核电厂水下安保入侵目标的监测方法与流程

本发明专利具体涉及一种核电厂水下安保入侵目标的监测方法。

背景技术：

我国核电厂大都处于滨海(水)区域，其中的冷却水取水系统、排水系统等重要构筑物直接或间接与水域相连，水下安保是近年来核安保领域关注的问题。目前核电厂水下安保领域借助于为保证冷源水下安保入侵目标入侵设置的拦阻网、渔业声纳等设备辅助实现，针对水下人为入侵的风险评估及技术措施相对欠缺，难以满足核安保立体、纵深防御的需要。

技术实现要素：

有鉴于此，为了克服现有技术的缺陷和达到上述目的，本发明的目的是提供一种核电厂水下安保入侵目标的监测方法。

为了达到上述目的，本发明采用以下的技术方案：

一种核电厂水下安保入侵目标的监测方法，包括如下步骤：

1)通过声纳监测设备进行核电厂水下安保入侵目标的监测，并得到水下安保入侵目标的声学监测密度σ1；

2)通过光学成像设备进行核电厂水下安保入侵目标的监测，并得到水下安保入侵目标的光学监测密度σ2；

3)对步骤1)的声学监测密度σ1和步骤2)的光学监测密度σ2进行数据融合，得到核电厂水下安保入侵目标的声光重构模型ρ；

4)结合步骤3)中的声光重构模型以及空间信息，计算水下安保入侵目标到达敏感部位的入侵强度。空间信息包括监测点的与敏感部位之间的距离、水流流速等。：敏感部位是指核电厂水下安保的薄弱位置，如取水泵站等位置。

根据本发明的一些优选实施方面，步骤1)中的声学监测密度σ1根据如下公式进行计算：

式中，声学监测密度σ1为监测范围内目标的统计值，单位为ind./m³；

v为声纳监测范围内的海水体积；

n为将声纳的监测范围进行分割得到的球面切片的数量；

m为由n个球面切片所围成的分片水体的数量；

m、n的取值根据监测对象的max(直径，高度)确定得到；

ci为各球面切片水下安保入侵目标数量投影到各球面切片上的灰度图像值。

根据本发明的一些优选实施方面，式(1)中式(1)简化为下式：

根据本发明的一些优选实施方面，式中ci根据如下公式计算得到：

式中，a为对应的球面切片。

根据本发明的一些优选实施方面，步骤2)中的光学监测密度σ2的计算包括如下步骤：

①设水下安保入侵目标光学监测的灰度图像为f(x,y)，水平梯度为fx，垂直梯度为fy，其中灰度图像、水平梯度、垂直梯度的尺度均为m×n；

②计算灰度图像f(x,y)的水平梯度fx与垂直梯度fy；

③设原始图像f(x,y)的梯度算子的模长为引入阈值δ来表征海水背景环境，且δ＞0，将原始水下安保入侵目标监测灰度图像f(x,y)中梯度的模上的点进行标记为1，并看作是监测区域生物量的边界点，从而得到将原始图像中梯度模大于阈值δ的点标记为1的二值图像f1(x,y)；

④对锐化后的图像f1(x,y)采用canny算子进行边缘检测得到图像f2(x,y)；

⑤利用形态学理论闭运算对二值图像进行闭合运算，形成图像f3(x,y)，再对f3(x,y)利用形态学膨胀运算进行孔洞的填充，得到图像记为f4(x,y)；

⑥利用f4(x,y)中水下安保入侵目标像素个数除以图像的总像素个数，计算水下安保入侵目标在图像中的占比，得到监测范围内光学监测范围内核电厂水下安保入侵目标的光学监测密度，即：σ2＝f4(x,y)/f(x,y)。

根据本发明的一些优选实施方面，步骤②中计算灰度图像f(x,y)的水平梯度fx包括如下步骤：设x表示任意行，fx的第一列元素由原图像f(x,2)-f(x,1)获得，最后一列(第n列)由原图像f(x,n)-f(x,n-1)获得，第2到第n-1列由算式计算得出，其中i＝2,3,…,n-1。

根据本发明的一些优选实施方面，步骤④中的边缘检测包括如下步骤：先用高斯滤波器对图像进行平滑处理，从而计算出滤波后图像的模长与方向，之后找出图像梯度的局部极大值点，并把其它非局部极大值点置零，从而得到监测图像细化的边缘，最后用双阈值法检测图像并且对不连续的边缘进行处理，使边缘连续。

根据本发明的一些优选实施方面，步骤3)进行数据融合时，采用声学监测密度σ1作为基础数据，引入声光复合权重变量p，得到重构模型ρ＝p*σ1；其中，变量p由σ2和σ1比值决定，即：p＝σ2/σ1。

根据本发明的一些优选实施方面，对变量p做如下定义：

当p≥2时，定义为绝对加强，取p的值为2；

当1.5≤p＜2时，定义为加强，取p的值为1.5；

当0.6≤p＜1.5时，定义为一致，取p的值为1；

当0.4≤p＜0.6时，定义为减弱，取p的值为0.5；

当0.2≤p＜0.4时，定义为绝对减弱，取p的值为0.2；

当p＜0.2时，定义为检测失真，取p的值为0。

根据本发明的一些优选实施方面，以核电厂水下敏感度最高的取水泵站为防护部位，构建时空域模型

其中，时空域模型是指包含时间、空间要素，并与声光重构模型相关联的核电厂水下安保入侵目标的入侵强度监测模型；

δ为监测点区域海水进入取水口的量级；

q：每秒通流量；

l：监测点到最近泵站的距离；

v：水流速度；

θ：监测点水流在取水口的方向角；

由于采用了上述技术方案，与现有技术相比，本发明的有益之处在于：本发明的核电厂水下安保入侵目标的监测方法，通过声学、光学、声光复合、时空域模型等一系列的科学计算，能够定量化监测核电厂水下安保入侵目标的入侵强度，进而为核电厂水下安保入侵目标的自动监测系统提供指导。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明优选实施例中的核电厂水下安保入侵目标监测模型总架构图；

图2为本发明优选实施例中的声纳监测范围的切片示意图；

图3为本发明优选实施例中的声纳数据分析和处理流程图；

图4为本发明优选实施例中的水下视频图像处理的结果图；

图5为本发明优选实施例中的声光复合数据重构的逻辑图。

具体实施方式

为了使本技术领域的人员更好地理解本发明的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

本发明解决两个方面的技术问题，一是通过科学的方法确定水下安保入侵目标的评估模型，二是通过系统化设计对核电厂水下安保入侵目标进行监测预警，提升核电厂安全保障水平。为了解决上述的技术问题，本发明的用于核电厂水下安保入侵目标的监测方法，主要包括以下步骤：(1)建立科学的在线监测体系，进行监测数据采集。通过在线系统的设置、数据的采集，形成一定样量本在数据池，并经数据预处理后分别构建声学监测数据本体σ1、光学监测数据本体σ2，二者均作为威胁样本要素纳入预警模型；(2)对声学监测数据本体、光学监测数据本体采用一定的方法建立声光监测重构模型，计算得出静态入侵强度值；(3)通过对距离、水流速度、通流量等系列特定关联要素在数据采集与建模，建立水下入侵时空域模型实现动态监测，进而确定②中不同威胁样本的动态威胁强度(时空域模型)，指导核电厂开展相对应的防御工作。

进一步地，步骤(1)中水下安保入侵目标监测体系，主要包括以下步骤：a、采用目前水下监测准确度最高的声纳监测设备和光学成像设备进行在线监测与数据集成，提高单类传感器测量的精度，并在融合中心对两类融合后的数据关联、最后决策判决，得到融合后的判决结果作为入侵强度的计算；b、通过对监测目标入侵强度的计算，建立在线监测预警框架(图1)。

进一步地，步骤(2)中监测数据采集及数据处理，主要包括以下步骤：a、对水下声学信息中符合入侵目标res特征的分布密度进行切片处理(图2)，通过模型计算入侵物的声学监测密度(图3)b、通过水下光学监测设备监测入侵物的光学自动监测数据，通过模型计算光学监测密度σ2＝f4(x,y)/f(x,y)(图4)。

进一步地，步骤(3)中声光监测模型重构及时空域模型设计，主要包括以下步骤：a、声光复合数据重构(图5)，通过对声光监测密度进行判别，得出融合重构在入侵强度ρ＝p*σ1(其中p为特征值，取p＝σ2/σ1)；b、优选地，以核电厂水下敏感度最高的取水泵站为防护部位，构建时空域模型(其中，δ：监测点区域海水进入取水口的量级；q：每秒通流量；l：监测点到最近泵站的距离；v：水流速度；θ：监测点水流在取水口的方向角；)，融合声光在线监测重构数据及监测点位置、水流速度等空间信息，计算水下安保入侵目标到达敏感部位的入侵强度n。

实施例

结合图1进一步说明本实施例中的核电厂水下入侵监测模型的总架构图。核电厂水下安保入侵目标在监测预警准确性与入侵目标特征、水下环境特点密切相关，因此通过对水下入侵强度的计算建立水下入侵预警监测模型，模型框架总体上包含三个层次：①首先是不同监测要素的数据采集与融合；②其次是叠加外部因素的入侵条件确定；③最后是建立包含时空域的入侵强度模型，通过人工智能的方式实现对核电厂水下入侵强度的自动化计算。

参见图1-5，本实施例中的核电厂水下安保入侵目标的监测方法，包括如下步骤：

1)通过声纳监测设备进行核电厂水下安保入侵目标的监测，并得到水下安保入侵目标的声学监测密度σ1。

结合图2、图3进一步说明声纳监测结果的提取、数据分析和处理方式。

如图2所示，将声纳监测设备的监测范围从最小半径到最大半径、由水平开角及纵向开角共分成n个球面切片，记为a1，a2，.....an，它们所围成的分片水体为m个，记为v1，v2，.....vm，m、n取值根据监测对象的max(de，he)确定，其中：直径(de)，高度(he)。

在对海水中水下安保入侵目标个数进行统计时，首先统计每个球面切片上的水下安保入侵目标的个数，然后得到监测范围内水下安保入侵目标的统计值，如下公式所示：

式中：

v：声纳监测范围海水体积；

ci：各球面切片水下安保入侵目标数量投影到各球面上切片的灰度图像值，且

由此得出利用声纳监测设备对水下安保入侵目标进行定量评估的模型如公式，单位为ind./m³；如下式所示：

采用图3的流程，对声纳数据进行线性插值并初步显示，进一步通过图形增强与图形去噪的过程进行预处理，再进一步通过阈值分割和运动目标分割方法实现图形分割，更进一步通过模板匹配算法实现目标的提取与匹配，得出核电厂水下安保入侵目标的声学数据局部本体σ1，进而实现目标自动识别。

2)通过光学成像设备进行核电厂水下安保入侵目标的监测，并得到水下安保入侵目标的光学监测密度σ2。

结合图4进一步说明光学监测结果的提取、数据分析和处理方式。

利用水下微光成像技术开展核电厂水下安保入侵目标监测，综合采用图像锐化、边缘检测、边界闭合、孔洞填充方法对监测原始灰度图像进行二值化处理并获取目标图像，最终形成监测目标对象与背景图像分离的二值化图像。其具体过程如下：

①首先，设水下安保入侵目标光学监测的灰度图像为f(x,y)，水平梯度为fx，垂直梯度为fy，其中灰度图像、水平梯度、垂直梯度的尺度均为m×n。

②其次，计算灰度图像f(x,y)的水平梯度fx与垂直梯度fy。设x表示任意行，fx的第一列元素由原图像f(x,2)-f(x,1)获得，最后一列(第n列)由原图像f(x,n)-f(x,n-1)获得，第2到第n-1列由算式计算得出，其中i＝2,3,…,n-1。同理，原始图像f(x,y)的垂直梯度fy按类似方法计算，只是行列规则互换。

③再次，设原始图像f(x,y)的梯度算子的模长为由于不同海域、相同海域不同时间海水能见度不同，为滤除噪声，引入阈值δ来表征海水背景环境，且δ＞0，将原始水下安保入侵目标监测灰度图像f(x,y)中梯度的模上的点进行标记为1，并看作是监测区域生物量的边界点，从而得到将原始图像中梯度模大于阈值δ的点标记为1的二值图像f1(x,y)。

④然后，对锐化后的图像f1(x,y)采用canny算子进行边缘检测得到图像f2(x,y)，其步骤是先用高斯滤波器对图像进行平滑处理，从而计算出滤波后图像的模长与方向，之后找出图像梯度的局部极大值点、把其它非局部极大值点置零，从而得到监测图像细化的边缘，最后用双阈值法检测图像并且对不连续的边缘进行处理，使边缘连续。

⑤最后，利用形态学理论闭运算对二值图像进行闭合运算，形成图像f3(x,y)，再对f3(x,y)利用形态学膨胀运算进行孔洞的填充，得到图像记为f4(x,y)。

⑥通过上述变换获得了水下安保入侵目标光学监测的二值化图像f4(x,y)，图像中已经将水下安保入侵目标光学监测特征进行了标记，利用f4(x,y)中水下安保入侵目标像素个数除以图像的总像素个数，即可计算水下安保入侵目标在图像中的占比，即监测范围内光学监测范围内核电厂水下安保入侵目标密度，即：σ2＝f4(x,y)/f(x,y)。

3)对步骤1)的声学监测密度σ1和步骤2)的光学监测密度σ2进行数据融合，得到威胁目标的重构模型ρ。

结合图5进一步说明声光复合监测模型监测方法。

虽然声纳作为一种可靠的水下监测设备应用在较多领域，但由于声纳分辨率低、受到其它杂波反射影响较大等因素，在基于声纳进行的核电厂水下安保入侵目标监测过程中精确度较低；水下摄像机虽然其精度高，但对环境要求高、监测距离近也决定了不能完全依赖其作为监测的唯一手段。因此，采用声纳作为最主要的监测手段，水下摄像机进行二次验证与信息比对，进一步验证检测结果、提高检测精度。

同时由于摄像机采集图像平面化且视场范围较小，因而水下摄像监测系统设计中采用两种方式：①移动式复核，采用智能联动型水下机器人视觉检测系统；②固定式安装，安装在和声纳相同方向、相同视场角度的固定台架或浮动平台上。保证声纳系统和水下摄像系统在相同时刻监测的水体水下入侵目标的一致性，便于信息同属性及引入视觉监测本体权重，进而实现对声纳数据局部本体进行判比，重构监测资源量。具体如下：

声光复合过程中采用声纳监测的生物密度σ1作为基础数据，引入声光复合权重变量p，变量p由σ2和σ1比值决定，即：

p＝σ2/σ1

得到声光复合数据重构模型为：ρ＝p*σ1。

且为便于统计计算，定义如下规则：

–当p≥2时，定义为绝对加强，取p取2；

–当1.5≤p＜2时，定义为加强，取p取1.5；

–当0.6≤p＜1.5时，定义为一致，取p取1；

–当0.4≤p＜0.6时，定义为减弱，取p取0.5；

–当0.2≤p＜0.4时，定义为绝对减弱，取p取0.2；

–当p＜0.2时，定义为检测失真，取p取0。

4)结合步骤3)中的重构模型以及监测点的空间信息，计算水下安保入侵目标到达敏感部位的入侵强度。

以核电厂水下敏感度最高的取水泵站为防护部位，构建时空域模型：

其中，δ为监测点区域海水进入取水口的量级；

q：每秒通流量；

l：监测点到最近泵站的距离；

v：水流速度；

θ：监测点水流在取水口的方向角；

各核电厂采用本方法进行监测时，应根据核电厂构筑物实际情况，选取适合于本核电厂的n数值，确定预警阈值并指导进一步处置工作的开展。

本发明涉及一种用于核电厂水下安保入侵目标的监测方法。它包括水下安保入侵目标的在线监测体系，针对监测数据采集的数据重构方法，监测数据预处理方法，包括声光数据与时空多维度监测预警模型，以及采用此方法建立起的水下探测预警声纳、复核取证光电、流量监测等为基本要素的前端感知与处置设备、显控单元等综合性防御系统。

本发明的用于核电厂水下安保入侵目标监测方法，它包括：(1)建立水下安保入侵目标监测体系。该步骤主要实现对核电厂水下安保入侵目标监测体系的理论架构，进而科学指导监测装备的选择、数据的分析与处理、模型的建立；(2)监测数据采集及预处理。在(1)的基础上，通过在线系统的设置、数据的采集及预先处理，形成一定样量本在数据池；并经数据预处理后均可作为威胁样本要素纳入预警模型；(3)声光监测模型重构及时空域模型设计。通过建立声光、时空维度相结合的预警模型，进而确定(2)中不同威胁样本的威胁强度，指导核电厂开展相对应的防御工作。通过该监测方法及构建的防范系统，可以填补核电厂水下安保领域的空白，并且可以延伸至其它具有相同或类似特征的领域。

上述实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围，凡根据本发明精神实质所作的等效变化或修饰，都应涵盖在本发明的保护范围之内。