【技术实现步骤摘要】
本专利技术属于海洋观测，尤其涉及一种海上风电场海况分类方法。
技术介绍
1、世界气象组织制定的海况表是评估当前海洋风电场海况的重要标准，可以描述风电场中的波浪状态，从而为气象预报、海洋工程提供参考，有效优化海上施工作业的工作窗口。
2、随着计算机视觉和图像模型技术的发展，对海况的分类任务逐渐由分析测波仪器的响应数据向图像分类任务靠拢，其目的是通过海洋表面的纹理、破碎、白冠等信息反演出视域范围内的真实海况等级。就通过图像识别技术和图像分类模型实现海况分类的方法而言，现有技术中也有一些设计，然而现有的识别和分类方法普遍面临以下问题：
3、（1）现有的数据集多为小规模、非标准化的数据集，极端海况样本不足，容易导致模型训练偏倚，分类结果可信度低；
4、（2）原始海况图像通常分辨率较高，而现有的特征提取和图像分类模型的能够接受的输入图像的分辨率较低，无法直接处理原始海况图像，若直接将原始海况图像的尺寸缩小输入模型中进行识别分类，会严重影响图像中的波浪形态，进而影响海况分类的效果。
5、因此，目前亟需一种能够处理高分辨率的原始海况图像，且分类精度和速度均能够满足全天候实时海况分类需求的海况分类方法。
技术实现思路
1、本专利技术的目的在于解决上述技术问题之一，提供一种海上风电场海况分类方法，通过融合hsv颜色直方图与canny边缘特征提取关键帧，构建覆盖多级海况的均衡数据集，构建基于vision transformer网络海况分类模型，通过2d兰
2、为实现上述目的，本专利技术采用的技术方案是：
3、一种海上风电场海况分类方法，包括以下步骤：
4、s1：获取海上风电场的原始海洋单目视觉原位视频数据，对视频进行关键帧提取；
5、s2：获取关键帧图像拍摄时当前海域的有义波高和风速，并基于有义波高和风速对关键帧进行海况等级标注，获得基于海况等级分类的海况数据集；
6、s3：构建基于vision transformer网络的海况分类模型；海况分类模型包括编码器和多层感知机分类头；
7、s4：对海况数据集中的图像进行预处理，获得集合有图像块嵌入序列、类别向量和位置编码向量的模型输入序列；
8、s5：将模型输入序列输入至海况分类模型中对模型进行微调训练，使得模型输入序列在编码器中不断进行前向传递，以提取其中的类别向量所对应的特征，并将特征输入至多层感知机分类头中获取该类别向量的分类结果，训练过程中调整模型参数，直至模型收敛，获得训练后的海况分类模型；
9、s6：使用训练后的海况分类模型进行海况分类。
10、本专利技术一些实施例中，步骤s4中对数据集中的图片进行预处理的方法包括以下步骤：
11、s41：将海况数据集中的图像调整至预定大小；
12、s42：对调整后的图像进行图像块嵌入处理，将图像分割为多个固定大小的图像块，并生成图像块嵌入序列；
13、s43：设置一个可学习的嵌入向量作为用于分类的类别向量；
14、s44：采用正弦和余弦函数对各图像块进行二维位置编码，得到原始二维位置编码向量；对原始二维位置编码向量进行2d兰乔斯插值操作，计算每个维度中的插值位置的位置编码，合并所有维度的位置编码以获得完整的位置编码向量。
15、s45：将图像块嵌入序列、类别向量和完整的位置编码向量连接以生成模型输入序列。
16、本专利技术一些实施例中，步骤s44中，采用正弦和余弦函数对各图像块进行二维位置编码的方法为：
17、对各图像块中的中的任意位置 (x,y)，偶数维度的位置编码的计算公式为：
18、；
19、；
20、奇数维度的位置编码的计算公式为：
21、；
22、；
23、其中，x和y分别为在当前图像块中的横坐标和纵坐标，pe(x,2i)为位置 x在第2 i维度的编码， i和 j为依赖于维度的索引， d为嵌入的维度。
24、本专利技术一些实施例中，计算每个维度中的插值位置的位置编码的公式为：
25、；
26、其中，为新位置处的插值位置的编码结果，为每个维度的目标像素位置，为原始二维位置编码向量在处的值， m和 n为遍历兰乔斯窗口的像素距离，和分别为 x和 y两个维度的缩放因子，为兰乔斯窗口参数，用于控制插值范围，为兰乔斯函数；
27、其中，和的计算公式分别为：
28、；
29、；
30、其中， wold和 hold分别为原始二维位置编码在宽度和高度两个维度的数量， wnew和 hnew则分别为模型输入图像所需要的位置编码在宽度和高度两个维度的数量；
31、兰乔斯函数的计算公式为：
32、。
33、本专利技术一些实施例中，微调训练过程中使用 focal loss损失函数加速模型收敛，focal loss损失函数的表达式为：
34、；
35、其中，为对第 k类样本的预测概率，所有类别的预测概率之和为1，为真实标签的 one-hot编码，即真实类别对应的，否则为0，为类别 k的权重，为调焦系数，用于放大的作用。
36、本专利技术一些实施例中，进一步包括以下步骤：
37、计算海况分类模型的分类结果的宏平均值；在该分类结果中，每个分类类别对应一个海况等级；宏平均值包括每个类别的精准率、召回率和f1-score的算术平均数，宏平均值计算公式分别为：
38、；
39、；
40、；
41、其中，为精准率的算术平均数，为召回率的算术平均数，为f1-score的算术平均数；
42、计算海况分类模型的分类结果的微平均值；微平均值包括基于各类别的tp、fp、fn的总和计算的精准率、召回率和f1-score，微计算公式分别为：
43、；
44、；
45、；...
【技术保护点】
1.一种海上风电场海况分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的海上风电场海况分类方法，其特征在于，所述步骤S4中对所述数据集中的图片进行预处理的方法包括以下步骤：
3.根据权利要求1所述的海上风电场海况分类方法，其特征在于，步骤S44中，采用正弦和余弦函数对各图像块进行二维位置编码的方法为：
4.根据权利要求3所述的海上风电场海况分类方法，其特征在于，计算每个维度中的插值位置的位置编码的公式为：
5.根据权利要求1所述的海上风电场海况分类方法，其特征在于，所述微调训练过程中使用Focal Loss损失函数加速模型收敛，所述Focal Loss损失函数的表达式为：
6.根据权利要求1所述的海上风电场海况分类方法，其特征在于，进一步包括以下步骤：
7.根据权利要求1所述的海上风电场海况分类方法，其特征在于，对所述视频进行关键帧提取的方法具体包括以下步骤：
8.根据权利要求7所述的海上风电场海况分类方法，其特征在于，提取该原始海洋单目视觉原位视频的每帧图像的HSV直方图特征向量的方
9.根据权利要求7所述的海上风电场海况分类方法，其特征在于，提取该原始海洋单目视觉原位视频的每帧图像的canny边缘轮廓特征向量的方法具体包括以下步骤：
10.根据权利要求7所述的海上风电场海况分类方法，其特征在于，所述步骤S13具体包括以下步骤：
...【技术特征摘要】
1.一种海上风电场海况分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的海上风电场海况分类方法，其特征在于，所述步骤s4中对所述数据集中的图片进行预处理的方法包括以下步骤：
3.根据权利要求1所述的海上风电场海况分类方法，其特征在于，步骤s44中，采用正弦和余弦函数对各图像块进行二维位置编码的方法为：
4.根据权利要求3所述的海上风电场海况分类方法，其特征在于，计算每个维度中的插值位置的位置编码的公式为：
5.根据权利要求1所述的海上风电场海况分类方法，其特征在于，所述微调训练过程中使用focal loss损失函数加速模型收敛，所述focal loss损失函数的表达式为：
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。