1.一种水下珊瑚礁白化程度确定方法,其特征在于,包括:
获取珊瑚礁所处区域的环境数据和珊瑚种类;其中,所述环境数据包括:光照强度、温度峰值和温度持续时间;
根据所述温度峰值、所述温度持续时间和所述珊瑚种类,确定所述珊瑚礁所处区域的珊瑚预测白化程度;
在珊瑚预测白化程度大于预测白化阈值时,基于所述光照强度,生成水下无人摄像机的控制参数;其中,所述控制参数包括:光圈参数、快门参数、补光光照强度和珊瑚拍摄距离;
基于所述珊瑚拍摄距离,对珊瑚礁所处区域进行分区规划,获得若干珊瑚礁子拍摄区域,并控制所述水下无人摄像机在每一珊瑚礁子拍摄区域中基于所述光圈参数、所述快门参数和所述补光光照强度进行拍摄,获得每一珊瑚礁子拍摄区域对应的珊瑚灰度图像;其中,在每一珊瑚礁子拍摄区域内,对拍摄获得的珊瑚图像进行边缘切割以及灰度处理,获得珊瑚灰度图像;
对每一所述珊瑚灰度图像进行白化识别,获得珊瑚礁所处区域的珊瑚礁白化程度,包括:根据所述珊瑚预测白化程度,确定分割参数;在每一珊瑚灰度图像中,基于所述分割参数对珊瑚灰度图像进行分割,获得珊瑚灰度图像对应的若干珊瑚灰度子图像,将平均灰度值小于灰度阈值的珊瑚灰度子图像选取为珊瑚白化图像,计算珊瑚白化图像的数量与珊瑚灰度子图像的总数量之间的白化比值;基于每一珊瑚灰度图像对应的白化比值,确定珊瑚礁所处区域的珊瑚礁白化程度;
其中,所述根据所述珊瑚预测白化程度,确定分割参数,包括:调取与所述珊瑚预测白化程度对应的珊瑚白化灰度图像样本;将所述珊瑚白化灰度图像样本分割成若干个同样大小的珊瑚白化子灰度图像样本,计算每一珊瑚白化子灰度图像样本的平均灰度值;按预设的尺寸步长,对每一珊瑚白化子灰度图像样本的分割尺寸进行缩小, 并计算每一分割尺寸下的珊瑚白化子灰度图像样本的平均灰度值,在平均灰度值保持不变时,确定最小分割尺寸;基于所述最小分割尺寸,确定分割参数。
2.根据权利要求1所述的水下珊瑚礁白化程度确定方法,其特征在于,所述基于所述光照强度,生成水下无人摄像机的控制参数,包括:将所述光照强度和水下无人摄像机的平均移动速度,代入快门参数计算公式,确定水下无人摄像机的快门参数;其中,快门参数计算公式具体为:式中,
基于所述光照强度确定预设的光圈参数;
将珊瑚礁所处区域的光线衰减系数、珊瑚礁所处区域的水深和所述光照强度,代入光衰减公式,获得补光光照强度;其中,所述光衰减公式具体为:式中,
将水下无人摄像机的最小对焦距离、珊瑚礁所处区域的水下清晰度和所述光照强度,代入拍摄距离计算公式,获得珊瑚拍摄距离;其中,所述拍摄距离计算公式具体为:式中,
3.根据权利要求2所述的水下珊瑚礁白化程度确定方法,其特征在于,所述基于所述珊瑚拍摄距离,对珊瑚礁所处区域进行分区规划,获得若干珊瑚礁子拍摄区域,包括:根据所述珊瑚拍摄距离,确定水下无人摄像机的矩形拍摄面积;
根据所述珊瑚礁所处区域,对珊瑚礁所包括的珊瑚进行定位,生成矩形珊瑚面积;其中,所述矩形珊瑚面积远大于所述矩形拍摄面积;
将所述矩形珊瑚面积除以所述矩形拍摄面积,获得区域数;
基于区域数获得若干珊瑚礁子拍摄区域;其中,所述基于区域数获得若干珊瑚礁子拍摄区域,具体为:对所述区域数进行识别;若为整数,则基于区域数对矩形珊瑚面积进行平均分区,获得若干珊瑚礁子拍摄区域;若不为整数,则对所述矩形珊瑚面积进行补面积操作,直至区域数为整数。
4.根据权利要求3所述的水下珊瑚礁白化程度确定方法,其特征在于,所述根据所述温度峰值、所述温度持续时间和所述珊瑚种类,确定所述珊瑚礁所处区域的珊瑚预测白化程度,包括:将所述珊瑚礁所处区域的所述温度峰值、所述温度持续时间和所述珊瑚种类输入至珊瑚礁白化预测模型,输出所述珊瑚礁所处区域的珊瑚预测白化程度;其中,以所述珊瑚礁白化预测模型为输出,以珊瑚礁白化历史样本为输入,对CNN与RNN融合神经网络模型进行训练。
5.根据权利要求4所述的水下珊瑚礁白化程度确定方法,其特征在于,所述以所述珊瑚礁白化预测模型为输出,以珊瑚礁白化历史样本为输入,对CNN与RNN融合神经网络模型进行训练,具体为:获取若干珊瑚礁白化历史数据;其中,每一所述珊瑚礁白化历史数据包括:珊瑚礁白化区域、珊瑚礁白化区域对应的历史温度峰值、珊瑚礁白化区域对应的历史温度持续时间和珊瑚礁白化区域对应的历史珊瑚种类;
对每一所述珊瑚礁白化历史数据进行数据清洗,并对数据清洗后的珊瑚礁白化历史数据进行已知白化程度的标记,获得珊瑚礁白化历史样本;
将所述珊瑚礁白化历史样本输入至CNN与RNN融合神经网络模型中进行训练,获得珊瑚礁白化预测模型。
6.一种水下珊瑚礁白化程度确定系统,其特征在于,包括:数据获取模块、数据预测模块、控制参数生成模块、拍摄模块和白化识别模块;
所述数据获取模块,用于获取珊瑚礁所处区域的环境数据和珊瑚种类;其中,所述环境数据包括:光照强度、温度峰值和温度持续时间;
所述数据预测模块,用于 根据所述温度峰值、所述温度持续时间和所述珊瑚种类,确定所述珊瑚礁所处区域的珊瑚预测白化程度;
所述控制参数生成模块,用于在珊瑚预测白化程度大于预测白化阈值时,基于所述光照强度,生成水下无人摄像机的控制参数;其中,所述控制参数包括:光圈参数、快门参数、补光光照强度和珊瑚拍摄距离;
所述拍摄模块,用于基于所述珊瑚拍摄距离,对珊瑚礁所处区域进行分区规划,获得若干珊瑚礁子拍摄区域,并控制所述水下无人摄像机在每一珊瑚礁子拍摄区域中基于所述光圈参数、所述快门参数和所述补光光照强度进行拍摄,获得每一珊瑚礁子拍摄区域对应的珊瑚灰度图像;其中,在每一珊瑚礁子拍摄区域内,对拍摄获得的珊瑚图像进行边缘切割以及灰度处理,获得珊瑚灰度图像;
所述白化识别模块,用于对每一所述珊瑚灰度图像进行白化识别,获得珊瑚礁所处区域的珊瑚礁白化程度,包括:根据所述珊瑚预测白化程度,确定分割参数;在每一珊瑚灰度图像中,基于所述分割参数对珊瑚灰度图像进行分割,获得珊瑚灰度图像对应的若干珊瑚灰度子图像,将平均灰度值小于灰度阈值的珊瑚灰度子图像选取为珊瑚白化图像,计算珊瑚白化图像的数量与珊瑚灰度子图像的总数量之间的白化比值;基于每一珊瑚灰度图像对应的白化比值,确定珊瑚礁所处区域的珊瑚礁白化程度;
其中,所述根据所述珊瑚预测白化程度,确定分割参数,包括:调取与所述珊瑚预测白化程度对应的珊瑚白化灰度图像样本;将所述珊瑚白化灰度图像样本分割成若干个同样大小的珊瑚白化子灰度图像样本,计算每一珊瑚白化子灰度图像样本的平均灰度值;按预设的尺寸步长,对每一珊瑚白化子灰度图像样本的分割尺寸进行缩小, 并计算每一分割尺寸下的珊瑚白化子灰度图像样本的平均灰度值,在平均灰度值保持不变时,确定最小分割尺寸;基于所述最小分割尺寸,确定分割参数。
7.一种计算机终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5中任意一项所述的一种水下珊瑚礁白化程度确定方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的计算机程序,其中,在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至5中任意一项所述的一种水下珊瑚礁白化程度确定方法。