海洋环境污染信息智能图像监测技术研究

温玉波

摘 要： 传统海洋环境污染监测技术虽然可以进行海洋污染检测，但存在监测范围短、监测精度低以及监测时间长等不足，针对此问题提出基于数字遥感多层分析的海洋环境污染信息智能图像监测技术。通过引入智能数字遥感多层分析技术，对海洋水质进行多维度监测；采用大数据分析法对采集数据进行计算，完成海洋环境污染监测分析。实验结果表明，改进图像监测技术能够实现全覆盖的高精度海洋污染监测，并可以提取海洋环境污染样品信息。

关键词： 海洋污染； 智能监测； 图像监测； 多层分析技术； 大数据分析； 数字遥感

中图分类号： TN911.73?34； TN913 文献标识码： A 文章编号： 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

随着科学技术的发展，人类与海洋的关系越来越密切，对海洋环境的保护也越发重要。传统海洋监测技术主要适应近海环境监测，监测范围短，采用低维度监测技术，监测精度低，对污染源监测时间长，发现某处存在污染源后由于监测时间较长，污染源可能已漂到另一区域[1]，对此，提出海洋环境污染信息智能图像监测技术。实验结果表明，提出的海洋环境污染信息智能图像监测技术，能够实现全覆盖的高精度海洋污染监测，并可以提取海洋环境污染样品信息。

1 海洋环境污染信息智能图像监测技术

1.1 引入智能数字遥感技术

引入智能数字遥感技术是依托遥感卫星，构建智慧型数据模块实现海洋环境污染的监测，通过多层数据库进行筛选分析获得可用信息[2]。智能数字遥感技术结构包括图像层、海洋信息表示层及海洋分析显示层。图像层作用是利用遥感卫星对海洋环境进行遥感识别，将拍摄图片进行简单处理打包，通过无线传输送到海洋信息处理界面。海洋信息处理层将图像层所监测信息进行数字化表示[3]，依托海洋对象数据库、海洋环境物理场分析数据库进行处理。数据传递到分析显示层，进行数据分析。分析显示层对海洋信息表示层的数据信息进行接纳，利用数据链路模式、图像数据模块以及数据挖掘技术等进行图像处理[4]，智能数据遥感数据库结构流程如图1所示。

海洋卫星图像数据库主要作用是对卫星图像处理分割、对象识别，构建多维图像组织，计算图像物理间距[5]。海洋对象数据库主要作用是对海洋环境物理场流形，海洋物理场流形内嵌维度，低微分布分析，海洋对象特征提取[6]。

1.2 利用水质传感器采集污染源数据

水质传感器作为海洋环境污染监测技术重要手段之一，本文利用水质传感器进行海水pH值监测、海水溶解氧监测、海水电导率监测、海水温度监测。水质传感器包含传感器及对应作用如表1所示。水质传感器采用特种立体水质传感装置，通过计算机图像显示系统完成监测图像处理。

水质立体传感装置包含立体感应原件，能够同时对多个监测源进行监测。对集成pH值监测装置、海水溶解氧监测装置、海水电导率监测装置以及海水温度监测装置进行综合信号的采集。传输装置将感应信号，以脉冲电流形式进行无线传输，显示在计算机图像系统中[7]。

1.3 优化大数据对比分析法

依托智能数字遥感技术和水质传感器监测技术的综合数据采集，对污染信息充分提取，由于提取数据量巨大，对比分析难度大。针对以上问题，优化大数据对比分析法对采集数据进行处理[8]。首先将采集的数据源类型进行重新定义，通过对图像信息以及数据源的提取，与标准污染图像以及污染参数进行大数据对比，得出综合监测结果[9]。基于海洋实际情况，存在逆流、顺流、海风、能见度低等因素，对采集的大数据会产生“合理量化”影响[10]，当产生数据涡流时，监测数据分析量化会有所变化，其变化规律如图2所示。endprint

数据涡流对污染数据分析造成很大的难度。因此需要对不同数据变相、数据矢量以及数据失衡度进行统一量化。

当数据涡流变换时，其监测数据分析量化变化规律如图3所示。

数据涡流变换时，大数据对比分析难度会适当的降低， 因为其变化数据不考虑影响程度，因此将量化值与大数据监测参数进行平均修正。从而实现大数据对比分析。

2 测试与仿真实验

2.1 测试准备

为了验证智能图像监测技术的可靠性，选择不同海域、不同海洋环境下、不同仿真污染源的大小、不同监测范围进行对比实验，具体数据如表2所示。为了保护海洋环境，本次实验采用的均为仿真污染源，通过测量监测辨识度进行对比分析，其监测辨识度等于发现污染源实验次数与总实验次数之比。

2.2 监测分辨率测试

在某固定海域，选择1 000 km2监测区域，通过传统海洋监测技术和智能图像监测技术同时进行不同仿真污染源监测。记录其监测结果后，更换另一固定海域，选择不同流速，不同对比度环境下，再进行不同仿真污染源监测测试，记录其监测结果。对监测结果进行检测辨识度计算，得出辨识度?仿真污染源面积曲线如图4所示。

通过辨识度?监测范围曲线可得出，传统海洋污染监测系统不适合对小污染源进行监测，当监测污染源小于300 m2时，其辨识度低于85%，当监测污染源小于200 m2时，其辨识度低于80%，辨识度受监测污染源大小限制程度大。智能图像监测技术，监测污染源等于75 m2时，其辨识度高于90%，随着污染源面积的增大，监测辨识率保持平衡。

2.3 监测时效性测试

在某固定海域，选择1 000 km2仿真污染源，利用传统海洋监测技术和智能图像监测技术进行不同仿真污染源的监测时间测试。对各系统发现污染源时间进行记录其监测结果，如图5所示。

通过仿真污染源?监测时间曲线可得出，传统海洋污染监测系统随着污染源的减小，监测发现时间增大，当监测污染源小于300 m2时，监测时间达到10 min，当监测污染源小于150 m2时，监测时间达到15 min，属于低效运行。智能图像监测技术，监测污染源随着污染源面积的减小，监测时间保持稳定，可在5 min之内发现污染目标，并进行及时通报。

3 结 语

本文提出的海洋环境污染信息智能图像监测技术，采用智能数字遥感技术与水质传感器技术进行污染数据采集，利用大数据对比分析法进行数据计算，实现海洋污染信息智能图像监测技术。通过监测范围测试、监测分辨率测试和监测时效性测试表明，提出的海洋环境污染信息智能图像监测技术，能够进行大范围的海洋环境污染监测。

参考文献

[1] 栾坤祥，马秀冬.智能水下航行器对海洋重金属污染状况的检测研究[J].舰船科学技术，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] 张美枝，李建荣.Android环境下的海洋环境监测数据智能处理系统设计[J].舰船科学技术，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] 韦杨.基于TCS230的船舶智能化污染监测技术研究[J].舰船科学技术，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.视觉图像与检测技术相结合共创人工智能发展新视角[J].电子测量与仪器学报，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，魏玉艳，郑堤，等.基于机器视觉技术的智能投饵方法研究[J].热带海洋学报，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] 王军锋，邓豪，魏育成，等.无人机海洋观测系统集成技术研究[J].舰船科学技术，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] 冯翔宇.面向云计算的海洋环境监测系统访问控制方法研究[J].舰船科学技术，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] 杨秀芳.一种基于无线传感器网络的海洋信息智能采集方法[J].舰船科学技术，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] 蔡红梅，张转芳，张光利.基于图像处理的螺栓松动智能监测方法研究[J].计算机仿真，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] 杨祯明.基于海洋环境数据的物联网动态监测系统设计[J].舰船科学技术，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