要

CN120071304B本发明属于无人水面艇自主巡航以及海上环境感知技术领域，具体公开了一种基于边界强化的海上环境自适应感知方法及系统。在方法中提出了一种语义-边界多层次强化的船载相机图像理解模型。在训练阶段，将原始图像与边界真值分别通过语义特征编码流、边界特征编码流进行编码，通过边界-语义特征融合流进行特征交互，以增强边界感知能力；编码流以及融合流的结果输入融合特征解码器，经方向、位置和通道三维特征注意力强化后，输出环境类别理解结果，模型的预测输出通过边界提取生成预测边界，在边界特征鉴别器结合边界真值构建量化指标，通过多任务损失函数负反馈优化模型。本发明涵盖了不同场景下的边界信息，提高了无人船

CN120071304B

边界特征编码流

边界特征编码流

边界真值

注意力模块

协网注意力

边界-语义特征融合流

输入图片

训练+推理语义特征编码流

边界特征提取

模型输出

cfimE

边界预测值

残差卷积层

边界特征鉴别器

融合特征解码器

边界真值

CN120071304B权利要求书1/3页

2

1.一种基于边界强化的海上环境自适应感知方法，其特征在于，包括如下步骤：

步骤1.获取海上环境感知的原始图像数据集，对原始图像进行数据增强，并针对每幅原始图像获取其边界真值，边界真值与原始图像一一对应组成训练数据集；

步骤2.搭建语义-边界多层次强化的船载相机图像理解模型，其包括边界特征编码流、语义特征编码流、边界-语义特征融合流以及融合特征解码器；

边界特征编码流以及语义特征编码流分别用于对输入模型的边界真值和原始图像进行编码；每个编码流均包括级联的四层特征提取层；

边界-语义特征融合流包括级联的四层特征注意力模块；

每层特征注意力模块分别用于接收边界特征编码流和语义特征编码流对应层的输出，且用于实现对应层边界特征和语义特征的特征交互，以增强边界感知能力；

各层特征注意力模块的输出分别反馈至语义特征编码流的对应层，并与语义特征编码流的对应层的输出一起作为语义特征编码流的下层输入；

边界特征编码流、语义特征编码流、边界-语义特征融合流的输出结果输入融合特征解码器，经方向、位置和通道三维特征注意力强化后，输出海上环境感知分类结果；

步骤3.利用训练数据集训练语义-边界多层次强化的船载相机图像理解模型；将实时获取的海上环境感知的图像数据输入训练好的模型，得到海上环境自适应感知结果。

2.根据权利要求1所述的基于边界强化的海上环境自适应感知方法，其特征在于，所述步骤1中，训练数据集的获取方式如下：

首先获取用于海上环境感知的原始图像数据集，对原始图像进行数据增强预处理，以扩充原始图像数据的数量；其中，数据集真值为逐像素类别标注