(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211258674.2 (22)申请日 2022.10.14 (71)申请人 北京星天科技有限公司 地址 100000 北京市朝阳区创远路3 6号院 14号楼6层6 01室 (72)发明人 张祺　 (74)专利代理 机构 北京智行 阳光知识产权代理 事务所(普通 合伙) 11738 专利代理师 李俊奇 (51)Int.Cl. G01N 21/94(2006.01) G01N 21/88(2006.01) H04N 19/70(2014.01) H04L 67/10(2022.01) H04L 67/12(2022.01)G06V 20/17(2022.01) G06N 20/00(2019.01) G06V 10/44(2022.01) (54)发明名称 一种基于北斗通信的海上溢油检测方法 (57)摘要 本发明特别涉及一种基于北斗通信的海上 溢油检测方法， 包括以下步骤： 步骤S1， 在监测海 域设置视觉装置， 视觉装置对海面拍照识别， 视 觉装置将拍摄的海面照片按照第一压缩方法进 行压缩， 压缩后的图片通过视觉装置连接的北斗 通信装置发送至云端服务器； 步骤S2， 云端服务 器对图片进行解压， 并通过线性降噪法进行降 噪； 步骤S3， 降噪后的 图片切割成多个子图片， 云 端服务器对多个子图片进行特征识别， 特征识别 通过灰度检测函数的方式实现， 特征识别用于识 别海面溢油区域的边缘分界线； 步骤S4， 云端服 务器在检测到海面溢油后向视觉装置发送指令， 视觉装置拍摄溢油目标区域， 并间隔发送图片， 间隔发送的图片按照第二压缩方法进行压缩。 权利要求书1页 说明书3页 附图1页 CN 115420754 A 2022.12.02 CN 115420754 A 1.一种基于北斗通信的海上溢油检测方法， 其特 征在于， 包括以下步骤： 步骤S1， 在监测海域设置视觉装置， 所述视觉装置对海面拍照识别， 视觉装置将拍摄的 海面照片按照第一压缩方法进 行压缩， 压缩后的图片通过视觉装置连接的北斗通信装置发 送至云端服 务器； 步骤S2， 云端服 务器对图片进行解压， 并通过线性降噪法进行降噪； 步骤S3， 降噪后的图片切割成多个子图片， 云端服务器对多个子图片进行特征识别， 所 述特征识别通过灰度检测函数的方式实现， 所述特征识别用于识别海面溢油区域的边缘分 界线； 步骤S4， 云端服务器在检测到海面溢油后向视觉装置发送指令， 视觉装置拍摄溢油目 标区域， 并 间隔发送图片， 间隔发送的图片按照第二压缩方法进行压缩。 2.根据权利要求1所述的一种基于北斗通信的海上溢油检测方法， 其特征在于： 所述云 端服务器中设置有深度学习算法， 所述深度学习算法用于提高特征识别的响应速度， 在步 骤S3中， 检测识别到边缘分界线后， 所述深度学习算法将图片切割的数量和特征识别的灰 度检测函数作为输入， 将识别速度作为输出， 得到最快识别速度的图片切割的数量和特征 识别的灰度检测函数， 并记录 。 3.根据权利要求2所述的一种基于北斗通信的海上溢油检测方法， 其特征在于： 所述深 度学习算法采用基于神经网络的遗传算法， 通过种群迭代的方式得到目标输出。 4.根据权利要求3所述的一种基于北斗通信的海上溢油检测方法， 其特征在于： 所述深 度学习算法基于时间设置检测， 根据光照强度将一天切割为多个时间段， 至少包括 强光段、 弱光段和无光段三个时间段， 每一个时间段内均设置有对应的特 征识别算法。 5.根据权利要求1所述的一种基于北斗通信的海上溢油检测方法， 其特征在于： 所述第 一压缩方法为无损压缩方法， 至少包括游程编码算法、 LZW编码算法、 霍夫曼编码和算数编 码算法的一种， 所述第二压缩方法为有损压缩方法， 包括S DT算法和PLOT算法。 6.根据权利要求5所述的一种基于北斗通信的海上溢油检测方法， 其特征在于： 所述北 斗通信采用北斗短报文系统。 7.权利要求1 ‑6中任一项所述的一种基于北斗通信的海上溢油检测方法在无人机巡检 中的应用， 其特 征在于： 所述无 人机上设置有视 觉装置和北斗通信装置 。权　利　要　求　书 1/1 页 2 CN 115420754 A 2一种基于北 斗通信的海上 溢油检测方 法 技术领域 [0001]本发明涉及视觉识别技术领域， 特别涉及一种基于北斗通信的海上溢油检测方 法。 背景技术 [0002]随着越来越多海洋工程的建设,船舶行驶以及其他人为因素， 海洋垃圾的越来越 多,海洋垃圾是指海洋和海岸环境中具持久性的、 人造的或经加工的固体废弃物。 海洋垃圾 影响海洋 景观， 威胁航行安全， 并对海洋生态系的健康产生影响， 进而对海洋 经济产生负面 效应。 这些海洋垃圾 一部分停留在海滩 上， 一部分可漂浮在海面或沉入 海底。 [0003]在海洋垃圾造成的污染中， 对生态环境破坏最为严重 的当属海面溢油， 海面溢油 的原因包括船只的泄露、 岸边建筑物的泄露和海底管道的泄露等， 目前针对于海面溢油的 检测方法有卫星遥感、 声呐检测 和视觉检测。 [0004]其中视觉检测需要配合人力进行检测， 监测效率较低， 且人力资源浪费严重， 不能 及时识别响应和反馈 。 发明内容 [0005]本发明的目的是提供一种基于北斗通信的海上溢油检测方法， 以解决上述现有技 术存在的问题。 [0006]本发明的上述 技术目的是通过以下技 术方案得以实现的： [0007]一种基于北斗通信的海上溢油检测方法， 包括以下步骤： [0008]步骤S1， 在监测海域设置视觉装置， 所述视觉装置对海面拍照识别， 视觉装置将拍 摄的海面照片按照第一压缩方法进行压缩， 压缩后的图片通过视觉装置连接的北斗通信装 置发送至云端服 务器； [0009]步骤S2， 云端服 务器对图片进行解压， 并通过线性降噪法进行降噪； [0010]步骤S3， 降噪后的图片切割 成多个子图片， 云端服务器对多个子图片进行特征识 别， 所述特征识别通过灰度检测函数 的方式实现， 所述特征识别用于识别海面溢油区域的 边缘分界线； [0011]步骤S4， 云端服务器在检测到海面溢油后向视觉装置发送指令， 视觉装置拍摄溢 油目标区域， 并 间隔发送图片， 间隔发送的图片按照第二压缩方法进行压缩。 [0012]在进一步的实施例中， 所述云端服务器中设置有深度学习算法， 所述深度学习算 法用于提高特征识别的响应速度， 在步骤S 3中， 检测识别到边缘分 界线后， 所述深度学习算 法将图片切割的数量和特征识别的灰度检测函数作为输入， 将识别速度作为输出， 得到最 快识别速度的图片切割的数量和特 征识别的灰度检测函数， 并记录 。 [0013]在进一步的实施例中， 所述深度学习算法采用基于神经网络 的遗传算法， 通过种 群迭代的方式得到目标输出。 [0014]在进一步的实施例中， 所述深度学习算法基于时间设置检测， 根据光照强度将一说　明　书 1/3 页 3 CN 115420754 A 3