本科毕业论文（设计）开题报告
姓 名: | |
学 号: | 202010320071 |
学 院: | 信息工程学院 |
专 业: | 通信工程 |
班 级 | 通信211 |
指导教师: | 吴秉横 |
2024年 11 月 23 日 填
开 题 报 告
毕业论文（设计）题目 | 基于深度学习的近岸SAR舰船目标检测算法实现 | |||
1.选题背景及意义： 合成孔径雷达（SAR）是一种主动式微波成像传感器，具有全天候、全天时的观测能力，可以获取高分辨率的远距离图像。随着SAR技术的不断进步，其在海洋监测、海事管理等领域的应用日益广泛[1]。近岸海域是海事活动的密集区域，也是海上安全监管的重点。利用SAR图像进行舰船目标检测，可以实现对近岸海域的实时、高效监控[2]。 深度学习作为人工智能的一个分支，近年来在图像识别、目标检测等领域取得了显著进展。其强大的特征提取和模式识别能力，为SAR图像中的舰船目标检测提供了新的解决方案[3]。通过训练深度学习模型，可以实现对SAR图像中舰船目标的自动检测、定位和识别，提高检测效率和准确性[4]。在近岸海域，由于陆地目标的干扰和舰船的紧密排列，传统的舰船检测方法容易出现漏检和误检。因此，需要开发更加高效、准确的舰船目标检测算法。基于深度学习的舰船目标检测算法可以适应复杂多变的背景环境，提高检测鲁棒性和准确性，为海事监控和管理提供有力支持[5]。 通过实现基于深度学习的近岸SAR舰船目标检测算法，可以实现对近岸海域的实时、高效监控，及时发现并处理潜在的海上安全隐患。这有助于提升海事监控的效率和准确性，为海上安全监管提供更加可靠的技术支持。该选题的研究可以推动SAR图像处理技术的发展和创新，促进深度学习在SAR图像处理领域的应用和推广。通过研究SAR图像中舰船目标的检测算法，可以探索更多适用于SAR图像的图像处理技术和方法。准确的舰船目标检测算法有助于实现对海洋资源的有效开发和保护。通过监测海上活动，可以及时发现并处理非法捕捞、污染排放等违法行为，保护海洋生态环境和渔业资源[6]。同时，该算法还可以为海洋科学研究、海上交通管理等领域提供数据支持和决策依据。精确的舰船目标检测对于维护国家海洋权益、提升海军战略实力具有重要意义。通过实现对近岸海域舰船目标的实时监控和识别，可以为海军提供准确的情报信息，支持海军的作战决策和行动规划[7]。 综上所述，基于深度学习的近岸SAR舰船目标检测算法实现选题具有重要的研究价值和实际意义，有助于推动SAR图像处理技术的发展和创新，提升海事监控效率和国家海洋战略实力。 2.国内外研究现状： 在国内，基于深度学习的近岸SAR舰船目标检测算法研究已经取得了一定的进展。研究者们主要关注于提高检测精度、优化算法性能以及实现实时检测等方面。通过引入先进的深度学习模型，如YOLO系列、Faster R-CNN等，国内研究者们已经实现了对SAR图像中舰船目标的准确检测[8]。这些模型能够自动提取图像中的特征信息，并实现对目标的精确定位和识别。针对近岸海域复杂多变的背景环境，研究者们还提出了基于旋转框的检测算法，以更好地适应舰船目标的方向多样性。这种算法通过增加角度参数，能够更准确地描述舰船目标的形状和位置。为了提高检测算法的实时性和鲁棒性，国内研究者们对深度学习模型进行了大量的优化和改进。例如，通过引入注意力机制、特征金字塔网络等技术，提高了模型对图像特征的提取能力和对复杂背景的适应能力。此外，研究者们还提出了基于无锚框的检测算法，以简化检测流程并提高检测速度。这种算法通过直接预测目标的边界框而无需预先设置锚框，从而降低了计算复杂度并提高了检测效率。随着计算技术的不断发展，国内研究者们已经成功地将深度学习算法应用于实时SAR舰船目标检测系统中。这些系统能够实现对近岸海域的实时监控和检测，为海事监控和管理提供了有力的技术支持[9]。 在国外，基于深度学习的近岸SAR舰船目标检测算法研究同样取得了显著的成果。研究者们主要关注于算法的创新、数据集的构建以及跨领域应用等方面。国外研究者们提出了多种基于深度学习的舰船目标检测算法，如基于区域卷积神经网络（R-CNN）的系列算法、基于单次多框检测器（SSD）的算法等。这些算法在检测精度和速度方面均取得了良好的效果[10]。此外，研究者们还探索了基于生成对抗网络（GAN）的图像合成技术，以生成高质量的SAR舰船图像数据集，从而解决数据稀缺的问题。为了训练深度学习模型，国外研究者们构建了多个大规模的SAR舰船图像数据集。这些数据集包含了各种类型、尺寸和方向的舰船目标，为算法的训练和验证提供了丰富的数据资源。通过公开这些数据集，研究者们促进了算法的共享和交流，推动了基于深度学习的SAR舰船目标检测算法的快速发展。国外研究者们还将基于深度学习的SAR舰船目标检测算法应用于其他领域，如海洋环境监测、海上交通管理、渔业资源保护等。这些应用不仅扩展了算法的应用范围，还为相关领域的研究和发展提供了新的思路和方法。 综上所述，基于深度学习的近岸SAR舰船目标检测算法在国内外均取得了显著的进展。然而，随着技术的不断发展和需求的不断变化，研究者们仍需不断探索和创新，以提高检测精度、优化算法性能并实现更广泛的应用。 3.研究方法和思路： （1）数据采集：使用SAR传感器实时采集近岸海域的电磁波数据。利用Django的定时任务,定期采集数据并进行分析。 （2）图像处理：应用信号处理算法,将原始SAR数据转换为二维图像。对图像进行预处理,如去噪、增强等操作,提高后续检测的准确性。 （3）目标检测：应用YOLOv8深度学习模型,对预处理后的SAR图像进行舰船目标检测。利用PyTorch的高性能GPU计算能力,提高检测的实时性。 （4）目标识别：基于检测结果,采用其他深度学习算法(如ResNet、VGG)对舰船类型进行识别。输出舰船的具体类型信息。 （5）可视化展示：使用Django的模板引擎,构建Web页面展示检测和识别结果。利用JavaScript和可视化库(如Echarts)动态渲染检测信息和统计数据。 4.参考文献： [1]冀锐,马磊,张靖,等.基于生成对抗网络的遥感光学影像舰船样本仿真[J].北京大学学报(自然科学版),2024,60(05):883-892.DOI:10.13209/j.0479-8023.2024.067. [2]许京新,王金伟,宋富骏,等.融合自适应卷积神经网络的SAR图像舰船目标检测方法[J].信号处理,2024,40(09):1696-1708. [3]吴军良,毛丽青,姜煜.基于视觉传达的舰船航行图像中多目标检测方法[J].舰船科学技术,2024,46(16):170-173. [4]赵晶钰,李敏,陈谢发,等.融合注意力机制与全局信息的SAR舰船目标检测算法[J].火箭军工程大学学报,2024,38(04):40-46. [5]桑林.改进FCOS的SAR图像舰船检测算法[J].黑龙江科技大学学报,2024,34(04):637-641. [6]孟祥伟.SAR图像中舰船目标恒虚警率检测技术的研究[J].电子与信息学报,2024,46(09):3739-3748. [7]孙艳丽,张鹏飞,李晓龙,等.一种红外视频舰船目标检测跟踪方法[J].计算机与数字工程,2024,52(06):1680-1684+1814. [8]孙培双,温显斌.基于改进YOLOv5模型的SAR图像舰船目标检测算法[J].电光与控制,2024,31(08):32-37+85. [9]Mo W ,Pei J .Moving ships detection via the trajectory feature extraction from spatiotemporal slices of infrared maritime videos[J].Infrared Physics and Technology,2024,11-44. [10]Li Z ,Ma H ,Guo Z .MAEE-Net: SAR ship target detection network based on multi-input attention and edge feature enhancement[J].Digital Signal Processing,2025,156(PA):23-44. | ||||
毕业论文（设计）的主要内容（列出具体任务）、预期目标及拟解决的关键问题。 主要内容： 应用OpenCV和NumPy进行SAR数据处理和图像预处理。提供REST API向前端推送检测和识别数据。使用PostgreSQL数据库存储采集的SAR数据和处理结果。 数据采集模块：使用SAR传感器实时采集近岸海域的电磁波数据。利用Django的定时任务,定期采集数据并存储到PostgreSQL数据库。 图像处理模块：应用OpenCV和NumPy等库,将原始SAR数据转换为二维图像。对图像进行去噪、增强等预处理操作。 目标检测模块：应用PyTorch和YOLOv8进行舰船目标的检测和定位。利用GPU加速提高检测的实时性能。 目标识别模块:基于检测结果,应用ResNet、VGG等深度学习模型对舰船类型进行识别。 可视化展示模块:使用Django的模板引擎构建Web页面。利用JavaScript和Echarts等可视化库,动态渲染检测和识别结果。 预期目标： 研发一套基于深度学习的近岸SAR舰船目标检测系统，实现对近岸海域中舰船目标的自动、快速、准确检测。 通过该系统，能够有效降低近岸海域舰船目标检测的漏检率和误检率，提高海事监控的效率和准确性。 为后续的海事管理、海上安全监管以及海洋资源保护等提供可靠的技术支持和数据保障。 拟解决的关键问题： 近岸海域的背景环境复杂多变，包括陆地、岛屿、海浪等多种干扰因素，这些因素可能导致舰船目标检测出现漏检和误检。 解决方案：通过引入深度学习中的注意力机制、特征金字塔网络等技术，提高模型对图像特征的提取能力和对复杂背景的适应能力，从而实现对舰船目标的准确检测。 舰船目标多样性问题： 舰船目标的类型、尺寸、方向等具有多样性，这增加了检测的难度。 解决方案：采用基于旋转框的检测算法，以适应舰船目标的方向多样性。同时，通过构建多尺度特征融合网络，提升网络对舰船目标的特征提取能力，以应对不同尺寸舰船目标的检测需求。 | ||||
毕业论文（设计）提纲 1.引言 1.1研究背景与意义 1.2国内外研究现状 2.理论基础 2.1 Django框架 2.2数据预处理技术 3.数据分析 3.1数据采集与整理 3.2数据特征选择 4.系统设计与实现 4.1数据采集 4.2图像处理 4.3目标检测 4.4目标识别 4.5可视化展示 5.结论与展望 5.1研究结论 5.2未来展望 参考文献 | ||||
毕业论文（设计）工作计划 | ||||
序号 | 起止时间 | 各阶段工作内容 | ||
1 | 2024-2025-1学期 第6-7周 （2024/10/14-10/25） | 1.学院启动本科毕业论文（设计）（以下简称“毕业论文”）工作，制定毕业论文工作实施细则和论文撰写规范，于规定时间内上报教务处备案。 2.指导教师资格审查。 3.召开教师和学生专题会议，布置毕业论文相关工作。 | ||
2 | 2024-2025-1学期 第8-13周 （2024/10/28-12/6） | 1.组织完成选题申报，指导学生选题，并完成审核。 2.完成开题报告，组织完成开题答辩，提交开题报告文本（含电子版）。 3.学院提交《上海海事大学**届毕业论文（设计）选题汇总表》（电子版）。 | ||
3 | 2024-2025-1学期第14周—2024-2025-2学期第9周 （2024/12/9-2025/4/18） | 1.学生根据论文大纲撰写论文。 2.学生与指导教师交流、汇报毕业论文进展情况。 3.学生根据指导教师意见修改论文。 | ||
4 | 2024-2025-2学期 第10-12周 （2025/4/21-2025/5/9） | 1.经指导教师确认，学生提交完整的毕业论文进行查重（2次，隔开1周进行）和盲审。 2.查重通过的论文可以进入盲审环节。 3.学校抽取一定比例的毕业论文进行盲审。 4.未抽中盲审或盲审合格者，可进入论文答辩环节。 | ||
5 | 2024-2025-2学期 第13周 （2025/5/12-2025/5/16） | 1.学院成立答辩委员会、答辩小组，确定答辩时间、地点并通知学生，答辩具体安排报教务处备案。 2.指导教师、评阅教师完成毕业论文评阅。 3.答辩小组根据答辩日程安排进行答辩。 4.教务处组织专家对答辩环节进行监督、检查。 5.答辩小组填写答辩记录，完成毕业论文成绩评定。 | ||
6 | 2024-2025-2学期 第14周 （2025/5/19-2025/5/23） | 1.学院各专业汇总参加答辩的毕业论文的成绩，按照时间节点统一在教务系统提交成绩。 2.按要求装订，提交论文终稿（含电子版）。 | ||
7 | 2024-2025-2学期 第13-14周 （2025/5/12-2025/5/23） | 1.通过答辩的学生，根据答辩意见修改论文（如有）。 2.论文盲审、答辩未通过或总评成绩不及格的学生进行论文修改。 3.学院启动毕业论文评优奖励推荐工作。 | ||
8 | 2024-2025-2学期 第15周 （2025/5/26-2025/5/30） | 论文盲审、答辩未通过或总评成绩不及格的学生，参加第二轮论文查重、盲审。 | ||
9 | 2024-2025-2学期 第16周 （2025/6/2-2025/6/6） | 第二轮查重、盲审通过或未抽中盲审的同学参加学院组织的再答辩，工作内容参考评阅与答辩（二）、论文修改（二）。 1.学院各专业汇总参加再答辩的毕业论文成绩，按照时间节点统一在教务系统中提交。 2.按要求装订，提交论文终稿（含电子版）。 | ||
10 | 第一批次： 2024-2025-2学期 第20周 （2025/6/30-7/4） 第二批次： 2025-2026-1学期 第0-1周 | 1.分两批次。第一批次：2019级延长学制学生，安排在第20周答辩；第二批次：其他补（缓）答辩学生，安排在2025-2026-1学期第1周答辩。具体时间安排另行通知。 2.补（缓）答辩学生提交毕业论文，指导教师审阅确认。 3.按要求通过相应的查重、盲审后，参加学院组织的补（缓）答辩。 4.完成毕业论文成绩评定表、补答辩记录，并提交补（缓）答辩成绩。 5.取消答辩资格的或补（缓）答辩不通过的学生重修毕业论文。 | ||
11 | 2025-2026-1学期 第2周前 | 1.毕业论文材料袋归档，主要包括：本科毕业论文工作手册、开题报告、毕业论文终稿（文本）、一份成绩评定表。 2.另一份成绩评定表存学生档案（按照答辩的时间安排完成）。 3.各专业将学生毕业论文的电子文档制作两份光盘，一份存学院，一份存校档案馆。 4.学院向教务处报送本科毕业论文总结、信息汇总表。 5.学院汇编各专业推荐评优奖励的毕业论文，并提交教务处备案。 | ||
指导教师填写 | 论文类型 | □理论研究 □应用研究 □技术开发 □工程设计 | ||
选题来源 | □国家重点研发计划项目 □国家社科规划、基金项目 □国家自然科学基金项目 □中央、国家各部门项目 □教育部人文、社会科学研究项目 □省（自治区、直辖市）项目 □国际合作研究项目 □与港、澳、台合作研究项目 □企、事业单位委托项目 □外资项目 □国防项目 □学校自选项目 □非立项 □其他 | |||
指导教师意见 | 指导教师意见包括课题难度是否适中、工作量是否饱满、进度安排是否合理、工作条件是否具备、是否同意开题等。 导师（签字）: 年 月 日 | |||
开题报告评审纪要
评审 专家 信息 | 姓名 | 职称 | 姓名 | 职称 |
问 问 题 及 建 议 | ||||
是否通过： □是 □否 评审组长（签字）： 年 月 日 | ||||
