[发明专利]一种朗缪尔环流的观测控制方法与系统

权利要求书

1.一种朗缪尔环流的观测控制方法，其特征在于，包括：

根据目标观测任务的目的地位置信息，将无人艇配置到目标观测区域；

通过所述无人艇向水体释放染色示踪剂；

以所述无人艇所在处为起点，配置无人机跟随所述染色示踪剂的扩散路径进行图像采集；

对采集到的图像进行图像识别，判断是否为朗缪尔环流；

当识别到朗缪尔环流时，根据采集到的图像配置无人艇的数据采集路线，控制无人艇编队按照所述数据采集路线对朗缪尔环流区域进行探测，并通过无人机集群对朗缪尔环流区域进行图像采集与识别，完成对朗缪尔环流区域的边缘检测。

2.根据权利要求1所述的一种朗缪尔环流的观测控制方法，其特征在于，所述通过所述无人艇向水体释放染色示踪剂，包括：

当无人艇到达目标观测区域时，从所述无人艇所处位置派遣一艘无人机，该无人机直线向上飞行升至空中，拍摄一张水面图像；

当无人机拍摄到的气泡痕数目大于或等于第一阈值时，将该无人机悬停于当前高度；

根据所述无人机的引导，控制所述无人艇到达两条带状气泡痕的中间位置，所述无人艇从当前位置的水面以及水下释放染色示踪剂。

3.根据权利要求1所述的一种朗缪尔环流的观测控制方法，其特征在于，所述以所述无人艇所在处为起点，配置无人机跟随所述染色示踪剂的扩散路径进行图像采集，包括：

通过无人机空中平台控制无人机空中作业，并拍摄图像；

通过艇机传输系统传输无人机拍摄的图像，并存储到无人艇上；

通过无人艇数据处理平台对存储的图像进行数据处理后，规划无人机的飞行路径，并发送给无人机空中平台来控制无人机按照飞行路径进一步获取图像。

4.根据权利要求1所述的一种朗缪尔环流的观测控制方法，其特征在于，所述对采集到的图像进行图像识别，判断是否为朗缪尔环流，包括：

获取待训练图像，所述待训练图像包括互联网中的朗缪尔环流气泡痕、海上溢油后油污随着环流扩散形成的条带状痕迹、每次执行环流检测任务后采集到的图像、无人机拍摄的视频通过拆帧得到的图像帧；

采用分层随机采样的方式将所述待训练图像划分为训练集、验证集、测试集；

对所述训练集进行图像标注处理和数据增强处理，得到训练集图像；

使用基于迁移学习的YOLOv5算法对训练集图像进行深度学习，构建朗缪尔环流气泡痕识别模型；

根据所述朗缪尔环流气泡痕识别模型对采集的图像进行图像识别，判断是否为朗缪尔环流；

其中，所述对所述训练集进行数据增强处理，包括以下至少之一：

对所述训练集进行数据翻转，得到第一数据；

或者，对所述训练集进行数据旋转，得到第二数据；

或者，对所述训练集进行数据缩放，得到第三数据；

或者，对所述训练集进行数据裁剪，得到第四数据；

或者，对所述训练集进行数据平移，得到第五数据；

或者，对所述训练集进行添加噪声处理，得到第六数据。

5.根据权利要求4所述的一种朗缪尔环流的观测控制方法，其特征在于，所述使用基于迁移学习的YOLOv5算法对训练集图像进行深度学习，构建朗缪尔环流气泡痕识别模型，包括：

针对coco数据集在YOLOv5上预训练好的目标检测模型进行知识迁移，训练朗缪尔环流气泡痕图像数据集，得到YOLOv5朗缪尔环流气泡痕识别模型；

接着再对YOLOv5朗缪尔环流气泡痕识别模型进行知识迁移，训练经过染色后的朗缪尔环流气泡痕识别模型。

6.根据权利要求4所述的一种朗缪尔环流的观测控制方法，其特征在于，所述根据所述朗缪尔环流气泡痕识别模型对采集的图像进行图像识别，判断是否为朗缪尔环流，包括：

对采集的图像进行色彩还原处理，生成色彩还原矩阵集合；

根据所述色彩还原矩阵集合对采集的图像进行色偏修正还原；

利用所述朗缪尔环流气泡痕识别模型对还原后的图像进行实时识别，分类确定染色后的红色水体和未染色的蓝绿色水体，进而实现对朗缪尔环流的识别。