中国科学院文献情报系统—海洋科技情报网 Chinese Academy of Sciences | marine science and technology information network system

微信公众号

您当前的位置: 首页 > 科研动态

科研动态共计 2,020 条信息

      全选  导出

1 深度学习方法高分辨率SAR图像船舶检测与方向提取 2024-02-22

近日,自然资源部第二海洋研究所与浙江大学联合培养博士研究生李修楠以第一作者在期刊IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing(IF 5.5)上发表了题为“TKP-Net:A Three Keypoint Detection Network for Ships Using SAR Imagery”的研究论文,论文通讯作者为自然资源部第二海洋研究所陈鹏正高级工程师和杨劲松研究员,合作者包括国家卫星海洋应用中心安文韬研究员、自然资源部第二海洋研究所博士联陪生罗丹,郑罡研究员,硕士生陆霭莹,硕士生王梓沐。 遥感船舶监测在军事和民用领域都有重要的应用。从遥感数据,特别是从合成孔径雷达(SAR)图像中提取船舶长度、宽度和航向等信息至关重要。目前SAR图像船舶监测主要集中在船舶位置检测上。船舶方向的判别通常依赖于尾流特征的可观测性。然而,尾流特征的可观测性往往受到SAR系统参数、船舶属性、动态海洋环境等因素的影响。这使得准确的方向评估成为一项具有挑战性的任务。针对这些挑战,本研究提出了一种基于三个关键点的任意方向SAR船舶检测新方法。该方法从高分辨率SAR图像中学习船首和船尾的散射和形态信息,从而使用旋转边界框高精度确定船舶方向。该方法的第一步,将旋转框的角度预测问题转化为关键点位置的估计和匹配问题,以确定旋转框。在第二步中,使用放置在两个关键点的分类器进行船头判别,该算法在数据集上进行了测试,取得了90.8%的平均精度(AP)和92.5%的船头分类准确度,展示了其对于遥感船舶监测技术进步的潜在贡献。 本研究提出TKP-Net总体架构,分为三个主要部分,即特征提取和融合、目标检测头和预测模块。特征提取与融合模块用于提取多尺度船舶特征。目标检测头模块用于生成关键点热图、关键点偏移、旋转框的长度、宽度、方向向量和船头分类结果。预测模块结合来自检测头模块的信息形成旋转框和船头位置。 网络结构可分为三个部分,即特征提取与融合模块、检测头模块、预测模块。数据经过特征提取和融合模块后,得到热图、偏移量、尺寸参数、向量、船头分类层五个参数部分。热图和偏移量结合起来生成关键点坐标。尺寸参数和向量来匹配关键点坐标以生成旋转边框,并使用船头分类层来确定船头位于哪个关键点。 TKP-Net算法和其他五种算法(gliding vertex、Oriented RCNN、R3Det、YOLOv5+CSL和Faster R-CNN(OBB))的OBB检测性能进行了比较。使用的评估指标为精确率(Precision)、召回率(Recall)、F1分数(F1 Score)、每秒传输帧数(FPS)和平均准确率(AP)。TKP-Net方法在性能指标上表现出色。具体而言,Precision达到了98.2%,Recall达到了97.7%,F1分数为97.9%,AP50为90.8%,处理速度为每秒18.1帧。 全景SAR图像测试可用于验证和评估船舶检测算法在现实场景中的性能。利用全景SAR图像进行测试可以更准确地评估算法在处理复杂背景、多目标、遮挡和其他挑战性情况时的性能。 本研究在全景SAR图像上进行了测试,船舶检测在陆地或岛屿上存在一些误检。在没有陆地或岛屿干扰的情况下,海面大型SAR舰艇的探测效果较好。我们选择图像上有尾流的船只来验证我们的船头分类的准确性。大部分船舶的航向与船舶尾流验证的方向一致。这可以在一定程度上证明我们的方法在从全景SAR图像中提取船舶方向具有良好的性能。 论文引用: Li X,Chen P*,Yang J*,et al.TKP-Net:A Three Keypoint Detection Network for Ships Using SAR Imagery[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,vol.17,pp.364-376,2024,doi:10.1109/JSTARS.2023.3329252. 查看详细>>

来源:国家海洋局第二海洋研究所 点击量:0

2 基于预报轨迹校正模型的AUV热带气旋追踪方法 2024-02-21

近日,自然资源部第二海洋研究所与上海交通大学联合培养的硕士研究生戚方正和博士研究生马习文以第一和第二作者在Ocean Engineering上发表了题为“Tropical cyclone tracking for autonomous underwater vehicles based on forecast path correction model”的研究论文,论文通讯作者为自然资源部第二海洋研究所杨劲松研究员。 传统的热带气旋(TC)观测方法已经越来越不能满足海洋科学发展的需要。可以预见,无人化、智能化的观测方法将是未来海洋观测的发展方向。与被动观测的方法不同,本研究依据追踪TC引起的流场中心来确定TC中心的思路,提出了一种AUV主动追踪TC并实时校正轨迹预报误差的可行方案。 预报轨迹校正模型定义了四种类型的点,它们主要作为模型的计算对象,用于描述特定的TC追踪过程。本研究还设计了数据处理模块和海流计算模块用于更新待计算的关键点。除此之外,校正算法的设计可以通过分析既有的轨迹误差,进而推测未来预报点的误差,以此实现轨迹校正。 模型在计算关键路径点的过程中,采用了多边定位法来确定一个具有稳定结构的TC所激发的海流的中心。校正算法在确定AUV追踪轨迹的同时,也修正了TC路径预报数据带来的误差。最后,文章通过仿真实验,验证了该模型的有效性。 通过对仿真结果误差性质的分析,AUV成功地将海流数据产生的误差均值和方差与理论期望进行了匹配。需要指出的是,该研究中的应用场景涉及到许多相互关联的逻辑关系,不能将其拆分成一个个孤立的数学问题。虽然算法在仿真中显示出了表现较好的结果,但进一步的改进仍然需要来自真实世界数据的支持。该研究为AUV在现实条件下持续追踪TC奠定了基础,这同时也为现场作业中高效采集数据提供了可能。 该研究得到了国家自然科学基金项目、上海交通大学深蓝计划、南方海洋科学与工程广东实验室(珠海)创新团队科研建设经费的资助。 论文引用:F.Z.Qi,X.W.Ma and J.S.Yang,2024.“Tropical cyclone tracking for autonomous underwater vehicles based on forecast path correction model”,Ocean Engineering. 查看详细>>

来源:国家海洋局第二海洋研究所 点击量:1

3 中国科学院烟台海岸带研究所在未来无人渔厂科技创新方面获得重要进展 2024-02-21

绿色无人工厂化养殖和高质量水产品可持续产出是未来渔业发展的新趋势。中国科学院烟台海岸带研究所吕剑团队在国家重点研发计划、中国科学院科技服务网络计划资助下,立足全球工厂化养殖产业发展需求,以智能化革新技术为引领,推动全球无人渔厂建设取得系列科研进展。核心技术已授权国家发明专利18项,形成了有效的技术成果专利保护群。 针对目前工厂化养殖装备缺乏、精细化管控不足的难题,研制了工厂化智能养殖新装备5套,构建了低碳生物絮团型循环水养殖新模式,研发了异养-自养耦合高氧脱氮生态净水新工艺,建成了智能循环水养殖新系统,其回用水质优于国际主流MBBR工艺,曝气能耗及有机碳源消耗均降低50%以上。 针对全球水产行业细菌耐药性难题,开发了抗生素绿色减替新技术,揭示了抗菌肽可直接削减抗性基因并抑制其水平传播扩散的机制,研发了具备抑病、促生、脱氮复合功能的益生菌剂,构建了工厂化养殖智能健康预警系统,创建了无特定病原菌(SPF)苗种繁育新理论技术。相关理论与技术已指导替抗制剂实现规模化生产。 针对目前工厂化养殖能耗高、渔光互补系统电力供应不稳定的难题,利用海岸带地热资源优势,开发了地热尾水回灌防淤堵新技术和新材料,创建了地热-光伏互补型新能源低碳智慧渔厂系统。相关技术已在全国推广,工厂化养殖示范面积达100万m2,主养品种涉及对虾、石斑鱼、鳗鲡、鲫、鲈鱼等,产业应用潜力大。 核心技术国家发明专利保护信息: 1)吕剑;武君;王建华;张翠.一种污水净化回用处理方法及系统装置.发明专利.专利号:ZL202111519486.6 2)吕剑;张宇轩;于晓斌;武君.一种水产养殖水处理及循环利用装置及处理方法.发明专利.专利号:ZL201810149792.7 3)吕剑;张宇轩;武君;于晓斌.一种水产养殖污水原位好氧脱氮处理净化的方法.发明专利.专利号:ZL201810378221.0 4)吕剑;王建华;武君;殷璐璐;王娜.水产养殖益生菌及其菌剂制备与应用.发明专利.专利号:ZL202210407502.0 5)吕剑;张翠;武君;骆永明.一种利用再生水修复滨海盐碱化农用地土壤的方法.发明专利.2016,专利号:ZL201610040061.X 6)吕剑;王建华;张宇轩;武君.一种养殖业抗生素减量化制剂及其制备方法.发明专利.专利号:ZL201911149981.5 查看详细>>

来源:中科院烟台海岸带研究所 点击量:0

4 磁控电位传感分析新技术及其海岸带监测分析应用研究取得进展 2024-02-21

海岸带环境中的污染物如有机污染物、致病菌、重金属等种类繁多且环境毒性较大,迫切需要开发新型快速、灵敏、准确的传感分析方法及高效的鉴别分析系统。长期以来,聚合物敏感膜电位分析技术受疏水性化学配体的限制,主要用于实现对各类离子的检测。针对上述挑战,中国科学院烟台海岸带研究所的秦伟研究员及其团队,提出了基于磁控生物识别分子直接电位响应的聚合物膜电极生物传感新方法。 基于新型生物识别分子核酸适配体、多肽等的识别,提出了磁控电位传感分析技术,建立了可适用于海水中有机小分子、生物大分子、细胞(致病菌)等多种分析物的电位传感检测新方法。研究进一步发展了多通道传感器阵列,提出深度学习增强的磁控电位生物传感分析技术,实现了海水中多种类抗生素等新型污染物的快速鉴别、定性、定量分析。该研究提出了Magneto-Potentiometry的概念,并探索了机器学习在电位分析领域的应用。研究成果发表于国际权威化学期刊《德国应用化学》(1:Angewandte Chemie International Edition,2023,135,e202210513,VIP论文;2:Angewandte Chemie International Edition,2021,60,2609-2613,热点论文)。化学领域国际知名期刊《欧洲化学》就相关主题,特邀撰写了Concept article(Chemistry-A European Journal,2023,29,e202302647)。基于传感器阵列及深度学习增强的磁控电位传感技术,为海岸带复杂环境中抗生素、致病菌等污染物快速鉴别、定性、定量分析提供新思路。  相关研究得到了国家重点研发计划(2016700)、国家自然科学基金(U2006208、41876108)等项目的资助。 论文信息: Junsong Mou,Jiawang Ding*,Wei Qin,Deep learning-enhanced potentiometric aptasensing with magneto-controlled sensors,Angew.Chem.Int.Ed.,2022, DOI:10.1002/anie.202210513; Lv Enguang#,Li Yanhong#,Ding Jiawang,*Qin Wei*,Magnetic-field-driven extraction of bioreceptors into polymeric membranes for label-free potentiometric biosensing,Angewandte Chemie International Edition,2021,60,2609-2613; Junsong Mou,Jiawang Ding*,Wei Qin,Modern potentiometric biosensing based on non-equilibrium measurement techniques,Chemistry-A European Journal,2023,29,e202302647. 查看详细>>

来源:中科院烟台海岸带研究所 点击量:1

版权所有@2017中国科学院文献情报中心

制作维护:中国科学院文献情报中心信息系统部地址:北京中关村北四环西路33号邮政编号:100190