一种基于全扫幅空间上下文的多波束水柱数据底质检测的深度学习方法

《Journal of Marine Science and Engineering》：A Deep Learning Approach for Bottom Detection in Multibeam Water-Column Data via Full-Swath Spatial Context

　　

摘要

从多波束声呐水体列数据进行海底检测和跟踪是构建三维海底地形图的基本步骤。传统方法基于幅度阈值和相位检测，严重依赖启发式假设，且在水体列数据存在干扰时容易失效。为克服这些局限性，我们提出了一种新颖的深度卷积架构，该架构能够建模全波束宽度的空间上下文信息，并结合并行滑窗流水线实现高分辨率回波信号信号的端到端推理。所提出的模型在由 Kongsberg EM302 和 EM710 系统采集的公共深水多波束水体列数据混合数据集上进行了训练和评估。海底检测结果表明，在深水场景中，我们的方法能够获取正确的海底位置，而传统方法则产生不准确或无法检测的结果。此外，应用知识蒸馏技术可获得一个轻量化模型，在嵌入式边缘设备上实现高速推理。所提出的方法显著抑制了由干扰引起的误检测，为海洋测深提供了一种鲁棒的实时解决方案。