基于DINO的海底管道掩埋状态识别算法OA

浅地层剖面仪通过声波探测海底管道并生成浅剖图像,但传统人工判读效率低,现有算法在复杂背景下特征提取能力有限,难以准确判断管道掩埋状态.针对这些问题,文中提出了一种基于SK-DINO模型的检测方法,创新地结合选择性内核网络(SKNet)和空间注意力模块(SAM),提出SK-SAM融合注意力机制,增强了目标特征提取能力.在此基础上,采用高斯误差线性单元激活函数提升模型的非线性表达能力,降低过拟合风险.实验结果表明,改进算法的m AP@0.5、AP@0.75:0.95和AR@0.5:0.95分别达到0.899 5、0.386 2和0.418 4,显著提高了海底管道掩埋状态的识别准确率.