溫玉波

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

關鍵詞： 海洋污染； 智能監(jiān)測； 圖像監(jiān)測； 多層分析技術； 大數(shù)據(jù)分析； 數(shù)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(fā)展，人類與海洋的關系越來越密切，對海洋環(huán)境的保護也越發(fā)重要。傳統(tǒng)海洋監(jiān)測技術主要適應近海環(huán)境監(jiān)測，監(jiān)測范圍短，采用低維度監(jiān)測技術，監(jiān)測精度低，對污染源監(jiān)測時間長，發(fā)現(xiàn)某處存在污染源后由于監(jiān)測時間較長，污染源可能已漂到另一區(qū)域[1]，對此，提出海洋環(huán)境污染信息智能圖像監(jiān)測技術。實驗結果表明，提出的海洋環(huán)境污染信息智能圖像監(jiān)測技術，能夠?qū)崿F(xiàn)全覆蓋的高精度海洋污染監(jiān)測，并可以提取海洋環(huán)境污染樣品信息。

1 海洋環(huán)境污染信息智能圖像監(jiān)測技術

1.1 引入智能數(shù)字遙感技術

引入智能數(shù)字遙感技術是依托遙感衛(wèi)星，構建智慧型數(shù)據(jù)模塊實現(xiàn)海洋環(huán)境污染的監(jiān)測，通過多層數(shù)據(jù)庫進行篩選分析獲得可用信息[2]。智能數(shù)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(wèi)星對海洋環(huán)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(jiān)測信息進行數(shù)字化表示[3]，依托海洋對象數(shù)據(jù)庫、海洋環(huán)境物理場分析數(shù)據(jù)庫進行處理。數(shù)據(jù)傳遞到分析顯示層，進行數(shù)據(jù)分析。分析顯示層對海洋信息表示層的數(shù)據(jù)信息進行接納，利用數(shù)據(jù)鏈路模式、圖像數(shù)據(jù)模塊以及數(shù)據(jù)挖掘技術等進行圖像處理[4]，智能數(shù)據(jù)遙感數(shù)據(jù)庫結構流程如圖1所示。

海洋衛(wèi)星圖像數(shù)據(jù)庫主要作用是對衛(wèi)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(shù)據(jù)庫主要作用是對海洋環(huán)境物理場流形，海洋物理場流形內(nèi)嵌維度，低微分布分析，海洋對象特征提取[6]。

1.2 利用水質(zhì)傳感器采集污染源數(shù)據(jù)

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

水質(zhì)立體傳感裝置包含立體感應原件，能夠同時對多個監(jiān)測源進行監(jiān)測。對集成pH值監(jiān)測裝置、海水溶解氧監(jiān)測裝置、海水電導率監(jiān)測裝置以及海水溫度監(jiān)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(tǒng)中[7]。

1.3 優(yōu)化大數(shù)據(jù)對比分析法

依托智能數(shù)字遙感技術和水質(zhì)傳感器監(jiān)測技術的綜合數(shù)據(jù)采集，對污染信息充分提取，由于提取數(shù)據(jù)量巨大，對比分析難度大。針對以上問題，優(yōu)化大數(shù)據(jù)對比分析法對采集數(shù)據(jù)進行處理[8]。首先將采集的數(shù)據(jù)源類型進行重新定義，通過對圖像信息以及數(shù)據(jù)源的提取，與標準污染圖像以及污染參數(shù)進行大數(shù)據(jù)對比，得出綜合監(jiān)測結果[9]?；诤Ｑ髮嶋H情況，存在逆流、順流、海風、能見度低等因素，對采集的大數(shù)據(jù)會產(chǎn)生“合理量化”影響[10]，當產(chǎn)生數(shù)據(jù)渦流時，監(jiān)測數(shù)據(jù)分析量化會有所變化，其變化規(guī)律如圖2所示。endprint

數(shù)據(jù)渦流對污染數(shù)據(jù)分析造成很大的難度。因此需要對不同數(shù)據(jù)變相、數(shù)據(jù)矢量以及數(shù)據(jù)失衡度進行統(tǒng)一量化。

當數(shù)據(jù)渦流變換時，其監(jiān)測數(shù)據(jù)分析量化變化規(guī)律如圖3所示。

數(shù)據(jù)渦流變換時，大數(shù)據(jù)對比分析難度會適當?shù)慕档停?因為其變化數(shù)據(jù)不考慮影響程度，因此將量化值與大數(shù)據(jù)監(jiān)測參數(shù)進行平均修正。從而實現(xiàn)大數(shù)據(jù)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(jiān)測技術的可靠性，選擇不同海域、不同海洋環(huán)境下、不同仿真污染源的大小、不同監(jiān)測范圍進行對比實驗，具體數(shù)據(jù)如表2所示。為了保護海洋環(huán)境，本次實驗采用的均為仿真污染源，通過測量監(jiān)測辨識度進行對比分析，其監(jiān)測辨識度等于發(fā)現(xiàn)污染源實驗次數(shù)與總實驗次數(shù)之比。

2.2 監(jiān)測分辨率測試

在某固定海域，選擇1 000 km2監(jiān)測區(qū)域，通過傳統(tǒng)海洋監(jiān)測技術和智能圖像監(jiān)測技術同時進行不同仿真污染源監(jiān)測。記錄其監(jiān)測結果后，更換另一固定海域，選擇不同流速，不同對比度環(huán)境下，再進行不同仿真污染源監(jiān)測測試，記錄其監(jiān)測結果。對監(jiān)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(jiān)測范圍曲線可得出，傳統(tǒng)海洋污染監(jiān)測系統(tǒng)不適合對小污染源進行監(jiān)測，當監(jiān)測污染源小于300 m2時，其辨識度低于85%，當監(jiān)測污染源小于200 m2時，其辨識度低于80%，辨識度受監(jiān)測污染源大小限制程度大。智能圖像監(jiān)測技術，監(jiān)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(jiān)測辨識率保持平衡。

2.3 監(jiān)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(tǒng)海洋監(jiān)測技術和智能圖像監(jiān)測技術進行不同仿真污染源的監(jiān)測時間測試。對各系統(tǒng)發(fā)現(xiàn)污染源時間進行記錄其監(jiān)測結果，如圖5所示。

通過仿真污染源?監(jiān)測時間曲線可得出，傳統(tǒng)海洋污染監(jiān)測系統(tǒng)隨著污染源的減小，監(jiān)測發(fā)現(xiàn)時間增大，當監(jiān)測污染源小于300 m2時，監(jiān)測時間達到10 min，當監(jiān)測污染源小于150 m2時，監(jiān)測時間達到15 min，屬于低效運行。智能圖像監(jiān)測技術，監(jiān)測污染源隨著污染源面積的減小，監(jiān)測時間保持穩(wěn)定，可在5 min之內(nèi)發(fā)現(xiàn)污染目標，并進行及時通報。

3 結 語

本文提出的海洋環(huán)境污染信息智能圖像監(jiān)測技術，采用智能數(shù)字遙感技術與水質(zhì)傳感器技術進行污染數(shù)據(jù)采集，利用大數(shù)據(jù)對比分析法進行數(shù)據(jù)計算，實現(xiàn)海洋污染信息智能圖像監(jiān)測技術。通過監(jiān)測范圍測試、監(jiān)測分辨率測試和監(jiān)測時效性測試表明，提出的海洋環(huán)境污染信息智能圖像監(jiān)測技術，能夠進行大范圍的海洋環(huán)境污染監(jiān)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(huán)境下的海洋環(huán)境監(jiān)測數(shù)據(jù)智能處理系統(tǒng)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(jiān)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(chuàng)人工智能發(fā)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(tǒng)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(huán)境監(jiān)測系統(tǒng)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(wǎng)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(zhuǎn)芳，張光利.基于圖像處理的螺栓松動智能監(jiān)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(huán)境數(shù)據(jù)的物聯(lián)網(wǎng)動態(tài)監(jiān)測系統(tǒng)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