一种基于人工智能的无人机海面溢油位置检测方法与流程

本发明属于无人机遥感与图像处理，具体涉及一种基于跨尺度特征聚合的无人机海面溢油旋转检测方法及系统。

背景技术：

1、海洋溢油事故对脆弱的海洋生态系统及沿海经济构成毁灭性威胁，其实时监测与精准定位在应急响应工程中具有极高的迫切性。目前，海面溢油的宏观监测主要依赖传统的合成孔径雷达（synthetic aperture radar, sar），其具备全天候广域监测能力。然而，传统的sar技术存在固有的应用局限性，在低风速海况下极易受环境噪声干扰从而产生误报。同时，传统通用做法难以实现对油膜、乳化物等多类型污染物的细粒度区分，无法完全满足灾害应急清理对精细化定位的客观市场需求。

2、针对上述需求与痛点，近年来行业内引入了依托无人机平台的低空光学遥感技术，凭借其高空间与时间分辨率优势，逐渐成为溢油精细化监测的核心手段。为了实现无人机溢油图像的自动化判读，现有的深度学习检测方法主要分为像素级语义分割模型和组合式目标检测架构两类。其中，基于像素级语义分割的方法通过引入轻量化适配器机制提升了模型对小样本溢油特征的表征能力，但由于该类方法的像素级分割具有固定的感受野，导致其难以显式建模溢油随风向任意扩散时的边界不确定性。另一方面，基于组合式目标检测架构的方法主要利用yolo等网络在动态海浪干扰下执行溢油边界划分，虽然在一定程度上提升了监测效率，但此类方法通常依赖复杂的模块级联，造成计算开销庞大，致使模型难以在无人机算力受限的实际应用场景中实现检测精度与计算效率的有效平衡。

3、但是，考虑到海面溢油受风浪拖拽呈现出任意朝向的不规则扩散形态，现有检测模型大多依赖正交的水平边界框，该特定架构在包裹倾斜的非定型流体时会不可避免地引入海量水面背景噪声，极易造成相邻油污实例的特征重叠与边界失真。同时，现有基于常规编码器的方法在层级特征传递中极易导致高频信息的特征稀释，使得浅层微小油膜的边缘细节被海浪噪声彻底淹没。此外，在真实海面场景中，实际溢油类别分布呈现极端的长尾效应，广域水面及厚重油污占据主导，而早期薄油膜及设施样本极度稀缺，现有模型普遍缺乏针对极端类别不平衡的有效补偿机制，易导致尾部关键污染源的漏检。综上，面对复杂海况下扩散方向任意、边界模糊且类别极度不平衡的溢油目标，现有依赖水平边界框与常规特征传递的检测模型难以实现对非定型流体物理几何轮廓的高精度紧凑回归，模型的边界感知能力与抗干扰鲁棒性依然严重受限。

技术实现思路

1、为了解决面对复杂海况下溢油目标扩散方向任意、边界模糊且类别极度不平衡，导致现有检测模型难以实现高精度紧凑定位和有效抗干扰的问题，本发明提供了一种基于跨尺度特征聚合的无人机海面溢油旋转检测方法及系统。

2、为了实现上述目的，本发明提供如下技术方案：

3、一种基于跨尺度特征聚合的无人机海面溢油旋转检测方法，包括：

4、获取待检测的无人机低空海面溢油图像；通过骨干网络对所述海面溢油图像进行特征提取，得到层级特征金字塔，所述层级特征金字塔包括深层语义特征和浅层细节特征；利用包含语义引导融合模块的跨尺度特征聚合模块对所述深层语义特征和浅层细节特征进行跨尺度聚合，通过多尺度交叉注意力机制以深层全局语义作为空间掩码抑制背景噪声，得到聚合特征图；

5、将所述聚合特征图输入至解耦的旋转检测头，并行预测并输出溢油目标的类别概率分布以及包含角度信息的旋转边界框参数；

6、根据所述类别概率分布和包含角度信息的旋转边界框参数，确定所述无人机低空海面溢油图像中溢油目标的检测结果。

7、本发明还提供一种基于跨尺度特征聚合的无人机海面溢油旋转检测系统，包括：

8、特征提取模块，用于获取待检测的无人机低空海面溢油图像；通过骨干网络对所述海面溢油图像进行特征提取，得到层级特征金字塔，所述层级特征金字塔包括深层语义特征和浅层细节特征；

9、特征聚合模块，用于利用包含语义引导融合模块的跨尺度特征聚合模块对所述深层语义特征和浅层细节特征进行跨尺度聚合，通过多尺度交叉注意力机制以深层全局语义作为空间掩码抑制背景噪声，得到聚合特征图；

10、结果识别模块，用于将所述聚合特征图输入至解耦的旋转检测头，并行预测并输出溢油目标的类别概率分布以及包含角度信息的旋转边界框参数；根据所述类别概率分布和包含角度信息的旋转边界框参数，确定所述无人机低空海面溢油图像中溢油目标的检测结果。

11、本发明提供的一种基于跨尺度特征聚合的无人机海面溢油旋转检测方法及系统具有以下有益效果：

12、由于本发明提供的一种基于跨尺度特征聚合的无人机海面溢油旋转检测方法通过跨尺度特征聚合与旋转回归策略，有效解决了复杂海况下非定型流体目标边界模糊与扩散方向任意的难题。一方面利用包含语义引导融合模块的跨尺度特征聚合模块，通过多尺度交叉注意力机制以深层全局语义作为空间掩码，自适应地锐化浅层微观油膜的模糊边界并强效压制海浪背景噪声，从而保护了极薄油膜的高频边缘，显著降低了复杂海况下的误报率；另一方面采用旋转边界框替代传统水平框，结合角度回归机制使边界框能够沿油污的实际扩散方向发生自适应倾斜，大幅减少了检测框内的无关海水背景，实现了对具有方向任意性的不规则流体目标的高精度紧凑贴合。

13、此外，本发明提供的一种基于跨尺度特征聚合的无人机海面溢油旋转检测方法在网络优化阶段引入了基于类别数量倒数的加权策略进行分类梯度补偿。该机制通过对稀有类别赋予更高的惩罚权重，有效纠正了模型在拟合长尾数据时对多数类的拟合偏好，不仅强制网络去学习稀缺类别的特征，改善了极端类别不平衡带来的漏检问题，还显著提升了微小稀缺溢油目标（如海上设施或局部乳化物）的检出能力与模型召回率。

1.基于跨尺度特征聚合的无人机海面溢油旋转检测方法，其特征在于，包括：

2.根据权利要求1所述的基于跨尺度特征聚合的无人机海面溢油旋转检测方法，其特征在于，通过构建的跨尺度聚合与旋转回归网络对所述海面溢油图像进行处理，所述跨尺度聚合与旋转回归网络包括依次连接的深度卷积骨干网络、跨尺度特征聚合模块和解耦的旋转检测头；所述跨尺度特征聚合模块包含级联的多个语义引导融合模块；

3.根据权利要求2所述的基于跨尺度特征聚合的无人机海面溢油旋转检测方法，其特征在于，基于交叉注意力机制将所述高度方向向量和宽度方向向量进行融合处理，生成注意力掩码包括：

4.根据权利要求3所述的基于跨尺度特征聚合的无人机海面溢油旋转检测方法，其特征在于，将经过深度可分离卷积提取局部边缘信息后的所述浅层细节特征与所述注意力掩码融合，得到融合增强特征包括：

5.根据权利要求2所述的基于跨尺度特征聚合的无人机海面溢油旋转检测方法，其特征在于，所述跨尺度特征聚合模块在多尺度层级特征图之间分三个渐进阶段完成全局的跨尺度特征复用，所述得到聚合特征图包括：

6.根据权利要求1所述的基于跨尺度特征聚合的无人机海面溢油旋转检测方法，其特征在于，所述基于解耦的旋转检测头对所述聚合特征图进行处理时，网络优化的总损失函数包括加权分类损失和回归总损失；

7.基于跨尺度特征聚合的无人机海面溢油旋转检测系统，其特征在于，包括：