现如今,世界各国对能源的需求迅速增长,使得石油的海洋开采和海上运输活动更加频繁。船舶在运输过程中可能发生油轮碰撞或石油开采平台因意外事故造成原油泄漏,因此海面溢油监测工作是必不可少的。为了能够实时监测是否有海面溢油事故的发生,以便后续及时处理,本文采用了低成本的近距离可见光/热红外视觉装备进行海面溢油全天候监测,并通过深度学习算法进行特征提取与智能分析。针对当前缺少近距离可见光/热红外溢油数据集的问题,本文首先通过现场采集和人工标注整理,系统地构建了一个较为完备的溢油多波段视觉感知数据集。为了满足深度学习语义分割算法的检测精度要求,通过仿射变换、透视变换和弹性变换等增强算法对数据集进行数据扩充,并采用快速金字塔分解自动色彩均衡算法对低对比度的薄油膜图像进行数据增强,从而提升了检测系统对海上薄油膜特征的识别能力。为了同时满足溢油特征检测的实时性和准确性要求,建立了一种改进的双边分割溢油检测网络。首先分别用五种经典的主干网络置换传统双边分割网络的语义分支,并对五种置换后的网络进行实验对比分析,最终确定了以Ghost Net为主干网络的双边分割网络结构,使得网络对溢油特征检测的精度和实时性达到了较优的平衡。进而根据Ghost Net网络的Ghost-Bottleneck核心模块设计方法,提出了更适合溢油特征检测的Ghost-GE双边分割网络模块结构。此外,针对高分辨率图像经常出现漏检问题,分别在其语义分支和细节分支上分别引入了上下文与通道注意力机制和位置注意力机制,使得溢油检测网络在保证实时性的同时,有效减少了高分辨率图像的漏检现象。获得有效的溢油特征信息对于满足海上油污快速清除等需求尤为重要。为实现溢油面积与溢油量自动计算,首先对溢油检测网络的输出特征图进行预处理。其次应用拟合曲线法对溢油面积进行计算,即通过标定已知面积的参照物拟合出溢油图像面积与采集数据相机拍摄高度的关系曲线,进而通过油污区域像素占比计算溢油面积。然后通过波恩协议对不同颜色油膜进行油膜厚度估计。最后基于溢油面积、油膜厚度和油密度参数来估算溢油量大小,从而实现溢油污染程度评估。本文的海面溢油双光检测算法已经能够实现全天候近距离海面溢油检测,并解决了薄油膜与水之间的对比度低等问题。在低海况条件下,其近距离检测准确率可以达到90%以上。当满足正射图像采集条件时,对溢油事故发生初期进行溢油量评估,其误差可以控制在10%以内。溢油检测算法基本满足近距离溢油光学检测应用需求。