[发明专利]一种基于YOLO网络的航海雷达溢油识别方法及系统

说明书

本发明公开了一种基于YOLO网络的航海雷达溢油识别方法及系统，涉及海上溢油识别技术领域，用以解决现有的海上溢油识别方法效率低的问题。本发明的技术要点包括：获取包含溢油区域的小样本训练图像集；对小样本训练图像集进行预处理；将预处理后的小样本训练图像集中的每一张图像进行平均分割，以扩充小样本训练图像集；利用扩充后的训练图像集训练基于YOLOv5s模型的溢油识别模型；利用训练好的溢油识别模型对预处理后的待识别图像进行溢油识别，获取溢油识别结果。本发明可以为海上溢油事故应急处置与防灾救灾提供有效的数据支持。

技术领域

本发明涉及海上溢油识别技术领域，具体涉及一种基于YOLO网络的航海雷达溢油识别方法及系统。

背景技术

随着世界沿海港口城市进入快速发展的新态势，溢油风险事故发生的概率越发频繁^[1]。溢油灾害对港口及其腹地的经济、环境、生态以及人类健康等方面都会产生显著的恶劣影响^[2]。2004年12月，巴拿马籍集装箱船“现代促进”轮与德国籍集装箱船“伊伦娜”轮在珠江口海域发生碰撞，溢出重油450吨^[3]。2010年7月，大连新港中石油保税区的输油管线在油轮卸油作业时发生闪爆，引发管线内原油起火。大火燃烧了15个小时，约1500吨原油溢入大海。此外，为了加强石油战略储备，据不完全统计，我国沿海从北到南已建成或者正在建设的30万吨原油码头共20余个^[5]。这些原油码头的生产和作业进一步提高了沿海城市溢油事故发生的概率。

海上溢油污染危害极深极广，快速有效地开展溢油监测预警行动，对于海洋灾害的防治具有重要意义^[6,7]。现阶段，海上溢油监测预警领域应用的遥感传感器部署方式主要分为天基、空基、岸基、船基、平台基五种。星载遥感传感器可以探测大面积的海上油膜，在溢油监测领域的应用非常广泛^[8,9]。这种手段的第一个缺点是容易受到云雨天气的影响，难以进行全天候海面监测；第二个缺点是时间分辨率低，数据获取仍然具有一定的周期性^[10]；第三个缺点是，虽然同步卫星可以针对事故发生海域进行定点监测，但是如果没有较高权限，依然难以获取动态更新的基础数据。随着无人机技术的快速发展，机载遥感传感器海上溢油监测技术迅猛发展^[11]。无人机监测手段也容易受到天气与海况的制约，存在无法出航执行监测任务的情况^[12]。航海雷达可以进行岸、船、平台基安装，能够保障在原有导航避碰功能的前提下，克服恶劣天气，全天时执行大范围的海上溢油监测预警任务。在溢油事故发生后，它可以第一时间随船前往事故现场配合应急指挥与灾害治理，具有广阔的应用价值与推广前景。

发明内容

为此，本发明提出一种基于YOLO网络的航海雷达溢油识别方法及系统，用以解决现有的海上溢油识别方法效率低的问题。

根据本发明的一方面，提供一种基于YOLO网络的航海雷达溢油识别方法，该方法包括以下步骤：

步骤一、获取包含溢油区域的小样本训练图像集；

步骤二、对所述小样本训练图像集进行预处理；

步骤三、将预处理后的小样本训练图像集中的每一张图像进行平均分割，以扩充小样本训练图像集；

步骤四、利用扩充后的训练图像集训练基于YOLOv5s模型的溢油识别模型；

步骤五、利用训练好的溢油识别模型对预处理后的待识别图像进行溢油识别，获取溢油识别结果。

进一步地，所述预处理包括：将雷达图像从极坐标系变换为笛卡尔坐标系；采用拉普拉斯算子对坐标变换后的雷达图像进行卷积；采用Otsu阈值分割方法对卷积后的雷达图像进行分割；利用均值滤波方法对出的垂直噪声进行初步平滑；再采用灰度阈值和连续像元面积阈值方法对初步平滑后的雷达图像进行分割；再采用中值滤波方法对出的亮斑噪声进行二次平滑；对二次平滑后的雷达图像进行灰度矫正，并进行局部对比度增强，得到预处理图像。