一种基于深度学习的多波束检测定位归类水下气体泄漏的方法

一种基于深度学习的多波束检测定位归类水下气体泄漏的方法，涉及水下声学探测与深度学习领域。对存在姿态偏移的多波束数据进行方位校正，得到无姿态偏移的多波束数据。通过海底检测、中值滤波以及形态学膨胀等操作，生成高质量的多波束声呐图像。构建数据集，用于训练实例分割模型和通量归类模型。对预处理后的声呐图像进行气体羽流检测与分割，并输出掩膜信息。基于掩膜提取目标轮廓，通过最小外接旋转矩形拟合确定羽流坐标，再结合转换因子计算海床泄漏点的位置。选取位于声呐设备正下方附近的完整羽流数据，采用通量归类模型，基于羽流形态特征对泄漏通量等级进行分类。整合多波束声呐与深度学习算法，实现水下气体泄漏的检测、定位和归类。