[發(fā)明專利]一種基于多機(jī)器學(xué)習(xí)算法融合的無人機(jī)海上油污監(jiān)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202111267660.2
• 申請(qǐng)日: 2021-10-29
• 公開（公告）號(hào): CN114022794A
• 公開（公告）日: 2022-02-08
• 發(fā)明（設(shè)計(jì)）人: 肖進(jìn)麗;張志偉;王洋洋
• 申請(qǐng)（專利權(quán)）人: 武漢理工大學(xué)
• 主分類號(hào): G06V20/17
• 分類號(hào): G06V20/17;G06V10/44;G06V10/46;G06V10/52;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 王丹

本發(fā)明公開了一種基于多機(jī)器學(xué)習(xí)算法融合的無人機(jī)海上油污監(jiān)測(cè)方法，包括：通過無人機(jī)采集海面圖片，建立訓(xùn)練樣本；對(duì)訓(xùn)練樣本進(jìn)行圖像預(yù)處理，通過數(shù)據(jù)增強(qiáng)建立卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練集；通過圖像壓縮和DCT變換提取特征向量，建立小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練集；通過計(jì)算訓(xùn)練樣本的灰度共生矩陣，選取圖像紋理特征值，建立SVM訓(xùn)練集；選取卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練集進(jìn)行無監(jiān)督學(xué)習(xí)；選取小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練集進(jìn)行訓(xùn)練；選取SVM訓(xùn)練集，輸入特征向量對(duì)SVM訓(xùn)練建模；使用無人機(jī)在目標(biāo)海域巡航拍照，獲得海面圖片；對(duì)海面圖片進(jìn)行識(shí)別，生成識(shí)別結(jié)果；選取識(shí)別結(jié)果中存在油污問題的對(duì)應(yīng)海域，向監(jiān)管中心進(jìn)行報(bào)警。本發(fā)明能提升海上油污監(jiān)測(cè)的效果。

技術(shù)領(lǐng)域

本發(fā)明屬于海洋污染監(jiān)測(cè)技術(shù)領(lǐng)域，具體涉及一種基于多機(jī)器學(xué)習(xí)算法融合的無人機(jī)海上油污監(jiān)測(cè)方法。

背景技術(shù)

近年來，隨著原油需求量的日益增加和海洋交通運(yùn)輸業(yè)的不斷進(jìn)步，石油及其產(chǎn)品的海上運(yùn)輸量不斷增加，而在海洋石油勘探、開發(fā)、運(yùn)輸過程中發(fā)生的溢油事故頻次也隨之不斷增長(zhǎng)，往往造成大規(guī)模的海洋污染，對(duì)海洋生態(tài)系統(tǒng)、漁業(yè)、公眾健康和其他社會(huì)利益造成嚴(yán)重危害。我國海域面積472.7萬km²，海岸線長(zhǎng)度1.8萬km，各個(gè)海域飽受大量的潛在溢油污染困擾。盡管人們針對(duì)溢油做了許多準(zhǔn)備，但由于海洋溢油的不可預(yù)測(cè)性和突發(fā)性等特點(diǎn)，溢油所導(dǎo)致的海洋污染問題在我國形勢(shì)依然嚴(yán)峻，如何在第一時(shí)間確定溢油的發(fā)生仍然是重中之重，海洋溢油污染監(jiān)測(cè)工作意義重大。

海面溢油檢測(cè)中，目前常用的技術(shù)有衛(wèi)星遙感監(jiān)測(cè)、航空遙感監(jiān)測(cè)和巡邏船監(jiān)測(cè)等。衛(wèi)星遙感監(jiān)測(cè)具有監(jiān)測(cè)范圍廣，能夠全天候?qū)崟r(shí)探測(cè)，圖像資料易于處理等優(yōu)點(diǎn)，但存在需要借助昂貴且數(shù)量有限的衛(wèi)星設(shè)備，重訪周期長(zhǎng)，空間分辨率低，受制于氣候條件等問題。航空遙感監(jiān)測(cè)具有機(jī)動(dòng)性強(qiáng)，空間分辨率高，能夠大面積實(shí)時(shí)監(jiān)測(cè)等優(yōu)點(diǎn)，但調(diào)用飛機(jī)的成本較高，且受制于復(fù)雜海洋環(huán)境、氣候條件影響。巡邏船監(jiān)測(cè)具有一定機(jī)動(dòng)性，能夠?qū)崿F(xiàn)雨天霧天對(duì)海上溢油的監(jiān)測(cè)，但監(jiān)測(cè)范圍小。

發(fā)明內(nèi)容

本發(fā)明的目的在于，提供一種基于多機(jī)器學(xué)習(xí)算法融合的無人機(jī)海上油污監(jiān)測(cè)方法，結(jié)合了無人機(jī)成本較低、實(shí)時(shí)便捷、機(jī)動(dòng)性強(qiáng)的優(yōu)勢(shì)和卷積神經(jīng)網(wǎng)絡(luò)、小波神經(jīng)網(wǎng)絡(luò)、SVM在圖像分類上的優(yōu)秀能力，實(shí)現(xiàn)了較高的監(jiān)測(cè)精度，降低了溢油檢測(cè)工作的危險(xiǎn)性，全天候、自動(dòng)化的油污監(jiān)測(cè)進(jìn)一步節(jié)省了人力資源，同時(shí)使后續(xù)的圍油工作更加精準(zhǔn)、高效，可作為現(xiàn)有技術(shù)的有益補(bǔ)充。

為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案為：一種基于多機(jī)器學(xué)習(xí)算法融合的無人機(jī)海上油污監(jiān)測(cè)方法，包括以下步驟：

通過無人機(jī)采集多組海面圖片，建立訓(xùn)練樣本；

對(duì)訓(xùn)練樣本進(jìn)行圖像預(yù)處理，通過數(shù)據(jù)增強(qiáng)建立卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練集；通過圖像壓縮和DCT變換提取特征向量，建立小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練集；通過計(jì)算訓(xùn)練樣本的灰度共生矩陣，選取圖像紋理特征值，建立SVM訓(xùn)練集；

構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型并選取卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練集進(jìn)行無監(jiān)督學(xué)習(xí)，得到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)；

構(gòu)建小波神經(jīng)網(wǎng)絡(luò)模型并選取小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練集進(jìn)行訓(xùn)練，得到訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)；

選取SVM訓(xùn)練集，輸入特征向量對(duì)SVM訓(xùn)練建模，得到訓(xùn)練好的SVM分類器；

使用無人機(jī)在目標(biāo)海域巡航拍照，獲得未知有無油污的海面圖片；

利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)和訓(xùn)練好的小波神經(jīng)網(wǎng)絡(luò)，對(duì)未知有無油污的海面圖片進(jìn)行識(shí)別，生成識(shí)別結(jié)果，將識(shí)別結(jié)果作為判斷目標(biāo)海域有無油污的依據(jù)；

選取識(shí)別結(jié)果中存在油污問題的對(duì)應(yīng)海域，向監(jiān)管中心進(jìn)行報(bào)警。

建立卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練集的數(shù)據(jù)增強(qiáng)方法至少包括鏡像翻轉(zhuǎn)、隨即旋轉(zhuǎn)、隨機(jī)剪裁和顏色擾動(dòng)。