Enquête préliminaire sur la méthode de surveillance des déversements d'hydrocarbures en mer utilisant le modèle YOLO

En raison de la récente croissance rapide du développement et du transport pétrolier océanique, la probabilité d'accidents liés aux déversements d'hydrocarbures en mer a augmenté de manière inégale. Le déversement d'hydrocarbures marins représente une grande menace pour le développement des villes côtières. Par conséquent, des technologies efficaces et fiables doivent être utilisées pour surveiller les déversements d'hydrocarbures afin de minimiser les pertes lors de catastrophes. Basée sur le réseau d'apprentissage profond YOLO, une méthode automatique de détection des déversements d'hydrocarbures a été proposée. Les opérations de prétraitement des données expérimentales incluent la réduction du bruit, l'ajustement des niveaux de gris et l'amélioration du contraste local. Ensuite, des images radar maritimes de déversements d'hydrocarbures, réelles et générées de manière synthétique, ont été utilisées pour créer des échantillons de coupe afin d'entraîner le modèle dans le réseau YOLOv5. Le modèle de détection peut identifier la région de surveillance efficace des déversements d'hydrocarbures. Enfin, un seuil adaptatif a été appliqué pour extraire les nappes d'hydrocarbures dans les régions de surveillance efficace des déversements d'hydrocarbures. Le modèle de détection YOLOv5 généré présente l'avantage d'une grande efficacité par rapport aux méthodes existantes. La méthode de détection des déversements d'hydrocarbures en mer proposée peut soutenir des données en temps réel et efficaces pour les inspections de patrouille de routine et la réponse d'urgence aux accidents.