(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 202210965024.5 (22)申请日 2022.08.12 (71)申请人 苏州吉天星舟空间技 术有限公司 地址 215000 江苏省苏州市吴中区自由贸 易试验区苏州片区苏州工业园区金鸡 湖大道99号纳米城西北区5 栋201室 (72)发明人 孙彦瑞　张柯　张刘　张文　刘洋　 王涛　 (74)专利代理 机构 安徽潍达知识产权代理事务 所(普通合伙) 3416 6 专利代理师 曹达钦 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/13(2022.01) G06V 10/82(2022.01)G06V 10/764(2022.01) G06V 10/74(2022.01) G06T 3/40(2006.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于GPU的海空域全天候卫星自主监控 系统 (57)摘要 本发明涉及卫星自主监控技术领域， 涉及一 种基于GPU的海空域全天候实时卫星自主监控系 统， 解决目前没有提出海空域实时监控方案中的 一种高效监控技术问题； 具体包括星上红外与可 见光图像融合的目标识别系统， 基于VGG16网络 用以超分辨率重建红外与可见光的融合图像， 同 时获得超分辨率的目标图像； 目标识别模块根据 生成的超分辨率图像进行目标识别， 将目标进行 裁剪， 与辅助数据进行打包回传地面进行解析； 地面目标分类与预警系统能够解析回传的数据 包， 对目标图像进行分类操作(军舰、 航母、 空客、 战斗机等)， 标识出目标危险等级， 判断是否触发 警报。 该系统能够实现全天候实时自主监控， 卫 星数传数据量减小可达80％以上， 设备 维护成本 较低。 权利要求书2页 说明书7页 附图6页 CN 115393790 A 2022.11.25 CN 115393790 A 1.一种基于GPU的海空域全天候 卫星自主监控系统， 其特 征在于， 包括： 星上超分辨率重建的目标识别系统， 其基于一GPU系统能够获取目标(1)的超分辨率图 像、 且能够通过一识别过程获取与该超分辨 率图像的对应信息； 其中， 所述目标(1)为基于海平面及空域的舰船、 飞机等具有攻击性载 具； 其中， 获取所述目标(1)的超分辨率图像的方式为： 将一图像采集系统能够获得所述目 标(1)的可 见光图像和红外图像进行融合重建， 从而完成所述超分辨 率图像的获取； 星下数据解析与自主预警系统， 其 能够接收由星上超分辨率重建的目标识别系统打包 回传的所述超分辨 率图像及对应信息， 并以识别 信息组的方式体现； 所述星下数据解析与自主预警系统能够对所述识别信 息组执行一解析过程， 以获得所 述目标(1)被分类， 并得到所述目标(1)的危险等级， 并依据该危险等级进行对应的预警提 示。 2.如权利要求1所述的基于GPU的海空域全天候卫星自主监控系统， 其特征在于， 所述 星上超分辨率重建的目标识别系统， 包括超分辨率重建系统(10)和目标识别系统(20)， 且 两者能够加载到一GPU系统之中； 其中， 所述超分辨 率重建系统(10)和所述目标识别系统(20)具有独立的线程。 3.如权利要求2所述的基于GPU的海空域全天候卫星自主监控系统， 其特征在于， 所述 融合重建的过程 为： 所述超分辨率重建系统(10)设有一VGG16网络， 通过VGG16网络通过一超分辨率重建过 程获得所述目标(1)的超分辨 率图像。 4.如权利要求3所述的基于GPU的海空域全天候卫星自主监控系统， 其特征在于， 所述 目标识别系统(20 )， 其能够执行一目标识别过程， 且能够自所述星上超分辨率重建系统 (10)中获取所述目标(1)的超分辨率图像及对应信息， 并以所述识别信息组的方式完成打 包， 并回传。 5.如权利要求4所述的基于GPU的海空域全天候卫星自主监控系统， 其特征在于， 所述 超分辨率重 建系统(10)和所述目标识别系统(20)位于一整合网络之中， 所述整合网络的为 VGG16网络+Yo lo v3组合网络架构。 6.如权利要求5所述的基于GPU的海空域全天候卫星自主监控系统， 其特征在于， 所述 超分辨率重建过程 为： 所述超分辨率重建系统(10)的超分辨率重建层嵌入到基于Yolo  v3的对于目标(1)识 别的预设模型中， 并将该预设模型部署到GPU+ARM系统中， 所述GPU+ARM系统启动将所述预 设模型的数据加载到GPU系统中， 并根据实时采集图像， 将所述图像输入到GPU系统中； 其中， 所述图像为超分辨 率图像。 7.如权利要求6所述的基于GPU的海空域全天候卫星自主监控系统， 其特征在于， 所述 目标识别过程 为： 进行所述图像的分块， 依次输入到识别网络中， 输出目标信息； 所述目标信息效果图测试使用DOTA数据集； 所述识别结果得到 了目标的整合信息； 随之， 通过对所述图像进行裁剪， 提取裁剪目标(1)的像素与整合信息， 并基于预设的 协议完成获得识别结果； 其中， 所述目标识别单元(20)能够将所述超分辨率图像中的多个目标(1)基于Yolo模权　利　要　求　书 1/2 页 2 CN 115393790 A 2块识别以获得目标图像以及含有该图像的信息； 所述识别结果包括： 所述目标的位置信息、 类别 信息、 相似度信息以及经纬度。 8.如权利要求7所述的基于GPU的海空域全天候卫星自主监控系统， 其特征在于， 所述 整合网络具有一网络训练过程， 具体为： 冻结Yolo模型参数， 训练基于VGG16的超分辨率重建网络， 形成第一网络， 然后冻结 VGG16网络的超分辨 率网络参数； 再次， 训练基于yolo  v3的识别网络， 形成第二网络， 其中训练yolo网络时候需要先冻 结yolo后三层网络参数， 训练darknet53主干网络参数， 最后解冻后三层网络参数， 进行 yolo网络的统一训练； 最后， 将所述第一网络和所述第二网络参数全部解冻， 以使通过训练得到整合网络； 所述预设模型的训练使用预 先标注的所述可 见光图像、 所述红外图像的数据集； 将所述预设模型部署到 到一具有GPU与ARM的预设系统中。 9.如权利要求8所述的基于GPU的海空域全天候卫星自主监控系统， 其特征在于， 对所 述图像进行裁 剪的过程 为： 将所述目标(1)的图像进行剪裁， 根据裁剪位置计算当前目标(1)的经纬度信息， 并且 将目标(1)识别输出的目标相似度值， 按照所述预设协议 一起打包， 回传至所述 地面系统。 10.如权利要求7所述的基于GPU的海空域全天候卫星自主监控系统， 其特征在于， 所述 解析的过程 为： 通过按照预设的打包格式进行解析 数据， 将数据解析， 进行地 面实时预警监控； 目标分类系统(30)， 对所述识别结果进行分类操作， 根据分类结果得出目标危险等级， 并判断是否警报响起操作； 具体包括： 分类模块和生成预警信息模块构成； 其中， 地面目标分类系统使用VGG16目标分类模型， 该目标分类模型通过对星上的目标 (1)的分类， 以判断所述 攻击性载 具的类型， 以生成对应的报警等级信号。权　利　要　求　书 2/2 页 3 CN 115393790 A 3