【技术实现步骤摘要】
本专利技术涉及光学监控及图像处理，尤其涉及一种多平台海漂垃圾监测系统及方法。
技术介绍
1、近年来，随着人类海洋活动的蓬勃发展，海漂垃圾成为一个不可忽视的问题。据资料统计，每年有800万吨垃圾进入海洋，其中80％为陆源垃圾，20％为海源垃圾。大量的海漂垃圾分布于海岸线和近海海面不仅影响海洋景观，还会产生大量有毒有害物质对养殖渔业造成难以估计的危害，对沿海地区的经济发展造成阻碍。因此，需要对海岸线及近海海面的垃圾进行大面积、实时监测，以保护环境，助力经济发展。
2、传统的海漂垃圾监测，主要是依赖人工定时沿海岸线巡逻，发现垃圾后上报，处理人员到达现场后对垃圾进行打捞的办法。但由于海岸线漫长且地理条件复杂，人工巡查效率较低，耗费巨大；且人工巡查仅能从地面进行观测，难以发现视线死角中存在的垃圾；此外还受天气影响严重，在恶劣气候条件下和夜间均无人巡逻，只能等待条件好转后再处理，无法做到全天候监测；加之海漂垃圾为随机偶发事件，难以做到实时监控及处置。综上所述，常规的海漂垃圾监测手段存在较大缺陷，难以实现大范围、全天候、多尺度的实时监测。
技术实现思路
1、为了解决上述问题，本专利技术的目的在于提供一种多平台海漂垃圾监测系统，可实现海岸及近海海面的大范围、全天候实时监测，海漂垃圾的识别及预警，为海漂垃圾的治理提供智能技术手段，降低监测人力成本。
2、为实现上述目的，本专利技术采用以下技术方案：
3、一种多平台海漂垃圾监测系统，包括岸基监测模块、空基监测模块和数
4、更优地，所述目标检测模型的训练过程为：采集多种场景下的垃圾图像，筛选出包含海漂垃圾的图像并构建样本数据集；将样本数据集划分为训练集、测试集以及验证集，并对样本数据集中的图像上的海漂垃圾进行框选并标注类别，生成标签；所述目标检测模型基于yolov5进行构建，并对网络进行优化；模型训练过程中，使用训练集对模型进行训练，并在每个训练轮次后使用验证集进行验证，以检测模型在未见数据上的表现，防止过拟合；对模型进行评估，使用测试集对训练完成的模型进行最终评估，包括评估模型的准确性、召回率、f1分数以及其他相关的性能指标。对模型进行部署与应用，经过评估后，确定最优模型并将其部署在所述数据处理平台中，用于对海漂垃圾进行实时检测和分类。
5、更优地，所述目标检测模型的网络优化包括：池化层优化策略：引入softpool池化方法，该softpool池化方法对每个池化窗口内的元素计算加权平均，其权重为这些元素的指数值，以超参数α为基数，从而在卷积神经网络中灵活地平衡最大池化和平均池化；通过调整α，softpool可以在性能和灵敏度之间进行优化，使得特征提取更加有效和平滑。数据增强：对训练数据进行数据增强，包括随机裁剪、旋转、缩放和色彩变换，从而增加训练数据的多样性。迁移学习：为了提高模型训练效率和最终模型的性能，采用预训练模型进行初始化，所述预训练模型在大规模的数据集上已经学习到了丰富的特征信息，加速目标检测模型的训练过程。
6、更优地，所述岸基控制计算机和空基控制计算机对采集到的图像数据进行分割处理，将图像数据分割成n等分，且对每个分割后的小图像进行编号。
7、基于同一专利技术构思，本专利技术还提供一种多平台海漂垃圾监测方法。
8、一种多平台海漂垃圾监测方法，部署岸基监测模块、空基监测模块和数据处理平台，所述岸基监测模块包括多个摄像头和岸基控制计算机，所述空基监测模块包括无人机和空基控制计算机，然后执行如下步骤：所述摄像头采集监测海域的图像数据或视频数据，然后将采集到的数据传输至所述岸基控制计算机，通过所述岸基控制计算机将采集到的数据传输至数据处理平台；所述无人机采集监控海域的图像数据或视频数据，然后将采集到的数据传输至所述空基控制计算机，通过所述空基控制计算机将采集到的数据传输至数据处理平台；所述数据处理平台通过训练好的目标检测模型对回传的数据进行处理，识别海漂垃圾并定位，再将识别结果通报给用户。
9、更优地，所述目标检测模型的训练过程为：采集多种场景下的垃圾图像，筛选出包含海漂垃圾的图像并构建样本数据集；将样本数据集划分为训练集、测试集以及验证集，并对样本数据集中的图像上的海漂垃圾进行框选并标注类别，生成标签；所述目标检测模型基于yolov5进行构建，并对网络进行优化；模型训练过程中，使用训练集对模型进行训练，并在每个训练轮次后使用验证集进行验证，以检测模型在未见数据上的表现，防止过拟合；对模型进行评估，使用测试集对训练完成的模型进行最终评估，包括评估模型的准确性、召回率、f1分数以及其他相关的性能指标。对模型进行部署与应用，经过评估后，确定最优模型并将其部署在所述数据处理平台中，用于对海漂垃圾进行实时检测和分类。
10、更优地，所述目标检测模型的网络优化包括：池化层优化策略：引入softpool池化方法，该softpool池化方法对每个池化窗口内的元素计算加权平均，其权重为这些元素的指数值，以超参数α为基数，从而在卷积神经网络中灵活地平衡最大池化和平均池化；通过调整α，softpool可以在性能和灵敏度之间进行优化，使得特征提取更加有效和平滑。数据增强：对训练数据进行数据增强，包括随机裁剪、旋转、缩放和色彩变换，从而增加训练数据的多样性。迁移学习：为了提高模型训练效率和最终模型的性能，采用预训练模型进行初始化，所述预训练模型在大规模的数据集上已经学习到了丰富的特征信息，加速目标检测模型的训练过程。
11、更优地，所述岸基控制计算机和空基控制计算机对采集到的图像数据进行分割处理，将图像数据分割成n等分，且对每个分割后的小图像进行编号。
12、本专利技术具有如下有益效果：
13、1.本专利技术监测系统及方法使用人工智能算法识别海漂垃圾，能有效监测到海漂垃圾这一偶发事件，并对常见的泡沫、浮木、塑料瓶、塑料袋等垃圾进行分类。
14、2.本专利技术监测系统及方法使用人工智能算法识别海漂垃圾，能实现大范围全天候监测，不受气象条件影响，能有效的提高监测效率，减少对人工的依赖。
15、3.本专利技术监测系统及方法不受数据源限制，能处理不同来源的数据，实现多平台实时监测。
本文档来自技高网...【技术保护点】
1.一种多平台海漂垃圾监测系统，其特征在于：包括岸基监测模块、空基监测模块和数据处理平台；
2.根据权利要求1所述一种多平台海漂垃圾监测系统，其特征在于：所述目标检测模型的训练过程为：
3.根据权利要求2所述一种多平台海漂垃圾监测系统，其特征在于：所述目标检测模型的网络优化包括：
4.根据权利要求1所述一种多平台海漂垃圾监测系统，其特征在于：所述岸基控制计算机和空基控制计算机对采集到的图像数据进行分割处理，将图像数据分割成N等分，且对每个分割后的小图像进行编号。
5.一种多平台海漂垃圾监测方法，其特征在于：部署岸基监测模块、空基监测模块和数据处理平台，所述岸基监测模块包括多个摄像头和岸基控制计算机，所述空基监测模块包括无人机和空基控制计算机，然后执行如下步骤：
6.根据权利要求5所述的一种多平台海漂垃圾监测方法，其特征在于：所述目标检测模型的训练过程为：
7.根据权利要求6所述的一种多平台海漂垃圾监测方法，其特征在于：所述目标检测模型的网络优化包括：
8.根据权利要求5所述的一种多平台海漂垃圾监测
...【技术特征摘要】
1.一种多平台海漂垃圾监测系统，其特征在于：包括岸基监测模块、空基监测模块和数据处理平台；
2.根据权利要求1所述一种多平台海漂垃圾监测系统，其特征在于：所述目标检测模型的训练过程为：
3.根据权利要求2所述一种多平台海漂垃圾监测系统，其特征在于：所述目标检测模型的网络优化包括：
4.根据权利要求1所述一种多平台海漂垃圾监测系统，其特征在于：所述岸基控制计算机和空基控制计算机对采集到的图像数据进行分割处理，将图像数据分割成n等分，且对每个分割后的小图像进行编号。
5.一种多平台海漂垃圾监测方法，其特征在于：部署岸基...
【专利技术属性】
技术研发人员：王军德，张宇，姜进文，张博宇，汤泽滨，李书东，吴芳，林少川，
申请(专利权)人：福建省卫星数据开发有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。