[发明专利]一种基于全卷积网络的海面溢油检测方法及其系统和应用

说明书

本发明公开了一种海面溢油检测方法及系统，包括：将海面溢油图像作为数据集输入至初始海面溢油检测网络中，提取图像的多尺度特征信息，通过Transformer模块将图像多尺度特征信息进行融合得到Transformed特征金字塔，将特征金字塔的头部网络图像每个像素的预测信息；利用损失函数计算预测信息与标签的误差；采用反向传播算法优化网络参数直至误差达到期望值，得到海面溢油检测网络，输出检测信息。在环境照片存在油膜的情况下，则判定海面现场存在溢油现象，并发出预警信号。本发明提取了图像的多尺度特征，得到Transformed特征金字塔，解决了尺度变化问题，可快速准确的进行现场照片中的油膜识别。

技术领域

本发明涉及属于计算机视觉领域，具体涉及一种基于全卷积网络的海面溢油检测方法及其系统和应用。

背景技术

公开该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。

在全球海面海洋污染中，最常见的是溢油污染。海面溢油使海洋生态系统遭到破坏并影响人类的健康和海面活动。能及时、精准地检测到溢油并在第一时间发出警报是一个重点研究方向。因此快速且准确的检测到海面溢油是当下最重要的任务，而海洋的复杂场景给溢油检测带来重大挑战。

油膜大小不一，溢油图像存在大量噪声，对比度低、边缘模糊等问题，传统常用的检测方法主要有：(1)基于阈值分割；(2)基于边缘信息；(3)基于语义分割。上述方法简单且计算量小，但难以自动的提取特征，溢油与海水背景分割难度大，整幅图像内的溢油区域确定困难，受各种因素影响导致分割准确度低。

近几十年来，基于卷积神经网络(CNN)的两阶段和一阶段目标检测算法分别在精度和速度方面得到了巨大的提升。

但发明人研究发现基于卷积神经网络的检测算法大多数都是以损失精度或速度为代价。在实际应用中，由于受到环境和设备影响，需要从各个方面考虑来建立合适的检测模型，从而解决实际问题。全卷积网络(FCN)进行像素级的预测，主要用于语义分割，可以自动提取特征信息且保留原始输入图像中的空间信息，但未充分考虑像素与像素之间的关系。

发明内容

为了解决现有技术存在的溢油与海水背景分割难度大，分割准确度低以及无法兼顾检测精度和速度的问题，本发明提供一种基于全卷积网络的海面溢油检测方法，在减少内存和复杂计算的情况下提升油膜的检测精度，同时保持实时的检测速度。这种方法易于进行端到端的训练，可以快速且准确的检测到油膜并及时发出警报。

具体地，本发明是通过如下所述的技术方案实现的：

本发明第一方面，提供一种基于全卷积网络的海面溢油检测方法，包括：

将待检测图像输入至训练好的海面溢油检测网络，输出所述待检测图像的检测信息；

评定系统将所述检测信息与数据库特征值进行对比，判断海面是否有溢油，如果检测到油膜，则判定为溢油且发出警告。

本发明第二方面，提供一种基于全卷积网络的海面溢油检测系统，包括：主干网，用于提取所述溢油图像的多尺度特征；

Transformer模块，使用自注意力层代替卷积层，通过Gate block动态地改变特征的变换方式和特征融合方式，以实现更优的特征融合；

将所述多尺度特征通过Transformer模块得到一个Transformed特征金字塔；

特定检测任务的头部网络来获得最终的检测信息。

本发明第三方面，提供一种基于全卷积网络的海面溢油检测方法和/或基于全卷积网络的海面溢油检测系统在海面溢油检测领域中的应用。

本发明一个或多个实施例具有以下有益效果：