海洋環境污染信息智能圖像監測技術研究

溫玉波

摘 要： 傳統海洋環境污染監測技術雖然可以進行海洋污染檢測，但存在監測范圍短、監測精度低以及監測時間長等不足，針對此問題提出基于數字遙感多層分析的海洋環境污染信息智能圖像監測技術。通過引入智能數字遙感多層分析技術，對海洋水質進行多維度監測；采用大數據分析法對采集數據進行計算，完成海洋環境污染監測分析。實驗結果表明，改進圖像監測技術能夠實現全覆蓋的高精度海洋污染監測，并可以提取海洋環境污染樣品信息。

關鍵詞： 海洋污染； 智能監測； 圖像監測； 多層分析技術； 大數據分析； 數字遙感

中圖分類號： TN911.73?34； TN913 文獻標識碼： A 文章編號： 1004?373X（2018）06?0109?03

Abstract： Although the traditional marine environment pollution monitoring technology can be used in marine pollution detection， there exist problems like short monitoring range， low monitoring precision and long monitoring time. In allusion to the above problems， an intelligent image monitoring technology based on multilevel analysis of digital remote sensing for marine environment pollution information is proposed. The intelligent digital remote sensing multilevel analysis technology is introduced to conduct multi?dimensional marine water quality monitoring. The big data analysis method is used to calculate the collected data and complete the monitoring and analysis of marine environment pollution. The experimental results show that the improved image monitoring technology can achieve full?coverage and high precision marine pollution monitoring， and extract information of marine environment pollution samples.

Keywords： marine pollution； intelligent monitoring； image monitoring； multilevel analysis technology； big data analysis； digital remote sensing

隨著科學技術的發展，人類與海洋的關系越來越密切，對海洋環境的保護也越發重要。傳統海洋監測技術主要適應近海環境監測，監測范圍短，采用低維度監測技術，監測精度低，對污染源監測時間長，發現某處存在污染源后由于監測時間較長，污染源可能已漂到另一區域[1]，對此，提出海洋環境污染信息智能圖像監測技術。實驗結果表明，提出的海洋環境污染信息智能圖像監測技術，能夠實現全覆蓋的高精度海洋污染監測，并可以提取海洋環境污染樣品信息。

1 海洋環境污染信息智能圖像監測技術

1.1 引入智能數字遙感技術

引入智能數字遙感技術是依托遙感衛星，構建智慧型數據模塊實現海洋環境污染的監測，通過多層數據庫進行篩選分析獲得可用信息[2]。智能數字遙感技術結構包括圖像層、海洋信息表示層及海洋分析顯示層。圖像層作用是利用遙感衛星對海洋環境進行遙感識別，將拍攝圖片進行簡單處理打包，通過無線傳輸送到海洋信息處理界面。海洋信息處理層將圖像層所監測信息進行數字化表示[3]，依托海洋對象數據庫、海洋環境物理場分析數據庫進行處理。數據傳遞到分析顯示層，進行數據分析。分析顯示層對海洋信息表示層的數據信息進行接納，利用數據鏈路模式、圖像數據模塊以及數據挖掘技術等進行圖像處理[4]，智能數據遙感數據庫結構流程如圖1所示。

海洋衛星圖像數據庫主要作用是對衛星圖像處理分割、對象識別，構建多維圖像組織，計算圖像物理間距[5]。海洋對象數據庫主要作用是對海洋環境物理場流形，海洋物理場流形內嵌維度，低微分布分析，海洋對象特征提取[6]。

1.2 利用水質傳感器采集污染源數據

水質傳感器作為海洋環境污染監測技術重要手段之一，本文利用水質傳感器進行海水pH值監測、海水溶解氧監測、海水電導率監測、海水溫度監測。水質傳感器包含傳感器及對應作用如表1所示。水質傳感器采用特種立體水質傳感裝置，通過計算機圖像顯示系統完成監測圖像處理。

水質立體傳感裝置包含立體感應原件，能夠同時對多個監測源進行監測。對集成pH值監測裝置、海水溶解氧監測裝置、海水電導率監測裝置以及海水溫度監測裝置進行綜合信號的采集。傳輸裝置將感應信號，以脈沖電流形式進行無線傳輸，顯示在計算機圖像系統中[7]。

1.3 優化大數據對比分析法

依托智能數字遙感技術和水質傳感器監測技術的綜合數據采集，對污染信息充分提取，由于提取數據量巨大，對比分析難度大。針對以上問題，優化大數據對比分析法對采集數據進行處理[8]。首先將采集的數據源類型進行重新定義，通過對圖像信息以及數據源的提取，與標準污染圖像以及污染參數進行大數據對比，得出綜合監測結果[9]。基于海洋實際情況，存在逆流、順流、海風、能見度低等因素，對采集的大數據會產生“合理量化”影響[10]，當產生數據渦流時，監測數據分析量化會有所變化，其變化規律如圖2所示。endprint

數據渦流對污染數據分析造成很大的難度。因此需要對不同數據變相、數據矢量以及數據失衡度進行統一量化。

當數據渦流變換時，其監測數據分析量化變化規律如圖3所示。

數據渦流變換時，大數據對比分析難度會適當的降低， 因為其變化數據不考慮影響程度，因此將量化值與大數據監測參數進行平均修正。從而實現大數據對比分析。

2 測試與仿真實驗

2.1 測試準備

為了驗證智能圖像監測技術的可靠性，選擇不同海域、不同海洋環境下、不同仿真污染源的大小、不同監測范圍進行對比實驗，具體數據如表2所示。為了保護海洋環境，本次實驗采用的均為仿真污染源，通過測量監測辨識度進行對比分析，其監測辨識度等于發現污染源實驗次數與總實驗次數之比。

2.2 監測分辨率測試

在某固定海域，選擇1 000 km2監測區域，通過傳統海洋監測技術和智能圖像監測技術同時進行不同仿真污染源監測。記錄其監測結果后，更換另一固定海域，選擇不同流速，不同對比度環境下，再進行不同仿真污染源監測測試，記錄其監測結果。對監測結果進行檢測辨識度計算，得出辨識度?仿真污染源面積曲線如圖4所示。

通過辨識度?監測范圍曲線可得出，傳統海洋污染監測系統不適合對小污染源進行監測，當監測污染源小于300 m2時，其辨識度低于85%，當監測污染源小于200 m2時，其辨識度低于80%，辨識度受監測污染源大小限制程度大。智能圖像監測技術，監測污染源等于75 m2時，其辨識度高于90%，隨著污染源面積的增大，監測辨識率保持平衡。

2.3 監測時效性測試

在某固定海域，選擇1 000 km2仿真污染源，利用傳統海洋監測技術和智能圖像監測技術進行不同仿真污染源的監測時間測試。對各系統發現污染源時間進行記錄其監測結果，如圖5所示。

通過仿真污染源?監測時間曲線可得出，傳統海洋污染監測系統隨著污染源的減小，監測發現時間增大，當監測污染源小于300 m2時，監測時間達到10 min，當監測污染源小于150 m2時，監測時間達到15 min，屬于低效運行。智能圖像監測技術，監測污染源隨著污染源面積的減小，監測時間保持穩定，可在5 min之內發現污染目標，并進行及時通報。

3 結 語

本文提出的海洋環境污染信息智能圖像監測技術，采用智能數字遙感技術與水質傳感器技術進行污染數據采集，利用大數據對比分析法進行數據計算，實現海洋污染信息智能圖像監測技術。通過監測范圍測試、監測分辨率測試和監測時效性測試表明，提出的海洋環境污染信息智能圖像監測技術，能夠進行大范圍的海洋環境污染監測。

參考文獻

[1] 欒坤祥，馬秀冬.智能水下航行器對海洋重金屬污染狀況的檢測研究[J].艦船科學技術，2017，39（16）：187?189.

LUAN Kunxiang， MA Xiudong. Study on the detection of heavy metal pollution in ocean by intelligent underwater vehicle [J]. Ship science and technology， 2017， 39（16）： 187?189.

[2] 張美枝，李建榮.Android環境下的海洋環境監測數據智能處理系統設計[J].艦船科學技術，2016，38（20）：136?138.

ZHANG Meizhi， LI Jianrong. Design of intelligent processing system for monitoring data of marine environment under Android environment [J]. Ship science and technology， 2016， 38（20）： 136?138.

[3] 韋楊.基于TCS230的船舶智能化污染監測技術研究[J].艦船科學技術，2017，39（8）：145?147.

WEI Yang. Research on intelligent monitoring technology of ship pollution based on TCS230 [J]. Ship science and technology， 2017， 39（8）： 145?147.

[4] 于洋.視覺圖像與檢測技術相結合共創人工智能發展新視角[J].電子測量與儀器學報，2017，31（6）：819.

YU Yang. Visual image and detection technology combined to create a new perspective of the development of artificial intelligence [J]. Journal of electronic measurement and instrumentation， 2017， 31（6）： 819.

[5] 胡利永，魏玉艷，鄭堤，等.基于機器視覺技術的智能投餌方法研究[J].熱帶海洋學報，2015，34（4）：90?95.

HU Liyong， WEI Yuyan， ZHENG Di， et al. Research on intelligent bait casting method based on machine vision technology [J]. Journal of tropical oceanography， 2015， 34（4）： 90?95.endprint

[6] 王軍鋒，鄧豪，魏育成，等.無人機海洋觀測系統集成技術研究[J].艦船科學技術，2017，39（9）：157?162.

WANG Junfeng， DENG Hao， WEI Yucheng， et al. UAV onboard ocean observing system [J]. Ship science and technology， 2017， 39（9）： 157?162.

[7] 馮翔宇.面向云計算的海洋環境監測系統訪問控制方法研究[J].艦船科學技術，2016，38（16）：136?138.

FENG Xiangyu. Research on access control method for cloud computing marine environment monitoring system [J]. Ship science and technology， 2016， 38（16）： 136?138.

[8] 楊秀芳.一種基于無線傳感器網絡的海洋信息智能采集方法[J].艦船科學技術，2016，38（24）：145?147.

YANG Xiufang. The method for marine information intelligent acquisition based on wireless sensor network [J]. Ship science and technology， 2016， 38（24）： 145?147.

[9] 蔡紅梅，張轉芳，張光利.基于圖像處理的螺栓松動智能監測方法研究[J].計算機仿真，2015，32（10）：94?96.

CAI Hongmei， ZHANG Zhuanfang， ZHANG Guangli. Unmanned aerial vehicle （UAV） is loose monitoring method based on image monitoring research [J]. Computer simulation， 2015， 32（10）： 94?96.

[10] 楊禎明.基于海洋環境數據的物聯網動態監測系統設計[J].艦船科學技術，2017，39（6）：153?155.

YANG Zhenming. Design of dynamic monitoring system for Internet of Things based on marine environment data [J]. Ship science and technology， 2017， 39（6）： 153?155.endprint