-
题名基于SLA-UNet的海水网箱养殖信息提取
- 1
-
-
作者
柯丽娜
由金浩
范剑超
-
机构
辽宁师范大学地理科学学院
大连理工大学控制科学与工程学院
-
出处
《海洋学报》
CAS
CSCD
北大核心
2024年第5期93-102,共10页
-
基金
国家自然科学基金项目(42076184,41706195)
国家高分重大科研专项项目(41-Y30F07-9001-20/22)
国家重点研发计划项目(2021YFC2801000)。
-
文摘
网箱养殖是海水养殖中最重要的类型之一,各类网箱在遥感影像中形状不一,且背景复杂,以往的网箱提取方法,未能完全模拟人类的视觉行为,以及高效利用光谱信息。针对上述问题,提出深度多循环注意力光谱的U-Net网络模型(Spectral Loopy Attention U-Net,SLA-UNet)进行网箱养殖信息提取,使用基于最优尺度寻优(Estimation of Scale Parameter,ESP)的随机森林(Random Forest,RF)算法,去除波段运算后的冗余光谱信息,并添加类似人眼的注意力行为机制,深化影响网箱信息提取的重要特征通道,同时进行边缘补齐补充损失信息,实现了网箱养殖信息的高精度提取。选取广东省湛江市和海南省临高县作为研究区域,与Canny算子、Otsu算法、PCA_Kmeans算法、基于ESP的RF算法、U-Net模型提取结果进行对比,所提SLA-UNet模型近岸网箱的提取精度为98.3%,深海网箱提取精度平均值为98.9%,验证了SLA-UNet模型在网箱养殖识别中的有效性。
-
关键词
网箱养殖
U-Net模型
多循环注意力机制
深度特征
高效光谱特征
-
Keywords
cage aquaculture
U-Net model
Loopy Attention mechanism
deep features
highly efficient spectral characteristics
-
分类号
P714
[天文地球—海洋科学]
TP75
[自动化与计算机技术—检测技术与自动化装置]
S967.3
[自动化与计算机技术—控制科学与工程]
-
