一种基于全卷积网络的海面溢油检测方法及其系统和应用技术方案

本发明专利技术公开了一种海面溢油检测方法及系统，包括：将海面溢油图像作为数据集输入至初始海面溢油检测网络中，提取图像的多尺度特征信息，通过Transformer模块将图像多尺度特征信息进行融合得到Transformed特征金字塔，将特征金字塔的头部网络图像每个像素的预测信息；利用损失函数计算预测信息与标签的误差；采用反向传播算法优化网络参数直至误差达到期望值，得到海面溢油检测网络，输出检测信息。在环境照片存在油膜的情况下，则判定海面现场存在溢油现象，并发出预警信号。本发明专利技术提取了图像的多尺度特征，得到Transformed特征金字塔，解决了尺度变化问题，可快速准确的进行现场照片中的油膜识别。

An oil spill detection method based on full convolution network and its system and Application

【技术实现步骤摘要】
一种基于全卷积网络的海面溢油检测方法及其系统和应用
本专利技术涉及属于计算机视觉领域，具体涉及一种基于全卷积网络的海面溢油检测方法及其系统和应用。
技术介绍
公开该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。在全球海面海洋污染中，最常见的是溢油污染。海面溢油使海洋生态系统遭到破坏并影响人类的健康和海面活动。能及时、精准地检测到溢油并在第一时间发出警报是一个重点研究方向。因此快速且准确的检测到海面溢油是当下最重要的任务，而海洋的复杂场景给溢油检测带来重大挑战。油膜大小不一，溢油图像存在大量噪声，对比度低、边缘模糊等问题，传统常用的检测方法主要有：(1)基于阈值分割；(2)基于边缘信息；(3)基于语义分割。上述方法简单且计算量小，但难以自动的提取特征，溢油与海水背景分割难度大，整幅图像内的溢油区域确定困难，受各种因素影响导致分割准确度低。近几十年来，基于卷积神经网络(CNN)的两阶段和一阶段目标检测算法分别在精度和速度方面得到了巨大的提升。但专利技术人研究发现基于卷积神经网络的检测算法大多数都是以损失精度或速度为代价。在实际应用中，由于受到环境和设备影响，需要从各个方面考虑来建立合适的检测模型，从而解决实际问题。全卷积网络(FCN)进行像素级的预测，主要用于语义分割，可以自动提取特征信息且保留原始输入图像中的空间信息，但未充分考虑像素与像素之间的关系。
技术实现思路
为了解决现有技术存在的溢油与海水背景分割难度大，分割准确度低以及无法兼顾检测精度和速度的问题，本专利技术提供一种基于全卷积网络的海面溢油检测方法，在减少内存和复杂计算的情况下提升油膜的检测精度，同时保持实时的检测速度。这种方法易于进行端到端的训练，可以快速且准确的检测到油膜并及时发出警报。具体地，本专利技术是通过如下所述的技术方案实现的：本专利技术第一方面，提供一种基于全卷积网络的海面溢油检测方法，包括：将待检测图像输入至训练好的海面溢油检测网络，输出所述待检测图像的检测信息；评定系统将所述检测信息与数据库特征值进行对比，判断海面是否有溢油，如果检测到油膜，则判定为溢油且发出警告。本专利技术第二方面，提供一种基于全卷积网络的海面溢油检测系统，包括：主干网，用于提取所述溢油图像的多尺度特征；Transformer模块，使用自注意力层代替卷积层，通过Gateblock动态地改变特征的变换方式和特征融合方式，以实现更优的特征融合；将所述多尺度特征通过Transformer模块得到一个Transformed特征金字塔；特定检测任务的头部网络来获得最终的检测信息。本专利技术第三方面，提供一种基于全卷积网络的海面溢油检测方法和/或基于全卷积网络的海面溢油检测系统在海面溢油检测领域中的应用。本专利技术一个或多个实施例具有以下有益效果：1)本专利技术提供的基于全卷积网络的海面溢油检测方法及系统，具有结构简单、易于训练、计算量少、便于优化等特点。2)将所述溢油图像输入所述主干网，提取图像的多尺度特征；3)在所述主干网后面插入Transformer模块，增加特征的全局信息有利于大面积油膜的检测。得到的Transformed特征金字塔，解决尺度变化问题，同时获取多尺度上下文信息来建立像素间的联系，有利于小面积油膜的检测；4)特征金字塔通过一个头部网络得到图像每个像素的预测信息，去除了锚的使用，减少了内存和复杂计算；5)经过非极大值抑制(NMS)去除多余的边界框，输出最终的检测结果。6)评定系统将所述检测信息与数据库特征值进行对比，判断海面是否有溢油，如果检测到油膜，则判定为溢油且发出警告，最后生成并保存检测报告。附图说明构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。以下，结合附图来详细说明本专利技术的实施方案，其中：图1为本专利技术实施例1所提供的基于全卷积网络的海面溢油检测方法及系统的流程图；图2为本专利技术实施例2提供的基于全卷积网络的海面溢油检测方法及系统的流程图；图3为本专利技术实施例2提供的自动识别及评定系统示意图；图4为本专利技术实施例3提供的检测网络的网络结构示意图；图5为本专利技术实施例4提供的基于全卷积网络的海面溢油检测方法及系统流程图。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。下列实施例中未注明具体条件的实验方法，通常按照常规条件或按照制造厂商所建议的条件。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。为了解决现有技术存在的溢油与海水背景分割难度大，分割准确度低以及无法兼顾检测精度和速度的问题，本专利技术提供一种基于全卷积网络的海面溢油检测方法，在减少内存和复杂计算的情况下提升油膜的检测精度，同时保持实时的检测速度。这种方法易于进行端到端的训练，可以快速且准确的检测到油膜并及时发出警报。具体地，本专利技术是通过如下所述的技术方案实现的：本专利技术第一方面，提供一种基于全卷积网络的海面溢油检测方法，包括：将待检测图像输入至训练好的海面溢油检测网络，输出所述待检测图像的检测信息；评定系统将所述检测信息与数据库特征值进行对比，判断海面是否有溢油，如果检测到油膜，则判定为溢油且发出警告。所述待检测图像的检测信息是指海面溢油检测网络识别出的油膜特征值，包括但不限于大小、颜色、厚度、折射率、频谱等信息，目的是与数据库特征值进行对比，判断海面是否有溢油。在一些实施方式中，利用无人机拍摄海面溢油图像；无人机操控可以不受时间、距离、海上天气情况等的限制，实现快速、准确、实时获得海上信息，有助于第一时间发现海上溢油。在一些实施方式中，所述训练好的海面溢油检测网络的训练方法包括：获取海面溢油图像，预处理获得图像数据集，提取油膜区域频谱图；将图像数据集和油膜频谱图合并作为训练样本集，对所述训练样本集进行标注得到所述训练样本集的标签信息；将所述训练样本集的标签信息输入至预先构建的初始海面溢油检测网络中，提取多个特征信息，将所述多个特征信息进行合并，得到融合特征信息；根据所述融合特征信息获取所述溢油图像每个像素的预测信息；优化得到完成训练的海面溢油检测网络，并将待检测图像输入至所述海面溢油检测网络，输出所述待检测图像的检测信息。相比于将单一参数或特征值输入至海面溢油检测网络，本专利技术将图像数据集和油膜频谱图合本文档来自技高网...

【技术保护点】
1.一种基于全卷积网络的海面溢油检测方法，其特征在于，包括：/n将待检测图像输入至训练好的海面溢油检测网络，输出所述待检测图像的检测信息；/n评定系统将所述检测信息与数据库特征值进行对比，判断海面是否有溢油，如果检测到油膜，则判定为溢油且发出警告。/n

【技术特征摘要】
1.一种基于全卷积网络的海面溢油检测方法，其特征在于，包括：
将待检测图像输入至训练好的海面溢油检测网络，输出所述待检测图像的检测信息；
评定系统将所述检测信息与数据库特征值进行对比，判断海面是否有溢油，如果检测到油膜，则判定为溢油且发出警告。


2.根据权利要求1所述的基于全卷积网络的海面溢油检测方法，其特征在于，所述训练好的海面溢油检测网络的训练方法包括：
获取海面溢油图像，预处理获得图像数据集，提取油膜区域频谱图；
将图像数据集和油膜频谱图合并作为训练样本集，对所述训练样本集进行标注得到所述训练样本集的标签信息；
将所述训练样本集的标签信息输入至预先构建的初始海面溢油检测网络中，提取多个特征信息，将所述多个特征信息进行合并，得到融合特征信息；
根据所述融合特征信息获取所述溢油图像每个像素的预测信息；
优化得到完成训练的海面溢油检测网络，并将待检测图像输入至所述海面溢油检测网络，输出所述待检测图像的检测信息。


3.根据权利要求1所述的基于全卷积网络的海面溢油检测方法，其特征在于，对所述溢油图像实施预处理的步骤包括：(1)限制对比度自适应直方图均衡化方法解决对比度不理想问题，同时抑制噪音的增强；(2)高频加强滤波方法对图像进行边缘锐化增强，并在一定程度上拉开图像的灰度分布；
优选地，提取油膜区域频谱图方法为将所述溢油图像输入至全卷积网络进行油膜区域和背景图的二分类分割，然后提取所述油膜区域的频谱图；
优选地，获得预测信息后还包括计算误差的过程：利用损失函数计算所述预测信息与所述标签信息的误差；
优选地，所述优化方法包括：采用反向传播法对所述初始海面溢油检测网络的参数进行优化直至所述误差达到期望值；
优选地，所述发出警报后还包括生成并保存检测报告的步骤。


4.根据权利要求1所述的基于全卷积网络的海面溢油检测方法，其特征在于，所述油膜的频谱图是对所述油膜区域进行二维傅里叶变换得到，主要用于增加油膜特征的多样性以提升检测精度；
优选地，所述每个像素的预测信息包含类别信息和回归信息。


5.根据权利要求1所述的基于全卷积网络的海面溢油检测方法，其特征在于，所述每个像素的类别信息为一个H×W×C的...

【专利技术属性】
技术研发人员：梁鸿，杨莹，巩亚明，魏学成，张千，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37