基于侧扫声呐图像的海洋底质类型识别研究

金龙 王(上海市地质勘查技术研究院，中国;上海地面沉降控制工程技术研究中心，中国;)

摘要

为了改善在识别海洋底质类型出现的图像模糊问题及过度依赖人工判别、成本高昂的现象，研究提出了一种基于改进DeepLabV3+侧扫声呐图像的海洋底质类型识别模型。该模型通过结合坐标注意力机制与DeepLabV3+算法进行局部细节保留，图神经网络与边界损失感知算法进行全局空间结构建模，增强模型整体的底质类型识别性能。实验结果表明，研究模型的识别F1分数最高达到93.56%，Kappa系数与平均交并比分别达到0.942与0.896，平均任务处理耗时为34.11ms，整体的分类准确率达到94.58%。综上所述，研究所提模型具备高精度的识别性能，且能够有效平衡精度与效率之间的矛盾，做到稳健识别不同类型的海洋底质，为社会进行海洋物质勘测提供了可靠的数据支撑。

关键词

侧扫声呐；海洋底质识别；DeepLabV3+；GCN；CA；边界损失感知

参考

蒋廷臣,孟皓凡,王晓,等.改进区域生长算法的海洋航道浅剖底质层界智能识别[J].测绘学报,2024,53(3):493-502.

郝翰林,姜兆霞,陈亮,等.海洋沉积物不同程度溶解行为的岩石磁学识别：以西赤道印度洋沉积物为例[J].报,2025,68(11):4350-4362.

胡悦,王启明,朱瑞虎,等.基于连续全场动力响应自编码学习的海洋桩基损伤识别[J].科学技术与工程,2025,25(27):11505-11513.

徐天,罗鸣.基于频域Hampel识别的海洋MT数据脉冲噪声压制方法[J].石油物探,2025,64(4):667-678.

张建兴,宋永东,王传波,等.测深侧扫声呐在近岸海洋工程中的应用——以海底管道调查为例[J].海洋地质前沿,2025,14(11):47-57.

DOI: http://dx.doi.org/10.12345/xdchgc.v9i2.38018