【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及一种基于图像识别水面漂浮物密集程度的方法。
技术介绍
1、随着全球城市化进程的加快和工业活动的增加，水体污染问题日益严峻，其中水面漂浮物的污染尤为突出。水面漂浮物主要包括各类垃圾、植物残渣等，它们不仅严重影响了水体的美观，还可能对水质造成污染，危害水生生物的生存环境，甚至威胁到人类的生活用水安全。因此，对水面漂浮物的有效监测和管理成为环境保护和水域治理的重要任务。
2、传统的水面漂浮物监测方法主要依赖于人工巡检，这种方式不仅效率低下，而且难以做到实时、全面的监测。随着科技的进步，尤其是图像处理技术和计算机视觉技术的发展，基于图像识别的水面漂浮物监测方法逐渐受到关注。
3、目前，已有一些基于图像识别的水面漂浮物监测技术被开发和应用。这些技术通常利用安装在水域周边的相机实时捕捉水面情况，并通过图像识别算法自动识别和监测水面漂浮物。然而，这些方法大多侧重于漂浮物的识别和分类，对于漂浮物的密集程度缺乏有效的量化评估。
4、因此，开发一种能够准确、实时地监测水面漂浮物密集程度的方法显得尤为重要。该方法不仅能够为环境保护和水域治理提供有力的技术支持，还能帮助相关部门及时采取措施，清理和处理漂浮物，维护水质环境，保障水域生态平衡和人类生活用水安全。
技术实现思路
1、本专利技术提供了一种基于图像识别水面漂浮物密集程度的方法解决上述提到的技术问题，具体采用如下的技术方案：
2、一种基于图像识别水面漂浮物密集程度的方法，
3、s1：确定漂浮物的监测位置；
4、s2：采集包含漂浮物的水面相关图像，对水面相关图像进行标注，利用语义分割技术进行模型训练，获得漂浮物和水面识别模型m；
5、s3：采用rtk无人机对监测位置进行空间标定，获得8个水面漂浮物监测空间区域标定点a1、a2、b1、b2、c1、c2、d1、d2和2个水位标定点z1、z2的经度、纬度、高程和像素坐标，确定水面漂浮物监测空间区域和水位标定点；
6、s4：采集监测位置当前图像，对当前图像进行图像异常判定，若异常则进行图像异常预警，并执行步骤s9，基于当前图像进行监测位置异常校验，如果监测位置不一致，则进行位置异常预警，并执行步骤s8；
7、s5：基于当前图像和水位标定点z1、z2，计算当前水位高程wl；
8、s6：通过当前水位高程wl和8个水面漂浮物监测空间区域标定点a1、a2、b1、b2、c1、c2、d1、d2计算当前水位高程下的水面漂浮物监测平面区域中的四个点ae、be、ce、de的经度、纬度、高程和像素坐标，通过使用漂浮物和水面识别模型m对当前水面漂浮物监测平面区域内的图像进行识别获得漂浮物像素坐标点集fp；
9、s7：利用当前水位高程下的水面漂浮物监测平面区域和漂浮物像素坐标点集fp，通过透视变换计算漂浮物占比面积；
10、s8：对异常预警进行异常处置。
11、进一步地，在所述步骤s1中，所述监测位置包含水面和坝体，水面范围包含漂浮物监测的范围，水面的水位高程变化通过坝体进行观测。
12、进一步地，在所述步骤s2中，包含漂浮物的水面相关图像包含不同时间段、不同天气、不同监测位置的图像，采用大模型对图像进行自动标注，通过标注的图像训练所述漂浮物和水面识别模型m。
13、进一步地，所述步骤s3中，采用rtk无人机对监测位置进行空间标定的具体方法为：
14、采用rtk无人机在初始水位高程平面上选取5个标定点a1、b1、c1、d1和z1，其中a1、b1、c1、d1标定点为初始水位高程下的水面漂浮物监测平面区域，z1标定点为初始水位高程下的水位观测点，确定标定点的经度、纬度、高程和像素坐标x、像素坐标y；
15、rtk无人机飞行到最高水位高程平面上选取5个标定点a2、b2、c2、d2和z2，其中a2、b2、c2、d2标定点为最高水位高程下的水面漂浮物监测平面区域，z2标定点为最高水位高程下的水位观测点，确定标定点的经度、纬度、高程和像素坐标x、像素坐标y；其中a1和a2、b1和b2、c1和c2、d1和d2、z1和z2的经度和纬度一致。
16、进一步地，在所述步骤s4中，对图像进行异常判定的具体方法为：
17、采用图像分类算法visiontransformer对当前图像进行图像分类识别，图像分类包括：正常图像0、视频丢包1、相机遮挡2、镜头污损3、图像模糊4。
18、进一步地，在所述步骤s4中，基于当前图像进行监测位置异常校验的具体方法为：
19、采用特征匹配的方式对当前图像和初始图像进行比对，依次进行灰度化、特征点提取、特征点匹配、像素偏差计算获得像素偏差值，当像素偏差值大于10，则认为监测位置不一致，进行异常预警。
20、进一步地，在所述步骤s5中，计算当前水位高程wl的具体方法为：
21、采用漂浮物和水面识别模型m对图像进行识别，获得水面像素坐标点集wp，通过z2的像素坐标朝向z1的像素坐标的射线，计算和水面wp的交点i，通过下述公式计算当前水位高程wl：
22、，
23、式中：wl为当前水位高程，z1wl为z1的高程，为z1在图像中水平方向上的像素坐标，为z1在图像中垂直方向上的像素坐标，z2wl为z2的高程，为z2在图像中水平方向上的像素坐标，为z2在图像中垂直方向上的像素坐标，为交点i在图像中水平方向上的像素坐标，为交点i在图像中垂直方向上的像素坐标。
24、进一步地，在所述步骤s6中，四个点ae、be、ce、de的经度、纬度对应a1、b1、c1、d1的经度、纬度，以ae为例，通过下述公式计算ae的像素坐标：
25、，
26、式中：为ae在图像中的像素坐标，wl为当前水位高程，a1wl为标定点a1的高程，a2wl为标定点a2的高程，为a1在图像中的像素坐标，为a2在图像中的像素坐标。
27、进一步地，在所述步骤s7中，计算漂浮物占比面积的具体方法为：
28、四个点ae、be、ce、de的经纬度坐标转化为高斯-克吕格投影坐标系的投影坐标值，获得四个点投影坐标值；
29、将四个点ae、be、ce、de的投影坐标值和像素坐标值对应，用查找单应性矩阵函数计算，获得单应性矩阵mat_perspective；
30、通过单应性矩阵mat_perspective对图像中四个点ae、be、ce、de的像素坐标值和漂浮物像素坐标点集fp分别进行透视变换计算，获得水面漂浮物监测平面区域俯视图和监测位置漂浮物俯视图；
31、通过监测位置漂浮物俯视图面积除以水面漂浮物监测平面区域俯视图面积得到漂浮物占比面积。
32、进一步地，在所述步骤s8中，进行异常处置的具体方法为：
33、对于图像异常，针对视频丢包、相机遮挡、镜头污损和图像模糊问题本文档来自技高网...
【技术保护点】
1.一种基于图像识别水面漂浮物密集程度的方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
3.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
4.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
5.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
6.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
7.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
8.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
9.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
10.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
【技术特征摘要】
1.一种基于图像识别水面漂浮物密集程度的方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
3.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
4.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
5.根据权利要求1所述的一种基于图像识别水面漂浮物密集程度的方法，其特征在于，
【专利技术属性】
技术研发人员：邱志章，廖佳庆，李河，胡琳琳，黄明亮，郑毅，
申请(专利权)人：杭州定川信息技术有限公司，
类型：发明
国别省市：
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。