基于多标签学习的船舶污染监测方法及系统及装置及介质制造方法及图纸

本发明专利技术公开了基于多标签学习的船舶污染监测方法及系统及装置及介质，涉及智能监测领域，所述方法包括：实时采集预设监控区域的监控图像；将监控图像输入目标检测网络，检测监控图像中是否有预设目标，若有则得到预设目标在监控图像中所在的区域A；按照预设比例扩大区域A，得到目标区域B并标注，获得到标注后的监控图像；将标注后的监控图像输入多标签学习网络，利用多标签学习网络得到目标区域B中各标签的识别结果，多标签学习网络输出多标签识别结果；通过实时、智能的监控方式，达到对船舶污染进行智能化、高效和实时监测的目的。

【技术实现步骤摘要】
基于多标签学习的船舶污染监测方法及系统及装置及介质
本专利技术涉及智能监测领域，具体地，涉及基于多标签学习的船舶污染监测方法及系统及装置及介质。
技术介绍
船舶废气排放导致周围环境的空气污染，因此船舶污染一直是国家有关部门重点监管的对象。现有技术中主要采用人工巡视，需要耗费较多的人力，成本较高，巡视效率较低，且无法做到实时监测，容易出现漏监的情况。因此，利用先进的技术手段对船舶污染进行防控势在必行。
技术实现思路
本专利技术的目的是通过智能的手段实现船舶污染的智能监控，通过实时监控的方式，达到对船舶污染进行智能化、高效和实时监测的目的。为实现上述目的，本专利技术提供了基于多标签学习的船舶污染监测方法，所述方法包括：实时采集预设监控区域的监控图像；将监控图像输入目标检测网络，检测监控图像中是否有预设目标，若有则得到预设目标在监控图像中所在的区域A；按照预设比例扩大区域A，得到目标区域B并标注，得到标注后的监控图像；将标注后的监控图像输入多标签学习网络，利用目标区域B训练多标签学习网络，得本文档来自技高网...

【技术保护点】
1.基于多标签学习的船舶污染监测方法，其特征在于，所述方法包括：/n实时采集预设监控区域的监控图像；/n将监控图像输入目标检测网络，检测监控图像中是否有预设目标，若有则得到预设目标在监控图像中所在的区域A；/n按照预设比例扩大区域A，得到目标区域B并标注，得到标注后的监控图像；/n将标注后的监控图像输入多标签学习网络，利用目标区域B训练多标签学习网络，得到用于多标签识别的多标签学习网络；/n将待识别的监控图像输入目标检测网络，得到目标区域并标注，得到标注后的监控图像；/n将标注后的监控图像输入多标签学习网络，得到船舶类型及船舶是否排放废气。/n

【技术特征摘要】
1.基于多标签学习的船舶污染监测方法，其特征在于，所述方法包括：
实时采集预设监控区域的监控图像；
将监控图像输入目标检测网络，检测监控图像中是否有预设目标，若有则得到预设目标在监控图像中所在的区域A；
按照预设比例扩大区域A，得到目标区域B并标注，得到标注后的监控图像；
将标注后的监控图像输入多标签学习网络，利用目标区域B训练多标签学习网络，得到用于多标签识别的多标签学习网络；
将待识别的监控图像输入目标检测网络，得到目标区域并标注，得到标注后的监控图像；
将标注后的监控图像输入多标签学习网络，得到船舶类型及船舶是否排放废气。


2.根据权利要求1所述的基于多标签学习的船舶污染监测方法，其特征在于，预设监控区域为河流、湖泊和海面中的一种或几种，预设目标为船舶。


3.根据权利要求2所述的基于多标签学习的船舶污染监测方法，其特征在于，船舶的类型包括：游艇、游船和货轮。


4.根据权利要求1所述的基于多标签学习的船舶污染监测方法，其特征在于，当检测到监控图像中有预设目标时，获得预设目标在监控图像中所在的区域A(x,y,w,h)，(x,y)表示区域A中心点坐标，(w,h)分别表示区域A的宽和高；(w,h)按照一定的百分比α向中心点外扩大，得到区域B(x,y,αw,αh)。


5.根据权利要求2所述的基于多标签学习的船舶污染监测方法，其特征在于，多标签学习网络的浅层使用预设卷积结构；标签学习网络深层分裂出两个全连接的分支A和B，A表示船舶是否排放废气，B表示船舶的类型。

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：成都数之联科技有限公司，
类型：发明
国别省市：四川;51