CN114842250B 一种朗缪尔环流的观测控制方法与系统 （中山大学）

本发明公开了一种朗缪尔环流的观测控制无人机集群对朗缪尔环流区域进行图像采集与2获取待训练图像，所述待训练图像包括互联网中的朗缪尔环流气泡使用基于迁移学习的YOLOv5算法对训练集图像进行深度学习，根据所述朗缪尔环流气泡痕识别模型对采集的图像进行图像识别所述使用基于迁移学习的YOLOv5算法对训练集图像进行深度学习，构针对coco数据集在YOLOv5上预训练好的目标检测模型进行知接着再对YOLOv5朗缪尔环流气泡痕识别模型进行知识迁移，训练所述根据所述朗缪尔环流气泡痕识别模型对采集的图像进行图像识别根据所述色彩还原矩阵集合对采集的图像进行色3根据所述无人机的引导，控制所述无人艇到达两条带状气泡痕的艇从当前位置的水面以及水下释放染色示踪剂。通过无人艇数据处理平台对存储的图像进行数据处将滤波窗口滑动至目标像素点，并计算所述像素点的邻域像素点平对去噪后的灰度图像进行全局二值化处理后再进行canny边缘检测，检测到气泡痕的行观测的模式以及沿染色条带航行路径进行设置一个分区参考距离，根据大于所述分区参考距离的分区数目确找出偏移后第一条不穿越气泡痕迹区域的线段，并将将初始点与目标凸包点分别与目标圆点相连接，得到一条从初始点将第一路径和第二路径的交点分别与初始点和目标凸包点相连所述沿垂直气泡痕路径进行观测的模式包括由无人机在空中提供大范围气泡痕的实时图像，利用边缘检测对气泡痕边缘进行检4根据无人机的实时观测对无人艇的观测路径进行实时规划，当气泡痕出现位置变化所述沿染色条带航行路径进行观测的模式包括采用模糊控制规则对摄像头支架底部的伺服舵机的转动进建立无人机探测模型以确定探测的范围及相应的几何位置根据所述无人机探测模型以及所述图像传感器模型，获取到朗缪获得了朗缪尔环流生成区域的区域全景图后，通过几何关系估算7.一种用于实现如权利要求1-6中任一项所述的朗缪尔环流的观测控制方法的系统，第三模块，用于以所述无人艇所在处为起点，配置无人机跟5[0004]朗缪尔环流是发生在上层海洋中纵向的螺旋状涡旋运动，其轴向与风向基本一[0005]目前的朗缪尔环流观测方法还停留在使用载人船舶携带测量设备进行航测的传6无人艇从当前位置的水面以及水下释放染色示[0020]通过无人艇数据处理平台对存储的图像进行数据处理后，规划无人机的飞行路[0037]可选地，所述根据所述朗缪尔环流气泡痕识别模型对采7[0045]对去噪后的灰度图像进行全局二值化处理后再进行canny边缘检测，检测到气泡沿垂直气泡痕路径进行观测的模式以及沿染色条带航行路89[0088]图7为本发明实施例提供的染色朗缪尔环流气泡痕识别模型多重迁移学习过程流无人艇从当前位置的水面以及水下释放染色示[0111]通过无人艇数据处理平台对存储的图像进行数据处理后，规划无人机的飞行路[0128]可选地，所述根据所述朗缪尔环流气泡痕识别模型对采[0136]对去噪后的灰度图像进行全局二值化处理后再进行canny边缘检测，检测到气泡沿垂直气泡痕路径进行观测的模式以及沿染色条带航行路[0178]所述风帆无人艇利用其自身搭载的GPS卫星导航系统确定无人艇自身所处的位姿态信息、风向信息以及GPS系统所接收到的船舶经纬度信息和目标区域的经纬度信息确控系统负责对无人机的飞行姿态进行控制；机载D-RTK可提供厘米级的高程和平面定位精于无人艇上的存储设备当中。无人艇数据处理平台针对无人机所回传的影像数据进行分的端到端网络，完成从原始图像的输入到物体位置和类别的输出。而rcnn、fastrcnn、练YOLOv5朗缪尔环流气泡痕识别模型的多重a13＝0.0+0.02x,GBB分别代表RGB颜色分量的取值)的任意一种取值都可以组合成为一个色[0196]将方差最小的对应矩阵作为最佳的色彩还原矩阵C。最后使用这个色彩还原矩阵结合单片机对图像进行识别处理，整个视频采集模块的特征为可以主动进行染色痕寻找，表染色条带在无人艇坐标系下的与无人艇的相对位置。定义k的五个模糊语言变量：向左断移动和变化,因此建立的通信路径也会不断变化,如果网络中的源节点和目的节点之间存在着多条可用的通信路径,就会存在路径选择的问题。通过主动网络可以选择适当的路由来获得较好的网络特性,在图12中的虚线箭头就表示的是网络在原来的通信路径破坏后wλ,其中lλ与wλ分别为传感器工作于高度hλ下瞬梯度直方图生成一个由128个数据组成的特征向量来描[0229]在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提改变以及其中被描述为较大操作的一部分的子操作被说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个等同的变形或替换均包含在本申请权利要求所限