CN117490659B - 基于图像识别的污染海域检测方法、控制平台及存储介质 - Google Patents
基于图像识别的污染海域检测方法、控制平台及存储介质 Download PDFInfo
- Publication number
- CN117490659B CN117490659B CN202311852342.1A CN202311852342A CN117490659B CN 117490659 B CN117490659 B CN 117490659B CN 202311852342 A CN202311852342 A CN 202311852342A CN 117490659 B CN117490659 B CN 117490659B
- Authority
- CN
- China
- Prior art keywords
- sea area
- polluted
- unmanned aerial
- aerial vehicle
- target
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000008569 process Effects 0.000 claims abstract description 19
- 239000003344 environmental pollutant Substances 0.000 claims description 28
- 231100000719 pollutant Toxicity 0.000 claims description 28
- 230000008859 change Effects 0.000 claims description 21
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000010586 diagram Methods 0.000 claims description 13
- 238000004891 communication Methods 0.000 claims description 8
- 238000003708 edge detection Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 239000013535 sea water Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 229930002868 chlorophyll a Natural products 0.000 description 2
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012851 eutrophication Methods 0.000 description 2
- 239000003305 oil spill Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003653 coastal water Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 238000003902 seawater pollution Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/17—Terrestrial scenes taken from planes or by drones
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Remote Sensing (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Image Processing (AREA)
Abstract
本申请提供一种基于图像识别的污染海域检测方法、控制平台及存储介质，该方法包括：控制无人机在设定海域范围内巡航，并通过拍摄装置拍摄多个第一海域图像以监测海洋污染；从多个第一海域图像中识别出目标污染图像，目标污染图像包含污染海域以及非污染海域；根据目标污染图像，确定污染海域的污染边界；控制无人机沿污染边界进行航拍，并记录无人机在航拍过程中的多个第一位置信息；根据无人机的多个第一位置信息，确定污染海域的目标区域范围。本申请旨在提高污染海域的识别效率。
Description
技术领域
本申请涉及海洋环境检测的技术领域，尤其涉及一种基于图像识别的污染海域检测方法、控制平台及存储介质。
背景技术
随着海洋经济的快速发展，海洋环境的污染问题日益突出。海洋污染问题一旦发生，周围的植被、动物、居民甚至整个生态圈都会受到影响。所以，必须加强对海洋污染的监测和预警。
现有对海洋污染的检测过程可以借助无人机进行识别。由无人机负责采集图像，然后通过图像识别手段对采集到的图像进行统一识别。然而，当前的无人机需要对设定海域进行全面探测，工作人员无法快速的定位污染海域，因此导致无人机对于污染海域的识别效率不高。
发明内容
本申请的主要目的在于提供一种基于图像识别的污染海域检测方法、控制平台及存储介质，旨在提高污染海域的识别效率。
第一方面，本申请提供一种基于图像识别的污染海域检测方法，应用于控制平台，所述控制平台与无人机通信连接，所述无人机搭载有拍摄装置；所述方法包括：
控制所述无人机在设定海域范围内巡航，并通过所述拍摄装置拍摄多个第一海域图像以监测海洋污染；
从多个所述第一海域图像中识别出目标污染图像，所述目标污染图像包含污染海域以及非污染海域；
根据所述目标污染图像，确定所述污染海域的污染边界；
控制所述无人机沿所述污染边界进行航拍，并记录所述无人机在航拍过程中的多个第一位置信息；
根据所述无人机的多个第一位置信息，确定所述污染海域的目标区域范围。
第二方面，本申请还提供一种控制平台，所述控制平台与无人机通信连接，所述无人机搭载有拍摄装置；所述控制平台包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上所述的污染海域检测方法。
第三方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上所述的基于图像识别的污染海域检测方法。
本申请提供一种基于图像识别的污染海域检测方法，通过无人机拍摄多个第一海域图像，并从中识别出包含污染海域以及非污染海域的目标污染图像，然后根据目标污染图像确定污染海域的污染边界，从而能够控制无人机沿污染海域的污染边界进行航拍，再根据无人机在航拍过程中记录的多个第一位置信息，即可准确的定位污染海域的目标区域范围。本申请通过控制无人机沿识别出的污染海域的污染边界进行航拍，能够快速的确定污染海域的目标区域范围，无需对设定海域进行覆盖式的全面探测，从而极大地提高了污染海域的识别效率。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例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申请的一些实施例，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为本申请实施例提供的一种基于图像识别的污染海域检测方法的步骤流程图；
图2为本申请实施例提供的一海域图像的示意图；
图3为本申请实施例提供的另一海域图像的示意图；
图4为图1中的污染海域检测方法的子步骤流程示意图；
图5为本申请实施例提供的一污染海域的示意图；
图6为本申请实施例提供的另一污染海域的示意图；
图7为实施本实施例提供的污染海域检测方法的一场景示意图；
图8为本申请实施例提供的一种控制平台的示意性框图；
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
沿岸水体的主要污染物质包含泄漏和排放的石油类产品以及废水中含有的无机物和有机物。这些物质的存在导致海水成分变化，造成海水的直接污染或海水富营养化，直接影响动植物的良性生长，将对海洋周边环境和海洋生态环境产生短期或长期的影响。海洋污染主要表现在：水中溢油、有色可溶性有机物、叶绿素a等表征海洋环境参量的动态变化。因此，对污染海域的准确、快速探测具有科学和现实意义。
本申请实施例提供一种基于图像识别的污染海域检测方法、控制平台及存储介质。其中，该污染海域检测方法可应用于控制平台，该控制平台可以为手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。该控制平台也可以为单台的服务器，或者为由多台服务器组成的服务器集群。
其中，控制平台与无人机通信连接，该无人机搭载有拍摄装置。该拍摄装置可以包括摄像头等，拍摄装置用于拍摄设定海域范围内的海域图像，该海域图像可以包括污染海域以及非污染海域。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参照图1，图1为本申请实施例提供的一种基于图像识别的污染海域检测方法的步骤流程示意图。
如图1所示，该基于图像识别的污染海域检测方法包括步骤S101至步骤S105。
步骤S101、控制无人机在设定海域范围内巡航，并通过拍摄装置拍摄多个第一海域图像以监测海洋污染。
其中，无人机可以为一个或者多个，无人机可以在设定海域范围内巡航，并在巡航时通过拍摄装置拍摄多个第一海域图像。需要说明的是，该设定海域范围可以根据实际情况进行设置，该第一海域图像可以是无人机在不同高度拍摄的，也可以是在不同俯仰角度拍摄的。
在一实施例中，无人机在设定海域范围内巡航时，巡航路线、飞行速度、飞行高度、拍摄间隔、拍摄角度等参数可以是预先设置好的，本申请实施例对此不做具体限定。
在一实施例中，无人机为多个时，各无人机可以设置不同的设定海域范围，也可以对应设置相同的设定海域范围。当无人机设置不同的设定海域范围时，各无人机的拍摄高度和拍摄角度可以是相同的，从而保证后续图像识别的一致性和准确性。当无人机设置相同的设定海域范围时，各无人机的拍摄高度和拍摄角度可以是不同的，从而保证后续图像识别的多样性和准确性。
示例性的，控制平台向无人机发送巡航检测指令，该巡航检测指令用于指示在设定海域范围内巡航，并通过拍摄装置拍摄多个第一海域图像；无人机在接收到该巡航检测指令后，基于该巡航检测指令飞行至设定海域范围，并在设定海域范围内巡航以及通过拍摄装置对海域进行拍摄，得到多个第一海域图像；控制平台接收无人机发送的多个第一海域图像，并对多个第一海域图像进行识别，以监测海洋污染。
需要说明的是，为进一步保证上述第一海域图像等相关信息的私密和安全性，上述第一海域图像等相关信息还可以存储于一区块链的节点中，本申请的技术方案还可适用于添加其他存储于区块链上的数据文件，本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。
步骤S102、从多个第一海域图像中识别出目标污染图像，目标污染图像包含污染海域以及非污染海域。
其中，第一海域图像是无人机通过拍摄装置在设定海域范围内巡航时拍摄得到的，在设定海域范围内存在污染海域时，第一海域图像可以包括目标污染图像。非污染海域可以是未经污染的海域，也可以是陆地以及岛屿等非海域的区域。本实施例中的目标污染图像同时包含污染海域以及非污染海域。换而言之，目标污染图像包括污染海域以及非污染海域之间的分界线。
在一实施例中，通过图像识别技术，对多个第一海域图像进行污染海域的识别，以识别出包含污染海域以及非污染海域的目标污染图像。该图像识别技术可以包括各类的图像识别模型或者图像识别算法，本实施例对此不做具体限定，污染海域是指存在海水直接污染或海水富营养化的海域，通过图像识别技术可以准确的从多个第一海域图像中识别出存在海洋污染的图像，并进一步识别出同时包含污染海域以及非污染海域的目标污染图像。
示例性的，通过图像识别技术从多个第一海域图像中识别出多个候选污染图像，候选污染图像包含污染海域；通过图像识别技术从多个候选污染图像中识别出目标污染图像，目标污染图像包含污染海域以及非污染海域。
步骤S103、根据目标污染图像，确定污染海域的污染边界。
其中，污染海域的污染边界是指污染海域以及非污染海域之间的分界线。污染海域的污染边界可以从目标污染图像中获取，也可以根据目标污染图像中的分界线进行定位得到。
在一实施例中，基于边缘检测算法，从目标污染图像中获取污染海域的污染边界。其中，边缘检测算法包括差分边缘检测算法、拉普拉斯边缘检测算法等。需要说明的是，从多个第一海域图像中识别出目标污染图像之后，可以基于边缘检测算法准确的从目标污染图像中获取污染海域的污染边界。
在一实施例中，从目标污染图像中获取污染海域以及非污染海域之间的分界线；确定该分界线的坐标信息，并将该分界线的坐标信息作为污染海域的污染边界。需要说明的是，可以基于定位技术确定污染海域以及非污染海域的分界线的坐标信息，从而准确的获取污染海域的污染边界。定位技术包括但不限于经纬度坐标定位技术，本实施例对此不做具体限定。
步骤S104、控制无人机沿污染边界进行航拍，并记录无人机在航拍过程中的多个第一位置信息。
需要说明的是，确定污染海域的污染边界之后，可以控制无人机沿污染边界进行航拍，从而更改无人机巡航的飞行线路，使得无人机仅需沿污染边界进行探测并记录探测过程中的多个第一位置信息，无需对污染海域的全境进行探测，从而提高污染海域的识别效率。
在一实施例中，控制无人机沿污染边界进行航拍，包括：控制无人机飞行至污染边界对应的海域上空，并拍摄第二海域图像；根据第二海域图像中的污染边界，调整无人机的飞行方向，以使调整后的飞行方向与第二海域图像中污染边界的延伸方向相匹配；控制无人机按照调整后的飞行方向进行飞行和拍摄。
需要说明的是，第二海域图像可以是在无人机飞行至污染边界对应的海域上空后拍摄得到的，该海域上空可以是污染边界的正上方或者侧上方，旨在提高对于污染边界的识别准确度，避免因拍摄角度问题导致对污染边界的延伸方向的识别错误。
需要说明的是，第二海域图像可以是一个或多个，第二海域图像可以包含污染海域以及非污染海域，或者说第二海域图像可以包含该污染海域的污染边界，因此可以根据第二海域图像中污染边界的延伸方向，调整无人机的飞行方向，以使无人机调整后的飞行方向与第二海域图像中污染边界的延伸方向一致或者存在允许范围内的误差，从而使得无人机能够准确的沿污染边界进行航拍。
示例性的，如图2所示，无人机10巡航至设定海域范围内的A点，从拍摄得到的第一海域图像中识别出目标污染图像，并根据目标污染图像确定污染海域的污染边界11，则控制无人机10飞行至污染边界11对应的海域上空B点，并拍摄第二海域图像。根据第二海域图像中的污染边界11，调整无人机10的飞行方向，以使调整后的飞行方向与第二海域图像中污染边界11的延伸方向相匹配，进一步控制无人机10按照调整后的飞行方向进行飞行和拍摄。
在一实施例中，根据第二海域图像中的污染边界，调整无人机的飞行方向，包括：从第二海域图像中识别出污染海域的区域边界线；将区域边界线一侧的延伸方向确定为目标方向，并将无人机的飞行方向调整为目标方向。
需要说明的是，从第二海域图像中可以识别出无人机在污染边界对应的海域上空后拍摄得到的污染海域的区域边界线，可以随机选取区域边界线一侧的延伸方向为目标方向，或者可以选取远离陆地一侧的延伸方向为目标方向，也可以选取指向陆地一侧的延伸方向为目标方向。进而，将无人机的飞行方向调整为目标方向，以使调整后的飞行方向与第二海域图像中污染边界的延伸方向相匹配，从而使得无人机能够准确的沿污染边界进行航拍。
在一实施例中，控制无人机按照调整后的飞行方向进行飞行和拍摄之后，还包括：获取污染海域变化检测指令，污染海域变化检测指令用于指示无人机对污染海域的区域变化进行检测；基于污染海域变化检测指令，控制无人机按照调整后的飞行方向的反方向进行飞行，并拍摄第三海域图像；控制无人机沿第三海域图像中的污染边界进行航拍，并记录无人机航拍过程中的多个第二位置信息；基于多个第一位置信息和多个第二位置信息，确定污染海域的区域变化数据。
需要说明的是，由于污染海域的污染范围可以是发生变化的，因此可以通过本实施例准确的测定污染海域的区域变化数据。其中，污染海域变化检测指令可以是用户通过控制平台的操控界面生成的，控制平台可以将污染海域变化检测指令发送给无人机，以使无人机按照调整后的飞行方向的反方向进行飞行以拍摄第三海域图像，无人机沿第三海域图像中的污染边界进行反方向探测，并记录反方向探测过程中的多个第二位置信息，从而能够基于多个第一位置信息和多个第二位置信息，准确的测定污染海域的区域变化数据。
示例性的，如图3所示，无人机10按照调整后的飞行方向沿污染边界11的延伸方向进行航拍，从B点航拍至C点。由于污染海域的污染范围发生变化，因此污染边界11也随之发生变化，成为污染边界12。控制平台获取污染海域变化检测指令之后，控制无人机10按照调整后的飞行方向的反方向进行航拍，也即沿污染边界12的延伸方向进行航拍，从C点航拍至D点。因此，基于无人机10从B点航拍至C点过程中的多个第一位置信息，以及从C点航拍至D点过程中的多个第一位置信息，可以确定污染海域的区域变化数据。
在一实施例中，基于多个第一位置信息和多个第二位置信息，确定污染海域的区域变化数据，包括：根据无人机的多个第一位置信息，确定污染海域的第一目标区域范围；以及，根据无人机的多个第二位置信息，确定污染海域的第二目标区域范围；计算第一目标区域范围与第二目标区域范围之间的变化量，得到区域变化数据。
在一实施例中，基于多个第一位置信息和多个第二位置信息，确定污染海域的区域变化数据，包括：根据无人机的多个第一位置信息，确定污染海域的第一目标区域范围；以及，根据无人机的多个第二位置信息，确定污染海域的第二目标区域范围；计算第一目标区域范围与第二目标区域范围之间的区域变化量，并计算第一目标区域范围对应的第一时间数据与第二目标区域范围对应的第二时间数据之间的时间差；根据该区域变化量与该时间差之间的比值，获取区域变化数据。
步骤S105、根据无人机的多个第一位置信息，确定污染海域的目标区域范围。
其中，多个第一位置信息是无人机沿污染边界进行航拍时记录的。多个第一位置信息可以表征该污染海域的完整边界，即多个第一位置信息包括无人机沿污染海域的污染边界的至少一周记录的，从而能够根据多个第一位置信息确定污染海域的目标区域范围。多个第一位置信息也可以表征污染海域的部分边界，基于污染海域的部分边界同样能够确定污染海域的目标区域范围。本申请实施例中的目标区域范围可以包括污染海域的位置坐标以及污染面积等参数。
在一实施例中，如图4所示，步骤S105包括：子步骤S1051至子步骤S1052。
子步骤S1051、根据无人机的多个第一位置信息，确定污染海域的半径参数和中心位置参数。
需要说明的是，本申请实施例基于污染海域的扩散特性，由于无人机的多个第一位置信息可用于表征污染海域的污染边界，而污染海域通常是以污染源为中心进行扩散的，且污染边界通常为曲线形式。因此，基于无人机的多个第一位置信息，可以确定污染海域的半径参数和中心位置参数。
在一实施例中，根据无人机的多个第一位置信息，获取污染海域完整的污染边界；确定完整的污染边界的中心位置，得到污染海域的中心位置参数；计算中心位置参数与多个第一位置信息的均值，得到污染海域的半径参数。
需要说明的是，多个第一位置信息可以表征该污染海域的完整边界或者部分边界。当多个第一位置信息表征该污染海域的部分边界时，该污染海域完整的污染边界可以是通过曲线趋势预测法进行预测得到的。获取污染海域完整的污染边界之后，可以通过几何法准确确定该完整的污染边界的中心位置，从而得到污染海域的中心位置参数以及半径参数。
子步骤S1052、根据污染海域的半径参数和中心位置参数，确定污染海域的目标区域范围。
需要说明的是，得到污染海域的半径参数和中心位置参数之后，以中心位置参数为中心并以半径参数为半径可以确定污染海域的完整区域，从而得到污染海域的目标区域范围，避免对海域进行覆盖式的全面探测，从而极大地提高了污染海域的识别效率。
在一实施例中，根据污染海域的中心位置参数，获取对应的区域地图；根据污染海域的半径参数和中心位置参数，在区域地图中确定包括污染海域的第一区域范围；从第一区域范围中去除不属于海域的第二区域范围，得到污染海域的目标区域范围。
需要说明的是，区域地图包括以中心位置参数为中心的污染海域。第一区域范围可以是根据污染海域的半径参数和中心位置参数，在区域地图中划分得到的。例如第一区域范围可以是以中心位置参数为中心并以半径参数为半径在区域地图中画圆得到。可以理解的，第一区域范围也可以为矩形等规则图形或者不规则图形。目标区域范围可以是基于区域地图中标记的地域属性，从第一区域范围中去除不属于海域的第二区域范围得到的。不属于海域的第二区域范围可以包括陆地以及岛屿等区域范围。
示例性的，如图5所示，根据污染海域的中心位置参数，获取对应的区域地图20。根据污染海域的半径参数和中心位置参数，在区域地图20中确定包括污染海域的第一区域范围21。从第一区域范围20中去除不属于海域的第二区域范围22，得到污染海域的目标区域范围23（虚线区域）。其中，第二区域范围22与目标区域范围23中间的曲线例如为海岸线。
在一实施例中，污染海域检测方法还包括：对目标区域范围中的目标水质指标的浓度梯度进行划分，以生成目标水质指标的浓度分布图；根据目标水质指标的浓度分布图，确定污染海域的污染源位置。其中，目标水质指标可以包括水中溢油、有色可溶性有机物、叶绿素a等海洋环境参量。目标水质指标可以通过图像识别、遥感识别、检测器采样等方式获取。
需要说明的是，通过对目标区域范围中的目标水质指标的浓度梯度进行划分，可以生成目标水质指标的浓度分布图。按照该浓度分布图中的浓度梯度，可以确定浓度梯度最高的位置区域为污染海域的污染源位置。因此，通过生成目标水质指标的浓度分布图，可以直观的观察到污染海域的污染发展趋势，并且能够准确的确定污染源位置。
示例性的，如图6所示，图6为目标水质指标的浓度分布图。该目标水质指标的浓度分布图24是对目标区域范围中的目标水质指标的浓度梯度进行划分得到的。根据目标水质指标的浓度分布图24，可以确定污染海域的污染源位置25。
在一实施例中，无人机搭载有气体检测装置；方法还包括：对目标污染图像中的污染物进行识别，以获取污染物的第一识别结果；以及，通过气体检测装置对目标污染图像中污染海域上空的气体进行检测，以获取污染物的第二识别结果；结合第一识别结果以及第二识别结果，测定污染海域中的污染物。
其中，气体检测装置用于采样周围环境中的气体，并对气体中的各污染物进行检测。需要说明的是，对目标污染图像中的污染物进行识别，以及对污染海域上空的气体进行检测，进而结合两种检测得到的第一识别结果以及第二识别结果，综合测定污染海域中的污染物，能够极大的提高污染物的检测准确性。
示例性的，结合第一识别结果以及第二识别结果，测定污染海域中的污染物，包括：从第一识别结果中获取多个污染物以及各污染物对应的第一概率；基于第二识别结果，对各污染物对应的第一概率进行调整，得到各污染物对应的第二概率；根据各污染物对应的第二概率，从多个污染物中选取预设数量的目标污染物确定为污染海域中的污染物。其中，预设数量可灵活设置，例如预设数量为一个，则选取第二概率最大的污染物确定为污染海域中的污染物。
请参照图7，图7为实施本实施例提供的基于图像识别的污染海域检测方法的一场景示意图。
如图7所示，控制平台30与无人机10通信连接，无人机10搭载有拍摄装置。控制平台30控制无人机10在设定海域范围内巡航，无人机10通过拍摄装置拍摄多个第一海域图像；控制平台30从多个第一海域图像中识别出目标污染图像，目标污染图像包含污染海域以及非污染海域；控制平台30根据目标污染图像，确定污染海域的污染边界；控制平台30控制无人机沿10污染边界进行航拍，并记录无人机10在航拍过程中的多个第一位置信息；根据无人机10的多个第一位置信息，确定污染海域的目标区域范围。
上述实施例提供的基于图像识别的污染海域检测方法，通过无人机拍摄多个第一海域图像，并从中识别出包含污染海域以及非污染海域的目标污染图像，然后根据目标污染图像确定污染海域的污染边界，从而能够控制无人机沿污染海域的污染边界进行航拍，再根据无人机在航拍过程中记录的多个第一位置信息，即可准确的定位污染海域的目标区域范围。本申请通过控制无人机沿识别出的污染海域的污染边界进行航拍能够快速的确定污染海域的目标区域范围，无需对海域进行覆盖式的全面探测，从而极大地提高了污染海域的识别效率。
请参阅图8，图8为本申请实施例提供的一种控制平台的示意性框图。
如图8所示，该控制平台200包括通过系统总线230连接的处理器210、存储器220，其中，存储器220可以包括存储介质和内存储器，存储介质可以是非易失性的，也可以是易失性的。控制平台200与无人机通信连接，无人机搭载有拍摄装置。
存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种基于图像识别的污染海域检测方法。
处理器210用于提供计算和控制能力，支撑整个控制平台的运行。
内存储器为存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种基于图像识别的污染海域检测方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的控制平台的限定，具体的控制平台可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元 (Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
控制所述无人机在设定海域范围内巡航，并通过所述拍摄装置拍摄多个第一海域图像以监测海洋污染；
从多个所述第一海域图像中识别出目标污染图像，所述目标污染图像包含污染海域以及非污染海域；
根据所述目标污染图像，确定所述污染海域的污染边界；
控制所述无人机沿所述污染边界进行航拍，并记录所述无人机在航拍过程中的多个第一位置信息；
根据所述无人机的多个第一位置信息，确定所述污染海域的目标区域范围。
在一个实施例中，所述处理器在实现所述控制所述无人机沿所述污染边界进行航拍时，用于实现：
控制所述无人机飞行至所述污染边界对应的海域上空，并拍摄第二海域图像；
根据所述第二海域图像中的污染边界，调整所述无人机的飞行方向，以使调整后的飞行方向与所述第二海域图像中污染边界的延伸方向相匹配；
控制所述无人机按照调整后的飞行方向进行飞行和拍摄。
在一个实施例中，所述处理器在实现所述根据所述第二海域图像中的污染边界，调整所述无人机的飞行方向时，用于实现：
从所述第二海域图像中识别出所述污染海域的区域边界线；
将所述区域边界线一侧的延伸方向确定为目标方向，并将所述无人机的飞行方向调整为所述目标方向。
在一个实施例中，所述处理器在实现所述控制所述无人机按照调整后的飞行方向进行飞行和拍摄之后，还用于实现：
获取污染海域变化检测指令，所述污染海域变化检测指令用于指示所述无人机对所述污染海域的区域变化进行检测；
基于所述污染海域变化检测指令，控制所述无人机按照调整后的飞行方向的反方向进行飞行，并拍摄第三海域图像；
控制所述无人机沿所述第三海域图像中的污染边界进行航拍，并记录所述无人机航拍过程中的多个第二位置信息；
基于多个所述第一位置信息和多个所述第二位置信息，确定所述污染海域的区域变化数据。
在一个实施例中，所述处理器在实现所述根据所述无人机的多个第一位置信息，确定所述污染海域的目标区域范围时，用于实现：
根据所述无人机的多个第一位置信息，确定所述污染海域的半径参数和中心位置参数；
根据所述污染海域的半径参数和中心位置参数，确定所述污染海域的目标区域范围。
在一个实施例中，所述处理器在实现所述根据所述污染海域的半径参数和中心位置参数，确定所述污染海域的目标区域范围时，用于实现：
根据所述污染海域的中心位置参数，获取对应的区域地图；
根据所述污染海域的半径参数和中心位置参数，在所述区域地图中确定包括所述污染海域的第一区域范围；
从所述第一区域范围中去除不属于海域的第二区域范围，得到所述污染海域的目标区域范围。
在一个实施例中，所述处理器还用于实现：
对所述目标区域范围中的目标水质指标的浓度梯度进行划分，以生成所述目标水质指标的浓度分布图；
根据所述目标水质指标的浓度分布图，确定所述污染海域的污染源位置。
在一个实施例中，所述无人机搭载有气体检测装置；所述处理器还用于实现：
对所述目标污染图像中的污染物进行识别，以获取污染物的第一识别结果；以及
通过所述气体检测装置对所述目标污染图像中污染海域上空的气体进行检测，以获取污染物的第二识别结果；
结合所述第一识别结果以及所述第二识别结果，测定所述污染海域中的污染物。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述控制平台的具体工作过程，可以参考前述基于图像识别的污染海域检测方法实施例中的对应过程，在此不再赘述。
本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序中包括程序指令，所述程序指令被执行时所实现的方法可参照本申请基于图像识别的污染海域检测方法的各个实施例。
其中，所述计算机可读存储介质可以是前述实施例所述的控制平台的内部存储单元，例如所述控制平台的硬盘或内存。所述计算机可读存储介质也可以是所述控制平台的外部存储设备，例如所述控制平台上配备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于图像识别的污染海域检测方法，其特征在于，应用于控制平台，所述控制平台与无人机通信连接，所述无人机搭载有拍摄装置；所述方法包括：
控制所述无人机在设定海域范围内巡航，并通过所述拍摄装置拍摄多个第一海域图像以监测海洋污染；
从多个所述第一海域图像中识别出目标污染图像，所述目标污染图像包含污染海域以及非污染海域；
根据所述目标污染图像，确定所述污染海域的污染边界；
控制所述无人机飞行至所述污染边界对应的海域上空，并拍摄第二海域图像；根据所述第二海域图像中的污染边界，调整所述无人机的飞行方向，以使调整后的飞行方向与所述第二海域图像中污染边界的延伸方向相匹配；控制所述无人机按照调整后的飞行方向进行飞行和拍摄，并记录所述无人机在航拍过程中的多个第一位置信息；
根据所述无人机的多个第一位置信息，确定所述污染海域的目标区域范围；
所述控制所述无人机按照调整后的飞行方向进行飞行和拍摄之后，还包括：
获取污染海域变化检测指令，所述污染海域变化检测指令用于指示所述无人机对所述污染海域的区域变化进行检测；基于所述污染海域变化检测指令，控制所述无人机按照调整后的飞行方向的反方向进行飞行，并拍摄第三海域图像；控制所述无人机沿所述第三海域图像中的污染边界进行航拍，并记录所述无人机航拍过程中的多个第二位置信息；基于多个所述第一位置信息和多个所述第二位置信息，确定所述污染海域的区域变化数据。
2.如权利要求1所述的污染海域检测方法，其特征在于，所述根据所述第二海域图像中的污染边界，调整所述无人机的飞行方向，包括：
从所述第二海域图像中识别出所述污染海域的区域边界线；
将所述区域边界线一侧的延伸方向确定为目标方向，并将所述无人机的飞行方向调整为所述目标方向。
3.如权利要求1-2中任一项所述的污染海域检测方法，其特征在于，所述根据所述无人机的多个第一位置信息，确定所述污染海域的目标区域范围，包括：
根据所述无人机的多个第一位置信息，确定所述污染海域的半径参数和中心位置参数；
根据所述污染海域的半径参数和中心位置参数，确定所述污染海域的目标区域范围。
4.如权利要求3所述的污染海域检测方法，其特征在于，所述根据所述污染海域的半径参数和中心位置参数，确定所述污染海域的目标区域范围，包括：
根据所述污染海域的中心位置参数，获取对应的区域地图；
根据所述污染海域的半径参数和中心位置参数，在所述区域地图中确定包括所述污染海域的第一区域范围；
从所述第一区域范围中去除不属于海域的第二区域范围，得到所述污染海域的目标区域范围。
5.如权利要求4所述的污染海域检测方法，其特征在于，所述方法还包括：
对所述目标区域范围中的目标水质指标的浓度梯度进行划分，以生成所述目标水质指标的浓度分布图；
根据所述目标水质指标的浓度分布图，确定所述污染海域的污染源位置。
6.如权利要求1-2中任一项所述的污染海域检测方法，其特征在于，所述无人机搭载有气体检测装置；所述方法还包括：
对所述目标污染图像中的污染物进行识别，以获取污染物的第一识别结果；以及
通过所述气体检测装置对所述目标污染图像中污染海域上空的气体进行检测，以获取污染物的第二识别结果；
结合所述第一识别结果以及所述第二识别结果，测定所述污染海域中的污染物。
7.一种控制平台，其特征在于，所述控制平台与无人机通信连接，所述无人机搭载有拍摄装置；所述控制平台包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如权利要求1至6中任一项所述的污染海域检测方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如权利要求1至6中任一项所述的污染海域检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311852342.1A CN117490659B (zh) | 2023-12-29 | 2023-12-29 | 基于图像识别的污染海域检测方法、控制平台及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311852342.1A CN117490659B (zh) | 2023-12-29 | 2023-12-29 | 基于图像识别的污染海域检测方法、控制平台及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117490659A CN117490659A (zh) | 2024-02-02 |
| CN117490659B true CN117490659B (zh) | 2024-03-26 |
Family
ID=89669432
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311852342.1A Active CN117490659B (zh) | 2023-12-29 | 2023-12-29 | 基于图像识别的污染海域检测方法、控制平台及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117490659B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116310893A (zh) * | 2023-02-22 | 2023-06-23 | 中关村科学城城市大脑股份有限公司 | 一种基于无人机的水域污染采集识别方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180292374A1 (en) * | 2017-04-05 | 2018-10-11 | International Business Machines Corporation | Detecting gas leaks using unmanned aerial vehicles |
-
2023
- 2023-12-29 CN CN202311852342.1A patent/CN117490659B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116310893A (zh) * | 2023-02-22 | 2023-06-23 | 中关村科学城城市大脑股份有限公司 | 一种基于无人机的水域污染采集识别方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 无人机摄影测量在水体污染评估中的应用;程翔;杨波;李倩霞;;测绘与空间地理信息;20160825(08);第180-185段 * |
| 程翔 ; 杨波 ; 李倩霞 ; .无人机摄影测量在水体污染评估中的应用.测绘与空间地理信息.2016,(08),第180-185段. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117490659A (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Global offshore wind turbine dataset | |
| US10268198B2 (en) | System and method for tracking pollution | |
| Rajmohan et al. | Revamping land coverage analysis using aerial satellite image mapping | |
| KR102067875B1 (ko) | 드론을 이용한 인명 구조 자동화 방법 및 이를 실행하는 프로그램이 기록된 기록매체 | |
| US10021254B2 (en) | Autonomous vehicle cameras used for near real-time imaging | |
| US20140205154A1 (en) | System for mapping and identification of plants using digital image processing and route generation | |
| Fu et al. | Finding abnormal vessel trajectories using feature learning | |
| US20140222332A1 (en) | Mobile terminal, electronic navigational chart server, and method for updating electronic navigational chart based on crowdsourcing thereof | |
| CN104077312A (zh) | 一种图片分类方法和装置 | |
| CN110889380B (zh) | 一种舰船识别方法、装置及计算机存储介质 | |
| JP7449567B2 (ja) | 通信端末、プログラム及び方法 | |
| US20180348007A1 (en) | System for determination of port arrival and departure, port arrival and departure determination method, and recording medium recording port arrival and departure determination program | |
| US11763488B2 (en) | Location determination in a GPS-denied environment with user annotation | |
| CN113566720A (zh) | 船舶水上高度自动测量方法、系统、设备及存储介质 | |
| Norman et al. | Fusion of multispectral imagery and LiDAR data for roofing materials and roofing surface conditions assessment | |
| CN117490659B (zh) | 基于图像识别的污染海域检测方法、控制平台及存储介质 | |
| US8358201B1 (en) | Storage and recall of buried asset data over communications networks for damage avoidance and mapping | |
| KR20210134507A (ko) | 접속된 서비스로서의 gnss 데이터 무결성 모니터링 | |
| Moroni et al. | A mobile crowdsensing app for improved maritime security and awareness | |
| Bălănescu et al. | Study on unmanned surface vehicles used for environmental monitoring in fragile ecosystems | |
| CN112052824A (zh) | 基于YOLOv3算法的煤气管道特定物体目标检测告警方法、装置、系统及存储介质 | |
| CN115034718B (zh) | 一种危化品管理方法、系统、计算设备及存储介质 | |
| CN115718905A (zh) | 一种面向vts系统的多传感器信息融合方法 | |
| Osaro et al. | Unmanned Aerial Vehicle for Pipeline Surveillance: A Review | |
| Sirianni et al. | Shoreline classification maps and ground truth data for the Neuse River Estuary, North Carolina |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240411 Address after: 518000, 12th floor, Building 1, Tongjian Building, Shennan Middle Road, Nanyuan Street, Futian District, Shenzhen City, Guangdong Province Patentee after: Shenzhen Marine Development Research and Promotion Center (Shenzhen Marine Monitoring and Forecasting Center) Country or region after: China Patentee after: SHENZHEN LIGHTSUN TECHNOLOGY Co.,Ltd. Address before: Room 501, Rongsheng building, No. three, 88 Bagua Road, Futian District, Guangdong, Shenzhen 518029 Patentee before: SHENZHEN LIGHTSUN TECHNOLOGY Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |