水下生物辨识系统及其方法与流程

本发明涉及超声波技术领域，尤其涉及一种水下生物辨识系统及其方法。

背景技术：

由于超声波具有不破坏材料结构以及不伤害生物体的特性，因而普遍地被应用于水下生物的侦测。超声波可以让用户观察水下生物而不需直接潜入水中。然而，没有受过专业训练的一般使用者并无法直接从超声波影像辨识出水下生物的种类。因此，如何帮助用户快速地自超声波影像辨识出水下生物，便成为一个重要的研究课题。

技术实现要素：

本发明的目的在于提供一种水下生物辨识系统及其方法，其能够帮助用户快速地自超声波影像辨识出水下生物。

为达到上述目的，本发明提供了一种水下生物辨识系统，该水下生物辨识系统包含：水下超声波装置，朝水下生物发射多个超声波信号，且接收该多个超声波信号的多个反射信号；处理器，根据该多个反射信号产生超声波影像；以及混合型神经网络，包含关于该水下生物的多个自我训练特征以及多个人工设定特征，该混合型神经网络根据该多个自我训练特征与该多个人工设定特征，以自该超声波影像辨识出该水下生物。

较佳的，该混合型神经网络预先对包含该水下生物的影片进行影像辨识，以得到该多个自我训练特征。

较佳的，该多个人工设定特征通过手动方式输入该混合型神经网络。

较佳的，该系统还包含：数据库，用以储存该水下生物的实际影像；其中，在该混合型神经网络自该超声波影像辨识出该水下生物后，该处理器将该超声波影像中该水下生物的目前影像转换为该水下生物之该实际影像。

较佳的，该系统还包含：数据库，用以储存该水下生物的标签；其中，在该混合型神经网络自该超声波影像辨识出该水下生物后，该处理器以该标签标示该水下生物。

此外，本发明还提供一种水下生物辨识方法，该水下生物辨识方法包含下列步骤：通过水下超声波装置朝水下生物发射多个超声波信号，且接收该多个超声波信号得多个反射信号；通过处理器以根据该多个反射信号产生一超声波影像；将该超声波影像输入混合型神经网络，该混合型神经网络包含关于该水下生物得多个自我训练特征以及多个人工设定特征；以及由该混合型神经网络根据该多个自我训练特征与该多个人工设定特征，以自该超声波影像辨识出该水下生物。

较佳的，该混合型神经网络预先对包含该水下生物的影片进行影像辨识，以得到该多个自我训练特征。

较佳的，该多个人工设定特征通过手动方式输入该混合型神经网络。

较佳的，该方法还包含下列步骤：提供该水下生物的实际影像；以及在该混合型神经网络自该超声波影像辨识出该水下生物后，将该超声波影像中该水下生物的目前影像转换为该水下生物之该实际影像。

较佳的，该方法还包含下列步骤：提供该水下生物的标签；以及在该混合型神经网络自该超声波影像辨识出该水下生物后，以该标签标示该水下生物。

与现有技术相比，本发明提供的水下生物辨识系统及其方法通过混合型神经网络对超声波影像进行分析，以自超声波影像辨识出水下生物。由于混合型神经网络包含关于水下生物的多个自我训练特征以及多个人工设定特征，因此，本发明可精准地对超声波影像中的水下生物进行辨识与分类，进而帮助用户快速地自超声波影像辨识出水下生物。

附图说明

图1为本发明实施例提供的水下生物辨识系统的功能方块图；

图2为本发明实施例提供的超声波影像的示意图；

图3为本发明实施例提供的水下生物辨识方法的流程图；

图4为本发明实施例提供的将目前影像转换为实际影像的示意图；

图5为本发明实施例提供的以标签标示水下生物的示意图。

具体实施方式

为使对本发明的目的、构造、特征及其功能有进一步的了解，兹配合实施例详细说明如下。

在说明书及权利要求书当中使用了某些词汇来指称特定的元件。所属领域中具有通常知识者应可理解，制造商可能会用不同的名词来称呼同一个元件。本说明书及权利要求书并不以名称的差异来作为区分元件的方式，而是以元件在功能上的差异来作为区分的准则。在通篇说明书及权利要求当中所提及的「包括」为开放式的用语，故应解释成「包括但不限定于」。

请参阅图1至图3，图1为本发明实施例提供的水下生物辨识系统1的功能方块图，图2为本发明实施例提供的超声波影像3的示意图，图3为本发明实施例提供的水下生物辨识方法的流程图。图3中的水下生物辨识方法可通过图1中的水下生物辨识系统1来实现。

如图1所示，水下生物辨识系统1包含水下超声波装置10、处理器12、混合型神经网络14以及数据库16。于此实施例中，处理器12、混合型神经网络14与数据库16可设置于计算机(未于图中绘示)中，且计算机可与水下超声波装置10形成通讯，以进行信号传输。水下超声波装置10可为水下超声波探头或其它可收发超声波的水下超声波装置。

当用户欲以水下生物辨识系统1对水下生物进行辨识时，使用者可先以水下超声波装置10朝水下生物发射多个超声波信号，且接收多个超声波信号的多个反射信号(图3中的步骤s10)。接着，处理器12即会根据多个反射信号产生如图2所示的超声波影像3(图3中的步骤s12)，其中，超声波影像3中存在水下生物30(例如，鱼、虾、蟹等)。于此实施例中，超声波影像3可为经二值化处理后的二值化超声波影像，但不以此为限。需说明的是，二值化处理技术已为本领域技术人员所熟知，在此不再赘述。此外，超声波影像3中的水下生物的数量与种类可根据实际应用而决定，并不以图中所绘示的实施例为限。

接着，处理器12可将超声波影像3输入混合型神经网络14(图3中的步骤s14)，以对超声波影像3中的水下生物30进行辨识与分类。本发明中的混合型神经网络14包含关于水下生物30的多个自我训练特征以及多个人工设定特征。于此实施例中，混合型神经网络14可为卷积神经网络(convolutionneuralnetwork，cnn)或其它类似神经网络。于此实施例中，混合型神经网络14系已预先被训练好，用以辨识水下生物。混合型神经网络14可预先对包含水下生物30的影片进行影像辨识，以得到多个自我训练特征。上述影片可包含水下生物30的位置信息、运动信息、器官信息等，视实际应用而定。需说明的是，神经网络的详细训练过程已为本领域技术人员所熟知，在此不再赘述。

此外，多个人工设定特征可以手动方式输入混合型神经网络14。举例而言，当水下生物为鱼类时，人工设定特征可包含鱼体长度、鱼体大小、游泳速度、鱼鳔大小、活动深度、雷纳数(reynoldsnumber)等，视实际应用而定。当用户在超声波影像上发现新水下生物时，使用者可以自行计算并输入上述人工设定特征至混合型神经网络14，以增加混合型神经网络14辨识水下生物的准确率。

因此，在超声波影像3输入混合型神经网络14后，即可由混合型神经网络14根据多个自我训练特征与多个人工设定特征，自超声波影像3辨识出水下生物30(图3中的步骤s16)。

请参阅图4，图4为本发明实施例提供的目前影像转换为实际影像的示意图。于此实施例中，本发明可进一步提供水下生物30的实际影像，其中数据库16可用以储存水下生物30的实际影像。在混合型神经网络14自超声波影像3辨识出水下生物30后，处理器12可将超声波影像3中水下生物30的目前影像(如图2所示)转换为水下生物30的实际影像(如图4所示)。藉此，使用者即可藉由水下生物30的实际影像快速地自超声波影像3辨识出水下生物30。

请参阅图5，图5为本发明实施例提供的以标签32标示水下生物30的示意图。于此实施例中，本发明可进一步提供水下生物30的标签32(例如，鱼类名称)，其中数据库16可用以储存水下生物30的标签32。在混合型神经网络14自超声波影像3辨识出水下生物30后，处理器12可以标签32标示水下生物30，使得使用者可藉由水下生物30的标签32快速地自超声波影像3辨识出水下生物30。如图5所示，标签32可标示于水下生物30实际影像的周围。当然，标签32亦可标示于水下生物30的实际影像上，其可视实际应用而定。此外，标签32亦可标示于如图2所示的水下生物30的目前影像上或周围，视实际应用而定。

综上所述，本发明通过混合型神经网络对超声波影像进行分析，以自超声波影像辨识出水下生物。由于混合型神经网络包含关于水下生物的多个自我训练特征以及多个人工设定特征，因此，本发明可精准地对超声波影像中的水下生物进行辨识与分类，进而帮助用户快速地自超声波影像辨识出水下生物。此外，本发明可进一步提供水下生物的实际影像及/或标签，使得用户可藉由水下生物的实际影像及/或标签快速地自超声波影像辨识出水下生物。。

本发明已由上述相关实施例加以描述，然而上述实施例仅为实施本发明的范例。必需指出的是，已揭露的实施例并未限制本发明的范围。相反地，在不脱离本发明的精神和范围内所作的更动与润饰，均属本发明的专利保护范围。