CN115979972B - 海面原油油膜高光谱实时监测方法和系统 - Google Patents
海面原油油膜高光谱实时监测方法和系统 Download PDFInfo
- Publication number
- CN115979972B CN115979972B CN202310147956.3A CN202310147956A CN115979972B CN 115979972 B CN115979972 B CN 115979972B CN 202310147956 A CN202310147956 A CN 202310147956A CN 115979972 B CN115979972 B CN 115979972B
- Authority
- CN
- China
- Prior art keywords
- spectrometer
- layer module
- oil film
- oil
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012544 monitoring process Methods 0.000 title claims abstract description 44
- 239000010779 crude oil Substances 0.000 title claims abstract description 42
- 239000003921 oil Substances 0.000 claims abstract description 135
- 230000003595 spectral effect Effects 0.000 claims abstract description 108
- 238000012549 training Methods 0.000 claims abstract description 51
- 239000003305 oil spill Substances 0.000 claims abstract description 45
- 238000013527 convolutional neural network Methods 0.000 claims abstract description 40
- 238000005316 response function Methods 0.000 claims abstract description 25
- 230000007613 environmental effect Effects 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims description 52
- 238000011176 pooling Methods 0.000 claims description 40
- 238000001228 spectrum Methods 0.000 claims description 29
- 239000000523 sample Substances 0.000 claims description 21
- 238000012937 correction Methods 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 16
- 238000007747 plating Methods 0.000 claims description 16
- 238000002310 reflectometry Methods 0.000 claims description 16
- 239000007888 film coating Substances 0.000 claims description 13
- 238000009501 film coating Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 230000004913 activation Effects 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 239000013535 sea water Substances 0.000 claims description 4
- 238000003860 storage Methods 0.000 abstract description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及海洋环境监测技术领域,提供一种海面原油油膜高光谱实时监测方法和系统。该方法,包括:S10、获得溢油位置;S20、建立空间坐标系,计算溢油面积;S30、获取光谱响应函数;S40、通过光谱响应函数对油膜的光谱反射率数据进行光谱滤波;S50、计算获得高光谱图像数据的环境噪声等效反射比;S60、构建训练样本库,进而对卷积神经网络进行训练,获得拟合油膜信息。本发明通过对海上原油油膜的光谱反射率数据进行采集,并计算光谱响应函数和环境噪声等效反射比,对实测光谱数据进行滤波,采用改进VGG8模型对遥感影像数据进行处理,能够拟合油膜信息,为实现FPSO外输作业安全提供了可靠的技术支撑。
Description
技术领域
本发明涉及海洋环境监测技术领域,尤其涉及一种海面原油油膜高光谱实时监测方法和系统。
背景技术
海上溢油是海洋污染的主要形式之一,溢油发生后,其位置、种类、面积和相对厚度等相关信息是公众和媒体十分关注的。在应用高光谱仪进行溢油检测方面,国内外对多光谱、热红外、雷达等均有广泛的研究与应用,但由于海洋环境复杂、海面大气影响,水体对电磁波的散射与吸收作用,海面油膜信息较弱,导致海面油膜信息提取时存在“同物异谱,同谱异物”的现象。随着高光谱技术的出现和发展,针对海面油膜信息的高光谱探测技术研究也得到不断发展,该技术可获取地物目标近乎连续的反射光谱,从而根据光谱特征差异来区分海水与溢油目标。
浮式生产储卸油装置(FPSO)是一种可对海上油田进行全海式开发的工程装备。FPSO采用串靠式外输,工作时间长达20小时,并时常伴随着较为不稳定的风浪流环境,可能会对外输软管造成意外破损,导致溢油事件发生,造成不可估量的损失,还会影响环境。以往的外输作业中并无针对外输软管进行监测的装置,指挥及作业人员也无法第一时间获取软管的状态。
高光谱遥感数据在进行油膜和水体探测时,同时受到传感器系统噪声和数据获取时大气的影响(系统噪声与大气影响合称环境噪声),因此水体与油膜在遥感图像上的可区分性不仅考虑实测光谱差异,还应考虑环境噪声的影响。但当前利用实测光谱选择有利波段和传感器时,假设观测过程中的环境噪声可以忽略,仅分析了水体和油膜实测光谱差异,从而导致油膜监测结果不准确。
发明内容
本发明旨在至少解决相关技术中存在的技术问题之一。为此,本发明提供一种海面原油油膜高光谱实时监测方法和系统,实现高光谱遥感大范围分析低溢油情况下识别溢油范围和方位的准确性和可靠性。
本发明提供一种海面原油油膜高光谱实时监测方法,包括如下步骤:
S10、通过镀膜式光谱仪以推扫的方式拍摄高光谱图像,建立归一化溢油指数检测模型,并对高光谱图像进行溢油检测,获得溢油位置;
S20、建立空间坐标系,通过获取光谱仪与海平面的距离、光谱仪与视场中心的直线距离、光谱仪的垂直半视场角、光谱仪的水平半视场角、光谱仪的光轴与转台零位的偏转角和光谱仪的俯仰角,获得溢油区域的中心点坐标,并可计算溢油面积;
S30、获取含有溢油位置的高光谱图像中油膜的光谱反射率数据,将油膜的光谱反射率数据转换为地球表面的反射率数据,对光谱反射率数据进行大气校正,同时获取光谱响应函数;
S40、通过光谱响应函数对油膜的光谱反射率数据进行光谱滤波;
S50、计算获得高光谱图像数据的环境噪声等效反射比;
S60、构建训练样本库,进而对卷积神经网络进行训练,获得拟合油膜信息。
根据本发明提供的一种海面原油油膜高光谱实时监测方法,S10步骤中,设定675nm和699nm为归一化溢油指数检测模型的溢油检测特征波段,归一化溢油指数检测模型NDOSI的计算式为:
NDOSI= (R699-R675)/(R699 +R675),
式中,R699为油膜光谱曲线在溢油检测特征波段699nm处的反射率数据;
R675为油膜光谱曲线在溢油检测特征波段675nm处的反射率数据。
根据本发明提供的一种海面原油油膜高光谱实时监测方法,所述S30步骤具体还包括:
作业环境参数设定为浪高0.1m~4m;流速0.31m/s~1.2m/s;风速8m/s~11m/s;海面环境光强,晴天50000Lux~70000Lux、阴天20000Lux~40000Lux;
对镀膜式光谱仪进行暗电流校正,镀膜式光谱仪的探头与油膜的距离为10m~90m,且竖直向下设置,镀膜式光谱仪的视场俯仰角为-87°~90°;
镀膜式光谱仪的光谱范围为400nm~950nm;
在镀膜式光谱仪的测量过程中,每隔1min测量一次光谱数据,并对同一目标重复测量10次,并将每组数据中的离群数据剔除,进而计算每组数据的平均值,获得油膜的光谱反射率数据。
根据本发明提供的一种海面原油油膜高光谱实时监测方法,所述S20步骤具体包括:
以转台零位方向为X轴,转台零位水平垂直方向为Y轴,转台零位竖直垂直方向为Z轴,测量获得光谱仪与海平面垂直距离为h,光谱仪与视场中心直线距离为l,设定光谱仪垂直半视场角为α,光谱仪水平半视场角为β,光谱仪俯仰角为θ,光谱仪光轴与转台零位偏转角为λ,利用三角函数公式可得:
光谱仪探测区域的水平视场尺寸a为:
光谱仪探测区域的垂直视场尺寸b为:
则,光谱仪探测区域的视场中心坐标为:
设定光谱仪的分辨率为x×y,高光谱图像的左下角为高光谱图像坐标原点,则图像中心坐标可标示为:
则,高光谱图像中每个像素所对应光谱仪探测区域的海面面积可表示为:
设定溢油位置范围的中心坐标为(m,n),则其实际坐标为:
光谱仪与溢油位置范围的中心的距离为:
由此,溢油区域的中心与光谱仪的零位夹角为:
根据本发明提供的一种海面原油油膜高光谱实时监测方法,所述S60步骤具体包括:
S61、基于光谱反射率数据选取训练样本,将训练样本输入卷积神经网络,对卷积神经网络进行训练;
S62、将光谱反射率数据中待检测数据输入卷积神经网络,完成待检测数据的处理过程,计算溢油位置及面积,获得并输出显示图片。
根据本发明提供的一种海面原油油膜高光谱实时监测方法,所述卷积神经网络包括依次连接的第一卷积层模块、第二卷积层模块、第一池化层模块、第三卷积层模块、第四卷积层模块、第二池化层模块和全链层模块;
还包括输出层模块和精度计算模块;所述第一卷积层模块、所述第二卷积层模块、所述第三卷积层模块、所述第四卷积层模块中分别进行卷积操作;
所述第一池化层模块和所述第二池化层模块中分别进行多个卷积池化操作,所述卷积池化中包括多个卷积操作和一个池化操作;
所述全链层模块中进行全链接操作;
所述卷积操作和所述全链接操作采用ReLU激活函数;
所述池化操作和所述全链接操作采用Dropout机制。
根据本发明提供的一种海面原油油膜高光谱实时监测方法,所述S61步骤中,对所述卷积神经网络进行训练具体步骤如下:
训练样本依次经过第一卷积层模块、第二卷积层模块、第一池化层模块、第三卷积层模块、第四卷积层模块、第二池化层模块和全链层模块,并通过输出层模块输出结果,输出结果经精度计算模块判断是否达到精度要求;
对所述卷积神经网络进行训练采用交叉熵作为损失函数,采用Adadelta算法优化模型。
本发明还提供一种海面低含油油膜高光谱实时监测系统,用以实现如上所述的海面原油油膜高光谱实时监测方法,包括:
光谱反射率数据输入单元,用以采集海水和油膜的光谱反射率数据;
卷积神经网络处理单元,所述卷积神经网络处理单元与所述光谱反射率数据输入单元电连接,用以接收光谱反射率数据,并选取训练样本进行训练。
本发明实施例中的上述一个或多个技术方案,至少具有如下技术效果之一:
本发明提供的海面原油油膜高光谱实时监测方法和系统,包括如下步骤:S10、通过镀膜式光谱仪以推扫的方式拍摄高光谱图像,建立归一化溢油指数检测模型,并对高光谱图像进行溢油检测,获得溢油位置;S20、建立空间坐标系,通过获取光谱仪与海平面的距离、光谱仪与视场中心的直线距离、光谱仪的垂直半视场角、光谱仪的水平半视场角、光谱仪的光轴与转台零位的偏转角和光谱仪的俯仰角,获得溢油区域的中心点坐标,并可计算溢油面积;S30、获取含有溢油位置的高光谱图像中油膜的光谱反射率数据,将油膜的光谱反射率数据转换为地球表面的反射率数据,对光谱反射率数据进行大气校正,同时获取光谱响应函数;S40、通过光谱响应函数对油膜的光谱反射率数据进行光谱滤波;S50、计算获得高光谱图像数据的环境噪声等效反射比;S60、构建训练样本库,进而对卷积神经网络进行训练,获得拟合油膜信息,通过对海上原油油膜的光谱反射率数据进行采集,并通过计算光谱响应函数和环境噪声等效反射比,对实测光谱数据进行滤波,通过提出一种基于卷积神经网络的海面原油油膜高光谱实时监测方法和系统,采用改进VGG8模型对遥感影像数据进行处理,能够很好的拟合图像信息,具有很好的分类精确性和泛化能力,并且能够较好的拟合油膜信息,为实现FPSO外输作业安全提供了可靠的技术支撑。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的海面原油油膜高光谱实时监测方法的流程示意图。
图2是本发明提供的海面原油油膜高光谱实时监测方法中S20步骤中空间坐标系的模拟示意图。
图3是本发明提供的海面原油油膜高光谱实时监测方法中光谱仪视场等效模拟示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。以下实施例用于说明本发明,但不能用来限制本发明的范围。
在本发明实施例的描述中,需要说明的是,术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明实施例的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明实施例的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明实施例中的具体含义。
在本发明实施例中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
下面结合图1至图3描述本发明的一种海面原油油膜高光谱实时监测方法,包括如下步骤:
S10、通过镀膜式光谱仪以推扫的方式拍摄高光谱图像,建立归一化溢油指数检测模型,并对高光谱图像进行溢油检测,获得溢油位置;
S20、建立空间坐标系,通过获取光谱仪与海平面的距离、光谱仪与视场中心的直线距离、光谱仪的垂直半视场角、光谱仪的水平半视场角、光谱仪的光轴与转台零位的偏转角和光谱仪的俯仰角,获得溢油区域的中心点坐标,并可计算溢油面积;
S30、获取含有溢油位置的高光谱图像中油膜的光谱反射率数据,将油膜的光谱反射率数据转换为地球表面的反射率数据,对光谱反射率数据进行大气校正,同时获取光谱响应函数;
S40、通过光谱响应函数对油膜的光谱反射率数据进行光谱滤波;
S50、计算获得高光谱图像数据的环境噪声等效反射比;
S60、构建训练样本库,进而对卷积神经网络进行训练,获得拟合油膜信息。
根据本发明提供的一种海面原油油膜高光谱实时监测方法,S10步骤中,设定675nm和699nm为归一化溢油指数检测模型的溢油检测特征波段,归一化溢油指数检测模型NDOSI的计算式为:
NDOSI= (R699-R675)/(R699 +R675),
式中,R699为油膜光谱曲线在溢油检测特征波段699nm处的反射率数据;
R675为油膜光谱曲线在溢油检测特征波段675nm处的反射率数据。
根据本发明提供的一种海面原油油膜高光谱实时监测方法,所述S30步骤具体还包括:
作业环境参数设定为浪高0.1m~4m;流速0.31m/s~1.2m/s;风速8m/s~11m/s;海面环境光强,晴天50000Lux~70000Lux、阴天20000Lux~40000Lux;
对镀膜式光谱仪进行暗电流校正,镀膜式光谱仪的探头与油膜的距离为10m~90m,且竖直向下设置,镀膜式光谱仪的视场俯仰角为-87°~90°;
镀膜式光谱仪的光谱范围为400nm~950nm;
在镀膜式光谱仪的测量过程中,每隔1min测量一次光谱数据,并对同一目标重复测量10次,并将每组数据中的离群数据剔除,进而计算每组数据的平均值,获得油膜的光谱反射率数据。
根据本发明提供的一种海面原油油膜高光谱实时监测方法,所述S20步骤具体包括:
以转台零位方向为X轴,转台零位水平垂直方向为Y轴,转台零位竖直垂直方向为Z轴,测量获得光谱仪与海平面垂直距离为h,光谱仪与视场中心直线距离为l,设定光谱仪垂直半视场角为α,光谱仪水平半视场角为β,光谱仪俯仰角为θ,光谱仪光轴与转台零位偏转角为λ,利用三角函数公式可得:
光谱仪探测区域的水平视场尺寸a为:
光谱仪探测区域的垂直视场尺寸b为:
则,光谱仪探测区域的视场中心坐标为:
设定光谱仪的分辨率为x×y,高光谱图像的左下角为高光谱图像坐标原点,则图像中心坐标可标示为:
则,高光谱图像中每个像素所对应光谱仪探测区域的海面面积可表示为:
设定溢油位置范围的中心坐标为(m,n),则其实际坐标为:
光谱仪与溢油位置范围的中心的距离为:
由此,溢油区域的中心与光谱仪的零位夹角为:
根据本发明提供的一种海面原油油膜高光谱实时监测方法,所述S60步骤具体包括:
S61、基于光谱反射率数据选取训练样本,将训练样本输入卷积神经网络,对卷积神经网络进行训练;
S62、将光谱反射率数据中待检测数据输入卷积神经网络,完成待检测数据的处理过程,计算溢油位置及面积,获得并输出显示图片。
根据本发明提供的一种海面原油油膜高光谱实时监测方法,所述卷积神经网络包括依次连接的第一卷积层模块、第二卷积层模块、第一池化层模块、第三卷积层模块、第四卷积层模块、第二池化层模块和全链层模块;
还包括输出层模块和精度计算模块;所述第一卷积层模块、所述第二卷积层模块、所述第三卷积层模块、所述第四卷积层模块中分别进行卷积操作;
所述第一池化层模块和所述第二池化层模块中分别进行多个卷积池化操作,所述卷积池化中包括多个卷积操作和一个池化操作;
所述全链层模块中进行全链接操作;
所述卷积操作和所述全链接操作采用ReLU激活函数;
所述池化操作和所述全链接操作采用Dropout机制。
根据本发明提供的一种海面原油油膜高光谱实时监测方法,所述S61步骤中,对所述卷积神经网络进行训练具体步骤如下:
训练样本依次经过第一卷积层模块、第二卷积层模块、第一池化层模块、第三卷积层模块、第四卷积层模块、第二池化层模块和全链层模块,并通过输出层模块输出结果,输出结果经精度计算模块判断是否达到精度要求;
对所述卷积神经网络进行训练采用交叉熵作为损失函数,采用Adadelta算法优化模型。
本发明实施例提供的一种海面原油油膜高光谱实时监测方法,具体包括如下步骤:
S10、通过镀膜式光谱仪以推扫的方式拍摄光谱图像,建立归一化溢油指数检测模型,并对高光谱图像进行溢油检测,获得溢油位置;其中,通过镀膜式光谱仪对海面上外输软管进行实时探测,适用测量范围200m以内,通过推扫的方式拍摄光谱图像;
进一步地,建立归一化溢油指数检测模型,并对高光谱图像进行溢油检测,获得溢油位置;其中,设定675nm和699nm为归一化溢油指数检测模型的溢油检测特征波段,归一化溢油指数检测模型的计算式为:
NDOSI= (R699-R675)/(R699 +R675),
式中,R699为油膜光谱曲线在溢油检测特征波段699nm处的反射率数据;
R675为油膜光谱曲线在溢油检测特征波段675nm处的反射率数据。
S20、建立空间坐标系,通过获取光谱仪与海平面的距离、光谱仪与视场中心的直线距离、光谱仪的垂直半视场角、光谱仪的水平半视场角、光谱仪的光轴与转台零位的偏转角和光谱仪的俯仰角,获得溢油区域的中心点坐标,并可计算溢油面积;具体的,如图2和图3所示,以转台零位方向为X轴,转台零位水平垂直方向为Y轴,转台零位竖直垂直方向为Z轴,其中,设定A点为光谱仪的位置,B点为视场中心,C点为溢油位置范围的中心点位置,D点为B点在X轴上的投影,E点为C点在X轴上的投影,O点为坐标原点。
进一步地,通过测量可知,获得光谱仪与海平面垂直距离为h,即AO=h,光谱仪与视场中心直线距离为l(通过测距仪器可测得)即AB=l,设定光谱仪垂直半视场角为α,光谱仪水平半视场角为β,光谱仪俯仰角为θ,光谱仪光轴与转台零位偏转角为λ,利用三角函数公式可得:
光谱仪探测区域的水平视场尺寸a为:
光谱仪探测区域的垂直视场尺寸b为:
则,光谱仪探测区域的视场中心坐标为:
设定光谱仪的分辨率为x×y,高光谱图像的左下角为高光谱图像坐标原点,则图像中心坐标可标示为:
则,高光谱图像中每个像素所对应光谱仪探测区域的海面面积可表示为:
设定溢油位置范围的中心坐标为(m,n),则其实际坐标为:
光谱仪与溢油位置范围的中心的距离为:
由此,溢油区域的中心与光谱仪的零位夹角为:
进而根据勾股定理,计算溢油面积。
S30、获取含有溢油位置的高光谱图像中油膜的光谱反射率数据,将油膜的光谱反射率数据转换为地球表面的反射率数据,对光谱反射率数据进行大气校正,同时获取光谱响应函数;其中,本实施例中镀膜式光谱仪的光谱范围为400nm~950nm,共有242个波段,光谱分辨率约为10nm;经过辐射定标处理的波段数为198个,其中可见光/近红外光56、57波段与短波红外77、78波段重叠,实际可用波段为196个,实现光谱校正;考虑到水体在大于1000nm后对光的强吸收作用,选择波长小于1000nm的RAINBOW波段进行分析,实现水体校正;高光谱数据在成像过程中受到大气中水汽和臭氧的影响,为了消除大气的影响,将油膜的光谱反射率数据转换为地球表面的反射率数据,需要进行大气校正;大气校正使用的工具是软件ENVI4.5的FLAASH模块,使用该软件同时获取RAINBOW数据的光谱响应函数。
具体的,获取含有溢油位置的高光谱图像中油膜的光谱反射率数据的过程如下:探测作业环境参数设定为浪高0.1m~4m;流速0.31m/s~1.2m/s;风速8m/s~11m/s;海面环境光强,晴天50000Lux~70000Lux、阴天20000Lux~40000Lux;同时,为了减少外界反射太阳光对结果造成干扰,工作人员穿着深色服装;其中,探测之前对镀膜式光谱仪进行暗电流校正,探测时,镀膜式光谱仪的探头与油膜的距离为10m~90m,且竖直向下设置,镀膜式光谱仪的视场俯仰角为-87°~90°;测量过程中,每隔1min测量一次光谱数据,并对同一目标重复测量10次,并将每组数据中的离群数据剔除,进而计算每组数据的平均值,获得油膜的光谱反射率数据。需要说明的是,同一目标重复测量10次获得的光谱数据为一组数据。
S40、通过光谱响应函数对油膜的光谱反射率数据进行光谱滤波;其中,利用光谱响应函数作为滤波器,对油膜的光谱反射率数据进行光谱滤波。
S50、计算获得高光谱图像数据的环境噪声等效反射比;其中,对镀膜式光谱仪、大气、目标系统噪声的准确估计,能够提高环境信息提取的准确性,为评估系统提取环境变量的准确性和精确性,需要对高光谱图像的环境噪声等效反射比NEΔRE进行计算;
NEΔRE=σ(R)
σ(R)是RAINBOW镀膜式数据上一个覆盖内部尽量均匀、光学深度很大水域的窗口内各波段反射率标准差,通过调整窗口大小,使σ(R)达到收敛;采用自动局部收敛定位算法进行窗口位置选择。
S60、构建训练样本库,进而对卷积神经网络进行训练,获得拟合油膜信息;
S61、基于光谱反射率数据选取训练样本,将训练样本输入卷积神经网络,对卷积神经网络进行训练;
S62、将光谱反射率数据中待检测数据输入卷积神经网络,完成待检测数据的处理过程,计算溢油位置及面积,获得并输出显示图片;
其中,本实施例中的所述卷积神经网络包括依次连接的第一卷积层模块、第二卷积层模块、第一池化层模块、第三卷积层模块、第四卷积层模块、第二池化层模块和全链层模块;还包括输出层模块和精度计算模块;第一卷积层模块、第二卷积层模块、第三卷积层模块、第四卷积层模块中分别进行卷积操作;第一池化层模块和第二池化层模块中分别进行多个卷积池化操作,卷积池化中包括多个卷积操作和一个池化操作;全链层模块中进行全链接操作;卷积操作和全链接操作采用ReLU激活函数;池化操作和全链接操作采用Dropout机制;
对卷积神经网络进行训练具体步骤如下:
训练样本依次经过第一卷积层模块、第二卷积层模块、第一池化层模块、第三卷积层模块、第四卷积层模块、第二池化层模块和全链层模块,并通过输出层模块输出结果,输出结果经精度计算模块判断是否达到精度要求;
对所述卷积神经网络进行训练采用交叉熵作为损失函数,采用Adadelta算法优化模型。
本发明还提供一种海面原油油膜高光谱实时监测系统,用以实现如上所述的海面原油油膜高光谱实时监测方法,包括:
光谱反射率数据输入单元,用以采集海水和油膜的光谱反射率数据;
卷积神经网络处理单元,所述卷积神经网络处理单元与所述光谱反射率数据输入单元电连接,用以接收光谱反射率数据,并选取训练样本进行训练。
其中,卷积神经网络处理单元的输出端分别与结果评价单元和显示单元电连接,用以将训练处理后获得的溢油位置及面积通过显示单元以图片的形式进行显示,同时,通过结果评价单元对溢油位置及面积进行评价评估,进而获得可行性处理方案。
本发明还提供一种电子设备,该电子设备可以包括:处理器(processor)、通信接口(Communications Interface)、存储器(memory)和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信。处理器可以调用存储器中的逻辑指令,以执行海面原油油膜高光谱实时监测方法,该方法包括:
S10、通过镀膜式光谱仪以推扫的方式拍摄高光谱图像,建立归一化溢油指数检测模型,并对高光谱图像进行溢油检测,获得溢油位置;
S20、建立空间坐标系,通过获取光谱仪与海平面的距离、光谱仪与视场中心的直线距离、光谱仪的垂直半视场角、光谱仪的水平半视场角、光谱仪的光轴与转台零位的偏转角和光谱仪的俯仰角,获得溢油区域的中心点坐标,并可计算溢油面积;
S30、获取含有溢油位置的高光谱图像中油膜的光谱反射率数据,将油膜的光谱反射率数据转换为地球表面的反射率数据,对光谱反射率数据进行大气校正,同时获取光谱响应函数;
S40、通过光谱响应函数对油膜的光谱反射率数据进行光谱滤波;
S50、计算获得高光谱图像数据的环境噪声等效反射比;
S60、构建训练样本库,进而对卷积神经网络进行训练,获得拟合油膜信息。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的海面原油油膜高光谱实时监测方法,该方法包括:
S10、通过镀膜式光谱仪以推扫的方式拍摄高光谱图像,建立归一化溢油指数检测模型,并对高光谱图像进行溢油检测,获得溢油位置;
S20、建立空间坐标系,通过获取光谱仪与海平面的距离、光谱仪与视场中心的直线距离、光谱仪的垂直半视场角、光谱仪的水平半视场角、光谱仪的光轴与转台零位的偏转角和光谱仪的俯仰角,获得溢油区域的中心点坐标,并可计算溢油面积;
S30、获取含有溢油位置的高光谱图像中油膜的光谱反射率数据,将油膜的光谱反射率数据转换为地球表面的反射率数据,对光谱反射率数据进行大气校正,同时获取光谱响应函数;
S40、通过光谱响应函数对油膜的光谱反射率数据进行光谱滤波;
S50、计算获得高光谱图像数据的环境噪声等效反射比;
S60、构建训练样本库,进而对卷积神经网络进行训练,获得拟合油膜信息。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各提供的海面原油油膜高光谱实时监测方法,该方法包括:
S10、通过镀膜式光谱仪以推扫的方式拍摄高光谱图像,建立归一化溢油指数检测模型,并对高光谱图像进行溢油检测,获得溢油位置;
S20、建立空间坐标系,通过获取光谱仪与海平面的距离、光谱仪与视场中心的直线距离、光谱仪的垂直半视场角、光谱仪的水平半视场角、光谱仪的光轴与转台零位的偏转角和光谱仪的俯仰角,获得溢油区域的中心点坐标,并可计算溢油面积;
S30、获取含有溢油位置的高光谱图像中油膜的光谱反射率数据,将油膜的光谱反射率数据转换为地球表面的反射率数据,对光谱反射率数据进行大气校正,同时获取光谱响应函数;
S40、通过光谱响应函数对油膜的光谱反射率数据进行光谱滤波;
S50、计算获得高光谱图像数据的环境噪声等效反射比;
S60、构建训练样本库,进而对卷积神经网络进行训练,获得拟合油膜信息。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
本发明提供的海面原油油膜高光谱实时监测方法和系统,包括如下步骤:S10、通过镀膜式光谱仪以推扫的方式拍摄高光谱图像,建立归一化溢油指数检测模型,并对高光谱图像进行溢油检测,获得溢油位置;S20、建立空间坐标系,通过获取光谱仪与海平面的距离、光谱仪与视场中心的直线距离、光谱仪的垂直半视场角、光谱仪的水平半视场角、光谱仪的光轴与转台零位的偏转角和光谱仪的俯仰角,获得溢油区域的中心点坐标,并可计算溢油面积;S30、获取含有溢油位置的高光谱图像中油膜的光谱反射率数据,将油膜的光谱反射率数据转换为地球表面的反射率数据,对光谱反射率数据进行大气校正,同时获取光谱响应函数;S40、通过光谱响应函数对油膜的光谱反射率数据进行光谱滤波;S50、计算获得高光谱图像数据的环境噪声等效反射比;S60、构建训练样本库,进而对卷积神经网络进行训练,获得拟合油膜信息,通过对海上原油油膜的光谱反射率数据进行采集,并通过计算光谱响应函数和环境噪声等效反射比,对实测光谱数据进行滤波,通过提出一种基于卷积神经网络的海面原油油膜高光谱实时监测方法及系统,采用改进VGG8模型对遥感影像数据进行处理,能够很好的拟合图像信息,具有很好的分类精确性和泛化能力,并且能够较好的拟合油膜信息,为实现提供了可靠的技术支撑。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种海面原油油膜高光谱实时监测方法,其特征在于,包括如下步骤:
S10、通过镀膜式光谱仪以推扫的方式拍摄高光谱图像,建立归一化溢油指数检测模型,并对高光谱图像进行溢油检测,获得溢油位置;其中,设定675nm和699nm为归一化溢油指数检测模型的溢油检测特征波段,归一化溢油指数检测模型NDOSI的计算式为:
NDOSI= (R699-R675)/(R699 +R675),
式中,R699为油膜光谱曲线在溢油检测特征波段699nm处的反射率数据;
R675为油膜光谱曲线在溢油检测特征波段675nm处的反射率数据;
S20、建立空间坐标系,通过获取光谱仪与海平面的距离、光谱仪与视场中心的直线距离、光谱仪的垂直半视场角、光谱仪的水平半视场角、光谱仪的光轴与转台零位的偏转角和光谱仪的俯仰角,获得溢油区域的中心点坐标,并可计算溢油面积;其中,以转台零位方向为X轴,转台零位水平垂直方向为Y轴,转台零位竖直垂直方向为Z轴,测量获得光谱仪与海平面垂直距离为h,光谱仪与视场中心直线距离为l,设定光谱仪垂直半视场角为α,光谱仪水平半视场角为β,光谱仪俯仰角为θ,光谱仪光轴与转台零位偏转角为λ,利用三角函数公式可得:
光谱仪探测区域的水平视场尺寸a为:
光谱仪探测区域的垂直视场尺寸b为:
则,光谱仪探测区域的视场中心坐标为:
设定光谱仪的分辨率为x×y,高光谱图像的左下角为高光谱图像坐标原点,则图像中心坐标可标示为:
则,高光谱图像中每个像素所对应光谱仪探测区域的海面面积可表示为:
设定溢油位置范围的中心坐标为(m,n),则其实际坐标为:
光谱仪与溢油位置范围的中心的距离为:
由此,溢油区域的中心与光谱仪的零位夹角为:
S30、获取含有溢油位置的高光谱图像中油膜的光谱反射率数据,将油膜的光谱反射率数据转换为地球表面的反射率数据,对光谱反射率数据进行大气校正,同时获取光谱响应函数;其中,作业环境参数设定为浪高0.1m~4m;流速0.31m/s~1.2m/s;风速8m/s~11m/s;海面环境光强,晴天50000Lux~70000Lux、阴天20000Lux~40000Lux;
对镀膜式光谱仪进行暗电流校正,镀膜式光谱仪的探头与油膜的距离为10m~90m,且竖直向下设置,镀膜式光谱仪的视场俯仰角为-87°~90°;
镀膜式光谱仪的光谱范围为400nm~950nm;
在镀膜式光谱仪的测量过程中,每隔1min测量一次光谱数据,并对同一目标重复测量10次,并将每组数据中的离群数据剔除,进而计算每组数据的平均值,获得油膜的光谱反射率数据;
S40、通过光谱响应函数对油膜的光谱反射率数据进行光谱滤波;
S50、计算获得高光谱图像数据的环境噪声等效反射比;
S60、构建训练样本库,进而对卷积神经网络进行训练,获得拟合油膜信息。
2.根据权利要求1所述的海面原油油膜高光谱实时监测方法,其特征在于,所述S60步骤具体包括:
S61、基于光谱反射率数据选取训练样本,将训练样本输入卷积神经网络,对卷积神经网络进行训练;
S62、将光谱反射率数据中待检测数据输入卷积神经网络,完成待检测数据的处理过程,计算溢油位置及面积,获得并输出显示图片。
3.根据权利要求2所述的海面原油油膜高光谱实时监测方法,其特征在于,所述卷积神经网络包括依次连接的第一卷积层模块、第二卷积层模块、第一池化层模块、第三卷积层模块、第四卷积层模块、第二池化层模块和全链层模块;
还包括输出层模块和精度计算模块;所述第一卷积层模块、所述第二卷积层模块、所述第三卷积层模块、所述第四卷积层模块中分别进行卷积操作;
所述第一池化层模块和所述第二池化层模块中分别进行多个卷积池化操作,所述卷积池化中包括多个卷积操作和一个池化操作;
所述全链层模块中进行全链接操作;
所述卷积操作和所述全链接操作采用ReLU激活函数;
所述池化操作和所述全链接操作采用Dropout机制。
4.根据权利要求3所述的海面原油油膜高光谱实时监测方法,其特征在于,所述S61步骤中,对所述卷积神经网络进行训练具体步骤如下:
训练样本依次经过第一卷积层模块、第二卷积层模块、第一池化层模块、第三卷积层模块、第四卷积层模块、第二池化层模块和全链层模块,并通过输出层模块输出结果,输出结果经精度计算模块判断是否达到精度要求;
对所述卷积神经网络进行训练采用交叉熵作为损失函数,采用Adadelta算法优化模型。
5.一种海面原油油膜高光谱实时监测系统,用以实现如权利要求1至4任一项所述的海面原油油膜高光谱实时监测方法,其特征在于,包括:
光谱反射率数据输入单元,用以采集海水和油膜的光谱反射率数据;
卷积神经网络处理单元,所述卷积神经网络处理单元与所述光谱反射率数据输入单元电连接,用以接收光谱反射率数据,并选取训练样本进行训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310147956.3A CN115979972B (zh) | 2023-02-22 | 2023-02-22 | 海面原油油膜高光谱实时监测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310147956.3A CN115979972B (zh) | 2023-02-22 | 2023-02-22 | 海面原油油膜高光谱实时监测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115979972A CN115979972A (zh) | 2023-04-18 |
CN115979972B true CN115979972B (zh) | 2023-06-09 |
Family
ID=85962621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310147956.3A Active CN115979972B (zh) | 2023-02-22 | 2023-02-22 | 海面原油油膜高光谱实时监测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115979972B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116994141B (zh) * | 2023-08-14 | 2024-08-30 | 广东技术师范大学 | 一种基于厚度分析的海面污染物预警方法和装置 |
CN117195707A (zh) * | 2023-08-31 | 2023-12-08 | 中国人民解放军63921部队 | 海洋油膜偏振反射特性仿真与测试方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05225314A (ja) * | 1992-02-13 | 1993-09-03 | Nippon Avionics Co Ltd | 模擬画像生成装置 |
CN103791892A (zh) * | 2014-01-21 | 2014-05-14 | 国家海洋局第二海洋研究所 | 一种船载视场可调的海面观测装置及方法 |
JP2015070437A (ja) * | 2013-09-27 | 2015-04-13 | サクサ株式会社 | 画像処理装置 |
CN111735399A (zh) * | 2020-05-26 | 2020-10-02 | 山东省科学院海洋仪器仪表研究所 | 一种基于激光诱导荧光成像的油膜厚度测量装置及方法 |
WO2023015563A1 (zh) * | 2021-08-13 | 2023-02-16 | 华为技术有限公司 | 一种接收光学系统、激光雷达系统及终端设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2529886C1 (ru) * | 2013-05-22 | 2014-10-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина) | Способ обнаружения нефтяных пленок на водной поверхности |
JP2016020817A (ja) * | 2014-07-11 | 2016-02-04 | 東京瓦斯株式会社 | 海上流出油検知装置 |
CN104122233A (zh) * | 2014-07-29 | 2014-10-29 | 大连海事大学 | 一种海面不同厚度原油油膜高光谱探测通道选择方法 |
CN109241976B (zh) * | 2018-07-26 | 2021-10-22 | 中国船舶工业系统工程研究院 | 一种基于图像处理和激光测距溢油面积估计的方法 |
CN111179334B (zh) * | 2019-11-14 | 2024-03-19 | 青岛理工大学 | 基于多传感融合的海面小面积溢油区域检测系统及检测方法 |
KR102574521B1 (ko) * | 2021-04-12 | 2023-09-04 | 경상국립대학교산학협력단 | 해양오염 기름 두께 측정 방법 및 장치 |
CN113406014A (zh) * | 2021-05-25 | 2021-09-17 | 青岛欧森海事技术服务有限公司 | 一种基于多光谱成像设备的溢油监测系统及方法 |
CN214667015U (zh) * | 2021-10-13 | 2021-11-09 | 中海油能源发展股份有限公司采油服务分公司 | 复合光电转台及fpso原油外输监测系统 |
-
2023
- 2023-02-22 CN CN202310147956.3A patent/CN115979972B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05225314A (ja) * | 1992-02-13 | 1993-09-03 | Nippon Avionics Co Ltd | 模擬画像生成装置 |
JP2015070437A (ja) * | 2013-09-27 | 2015-04-13 | サクサ株式会社 | 画像処理装置 |
CN103791892A (zh) * | 2014-01-21 | 2014-05-14 | 国家海洋局第二海洋研究所 | 一种船载视场可调的海面观测装置及方法 |
CN111735399A (zh) * | 2020-05-26 | 2020-10-02 | 山东省科学院海洋仪器仪表研究所 | 一种基于激光诱导荧光成像的油膜厚度测量装置及方法 |
WO2023015563A1 (zh) * | 2021-08-13 | 2023-02-16 | 华为技术有限公司 | 一种接收光学系统、激光雷达系统及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115979972A (zh) | 2023-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115979972B (zh) | 海面原油油膜高光谱实时监测方法和系统 | |
CN107610164B (zh) | 一种基于多特征混合的高分四号影像配准方法 | |
CN111781146B (zh) | 利用高分辨率卫星光学影像的波浪参数反演方法 | |
CN104156629B (zh) | 一种基于相对辐射校正的导航雷达图像反演海面风向方法 | |
CN111476159A (zh) | 一种基于双角回归的检测模型训练、检测方法及装置 | |
CN113221813B (zh) | 一种海岸线遥感提取方法 | |
CN112013822A (zh) | 基于改进gwr模型的多光谱遥感水深反演方法 | |
CN116778354B (zh) | 基于深度学习的可见光合成云图海上强对流云团识别方法 | |
CN116433672B (zh) | 基于图像处理的硅片表面质量检测方法 | |
CN114201732A (zh) | 一种基于Sentinel-2A影像的浅海海域水深反演方法 | |
CN115730247A (zh) | 多维度时空-频率域特征参量融合的海底底质分类方法 | |
CN112712071A (zh) | 作物长势检测方法及其相关设备 | |
CN115984778A (zh) | 一种基于多特征优化的Sentinel-1数据快速动态洪灾监测方法 | |
CN116878748A (zh) | 一种激光与图像融合的智能气体泄漏定位方法及装置 | |
CN116295285A (zh) | 基于区域自适应的浅海水深遥感反演方法 | |
Yang et al. | Evaluation and mitigation of rain effect on wave direction and period estimation from X-band marine radar images | |
CN114066795A (zh) | Df-sas高低频声呐图像精细配准融合方法 | |
CN114218860A (zh) | 一种基于机器学习的激光雷达测风运动补偿方法和系统 | |
CN116579955B (zh) | 一种新能源电芯焊缝反光点去噪和点云补全方法及系统 | |
CN117557897A (zh) | 目标农作物的倒伏监测方法、装置、电子设备及存储介质 | |
CN117233762A (zh) | 一种基于gb-sar的水库监测方法 | |
CN116609783A (zh) | 基于深度学习的星载合成孔径雷达海面降雨率反演方法 | |
CN116124716A (zh) | 基于近感高光谱的水质监测方法及装置 | |
CN111257854B (zh) | 一种通用的基于遥感影像分割单元的地形校正优化方法 | |
CN111736157B (zh) | 基于ppi数据的临近预报的预测方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |