声学原位测量下的基于深度学习网络的富钴结壳识别技术研究

As a kind of important mineral resources, Cobalt-Rich Crusts(CRC) have been paid great importance from many countries. However, due to their extremely uneven distribution and thin geometrical features, the recognition and the depth measurement of the CRC covered with sediment are difficult and inaccurate if using traditional acoustic instruments such as sub-bottom profiler. To precisely infer the resources of CRC, we firstly obtained the accurate thickness of CRC with the in-situ measurement of the parametric array, and in this project we focus on the recognition of the CRC covered with sediments based on deep learning network. Firstly, we will take the three-layer structure of sediment-CRC-bedrock as the basic models, and study the acoustic properties of the actual CRC samples. Secondly, in order to meet the requirements of penetrability and precision of the measured sample with certain thickness, the optimized design of the focus array and the acoustic echo signal processing algorithm will be studied. Afterward, by using different signal forms and different parameters such as distances, angles and CRC samples, we will train some deep learning neural networks and find the solutions of local optimization and over-fitting problems. Finally, we will determine the deep learning model and its parameters that is suitable for the actual exploration of CRC. Also, we the factors that can affect performance will be analyzed.

富钴结壳作为一种重要的矿产资源，各国对其开采勘探技术都非常重视。但是由于富钴结壳其自身分布极为不均、几何特征较为单薄，因此基于传统的声学设备(如浅底层剖面仪)对覆盖有沉积物的富钴结壳进行准确识别、测厚都存在着精度不足的问题。本课题在利用声学原位测量参量阵完成富钴结壳精确测厚的基础上，进一步以覆盖有沉积物的富钴结壳作为主要研究对象，研究基于深度学习技术的富钴结壳识别算法。首先，以沉积物-富钴结壳-基岩三层结构作为基本模型，研究实际富钴结壳样品的声特性。其次，在此基础上，在穿透性和测厚精度的约束下，研究相控聚焦阵阵型的优化、信号体制和参数的设计以及声回波处理算法。最后，在不同的信号体制、距离、角度及样本条件下，对多种深度学习神经网络训练并解决参数的局部最优和过拟合问题。最后，确定适合富钴结壳实际勘探的深度学习模型及其参数，并分析影响性能的因素。

本研究的目的是在利用声学原位测量参量阵完成富钴结壳精确测厚的基础上，进一步以覆盖有沉积物的富钴结壳作为主要研究对象，研究基于深度学习技术的富钴结壳识别算法。本项目围绕三方面内容开展研究：其一，开展了“富钴结壳及基岩样品声学特性测量”，开展了仿品、历史样品、现场样品的声学数据，获取了不同类型沉积物、基岩条件下的声学特性，其中后两者的数据结果都是首次获得，这为揭示海洋科学规律、深海矿产勘探提供了重要的依据。其二，开展了“穿透性与测厚精度的约束下，研究了优化相控聚焦阵阵型、信号体制和参数的设计以及声回波处理算法”的研究。开展了阵元及阵列的非线性声场仿真与实测工作，提出了一种优化的相控聚焦阵阵型、信号体制和参数的设计，提出了一种聚焦参量阵原频声场抑制方法，开展了回波处理算法的研究，经过海试验证性能优于10 mm，完成了穿透性与测厚精度的约束的设计目标。其三、开展了“基于仿体数据、实际样品数据、海试数据等研究了基于深度学习的富钴结壳识别技术及性能影响因素”的研究。提出了一种新颖的用于海底底质识别的声学数据获取方法及多种识别算法：首先，完成了实验室验证，基于仿品与历史样品分别获得了88%及87%的识别率。其次，参加了2019年西太搭载海马号、移动钻机和2020年搭载南海蛟龙号载人潜器两次海试试验，精心设计了不同离底高度与姿态的海试数据录取方案，完成了实测数据的录取。经过不同算法处理，发现时域信号结合1D-CNN获得优于98%的识别率且在计算效率上具有优势。我们验证了仅使用非线性声学原位探测设备和深度学习算法对富钴结壳进行验证分类的可行性，这属国际首次，为未来声纳系统的设计提供了良好的技术支持。. 此外，项目标注发表期刊论文8篇，会议论文4篇，国内国际发明专利8项，形成了在实际勘探测量中进行了成功应用的算法，形成了包括2020年南海海试录取海上试验报告在内的重要报告7份，以及多批样品声学测量与西太海试与南海海试的重要实测数据。