一种基于YOLO网络的航海雷达溢油识别方法及系统技术方案

本发明专利技术公开了一种基于YOLO网络的航海雷达溢油识别方法及系统，涉及海上溢油识别技术领域，用以解决现有的海上溢油识别方法效率低的问题。本发明专利技术的技术要点包括：获取包含溢油区域的小样本训练图像集；对小样本训练图像集进行预处理；将预处理后的小样本训练图像集中的每一张图像进行平均分割，以扩充小样本训练图像集；利用扩充后的训练图像集训练基于YOLOv5s模型的溢油识别模型；利用训练好的溢油识别模型对预处理后的待识别图像进行溢油识别，获取溢油识别结果。本发明专利技术可以为海上溢油事故应急处置与防灾救灾提供有效的数据支持。持。持。

【技术实现步骤摘要】
一种基于YOLO网络的航海雷达溢油识别方法及系统


[0001]本专利技术涉及海上溢油识别
，具体涉及一种基于YOLO网络的航海雷达溢油识别方法及系统。

技术介绍

[0002]随着世界沿海港口城市进入快速发展的新态势，溢油风险事故发生的概率越发频繁
[1]。溢油灾害对港口及其腹地的经济、环境、生态以及人类健康等方面都会产生显著的恶劣影响
[2]。2004年12月，巴拿马籍集装箱船“现代促进”轮与德国籍集装箱船“伊伦娜”轮在珠江口海域发生碰撞，溢出重油450吨
[3]。2010年7月，大连新港中石油保税区的输油管线在油轮卸油作业时发生闪爆，引发管线内原油起火。大火燃烧了15个小时，约1500吨原油溢入大海。此外，为了加强石油战略储备，据不完全统计，我国沿海从北到南已建成或者正在建设的30万吨原油码头共20余个
[5]。这些原油码头的生产和作业进一步提高了沿海城市溢油事故发生的概率。
[0003]海上溢油污染危害极深极广，快速有效地开展溢油监测预警行动，对于海洋灾害的防治具有重要意义
[6,7]。现阶段，海上溢油监测预警领域应用的遥感传感器部署方式主要分为天基、空基、岸基、船基、平台基五种。星载遥感传感器可以探测大面积的海上油膜，在溢油监测领域的应用非常广泛
[8,9]。这种手段的第一个缺点是容易受到云雨天气的影响，难以进行全天候海面监测；第二个缺点是时间分辨率低，数据获取仍然具有一定的周期性
[10]；第三个缺点是，虽然同步卫星可以针对事故发生海域进行定点监测，但是如果没有较高权限，依然难以获取动态更新的基础数据。随着无人机技术的快速发展，机载遥感传感器海上溢油监测技术迅猛发展
[11]。无人机监测手段也容易受到天气与海况的制约，存在无法出航执行监测任务的情况
[12]。航海雷达可以进行岸、船、平台基安装，能够保障在原有导航避碰功能的前提下，克服恶劣天气，全天时执行大范围的海上溢油监测预警任务。在溢油事故发生后，它可以第一时间随船前往事故现场配合应急指挥与灾害治理，具有广阔的应用价值与推广前景。

技术实现思路

[0004]为此，本专利技术提出一种基于YOLO网络的航海雷达溢油识别方法及系统，用以解决现有的海上溢油识别方法效率低的问题。
[0005]根据本专利技术的一方面，提供一种基于YOLO网络的航海雷达溢油识别方法，该方法包括以下步骤：
[0006]步骤一、获取包含溢油区域的小样本训练图像集；
[0007]步骤二、对所述小样本训练图像集进行预处理；
[0008]步骤三、将预处理后的小样本训练图像集中的每一张图像进行平均分割，以扩充小样本训练图像集；
[0009]步骤四、利用扩充后的训练图像集训练基于YOLOv5s模型的溢油识别模型；
[0010]步骤五、利用训练好的溢油识别模型对预处理后的待识别图像进行溢油识别，获取溢油识别结果。
[0011]进一步地，所述预处理包括：将雷达图像从极坐标系变换为笛卡尔坐标系；采用拉普拉斯算子对坐标变换后的雷达图像进行卷积；采用Otsu阈值分割方法对卷积后的雷达图像进行分割；利用均值滤波方法对出的垂直噪声进行初步平滑；再采用灰度阈值和连续像元面积阈值方法对初步平滑后的雷达图像进行分割；再采用中值滤波方法对出的亮斑噪声进行二次平滑；对二次平滑后的雷达图像进行灰度矫正，并进行局部对比度增强，得到预处理图像。
[0012]进一步地，步骤五中还包括：采用Saulova阈值法对预处理后的待识别图像进行局部自适应图像分割，获得分割识别图像；将溢油识别结果中包含溢油区域的识别图像与分割识别图像进行求交运算，获得溢油初步分割图像；将得到的溢油初步分割图像取反，并删除块状小目标，获得笛卡尔坐标系下最终的油膜识别图像。
[0013]进一步地，步骤五中采用Saulova阈值法和滑动窗口方式相结合对预处理后的待识别图像进行局部自适应图像分割，获得分割识别图像。
[0014]进一步地，步骤五中采用Saulova阈值法对预处理后的待识别图像进行局部自适应图像分割的分割阈值T为：
[0015][0016]式中，m表示均值，s为标准差，k为用户自定义参数，R为标准差的动态范围。
[0017]进一步地，所述方法还包括，在获得笛卡尔坐标系下最终的油膜识别图像后，将油膜识别图像转换至极坐标系下。
[0018]根据本专利技术的另一方面，提供一种基于YOLO网络的航海雷达溢油识别系统，该系统包括：
[0019]图像获取模块，其配置成获取包含溢油区域的小样本训练图像集；
[0020]预处理模块，其配置成对所述小样本训练图像集进行预处理；
[0021]图像扩充模块，其配置成将预处理后的小样本训练图像集中的每一张图像进行平均分割，以扩充小样本训练图像集；
[0022]模型训练模块，其配置成利用扩充后的训练图像集训练基于YOLOv5s模型的溢油识别模型；
[0023]溢油识别模块，其配置成利用训练好的溢油识别模型对预处理后的待识别图像进行溢油识别，获取溢油识别结果。
[0024]进一步地，所述预处理包括：将雷达图像从极坐标系变换为笛卡尔坐标系；采用拉普拉斯算子对坐标变换后的雷达图像进行卷积；采用Otsu阈值分割方法对卷积后的雷达图像进行分割；利用均值滤波方法对分割出的垂直噪声进行初步平滑；再采用灰度阈值和连续像元面积阈值方法对初步平滑后的雷达图像进行分割；再采用中值滤波方法对再次分割出的亮斑噪声进行二次平滑；对二次平滑后的雷达图像进行灰度矫正，并进行局部对比度增强，得到预处理图像。
[0025]进一步地，所述溢油识别模块中还包括：采用Saulova阈值法对预处理后的待识别图像进行局部自适应图像分割，获得分割识别图像；将溢油识别结果中包含溢油区域的识
别图像与分割识别图像进行求交运算，获得溢油初步分割图像；将得到的溢油初步分割图像取反，并删除块状小目标，获得笛卡尔坐标系下最终的油膜识别图像。
[0026]进一步地，所述溢油识别模块中采用Saulova阈值法对预处理后的待识别图像进行局部自适应图像分割的分割阈值T为：
[0027][0028]式中，m表示均值,s为标准差,k为用户自定义参数，R为标准差的动态范围。
[0029]本专利技术的有益技术效果是：
[0030]本专利技术将船载雷达原始图像进行降噪、灰度矫正、对比度增强后，使预处理图像集中的油膜目标与背景区分明显，便于深度学习训练；再利用YOLO深度学习网络对现有小样本图像训练集进行深度训练，得到快速的溢油有效监测区检测模型。本专利技术方法可以为海上溢油事故应急处置与防灾救灾提供有效的数据支持。
附图说明
[0031]通过参考附图阅读下文的详细描述，本专利技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本专利技术的若干实施方式，其中：
[0032]图1是本专利技术实施例一种基于YO本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于YOLO网络的航海雷达溢油识别方法，其特征在于，包括以下步骤：步骤一、获取包含溢油区域的小样本训练图像集；步骤二、对所述小样本训练图像集进行预处理；步骤三、将预处理后的小样本训练图像集中的每一张图像进行平均分割，以扩充小样本训练图像集；步骤四、利用扩充后的训练图像集训练基于YOLOv5s模型的溢油识别模型；步骤五、利用训练好的溢油识别模型对预处理后的待识别图像进行溢油识别，获取溢油识别结果。2.根据权利要求1所述的一种基于YOLO网络的航海雷达溢油识别方法，其特征在于，所述预处理包括：将雷达图像从极坐标系变换为笛卡尔坐标系；采用拉普拉斯算子对坐标变换后的雷达图像进行卷积；采用Otsu阈值分割方法对卷积后的雷达图像进行分割；利用均值滤波方法对分割出的垂直噪声进行初步平滑；再采用灰度阈值和连续像元面积阈值方法对初步平滑后的雷达图像进行分割；再采用中值滤波方法对再次分割出的亮斑噪声进行二次平滑；对二次平滑后的雷达图像进行灰度矫正，并进行局部对比度增强，得到预处理图像。3.根据权利要求1所述的一种基于YOLO网络的航海雷达溢油识别方法，其特征在于，步骤五中还包括：采用Saulova阈值法对预处理后的待识别图像进行局部自适应图像分割，获得分割识别图像；将溢油识别结果中包含溢油区域的识别图像与分割识别图像进行求交运算，获得溢油初步分割图像；将得到的溢油初步分割图像取反，并删除块状小目标，获得笛卡尔坐标系下最终的油膜识别图像。4.根据权利要求3所述的一种基于YOLO网络的航海雷达溢油识别方法，其特征在于，步骤五中采用Saulova阈值法和滑动窗口方式相结合对预处理后的待识别图像进行局部自适应图像分割，获得分割识别图像。5.根据权利要求3所述的一种基于YOLO网络的航海雷达溢油识别方法，其特征在于，步骤五中采用Saulova阈值法对预处理后的待识别图像进行局部自适应图像分割的分割阈值T为：式中，m表示均值，s为标准差，k为用户自定义参数，R为标准差的动态范围。6.根据权利要求3所述的一种基于YOLO网...

【专利技术属性】
技术研发人员：李博，徐进，潘新祥，尹建川，陈蓉，马龙，赵志强，廖志强，刘乔，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：