[发明专利]一种智能的海面垃圾检测方法、系统和存储介质

说明书

本发明提供了一种智能的海面垃圾检测方法，包括依次执行如下步骤：图像采集：接收利用无人机航拍采集的图片；图像预处理：对采集到的图片利用去雾算法进行去雾处理；反光处理：通过反光检测来判断是否进行调试摄像机的拍摄角度，最终得到一张没有反光的清晰图像；图像语义分割：建立水/海面图语义分割全卷积神经网络模型，最终得到整个图的语义分割结果；入库统计：将获取的信息送入数据库进行垃圾类别统计和分析。本发明的有益效果是：1.利用无人机进行数据采集，可以进行大面积的检测和跟踪，同时避免斜阳和拍摄角度导致的大面积反光；2.规避反光对候选检测精度的影响；3.避免了人工挑选特征的局限性，更能提升系统的准确度。

技术领域

本发明涉及电子信息技术领域，尤其涉及一种智能的海面垃圾检测方法、系统和存储介质。

背景技术

随着沿海工农业生产的迅速发展和旅游业的蓬勃兴起,漂浮垃圾对海洋环境和生物资源都造成一定程度的损害，而现有的漂浮垃圾监测和清理方法要么不够全面，要么比较昂贵，浪费了大量的人力和时间成本。

现有的方法更多依赖人工调查和数理统计，这些方法在海域大体漂浮垃圾的类型和密度方面可以取得较好的效果，但现实应用中大多环境更加复杂，海域上漂浮垃圾的类型和多寡受地理位置、海况、气象条件和人为活动的影响，上述方法很难做到实时有效精准的检测海域漂浮垃圾的种类和具体的位置。

现有的基于图片的水上目标检测是人为设定特征，特征有限，且没有大数据的有力支撑，在效果和应用上必定会有缺陷。

发明内容

本发明提供了一种智能的海面垃圾检测方法，包括依次执行如下步骤：图像采集步骤：接收利用无人机航拍采集的图片；

图像预处理步骤：对采集到的图片利用去雾算法进行去雾处理；

反光处理步骤：通过反光检测来判断是否进行调试摄像机的拍摄角度，最终得到一张没有反光的清晰图像；

图像语义分割步骤：建立水/海面图语义分割全卷积神经网络模型，由所述水/海面图语义分割全卷积神经网络模型计算得到图像的概率图，并对所述概率图图像中的每个像素进行类别的预测，获取出最大类别图，然后对所述类别图进行后处理，最终得到整个图的语义分割结果；

入库统计步骤：将获取的信息送入数据库进行垃圾类别统计和分析。。

作为本发明的进一步改进，在所述反光处理步骤中，先对预处理图像进行二值化，然后在二值化图像上提取联通体，利用联通体信息判断是否反光，若出现反光，调整无人机上的摄像头角度反光重新采集图像，然后进行第二次反光检测，若第二次反光检测仍出现反光，根据两次反光图像进行反光区域滤除和恢复。

作为本发明的进一步改进，所述反光处理步骤包括如下步骤：

S1：将图像预处理步骤得到的图转为灰度图，进行第一次二值化得到第一次二化值图；

S2：第一次连通域提取，即提取第一次二值化图中的连通域，统计满足达到所设定阈值的联通体个数；

S3：若第一次提取的满足条件的联通体个数没有达到所设定的阈值，则为未反光图像，执行图像语义分割步骤；若第一次提取的满足条件的联通体个数达到所设定的阈值，则判断为第一次反光图像，执行S4步骤；

S4：调整摄像机角度，进行第二次采集图像，将第二次采集到的图像送入图像预处理步骤进行去雾处理，然后执行第二次反光检测；

所述第二次反光检测包括如下步骤：

Y1：将S4步骤得到的图转为灰度图，然进行第二次二值化得到第二次二值化图；

Y2：第二次连通域提取，即提取第二次二值化图中的连通域，统计满足达到所设定阈值的联通体个数；