(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211253998.7 (22)申请日 2022.10.13 (71)申请人 北京卓翼智能科技有限公司 地址 100086 北京市海淀区知春路6号(锦 秋国际大厦)09层B01室 (72)发明人 任雪峰　罗巍　 (74)专利代理 机构 北京市竞天 公诚律师事务所 11770 专利代理师 王彩霞　陈伟 (51)Int.Cl. G06V 20/17(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 20/00(2019.01) G06V 10/82(2022.01)G06V 40/10(2022.01) (54)发明名称 海洋生物的检测方法、 装置及无 人机 (57)摘要 本公开提供了一种海洋生物的检测方法、 装 置及无人机。 该海洋生物的检测包括： 获取图像 采集设备捕获的海洋环境图像； 利用机器学习模 型， 生成所述海洋环境图像中的目标海洋生物的 预测框以及所述预测框内的所述目标海洋生物 的像素掩码； 以及根据所述目标海洋生物的像素 掩码， 确定所述目标海洋生物的生物特征。 根据 本公开提供的各个实施例， 通过机器学习模型识 别海洋生物并提取生物特征， 从而实现对海洋生 物的动态监测。 权利要求书1页 说明书7页 附图5页 CN 115546668 A 2022.12.30 CN 115546668 A 1.一种海洋生物的检测方法， 包括： 获取图像采集设备捕获的海洋环境图像； 利用机器学习模型， 生成所述海洋环境图像中的目标海洋生物的预测框以及所述预测 框内的所述目标海洋生物的像素掩码； 以及 根据所述目标海洋生物的像素掩码， 确定所述目标海洋生物的生物特 征。 2.根据权利要求1所述的检测方法， 其中， 所述机器学习模型为Mask  R‑CNN神经网络模 型。 3.根据权利要求2所述的检测方法， 其中， 所述Mask  R‑CNN神经网络模型的骨干 网络包 括101层的ResNet网络和特 征金字塔网络 。 4.根据权利要求2所述的检测方法， 其中， 所述Mask  R‑CNN神经网络模型的骨干 网络包 括50层的ResNext网络和特 征金字塔网络 。 5.根据权利要求4所述的检测方法， 其中， 所述特征金字塔网络还包括以自下而上和横 向连接形式的反向分支。 6.根据权利要求3或4所述的检测方法， 其中， 所述骨干网络还 包括卷积注意力模块。 7.根据权利要求6所述的检测方法， 其中， 所述卷积注意力模块为通道和空间双重注意 力模块。 8.根据权利要求7所述的检测方法， 其中， 所述通道和空间双重注意力模块为CBAM (Convolutional Block Attention Module)模块， 并且， 所述CBAM模块中的通道 注意力模块 为ECA‑Net模块。 9.根据权利要求1所述的检测方法， 其中， 所述海洋生物为鲸鱼， 并且， 所述 生物特征为长度。 10.根据权利要求9所述的检测方法， 其中， 所述根据 所述目标海洋生物的像素掩码， 确 定所述目标海洋生物的生物特 征包括： 提取所述像素掩码， 并通过主成分 分析法确定主轴； 沿所述主轴测量目标像素； 以及 根据目标像素， 确定所述目标海洋生物的长度。 11.一种海洋生物的检测装置， 包括： 获取模块， 其配置为获取图像采集设备捕获的海洋环境图像； 生成模块， 其配置为利用机器学习模型， 生成所述海洋环境图像中的目标海洋生物的 预测框以及所述预测框内的所述目标海洋生物的像素掩码； 以及 确定模块， 其配置为根据所述目标海洋生物的像素掩码， 确定所述目标海洋生物的生 物特征。 12.一种无 人机， 其特 征在于， 包括： 图像采集设备， 用于实时采集图像； 以及 处理器， 用于根据 所述图像采集设备所采集的图像， 执行根据权利要求1至10中的至少 一项所述的方法。权　利　要　求　书 1/1 页 2 CN 115546668 A 2海洋生物的检测方 法、 装置及无人机 技术领域 [0001]本公开总体上涉及人工智能技术领域， 更具体地涉及一种海洋生物的检测方法、 装置及无 人机。 背景技术 [0002]本部分旨在介绍本领域的一些方面， 其可以与下面描述的和/或要求保护的本公 开的各个方面相关。 相信本部分有助于提供背景信息以便于更好地理解本公开的各个方 面。 因此， 应该理解的是这些介绍应该从这个角度来理解， 而不是作为对现有技 术的承认。 [0003]对鲸等海洋哺乳动物的无人机遥感研究主要集中在丰度、 分布和身体状况评估。 传统的调查和监测方法存在许多挑战： 虽然 可以在船基实地工作和 照片识别过程中 收集高 分辨率数据， 但这种方法受海况限制， 无法有效覆盖更大的空间； 有 人机或卫星 可以在大范 围内快速 收集数据， 但两者都受到天气情况 的限制， 有人机航拍不仅昂贵而且海洋环境还 可能给飞行员带来风险； 水肺调查对潜水员的技术要求很高， 并且要求研究人员了解潜流 并防范野生物种的潜在攻击； 标记跟踪的方法虽然 可以有效监测， 但是具有一定的侵入性， 对海洋中一些敏感和脆弱地生态系统(如红树林、 珊瑚礁)特别容易造成破坏且不易恢复， 并有可能造成对鲸鱼的伤害和行为改变。 [0004]无人机遥感技术克服了上述挑战， 无人机易于操作， 比其他方法更灵活， 价格合 理， 效率高， 可以防止危险动物和环 境对人造成潜在伤害， 并且能够从难以到达的地方收集 信息， 同时最大限度地减少干扰。 在无人机遥感的帮助下， 除了获取动物存在、 分布和行为 等视觉信息外， 还允许研究人员在不捕获个体的情况下对野生动物进 行形态测量。 因此， 可 以获得动物的重量、 大小、 健康状况和种群数量统计数据， 有助于为海洋动物的保护和管 理 提供更完整的信息 。 [0005]现有的无人机野生动物调查方法大都通过摄像机或传感器从周围环境获取实时 信息， 同时将其同步推送到地面站， 地面站将获取 的视频或图像信息传输到专用图像分析 服务器(工作 站)进行后续分析。 上述过程 都被认为是一项资源密集型任务， 模型网络复杂、 参数多且效率低， 实时性很大程度上 取决于传输网络的带宽和稳定性。 发明内容 [0006]本公开的目的在于提供一种海洋生物的检测方法、 装置及无人机， 以实现对海洋 生物的动态监测。 [0007]根据本公开的第一方面， 提供了一种海洋生物的检测方法， 包括： 获取图像采集设 备捕获的海洋环境图像； 利用机器学习模型， 生成所述海洋环境图像中的目标海洋生物的 预测框以及所述预测框内的所述目标海洋生物的像素掩码； 以及根据所述目标海洋生物的 像素掩码， 确定所述目标海洋生物的生物特 征。 [0008]在一些实施例中， 所述机器学习模型为Mask  R‑CNN神经网络模型。 [0009]在一些实施例中， 所述Mask  R‑CNN神经网络模型的骨干网络包括101层的ResNet说　明　书 1/7 页 3 CN 115546668 A 3