一种基于近紫外图像处理的近岸海域漂浮危化品检测预警方法技术

本发明专利技术公开了一种基于近紫外图像处理的近岸海域漂浮危化品检测预警方法，该方法包括训练准备阶段和检测预警阶段；训练准备阶段包括训练图像获取与合成、图像预处理与标注、模型训练和全景地图准备；检测预警阶段包括检测图像获取、检测图像预处理、目标区域检测与判断、GPS匹配与图像融合和分级预警；本发明专利技术对近紫外图像中的危化品建立快速深度神经网络置信检测模型，充分利用无色危化品与水在近紫外波段存在的明显反射率差距，克服了漂浮危化品因为无色而难以进行成像检测的难题；对判定存在漂浮危化品图像进行GPS信息与全景地图的匹配，对相邻序号的有危化品的图像进行拼接融合，大大减少了危化品图像的处理量，具有快速、准确、高效的特点。

Detection and early warning method for floating hazardous chemicals in coastal waters based on near ultraviolet image processing

The invention discloses an early warning method based on near ultraviolet image processing, which includes training preparation stage and detection early warning stage. The training preparation stage includes training image acquisition and synthesis, image preprocessing and tagging, model training and panoramic map preparation, detection early warning stage package. Including detection of image acquisition, detection of image preprocessing, target area detection and judgment, GPS matching and image fusion and classification early warning, the invention establishes a fast depth neural network confidence detection model for dangerous products in near ultraviolet images, and makes full use of the obvious reflectivity gap in the near ultraviolet band of the colorless dangerous chemicals and water. It is difficult to detect the image of floating dangerous products because it is colorless and difficult to carry out imaging detection; the matching of GPS information and panoramic map to determine the existence of floating dangerous product images, and the image of dangerous products adjacent to adjacent serial numbers are fused and fused, which greatly reduces the processing quantity of dangerous chemicals, and has the characteristics of fast, accurate and efficient.

【技术实现步骤摘要】
一种基于近紫外图像处理的近岸海域漂浮危化品检测预警方法
本专利技术涉及一种漂浮危化品检测预警方法，尤其涉及一种基于近紫外图像处理的近岸海域漂浮危化品检测预警方法。
技术介绍
随着世界化学工业的发展，近20年来的危化品运输量大幅增长。危化品庞大的水上运输量，增加了重大污染事故的风险。危化品水上泄露事故包括水上运输事故、港口仓库意外事故以及工厂排污，具有突发性和偶然性，造成了应急处理的艰巨性，尤其是近岸海域的泄露事故对公共安全具有严重的威胁。目前危化品的检测研究中，使用较多的是色谱法、分光光度法和电化学法等较为敏感和准确的分析技术。这些方法大多需要精密的仪器、繁琐的抽样过程，这限制了它们应用到泄漏事故现场的应急处理上。危险化学品突发事故的现场应急检测，需要快速确定漂浮危险化学品的位置、泄露面积和分布以采取相应的分级预警及应急处理措施，因而对检测手段在位置、范围及分布的信息获取上的效率上提出了较高要求。自动化成像检测技术是一种快速、灵活和安全可靠的技术，在突发事故应急处理、环境监测上具有巨大的潜力和优势。目前，溢油事故应急检测方面已有采用成像检测技术的报道。中国专利CN106370307A公布了一种利用垂直偏振与水平偏振的差分热红外图像提取边缘的水面溢油成像探测方法与装置；中国专利CN105844298A公开了一种基于FuzzyARTMAP神经网络的高光谱溢油影像分类方法；中国专利CN103236063A公开一种基于多尺度谱聚类及决策级融合的SAR图像溢油检测方法。然而，相对于溢油检测，危化品(如苯、甲苯、二甲苯等)常为无色液体，与水的颜色差异远比溢油小，使用常规的图像处理及分类方法无法进行有效检测，目前在危化品对海洋环境、尤其是近岸海域影响的分级评价以及监测应急等方面的研究较少，尚缺乏此方面的应急技术。
技术实现思路
本专利技术旨在针对现有技术的不足，提供一种基于近紫外图像处理的近岸海域漂浮危化品检测预警方法。本专利技术的目的是通过以下技术方案来实现的：一种基于近紫外图像处理的近岸海域漂浮危化品检测预警方法，该方法包括训练准备阶段和检测预警阶段；(1)训练准备阶段，包含如下步骤：(1.1)训练图像获取与合成：使用带GPS模块的近紫外成像设备预先获取近岸海域多处水体的近紫外图片及其GPS定位信息后，在近岸海域上围取特定区域的试验场地，倒入适量待检测危化品，获取一定量的危化品实验图像，利用获取的多处水体图像为背景，漂浮危化品实验图像为目标区域在图像融合生成网络中生成足量的待训练近紫外图像；(1.2)图像预处理与标注：对步骤(1.1)中的待训练近紫外图像进行统一的光照校正平滑处理后，对所有漂浮危化品区域进行标签标注；(1.3)模型训练：将待训练近紫外图像及标注数据输入深度神经网络模型中进行模型训练，获得危化品的深度学习检测模型；(1.4)全景地图准备：通过联网或者卫星图像读取的方法获得近岸海域的包含细致地理信息的全景地图，对全景地图中的重点保护区域进行位置记录，并设定重点保护区域的敏感度；(2)检测预警阶段，包含如下步骤：(2.1)检测图像获取：使用带GPS模块的近紫外成像设备在太阳半平面下同时获取待检测区域的近紫外图像以及GPS定位信息；(2.2)检测图像预处理：对获取图像进行与步骤(1.2)相同的光照校正平滑处理，将待检测图像按获取时间进行排序，并使用根据相似度的自适应设定法设定检测置信度分数阈值c；所述自适应设定法具体为：首先读取待检测图像的GPS定位信息，然后找到与训练准备阶段的步骤(1.1)中相应的GPS定位差距最小的水体图像，计算该水体图像与实验图像中的相应危化品区域的相似度t，则置信度分数阈值c的计算公式如下式所示，c＝a+b*t其中，置信度分数阈值c的经验允许取值范围为a至b；(2.3)目标区域检测与判断：利用训练好的检测模型对步骤(1)获取的待检测图像进行实时检测，若模型检测区域置信度分数高于c则判定存在漂浮危化品，否则，将判定不存在漂浮危化品；对存在漂浮危化品的区域进行标记并在同一位置继续获取一张图像，两张图像的获取时间间隔为T，相同标记区域位置间隔为D，则可获得漂流速度x(其中x＝D/T)，并根据位置变化方向获得漂流方向k；(2.4)GPS匹配与图像融合：将存在漂浮危化品的图像按照其GPS位置信息匹配于预先准备的近岸海域全景地图中，并对存在漂浮危化品且排序相邻的图像进行拼接和融合处理，获得危化品分布区域图；(2.5)分级预警：对危化品分布区域图中的漂浮危化品区域进行计算以获取分布面积，并结合其所在区域的地理位置敏感性以及水流速度方向，对各个漂浮危化品分布区域进行分级预警。进一步地，所述的漂浮危化品为密度不大于水，且不溶或微溶于水的危化品。进一步地，所述的训练准备阶段的步骤(1.1)中的图像融合生成网络为深度学习生成式对抗网络(GAN)或者图像仿射、相似、变形等基本处理法组成的网络。进一步地，所述的检测预警阶段的步骤(2.5)中的分布面积计算方法可以为图像参考区域比例法，相机参数及成像高度的几何计算法，双目成像几何计算法。进一步地，所述的检测预警阶段的步骤(2.5)中，分级预警的预警级数计算方法为：其中，h为某个危化品区域的预警级数，h越大则预警严重程度越高，s为该危化品区域面积，ai、di和xi分别为全景地图中的重点保护区域i的敏感度、该危化品区域位置与重点保护区域i的距离以及漂流速度，n为重点保护区域的数量，ki为相对漂流方向系数，计算公式如下：其中，θi为漂流方向与由危化品区域位置指向重点保护区域i的方向的夹角，取值范围为0°至180°，可得ki在1与-1之间取值。进一步地，该方法通过漂浮危化品检测预警系统来实现，所述漂浮危化品检测预警系统包含无人机平台、近紫外成像系统、电控三维云台、通讯模块、控制模块和地面基站；所述无人机平台包括无人机、GPS定位模块、IMU惯性测量单元和电源系统；所述近紫外成像系统包括成像传感器和近紫外滤光片，用于采集近紫外波段图像；所述电控三维云台用于调节近紫外成像的观测几何；所述通讯模块用于传输图像以及地面基站指令；所述控制模块用于根据指令进行成像及系统控制；所述地面基站用于近紫外图像处理及系统控制。进一步地，在进行图像获取时，近紫外成像设备始终处于太阳平面内对目标进行成像。本专利技术的有益效果是：1、本专利技术提供的方法对近紫外图像中的危化品建立快速深度神经网络置信检测模型，充分利用了无色危化品与水在近紫外波段存在的明显反射率差距，创造性地克服了漂浮危化品因为无色而难以进行成像检测的难题。2、本专利技术提供的方法对模型判定存在漂浮危化品图像进行GPS信息与全景地图的匹配，并对相邻序号的有危化品的图像进行拼接融合，大大减少了危化品图像的处理量，具有快速、准确、高效的特点。3、本专利技术提供的方法根据区域水色与漂浮危化品的差异度情况设定检测置信度分数阈值c，克服了模型在跨情景应用中准确率降低的问题，提高了检测方法的鲁棒性。4、本专利技术根据实验图像进一步采用图像生成网络合成的方式来补充模型训练图像数据量，减少了实验量以及对环境造成的影响，同时达到了满足模型训练的数据要求。5、本专利技术针对获取的危化品分布区域图中的漂浮危化品分布面积，并结合其所在区域的地理位置敏感性以及水流方向，多因素决本文档来自技高网...

【技术保护点】
1.一种基于近紫外图像处理的近岸海域漂浮危化品检测预警方法，其特征在于，该方法包括训练准备阶段和检测预警阶段；(1)训练准备阶段，包含如下步骤：(1.1)训练图像获取与合成：使用带GPS模块的近紫外成像设备预先获取近岸海域多处水体的近紫外图片及其GPS定位信息后，在近岸海域上围取特定区域的试验场地，倒入适量待检测危化品，获取一定量的危化品实验图像，利用获取的多处水体图像为背景，漂浮危化品实验图像为目标区域在图像融合生成网络中生成足量的待训练近紫外图像；(1.2)图像预处理与标注：对步骤(1.1)中的待训练近紫外图像进行统一的光照校正平滑处理后，对所有漂浮危化品区域进行标签标注；(1.3)模型训练：将待训练近紫外图像及标注数据输入深度神经网络模型中进行模型训练，获得危化品的深度学习检测模型；(1.4)全景地图准备：通过联网或者卫星图像读取的方法获得近岸海域的包含细致地理信息的全景地图，对全景地图中的重点保护区域进行位置记录，并设定重点保护区域的敏感度；(2)检测预警阶段，包含如下步骤：(2.1)检测图像获取：使用带GPS模块的近紫外成像设备在太阳半平面下同时获取待检测区域的近紫外图像以及GPS定位信息；(2.2)检测图像预处理：对获取图像进行与步骤(1.2)相同的光照校正平滑处理，将待检测图像按获取时间进行排序，并使用根据相似度的自适应设定法设定检测置信度分数阈值c；所述自适应设定法具体为：首先读取待检测图像的GPS定位信息，然后找到与训练准备阶段的步骤(1.1)中相应的GPS定位差距最小的水体图像，计算该水体图像与实验图像中的相应危化品区域的相似度t，则置信度分数阈值c的计算公式如下式所示，c＝a+b*t其中，置信度分数阈值c的经验允许取值范围为a至b；(2.3)目标区域检测与判断：利用训练好的检测模型对步骤(1)获取的待检测图像进行实时检测，若模型检测区域置信度分数高于c则判定存在漂浮危化品，否则，将判定不存在漂浮危化品；对存在漂浮危化品的区域进行标记并在同一位置继续获取一张图像，两张图像的获取时间间隔为T，相同标记区域位置间隔为D，则可获得漂流速度x(其中x＝D/T)，并根据位置变化方向获得漂流方向k；(2.4)GPS匹配与图像融合：将存在漂浮危化品的图像按照其GPS位置信息匹配于预先准备的近岸海域全景地图中，并对存在漂浮危化品且排序相邻的图像进行拼接和融合处理，获得危化品分布区域图；(2.5)分级预警：对危化品分布区域图中的漂浮危化品区域进行计算以获取分布面积，并结合其所在区域的地理位置敏感性以及水流速度方向，对各个漂浮危化品分布区域进行分级预警。...

【技术特征摘要】
1.一种基于近紫外图像处理的近岸海域漂浮危化品检测预警方法，其特征在于，该方法包括训练准备阶段和检测预警阶段；(1)训练准备阶段，包含如下步骤：(1.1)训练图像获取与合成：使用带GPS模块的近紫外成像设备预先获取近岸海域多处水体的近紫外图片及其GPS定位信息后，在近岸海域上围取特定区域的试验场地，倒入适量待检测危化品，获取一定量的危化品实验图像，利用获取的多处水体图像为背景，漂浮危化品实验图像为目标区域在图像融合生成网络中生成足量的待训练近紫外图像；(1.2)图像预处理与标注：对步骤(1.1)中的待训练近紫外图像进行统一的光照校正平滑处理后，对所有漂浮危化品区域进行标签标注；(1.3)模型训练：将待训练近紫外图像及标注数据输入深度神经网络模型中进行模型训练，获得危化品的深度学习检测模型；(1.4)全景地图准备：通过联网或者卫星图像读取的方法获得近岸海域的包含细致地理信息的全景地图，对全景地图中的重点保护区域进行位置记录，并设定重点保护区域的敏感度；(2)检测预警阶段，包含如下步骤：(2.1)检测图像获取：使用带GPS模块的近紫外成像设备在太阳半平面下同时获取待检测区域的近紫外图像以及GPS定位信息；(2.2)检测图像预处理：对获取图像进行与步骤(1.2)相同的光照校正平滑处理，将待检测图像按获取时间进行排序，并使用根据相似度的自适应设定法设定检测置信度分数阈值c；所述自适应设定法具体为：首先读取待检测图像的GPS定位信息，然后找到与训练准备阶段的步骤(1.1)中相应的GPS定位差距最小的水体图像，计算该水体图像与实验图像中的相应危化品区域的相似度t，则置信度分数阈值c的计算公式如下式所示，c＝a+b*t其中，置信度分数阈值c的经验允许取值范围为a至b；(2.3)目标区域检测与判断：利用训练好的检测模型对步骤(1)获取的待检测图像进行实时检测，若模型检测区域置信度分数高于c则判定存在漂浮危化品，否则，将判定不存在漂浮危化品；对存在漂浮危化品的区域进行标记并在同一位置继续获取一张图像，两张图像的获取时间间隔为T，相同标记区域位置间隔为D，则可获得漂流速度x(其中x＝D/T)，并根据位置变化方向获得漂流方向k；(2.4)GPS匹配与图像融合：将存在漂浮危化品的图像按照其GPS位置信息匹配于预先准备...

【专利技术属性】
技术研发人员：黄慧，张德钧，王超，詹舒越，宋宏，王杭州，徐韧，刘材材，蒋晓山，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33