[發明專利]利用機器學習對鉆井平臺監控畫面進行去水霧的方法

有效

• 申請號: 202110803908.6
• 申請日: 2021-07-16
• 公開（公告）號: CN113256541B
• 公開（公告）日: 2021-09-17
• 發明（設計）人: 劉云川;鄭光勝;鄭侃;蔣俊之;黃進凱;楊正川
• 申請（專利權）人: 四川泓寶潤業工程技術有限公司;重慶慶云石油工程技術有限責任公司;北京寶隆泓瑞科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T7/80;G06K9/62;G06N3/04;G06N3/08;G06N20/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明屬于特定行業的圖像處理和機器學習結合的領域，特別是一種利用機器學習對鉆井平臺監控畫面進行去水霧的方法。所述方法中，通過攝像頭按照預定幀率采集鉆井平臺監控畫面視頻樣本，對視頻樣本進行抽幀，從包含霧氣的視頻序列中取連續的8張圖像，組合成視頻幀序列，將準備好的訓練集分為A,B兩部分，其中A部分占訓練集的30%,剩余的部分為B，訓練更新模型并通過所述模型對鉆井平臺監控畫面進行去水霧。

技術領域

本發明屬于特定行業的圖像處理和機器學習結合的領域，特別是一種利用機器學習對鉆井平臺監控畫面進行去水霧的方法。

背景技術

油氣勘探過程中，在鉆井平臺上部署視頻監控設備時，因平臺底部水蒸氣蒸騰產生的霧氣對攝像頭采集的圖像有較大的干擾，甚至無法識別的情況等問題，嚴重影響了監測。

在背景技術部分中公開的上述信息僅僅用于增強對本發明背景的理解，因此可能包含不構成在本國中本領域普通技術人員公知的現有技術的信息。

發明內容

針對現有技術中存在的問題，本發明提出一種利用機器學習對鉆井平臺監控畫面進行去水霧的方法，解決了現有缺陷，通過視頻中的連續幀去除圖像中的平臺霧氣影響，復原高質量清晰圖像的計算機視覺算法。

本方法無需對大氣參數進行建模，以端到端的方式，通過分析視頻內的上下文信息直接輸出復原后的圖像，更符合實際運用的鉆井平臺場景，魯棒性更高。

本發明的目的是通過以下技術方案予以實現：

一種利用機器學習對鉆井平臺監控畫面進行去水霧的方法，包括以下步驟：

S100：通過攝像頭按照預定幀率采集鉆井平臺的視頻樣本，對視頻樣本進行抽幀，所述視頻樣本包括含霧氣的視頻以及無霧氣視頻；

S200：從含霧氣的視頻中取連續的8幀圖片，組合成視頻幀序列X，X={x_i,x_i+1,…,x_i+7}，從無霧氣視頻中選取與視頻幀序列X中的任一圖像相似的一幀實際圖片x’作為目標圖片，并將x’與視頻幀序列X組成訓練集X_train={X,x’}；

S300：將準備好的訓練集X_train分為A、B兩部分，其中A部分占訓練集的30%,剩余的部分為B部分，以此訓練模型model={G_model,D_model}，其中G_model為生成式模型，D_model 為判別式模型；其中，訓練分為2個階段，訓練集的A、B兩部分分別用作2個階段中G_model的輸入；

S400：模型model訓練完畢后，利用模型model中的生成式模型G_model對鉆井平臺的基于視頻連續幀的圖像去水霧。

優選的，預定幀率為25幀的幀率。

優選的，步驟S300包括：

訓練的第1階段：

1）將訓練集的A部分輸入到G_model，獲取G_model輸出的復原圖片y’；

2）計算y’與x’的均方誤差loss：

其中，x_j’、y_j’分別為x’、y’的像素值，n為像素個數，j從0取值到n；

3）若loss不小于設定的第一閾值，則對loss求導計算梯度，并反向傳播梯度到G_model,以更新模型中的參數，直至loss小于所述設定的第一閾值；

若loss小于第一閾值，則進入訓練的第2階段；