随着我国海上船舶运输业的发展,港口的船舶吞吐量激增,溢油事故频发。不仅影响附近水域的生态健康,也给沿岸社会经济造成严重的影响,因此防止溢油油品扩散可有效降低溢油事故的危害程度;现在大量应用的浮式固定式围油栏可操作性差,无法适应港口海象气象条件变化,致使围油效果差,因此开发动态智能的气幕围油栏,以适应多变的港口海象气象条件,系统具有重要的意义。海上气象多变加快溢油逃逸,气幕式围油栏因及时根据溢油状态调整,对于强化围油效果具有重要意义。通过动态监测水面的气泡幕状态,使用图像识别技术准确识别气泡幕位置信息,并结合溢油分布状态评估围油效果。搭建气幕式围油栏的实验台架,开展气幕式围油栏实验,并结合无人机实时监测取样,针对自然光照环境下气泡幕图像的特点,分析已有的特征提取与识别分类方法存在的不足,经过优化和智能学习,提出了基于MASK RCNN的气泡幕检测及分割网络技术。主要研究内容如下:(1)利用无人机拍摄气幕式围油栏工作图像,将采集的气泡幕图像利用VIA标注工具进行标记制作为气泡幕数据集;(2)对比分析已有的卷积神经网络和特征识别算法,结合气泡幕的特征,选择Mask RCNN网络作为算法框架。详细介绍了残差网络(ResNet)、区域建议网络(RPN)、感兴趣区域对齐(ROI Align)层和Fast RCNN+Mask分割四个部分。残差网络选用ResNet101结构,使用标注好的气泡幕数据集训练该网络,对其中的参数权重进行微调和测试,完成检测模型;在检测出气泡幕的基础上对边缘进行识别,输出所有边缘点集,获取气泡幕在水面的位置信息;(3)设计气泡幕识别的GUI界面。在完成基于Mask RCNN算法的气泡幕识别的后,根据GUI系统设计的可视化,设计基于气泡幕识别系统的GUI使用界面。