1.本技术属于垃圾巡检技术领域，具体涉及一种基于无人机的海滩垃圾巡检方法和系统。
背景技术：2.海洋垃圾是日益受到关注的全球环境问题，尤其是垃圾逐渐分解后形成的微塑料，能够通过食物链进入到海洋生物和人体的血液中，毒害海洋生物和人体健康。海滩垃圾既是海漂垃圾的一种来源，也是海漂垃圾随风浪流漂移后在海滩的集中聚集，其来源包括游客丢弃和海漂搁浅(河流入海垃圾、渔船垃圾和海船生活垃圾等)。海滩垃圾治理既是海洋垃圾治理的需要，也是守护美丽海滩的需要。
3.海滩垃圾的产生受旅游季节和潮汐天气影响很大，具有很强的时空分布特点。传统的巡检与清理一体的城市垃圾包干到人治理方式，很难适用于岸线较长、地处偏远的公共海滩。先巡检后清理的治理方式，可通过第三方评估垃圾分布现状、垃圾清理效果以及垃圾生成趋势，有助于科学制定清理计划和合理安排清理资源。人力巡检方式存在巡检速度慢、水平视野差、垃圾定位难、清理留痕难的缺陷。海滩垃圾巡检与清理强行分离势必造成监督成本过高、人员重复投入的问题，而巡检与清理一体则容易造成监督缺位、清理人员养寇自重的管理漏洞。
4.基于无人机的航空摄影测量技术十分成熟，利用该技术生成高清正射影像，可用于海滩垃圾巡检；然而这种巡查方式的专业要求较高，且需要强大的数据处理能力来支撑，不利于推广应用。
技术实现要素：5.本技术基于海滩空间开阔、垃圾暴露于表面的特点，利用无人机飞行速度快、空中视野好、航拍照片自带定位和照片能定格留痕的优势，提出了一种基于无人机的海滩垃圾巡检方法和系统，以解决上述问题。
6.为实现上述目的，本技术提供了如下方案：
7.一种基于无人机的海滩垃圾巡检方法，包括如下步骤：
8.采集预定区域内海滩垃圾的无人机航拍照片集；
9.基于所述照片集，构建所述照片集的空间与时序关系网，所述航拍照片按照所述空间与时序关系网进行排列；
10.使用突兀垃圾识别方法对排列后的所述照片集进行识别处理；
11.对经过突兀识别处理的所述航拍照片进行比对处理，得到所述预定区域内海滩垃圾的变化数据，完成海滩垃圾巡检。
12.优选的，拍摄所述航拍照片的相机设备搭载在无人机设备上，拍摄所述航拍照片时，所述无人机设备的飞行参数与所述相机设备的摄像参数满足v＜h
×
w/(f
×
t)，其中，v为所述无人机设备的飞行速度，单位为m/s，h为所述无人机设备的飞行高度，单位为m，w为
所述相机设备的感光元件的宽度，单位为mm，该宽度与无人机飞行方向一致，f为所述相机设备的焦距，单位为mm，t为所述相机设备的拍摄间隔，单位为s。
13.优选的，构建所述照片集的空间与时序关系网的方法包括：
14.构建同一航线照片集的前后关系网；
15.构建不同日期照片集的上下关系网。
16.优选的，构建同一航线照片集的所述前后关系网的方法包括：
17.提取每一张所述航拍照片的拍摄时刻，并根据所述拍摄时刻获取所述拍摄时刻前一张航拍照片和后一张航拍照片，建立所述前后关系网。
18.优选的，构建不同日期照片集的所述上下关系网的方法包括：
19.获取每一张航拍照片与不同日期所有照片之间的距离，上一期拍摄的照片集中所述距离最小的航拍照片为该照片的上一张照片，下一期拍摄的照片集中所述距离最小的航拍照片为该照片的下一张照片，建立所述上下关系网。
20.优选的，如果海滩较宽，则采用多条平行航线拍摄的方法，此时需要构建同一天不同航线照片集的左右关系网；
21.构建所述左右关系网的方法包括：
22.获取每一张航拍照片的拍摄位置和航向角；
23.按照所述航向角和预设距离，分别获取不同航线上该拍摄位置左右两侧的两张航拍照片，建立所述左右关系网。
24.优选的，所述使用突兀垃圾识别方法对排列后的所述照片集进行识别处理的方法包括：
25.采用rgb转hsv方法，对所述航拍照片进行颜色空间转化，得到hvs照片；
26.根据预设的突兀牢记hsv阈值，获取所述hvs照片中的突兀垃圾像素和背景像素。
27.优选的，所述海滩垃圾的变化数据包括位置点垃圾变化数据和区域内垃圾变化数据；
28.得到所述预定区域内海滩垃圾的变化数据的方法包括：
29.统计任意一张所述航拍照片中所述突兀垃圾像素与全部像素的垃圾占比，比较该航拍照片与上一张航拍照片的所述垃圾占比的差异，获取该拍摄位置的所述位置点垃圾变化数据；
30.根据不同日期的所有航拍照片的所述垃圾占比，获取所述区域内垃圾变化数据。
31.本技术还公开了一种基于无人机的海滩垃圾巡检系统，包括航拍照片采集单元、照片关系网单元、垃圾识别单元和数据分析单元；
32.所述航拍照片采集单元用于采集预定区域内海滩垃圾的航拍照片集，所述照片集包括不同航线、不同日期的航拍照片；
33.所述照片关系网单元用于根据所述照片集，构建所述照片集的空间与时序关系网，并将所述航拍照片按照所述空间与时序关系网进行排列；
34.所述垃圾识别单元用于根据突兀垃圾识别方法对排列后的所述照片集进行识别处理；
35.所述数据分析单元用于对经过突兀识别处理的所述航拍照片进行比对处理，得到所述预定区域内海滩垃圾的变化数据。
36.本技术的有益效果为：
37.本技术公开了一种基于无人机的海滩垃圾巡检方法和系统，利用无人机开展海滩垃圾巡检，具有巡检速度快、垂直视野佳、垃圾定位准、清理可留痕的优势，解决了传统海滩垃圾巡检速度慢、水平视野差、垃圾定位难、清理留痕难的缺陷。
附图说明
38.为了更清楚地说明本技术的技术方案，下面对实施例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技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
39.图1为本技术实施例一种基于无人机的海滩垃圾巡检方法流程示意图；
40.图2为本技术实施例中构建的空间与时序关系网示意图，其中，1为当前照片，2为同一航线的后一张照片，3为同一航线的前一张照片，4为同一天不同航线的左侧照片，5为同一天不同航线的右侧照片，6为上一期拍摄的上一张照片，7为下一期拍摄的下一张照片；
41.图3为本技术实施例的2021年5月18日海滩的某一张无人机航拍照片和突兀垃圾识别结果，突兀垃圾占比1.14％；
42.图4为本技术实施例的2021年9月8日海滩的某一张无人机航拍照片和突兀垃圾识别结果，突兀垃圾占比0.16％；
43.图5为本技术实施例的一种基于无人机的海滩垃圾巡检系统结构示意图。
具体实施方式
44.下面将结合本技术实施例中的附图，对本技术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技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
45.为使本技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本技术作进一步详细的说明。
46.本实施例以天津市滨海新区东疆港区的海滩垃圾无人机巡检工作为例，所在位置为(117.7604833，39.07311667)与(39.05858333，117.8049167)之间的一条直线，长约4.2km。
47.如图1所示，一种基于无人机的海滩垃圾巡检方法流程示意图，主要包括四个步骤：
48.s1.采集海滩垃圾无人机航拍照片集
49.航拍照片的采集，采用无人机设备搭载相机设备的方式，同时，需要满足以下要求：
50.采集时间设定要求：
51.避开大风天和雨天，其中大风天的风力等级大于无人机抗风等级；查询潮汐表，选择当天的低潮位时刻，优选每月两次的大潮的低潮位时刻，拍摄海漂搁浅垃圾；根据游客人流量的时间分布，优选旅游旺季，选择游客较少的日间时刻，拍摄游客垃圾。
52.在本实施例中，上一次飞行日期为2021年5月18日，当天平均风速较低；当天为初
七，中潮期，13:00最低潮，20:00最高潮，拍飞行时间为下午13时左右。当天为工作日，且尚未入暑，海滩上游客较少，符合采集时间要求。
53.本次飞行日期为2021年9月8日，当天平均风速较低；当天为初二，大潮期，10:15最低潮，16:50最高潮，拍飞行时间为上午10时左右。当天为工作日，且酷暑已过，海滩上游客较少，符合采集时间要求。
54.无人机选型要求：
55.自带云台增稳的航拍专用无人机，控制相机拍摄的照片中能够在照片文献信息中写入拍摄瞬间的无人机经纬度位置。
56.在本实施例中，选择的无人机机型为大疆精灵4 pro v2型电动四旋翼无人机，自带增稳云台，可抗10m/s风速；照片像素为5472
×
3648，等效焦距为24mm，拍摄的照片中能够在照片文献信息中写入拍摄瞬间的无人机经纬度位置。
57.无人机飞行要求：
58.飞行高度高于海滩上障碍物的高度，优选高于海滩20
‑
30m的高度，确保得到高清的垂直向下拍摄照片；飞行速度取决于无人机相机的拍摄间隔、相机性能参数和飞行高度，飞行速度的设定公式如下：
59.v＜h
×
w/(f
×
t)
60.其中，v为无人机设备的飞行速度，单位为m/s，h为无人机设备的飞行高度，单位为m，w为相机设备的感光元件的宽度，单位为mm，该宽度与无人机飞行方向一致，f为相机设备的焦距，单位为mm，t为相机设备的拍摄间隔，单位为s。
61.如果海滩较宽，又要保证无人机航拍照片的分辨率要求，可以采用多条平行航线拍摄的方法，航线间隔的设定公式如下：
62.d＜h
×
l/f
63.l为无人机相机感光元件的长度mm，该长度与无人机飞行方向垂直。
64.在本实施例中，飞行高度设定为约24m的高度，高于海滩附近电线杆的高度，可保障飞行安全。经计算可以获得的照片的地面分辨率约6mm，清晰度足以辨别垃圾的大小和种类。该无人机最快拍摄间隔为2s，经计算该高度和时间间隔飞行的最高速度上限为11.67m/s。飞行速度设定约为6～8m/s，小于最高速度上限，能够保证拍摄的照片之间存在一定重叠度。
65.因该海滩坡度较陡，在该飞行高度下一张照片横向覆盖宽度为35m，足够覆盖完全，因此只设置一条航线。
66.s2.构建无人机航拍照片集空间与时序关系网，具体包括以下的前后、左右、上下关系网。
67.构建同一航线照片集的前后关系网：
68.提取每一张照片的拍摄时刻t
x
，在同一航线照片集中，搜寻时间最近的两张照片t
x
‑1、t
x+1
。t
x
‑1‑
t
x
为最大的负值，t
x+1
‑
t
x
为最小的正值。t
x
‑1对应的照片规定为t
x
照片的前一张照片，t
x+1
对应的照片规定为t
x
照片的后一张照片。
69.此处需注意：如果航线较长，同一航线照片可以由无人机飞行多个航次拍摄取得；如果飞行过程中出现偶然的停顿，或者不同航次之间存在一定的照片重叠，可以在构建同一航线照片集的前后关系网之前通过设定一个距离阈值来判断重复照片并删除。
70.在本实施例中，由于无人机是等时间间隔拍照，且存储时的照片按照顺序命名，2021年5月18日的照片集数量共345张，编号从dji_0006～dji_0350，2021年9月8日的照片集数量共257张，编号从dji_0041～dji_0297。
71.以2021年5月18日的dji_0181(39度4分22.5686秒，117度45分41.0507秒)为例，其前后照片是dji_0180(39度4分22.4465秒，117度45分41.5611秒)和dji_0182(39度4分22.6912秒，117度45分40.5475秒)。
72.构建同一天不同航线照片集的左右关系网：
73.如果存在多条航线，则提取每一张照片的拍摄位置，计算每一张照片的航向角a(a为该照片与后一张照片两个位置连线的水平方位角)。搜寻每一张照片与不同航线所有照片之间的距离d，位于航向角a左侧和右侧的距离最小的两张照片分别为该照片的左侧照片和右侧照片。
74.通过设定一个距离阈值，一旦距离d超过该阈值，则说明该照片不存在左侧照片或右侧照片。
75.由于本实施例中只有一条航线，所以无需构建左右关系网。
76.构建不同日期照片集的上下关系网：
77.搜寻每一张照片与不同日期所有照片之间的距离d，上一期拍摄的照片集中d最小的照片为该照片的上一张照片，下一期拍摄的照片集中d最小的照片为该照片的下一张照片。
78.通过设定一个距离阈值，一旦距离d超过该阈值，则说明该照片不存在上一张照片或下一张照片。
79.在本实施例中，以2021年5月18日的dji_0181(39度4分22.5686秒，117度45分41.0507秒)为例，计算机通过与2021年9月8日的照片集进行经纬度偏差比较，确定其下一张照片为2021年9月8日的dji_0152(39度4分22.5767秒，117度45分41.1087秒)，两者经纬度偏差最小。2021年5月18日的dji_0181与2021年9月8日的dji_0151(39度4分22.4043秒，117度45分41.9311秒)和dji_0153(39度4分22.8026秒，117度45分40.2658秒)的经纬度偏差均较大。
80.完成以上三步后，完成了无人机航拍照片集空间与时序关系网的构建，可以快速查找到任意一张照片的前、后、左、右(本实施例不涉及左、右)、上、下的照片。前、后、左、右(本实施例不涉及左、右)照片是为了事后在室内快速翻看照片，实现电子巡检。上、下照片是为了事后进行比对，分析垃圾清理效果或者垃圾变化。图2是本实施例构建空间与时序关系网示意图。
81.s3.使用突兀垃圾识别方法对排列后的照片集进行识别处理，具体过程如下
82.s3.1照片颜色空间转化：利用成熟的rgb转hsv公式，将rgb照片转化成hsv照片，即每一个像素的值从r、g、b值转化成h、s、v值，分别代表色度、饱和度和亮度。
83.s3.2设定突兀垃圾的hsv阈值：黄色垃圾阈值(26≤h≤34,100≤s≤255，100≤v≤255)、蓝色垃圾阈值(80≤h≤130,100≤s≤255，100≤v≤255)、红色垃圾阈值(156≤h≤180或0≤h≤10,100≤s≤255，100≤v≤255)。
84.需要说明的是，海滩的自然色彩一般为沙黄、枯草黄、植物绿、石头灰、阴影黑等色调，而突兀垃圾色彩较鲜艳，因此黑白泡沫、竹木、透明瓶子等不作为本实施例的识别目标。
85.s3.3判定照片中的每一个像素：在以上突兀垃圾hsv阈值内的像素判定为突兀垃圾像素，否则判定为背景。
86.本步操作为现有技术应用，在此不再详细赘述。
87.s4.对经过突兀识别处理的航拍照片进行比对处理，得到预定区域内海滩垃圾的变化数据，本步包括位置点垃圾变化数据和区域内垃圾变化数据。
88.逐位置比对：
89.对任意一张照片，统计突兀垃圾占全部像素的百分比c。比较该照片与上一张照片的c值之间的差异。如果该照片与上一张照片的位置之间偏差较大，可以利用该照片的前、后、左、右照片的c值平均值和上一张照片的前、后、左、右照片的c值平均值进行比较。
90.全区域比对：
91.对不同日期拍摄的照片集在电子地图上定位显示，每一张照片利用一个点或者方框表示，不同的c值利用不同的颜色赋色，形成一张垃圾分布热值图。比较不同日期拍摄的垃圾分部热值图，分析变化情况。
92.在本实施例中，经过运行突兀垃圾自动识别算法，2021年5月18日的dji_0181的垃圾占比为1.14％，如图3所示，2021年9月8日的的垃圾占比为dji_0152和0.16％，如图4所示，可知期间的垃圾清理活动有效地减少了该位置的垃圾数量。
93.本技术还公开了一种基于无人机的海滩垃圾巡检系统，用于执行本实施例中的巡检方法，如图5所示，包括航拍照片采集单元、照片关系网单元、垃圾识别单元和数据分析单元。
94.具体的，在本实施例中，航拍照片采集单元用于采集预定区域内海滩垃圾的航拍照片集，照片集包括不同航线、不同日期的航拍照片；照片关系网单元用于根据照片集，构建照片集的空间与时序关系网，并将航拍照片按照空间与时序关系网进行排列；垃圾识别单元用于根据突兀垃圾识别方法对排列后的照片集进行识别处理；数据分析单元用于对经过突兀识别处理的航拍照片进行比对处理，得到预定区域内海滩垃圾的变化数据。
95.以上所述的实施例仅是对本技术优选方式进行的描述，并非对本技术的范围进行限定，在不脱离本技术设计精神的前提下，本领域普通技术人员对本技术的技术方案做出的各种变形和改进，均应落入本技术权利要求书确定的保护范围内。