本發(fā)明涉及圖像識別領域，具體涉及基于改進yolov8s的溢油污染源識別方法及系統(tǒng)。

背景技術：

1、在處理海上溢油事故的調查取證和責任確認方面，對于未安裝ais系統(tǒng)或關閉ais服務的船舶則無法進行監(jiān)管，vts雷達站則只能僅覆蓋靠近海港區(qū)一定范圍內的海域，其覆蓋距離很容易受到限制。在大尺度水域范圍內，衛(wèi)星遙感監(jiān)測具備全球范圍的對地觀測成像的能力，一直是世界各國對地觀測領域的重要手段。盡管衛(wèi)星在對地監(jiān)測領域有著不可替代的作用，但在面對復雜多變和高時效的突發(fā)事故監(jiān)測時仍然存在著一些缺陷，如存在受軌道和再訪問時間限制，時空的分辨率低，成像視場大容易模糊，觀測周期長差等不足。而無人機遙感監(jiān)測技術具備機動性強、實時性強、分辨率高、運行成本低的優(yōu)勢，且能夠適應海上突發(fā)事件的及時和精細化監(jiān)測要求，成為衛(wèi)星遙感的有效補充工具。即在大尺度水域內通過衛(wèi)星遙感監(jiān)測技術對溢油污染源的類型進行初步識別，判斷溢油污染源是海上石油平臺或者是船舶引發(fā)的污染。在近海小尺度水域內則利用無人機遙感監(jiān)測從宏觀到微觀角度對污染源進行精細化識別，判斷溢油污染源的具體船型。

技術實現思路

1、為解決上述背景中的技術問題，本發(fā)明提出一種具有通用性強、快速、簡單，并且能夠適應復雜的海面背景環(huán)境等特點的方法及系統(tǒng)。

2、為實現上述目的，本發(fā)明提出了基于改進yolov8s的溢油污染源識別方法，步驟包括：

3、采集海洋污染源的監(jiān)測數據，所述海洋污染源包括溢油污染源；所述監(jiān)測數據的類型包括無人機航拍影像；

4、基于所述監(jiān)測數據，構建污染源識別模型，所述污染源模型包括一個改進的yolov8s網絡模型，所述改進的yolov8s網絡模型為在yolov8s網絡模型的基礎上融合mca模塊；引入的所述mca模塊由三個平行的分支構成，其中，頂部分支用于捕獲空間維度w中特征之間的交互；中間分支用于捕獲空間維度h中特征之間的交互；底部分支負責捕獲通道c之間的交互；

5、在所述頂部分支與所述中間分支中，采用置換操作來捕獲通道維度與任一空間維度之間的遠程依賴性；最后，在積分階段通過計算平均來聚合三個分支的輸出。

6、利用所述污染源模型，完成對海洋溢油污染源的識別。

7、優(yōu)選的，對采集到的所述監(jiān)測數據進行整理和標注，所述監(jiān)測數據包括海上石油鉆井平臺、浮標、漁船、集裝箱船、客船、軍艦和其他水面障礙物；將采集到的所述監(jiān)測數據按預設比例劃分為訓練集、驗證集和測試集。

8、優(yōu)選的，所述mca模塊在擠壓變換中，采用全局平均和標準差池化來聚合跨維度的特征響應，同時使用組合機制來自適應地合并平均池化和標準差池化的特征，增強特征描述符的表示；

9、所述mca模塊在激勵變換中，采用輕量級方式捕獲局部特征交互，克服性能和計算開銷之間的平衡。

10、本發(fā)明還提供了基于改進yolov8s的溢油污染源識別系統(tǒng)，所述系統(tǒng)用于實現上述方法，包括：采集模塊、構建模塊和識別模塊；

11、所述采集模塊用于采集海洋污染源的監(jiān)測數據，所述海洋污染源包括溢油污染源；所述監(jiān)測數據的類型包括無人機航拍影像；

12、所述構建模塊用于基于所述監(jiān)測數據，構建污染源識別模型，所述污染源模型包括一個改進的yolov8s網絡模型，所述改進的yolov8s網絡模型為在yolov8s網絡模型的基礎上融合mca模塊；所述mca模塊由三個平行的分支構成，其中，頂部分支用于捕獲空間維度w中特征之間的交互；中間分支用于捕獲空間維度h中特征之間的交互；底部分支負責捕獲通道c之間的交互；在所述頂部分支與所述中間分支中，采用置換操作來捕獲通道維度與任一空間維度之間的遠程依賴性；最后，在積分階段通過計算平均來聚合三個分支的輸出；

13、所述識別模塊用于利用所述污染源模型，完成對海洋溢油污染源的識別。

14、優(yōu)選的，所述采集模塊的工作流程包括：對采集到的所述監(jiān)測數據進行整理和標注，所述監(jiān)測數據包括海上石油鉆井平臺、浮標、漁船、集裝箱船、客船、軍艦和其他水面障礙物；將采集到的所述監(jiān)測數據按預設比例劃分為訓練集、驗證集和測試集。

15、優(yōu)選的，所述mca模塊在擠壓變換中，采用全局平均和標準差池化來聚合跨維度的特征響應，同時使用組合機制來自適應地合并平均池化和標準差池化的特征，增強特征描述符的表示；

16、所述mca模塊在激勵變換中，采用輕量級方式捕獲局部特征交互，克服性能和計算開銷之間的平衡。

17、水面環(huán)境可能呈現錯綜復雜的場景，包括風、浪、流等各種背景元素，這些背景元素會在圖像中引入大量冗余信息和干擾，從而使目標難以從錯綜復雜的背景中分離出來。

18、與現有技術相比，本發(fā)明的有益效果如下：

19、(1)本發(fā)明在基于yolov8s模型的基礎上，融合了mca模塊，該模塊專注于提取位置信息，增強了對水面目標有效特征的提取能力，有助于改善由物體折疊交叉導致的漏檢和多檢問題。

20、(2)本發(fā)明的抗干擾能力強，不易受到光線強弱和風、浪、流等復雜背景的影響。

技術特征：

1.基于改進yolov8s的溢油污染源識別方法，其特征在于，步驟包括：

2.根據權利要求1所述的基于改進yolov8s的溢油污染源識別方法，其特征在于，對采集到的所述監(jiān)測數據進行整理和標注，所述監(jiān)測數據包括海上石油鉆井平臺、浮標、漁船、集裝箱船、客船、軍艦和其他水面障礙物；將采集到的所述監(jiān)測數據按預設比例劃分為訓練集、驗證集和測試集。

3.根據權利要求1所述的基于改進yolov8s的溢油污染源識別方法，其特征在于，所述mca模塊在擠壓變換中，采用全局平均和標準差池化來聚合跨維度的特征響應，同時使用組合機制來自適應地合并平均池化和標準差池化的特征，增強特征描述符的表示；

4.基于改進yolov8s的溢油污染源識別系統(tǒng)，所述系統(tǒng)用于實現權利要求1-3任一項所述的方法，其特征在于，包括：采集模塊、構建模塊和識別模塊；

5.根據權利要求4所述的基于改進yolov8s的溢油污染源識別系統(tǒng)，其特征在于，所述采集模塊的工作流程包括：對采集到的所述監(jiān)測數據進行整理和標注，所述監(jiān)測數據包括海上石油鉆井平臺、浮標、漁船、集裝箱船、客船、軍艦和其他水面障礙物；將采集到的所述監(jiān)測數據按預設比例劃分為訓練集、驗證集和測試集。

6.根據權利要求4所述的基于改進yolov8s的溢油污染源識別系統(tǒng)，其特征在于，所述mca模塊在擠壓變換中，采用全局平均和標準差池化來聚合跨維度的特征響應，同時使用組合機制來自適應地合并平均池化和標準差池化的特征，增強特征描述符的表示；

技術總結
本發(fā)明公開了基于改進YOLOv8s的溢油污染源識別方法及系統(tǒng)，涉及圖像識別領域，其中方法包括：采集海洋污染源的監(jiān)測數據，海洋污染源包括溢油污染源；監(jiān)測數據的類型包括無人機航拍影像；基于監(jiān)測數據，構建污染源識別模型，污染源模型包括一個改進的YOLOv8s網絡模型，改進的YOLOv8s網絡模型為在YOLOv8s網絡模型的基礎上融合MCA模塊；利用污染源模型，完成對海洋溢油污染源的識別。本發(fā)明在基于YOLOv8s模型的基礎上，融合了MCA模塊，該模塊專注于提取位置信息，增強了對水面目標有效特征的提取能力，有助于改善由物體折疊交叉導致的漏檢和多檢問題。此外本發(fā)明的抗干擾能力強，不易受到復雜背景的影響。

技術研發(fā)人員：李凱,羅小青,李文博,徐進
受保護的技術使用者：廣東海洋大學
技術研發(fā)日：
技術公布日：2024/12/19