基于深度學(xué)習(xí)的湖泊水面漂浮物識(shí)別技術(shù)研究

□邵明振 于銀山 蔣令杰 瞿 燕

近年來(lái)，隨著水面漂浮物越來(lái)越多，我國(guó)也發(fā)生了很多水污染問(wèn)題，已經(jīng)嚴(yán)重影響到人民的健康和生活質(zhì)量。目前，湖泊水面上的漂浮物大多數(shù)是一些塑料制品，同時(shí)也包括一些樹(shù)木的飄落的落葉以及樹(shù)枝，這些漂浮物都是不易被溶解和稀釋的物品[1]。目前，人工清理還是湖泊水面清理任務(wù)的主要方式，但是由于各種主觀因素的影響，這些因素主要是湖泊所處的地理環(huán)境的惡劣以及湖泊所覆蓋的區(qū)域太大，從而引起了湖泊水面漂浮物清理的困難而且采用人工清理的方式效率頗低。當(dāng)然，目前對(duì)于湖泊水面漂浮物的清理方式大多數(shù)還是采用人工定時(shí)去清理，通過(guò)這種的清理方法不僅需要大量的工作，而且還消耗大量的物力和財(cái)力，最重要的是，還可能會(huì)對(duì)水環(huán)境造成多次污染。同時(shí)還會(huì)給在水面工作的清潔人員帶來(lái)健康問(wèn)題。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，深度學(xué)習(xí)方法成為識(shí)別水面漂浮物的一個(gè)主要研究方向。本文介紹的就是基于深度學(xué)習(xí)的湖泊水面漂浮物識(shí)別的一種方法，該方法具有學(xué)習(xí)能力強(qiáng)、處理效率高、節(jié)能環(huán)保等優(yōu)點(diǎn)。

一、水面漂浮物智能監(jiān)控技術(shù)研究

(一)漂浮物檢測(cè)。過(guò)去監(jiān)視水面漂浮物的方式主要是使用傳感器和計(jì)算機(jī)視覺(jué)。常用算法包括基于圖像分割的技術(shù)，概率方法和啟發(fā)式方法。到目前為止，針對(duì)城市地區(qū)的自然水資源問(wèn)題進(jìn)行的調(diào)查非常有限。然而，有許多技術(shù)需要詳細(xì)研究以找到其在此特定問(wèn)題上的優(yōu)點(diǎn)。基于特征的算法方法是計(jì)算機(jī)視覺(jué)應(yīng)用中非常流行的技術(shù)。通過(guò)使用特征表示減少圖像的維數(shù)可以減少性能問(wèn)題并提高準(zhǔn)確性。但是這種方法仍在研究中，并且進(jìn)行了許多研究以從圖像中提取的原始特征集中優(yōu)化或選擇特征。為此許多學(xué)者進(jìn)行了研究以減少這些冗余特征，這些冗余特征可能是特定多類(lèi)圖像數(shù)據(jù)集中所有特征集所共有的。遺傳算法對(duì)于此目的非常有用，并且是特征子集優(yōu)化的常用工具。對(duì)于這里考慮的特定問(wèn)題，遺傳算法的另一個(gè)重要優(yōu)點(diǎn)是能夠處理高度可變的數(shù)據(jù)集。兩種非常常見(jiàn)的實(shí)現(xiàn)包括filter和wrapper方法，其中filter使用未分類(lèi)的數(shù)據(jù)，而其他使用已分類(lèi)的數(shù)據(jù)。預(yù)標(biāo)記或先前分類(lèi)的歷史數(shù)據(jù)的使用通常在有監(jiān)督的機(jī)器學(xué)習(xí)方法下進(jìn)行分類(lèi)，而未標(biāo)記的原始數(shù)據(jù)的使用則提供了無(wú)監(jiān)督的方法。

(二)漂浮物特征提取。由于湖泊水面上的漂浮物的形狀大小不一，所以在進(jìn)行圖像處理的過(guò)程中水面漂浮物的特征選擇和提取顯得尤為重要。這是因?yàn)閷?duì)于圖像中的目標(biāo)而言，目標(biāo)的特征包含了目標(biāo)信息，該信息對(duì)于圖像的分類(lèi)十分重要[2]。常見(jiàn)的圖像特征主要是指它的自然特征，包括有圖像的紋理、色彩和亮度等特征。特別是在湖泊水面環(huán)境復(fù)雜多變的情況下，簡(jiǎn)單有效地將漂浮物的特征提取出來(lái)是尤為重要的。同時(shí)還要與干擾物區(qū)分開(kāi)來(lái)[3],因此為了提高水面漂浮物識(shí)別的準(zhǔn)確性選擇合適的特征是十分重要的[4]。由于水面漂浮物的形狀不一，選擇紋理特征無(wú)法有效地提取和區(qū)分漂浮物和干擾物，所以不會(huì)將紋理特征作為一個(gè)識(shí)別水面漂浮物的方法。由此，本文主要介紹兩種針對(duì)于水面漂浮物的識(shí)別方法。一種是采用顏色作為特征，另一種是將區(qū)域和邊緣輪廓作為特征，將這兩種特征對(duì)水面漂浮物進(jìn)行描述并作為識(shí)別的基礎(chǔ)。

1.水面漂浮物顏色特征提取。圖像顏色特征是目前應(yīng)用較為廣泛且簡(jiǎn)單有效的一種圖像特征。一般情況下，圖像的顏色特征與圖像中包含的場(chǎng)景和元素有關(guān)。對(duì)于水面漂浮物而言，它的顏色特征與當(dāng)前水面所處的環(huán)境因素相關(guān)，與水面漂浮物本身的性質(zhì)相關(guān)性不大，所以通過(guò)使用顏色特征提取可以有效地將水面漂浮物和干擾因素區(qū)分。在提取水面漂浮物的顏色特征后，需要選擇合適的顏色空間來(lái)描述其特征，通過(guò)建立相應(yīng)的模型將其描述出來(lái)。顏色直方圖和顏色矩是兩種常用的顏色特征的表示方法。其中，顏色直方圖是描述圖像中不同的像素的數(shù)值分布情況，但是卻不能確定每種顏色所在的位置信息。圖像的顏色矩可以表征一幅圖像內(nèi)的顏色分布，顏色矩中的一階矩、二階矩和三階矩是在圖像顏色矩特征提取時(shí)的常用手段，這三種方式可以描述圖像中的顏色分布。一般情況下，水面環(huán)境中存在的許多物理現(xiàn)象，其中包括水面反射光照、水面產(chǎn)生波紋等現(xiàn)象，它們的顏色信息分布均勻且簡(jiǎn)單。因此，對(duì)于湖泊水面漂浮物的顏色特征提取顏色矩是一種較為精確的方法。

2.水面漂浮物邊緣和區(qū)域特征提取。圖像的邊緣是指目標(biāo)邊緣像素值發(fā)生快速變化的區(qū)域，或者說(shuō)是像素值發(fā)生突變的區(qū)域。邊緣特征的常見(jiàn)的描述方式包括目標(biāo)邊緣的周長(zhǎng)、形狀和直徑。對(duì)于區(qū)域特征來(lái)說(shuō)，區(qū)域特征需要考慮到整個(gè)圖像形狀的區(qū)域，常用的方法是無(wú)關(guān)矩方法。一般情況下，湖泊水面漂浮物相對(duì)于水面環(huán)境的干擾它的邊緣特征顯得尤為清晰。因此，對(duì)于湖泊水面漂浮物的邊緣和區(qū)域特征提取，可以有效地區(qū)分漂浮物與干擾因素。

(三)漂浮物識(shí)別和分類(lèi)。圖像目標(biāo)識(shí)別是指通過(guò)計(jì)算機(jī)的處理和判斷來(lái)實(shí)現(xiàn)人的視覺(jué)的功能，它的研究目標(biāo)就是為了讓計(jì)算機(jī)能夠從復(fù)雜的圖像中認(rèn)知和理解周?chē)h(huán)境的能力。目前，應(yīng)用廣泛的目標(biāo)識(shí)別算法主要分為兩類(lèi)，一類(lèi)是R-CNN系算法，其中包括有Faster R-CNN算法、R-CNN算法等，這一類(lèi)的算法需要先確定目標(biāo)的位置，通過(guò)算法生成目標(biāo)的候選框，然后再對(duì)其進(jìn)行分類(lèi)處理。另一類(lèi)是諸如SSD和Yolo這類(lèi)的算法，這種類(lèi)型算法是使用一個(gè)卷積神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)不同的目標(biāo)的位置與屬性。兩種方法相比而言，第一類(lèi)的方法相比于第二類(lèi)在精確度上比較高，而在速度方面，第二類(lèi)算法明顯快于第一類(lèi)。近些年，針對(duì)于水面漂浮物的識(shí)別方法層出不窮，其最終的研究目的都是為了更加精確地將漂浮物進(jìn)行分類(lèi)處理。

二、結(jié)語(yǔ)

隨著人類(lèi)社會(huì)的不斷發(fā)展，人們對(duì)于環(huán)境的保護(hù)也越來(lái)越重視，湖泊水面的漂浮物不僅影響美觀，還會(huì)對(duì)水環(huán)境造成一定的污染，因此對(duì)于水面漂浮物的清理具有重要意義。目前清理水面漂浮物的方法還是依靠人工去打撈清理，不能實(shí)現(xiàn)脫離人工操作對(duì)水面漂浮物的自主識(shí)別和清理，導(dǎo)致清理水面漂浮物的成本高，效率低下。而基于深度學(xué)習(xí)的方法對(duì)湖泊水面漂浮物進(jìn)行識(shí)別和分類(lèi)，可以解決效率低、成本高的問(wèn)題，通過(guò)計(jì)算機(jī)進(jìn)行計(jì)算處理，可以快速識(shí)別和分類(lèi)湖泊水面的漂浮物。相比于清理機(jī)器人與人工清理漂浮物，可以體現(xiàn)出深度學(xué)習(xí)方法在目標(biāo)識(shí)別領(lǐng)域的強(qiáng)大之處。隨著科技水平的不斷提高，深度學(xué)習(xí)技術(shù)在圖像處理方面的應(yīng)用也在不斷的發(fā)展，相信在不久的將來(lái)，深度學(xué)習(xí)方法在水面漂浮物識(shí)別和分類(lèi)方向會(huì)更加成熟，功能也更加完善，為我國(guó)湖泊水環(huán)境的保護(hù)以及其他領(lǐng)域作出重大貢獻(xiàn)。