一种水面油污检测方法

技术领域

本发明属于油污检测技术领域，具体涉及一种水面油污检测方法。

背景技术

水电站的水面油污对水电站的正常运行有着极大的影响，而水面油污不像其他漂浮物，特征明显，容易判断和识别。现有的障碍物检测系统中，也只能对明显突出水面的漂浮物进行检测，而对没有明显高度差的水面油污无法检测，实用性低；现有的水面油污一般依赖人工检测，人力成本投入大，并且检测效率低，准确性低。

发明内容

本发明旨在于至少在一定程度上解决上述技术问题之一。

为此，本发明目的在于提供一种水面油污检测方法，用于解决现有技术存在的实用性低、人力成本投入大、检测效率低以及准确性低的问题。

本发明所采用的技术方案为：

一种水面油污检测方法，包括如下步骤：

S1：获取初始水面图像，对初始水面图像进行处理，得到最终水面图像；

S2：对最终水面图像进行分割，得到目标区域；

S3：提取目标区域的特征参量值；

S4：基于神经网络建立水面油污检测模型；

S5：将目标区域的特征参量值输入水面油污检测模型，得到水面油污检测结果。

进一步地，步骤S1的具体步骤为：

S1-1：获取水面的实时视频数据，并对实时视频数据进行帧截取，得到初始水面图像；

S1-2：对初始水面图像进行定义和预处理，得到预处理后水面图像；

S1-3：剔除预处理后水面图像中的非水面区域，得到最终水面图像。

进一步地，步骤S1-2中，对初始水面图像进行的定义包括图像定义和数据标记；

对初始水面图像进行的预处理包括灰度处理、平滑处理降噪处理以及归一化处理。

进一步地，步骤S1-3的具体步骤为：

S1-3-1：获取预处理后水面图像的上限灰度值；

S1-3-2：将预处理后水面图像中超过上限灰度值的目标像素点使用未超过上限灰度值的临近像素点进行替换，剔除预处理后水面图像中的非水面区域，得到最终水面图像。

进一步地，步骤S1-3-1中，预处理后水面图像的上限灰度值的获取公式为：

式中，L

进一步地，步骤S2的具体步骤为：

S2-1：将最终水面图像的所有像素点的灰度值进行映射，得到像素点的初始映射灰度阈值，并获取所有像素点在临近像素区域的初始临近灰度阈值；

S2-2：根据初始映射灰度阈值和初始临近灰度阈值，将最终水面图像分割为初始目标区域和初始背景区域；

S2-3：获取初始目标区域和初始背景区域的最大类间方差值，根据最大类间方差值得到最大映射灰度阈值和最大临近灰度阈值，重复步骤S2-2，得到最终目标区域。

进一步地，步骤S2-1中，将最终水面图像的所有像素点的灰度值映射至范围(0，255)。

进一步地，步骤S2-3的具体步骤为：

S2-3-1：遍历最终水面图像的检测区域，根据初始目标区域和初始背景区域，获取对应的类间方差值；

S2-3-2：当获取得到最大类间方差值时，得到最大映射灰度阈值和最大临近灰度阈值；

S2-3-3：根据最大映射灰度阈值和最大临近灰度阈值，将最终水面图像分割为最终目标区域和最终背景区域。

进一步地，步骤S2-3-1中，检测区域为范围(N*，255-N*)，N*＝floor(10

进一步地，步骤S3中，目标区域的特征参量值包括目标区域的几何特征参量值、灰度特征参量值以及纹理特征参量值。

本发明的有益效果为：

本发明采用图像识别的方法对水面油污进行检测，避免了采用人工方式，提高了实用性、检测效率和准确性，对水面图像进行处理，提取目标区域，进一步提高了准确性，基于神经网络建立水面油污检测模型，进一步提高了实用性、检测效率和准确性。

本发明的其他有益效果将在具体实施方式中进行详细说明。

附图说明

为了更清楚地说明本发明实施例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，下面描述中的附图仅仅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是水面油污检测方法流程图。

具体实施方式

下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本发明公开的功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本发明阐述的实施例中。

应当理解，本发明使用的术语仅用于描述特定实施例，并不意在限制本发明的示例实施例。若术语“包括”、“包括了”、“包含”和/或“包含了”在本发明中被使用时，指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性，并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。

应当理解，还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如，取决于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。

应当理解，在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以不必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。

实施例1

如图1所示，本实施例提供一种水面油污检测方法，包括如下步骤：

S1：获取初始水面图像，对初始水面图像进行处理，得到最终水面图像；

具体步骤为：

S1-1：获取水面的实时视频数据，并对实时视频数据进行帧截取，得到初始水面图像；

实时获取初始水面图像，提高了对水面进行油污检测的实时性，能够及时的发现水面油污，提高了实用性；

S1-2：对初始水面图像进行定义和预处理，得到预处理后水面图像；

对初始水面图像进行的定义包括图像定义和数据标记，记录当前检测的水面区域位置、检测时间和检测时的天气情况；

对初始水面图像进行的预处理包括灰度处理、平滑处理降噪处理以及归一化处理，将初始水面图像转化成灰度图像，便于后续基于灰度值对像素点进行处理，提高了检测精确性，进一步提高了检测效率；

S1-3：剔除预处理后水面图像中的非水面区域，例如护栏、陆地、山体或者水面区域中的漂浮物等无关图像区域，得到最终水面图像，由于一般固体突出物在图像上呈高亮显示，本方案通过设置上限灰度值，剔除水面区域中的漂浮物，进一步提高了检测精确性；

具体步骤为：

S1-3-1：获取预处理后水面图像的上限灰度值；

预处理后水面图像的上限灰度值的获取公式为：

式中，L

S1-3-2：将预处理后水面图像中超过上限灰度值的目标像素点使用未超过上限灰度值的临近像素点进行替换，剔除预处理后水面图像中的非水面区域，得到最终水面图像；

S2：对最终水面图像进行分割，得到目标区域；

具体步骤为：

S2-1：将最终水面图像的所有像素点的灰度值映射至范围(0，255)，得到像素点的初始映射灰度阈值，并获取所有像素点在临近像素区域的初始临近灰度阈值；

S2-2：根据初始映射灰度阈值和初始临近灰度阈值，将最终水面图像分割为初始目标区域和初始背景区域；

S2-3：获取初始目标区域和初始背景区域的最大类间方差值，根据最大类间方差值得到最大映射灰度阈值和最大临近灰度阈值，重复步骤S2-2，得到最终目标区域；

具体步骤为：

S2-3-1：遍历最终水面图像的检测区域，根据初始目标区域和初始背景区域，获取对应的类间方差d(s,t)，其中s为初始映射灰度阈值，t为初始临近灰度阈值；

检测区域为范围(N*，255-N*)，N*＝floor(10

S2-3-2：当获取得到最大类间方差值d

S2-3-3：根据最大映射灰度阈值s

S3：提取目标区域的特征参量值；

目标区域的特征参量值包括目标区域的几何特征参量值、灰度特征参量值以及纹理特征参量值；

S4：基于神经网络建立水面油污检测模型；

具体步骤为：

S4-1：基于神经网络建立初始水面油污检测模型；

S4-2：获取水面油污图像，并提取水面油污图像的目标区域的特征参量值；

S4-3：将特征参量值输入初始水面油污检测模型进行训练，得到并输出最优水面油污检测模型；

将提取的水面油污图像的目标区域的特征参量值数据集的80％划分为训练集，剩余20％划分为测试集，将训练集输入初始水面油污检测模型进行训练，得到最终水面油污检测模型，将测试集输入最终水面油污检测模型进行优化，得到并输出最优水面油污检测模型，采用最优水面油污检测模型对实时获取的最终水面图像进行检测，提高了检测效率和精确性，避免了人工检测，减少了人力成本投入；

S5：将目标区域的特征参量值输入水面油污检测模型，得到水面油污检测结果，当水面油污检测结果为存在水面油污时，及时发出警报。

本发明采用图像识别的方法对水面油污进行检测，避免了采用人工方式，提高了实用性、检测效率和准确性，对水面图像进行处理，提取目标区域，进一步提高了准确性，基于神经网络建立水面油污检测模型，进一步提高了实用性、检测效率和准确性。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所描述的实施例仅仅是示意性的，若涉及到作为分离部件说明的单元，其可以是或者也可以不是物理上分开的；若涉及到作为单元显示的部件，其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单元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。

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。

本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。