你想找的好書在這裡!
累計出版品總數量:114,319
:::
應用影像智慧化技術判釋海岸公路及防波堤越波研究(2/4)-夜間越波判釋

應用影像智慧化技術判釋海岸公路及防波堤越波研究(2/4)-夜間越波判釋

書籍介紹

摘要:
為減少海岸公路及港區因越波(浪襲)所造成的災害,本研究計畫需透過網路攝影監視系統資料,配合影像判釋技術分析易越波區域受波浪襲擊情況,並發展影像判釋越波警示技術。本研究計畫區域為「台11線人定勝天路段」與「花蓮港區防波堤」兩區域,需透過已架設之攝影系統,蒐集影像資料及分析溯升與越波情況,並回傳交通部運輸研究所(以下簡稱運研所),以作為越波警示之依據。
本研究為4年期計畫,本年度(民國112年)為第2年期,於第1年期「建置影像判釋溯升/越波技術(日間)」(簡稱前期計畫)之基礎上,本年度主要需完成夜間越波影像判釋技術。此外,本年度亦需針對人定勝天路段,透過機器學習方式發展溯升/越波模型,導入臺灣近岸海象預測系統 (TaiCOMS2.0)資料,推估公路溯升情況,並與既有海岸公路浪襲預警系統結果進行比對以評估其成效。
於前期計畫基礎下,本年度已於人定勝天路段建置日/夜間影像判釋溯升系統。透過光學/熱成像兩種攝影設備佈放,已成功蒐錄本年度瑪娃、杜蘇芮、卡努、蘇拉及海葵等颱風事件期間日/夜間影像資料。其中,熱成像能補足光學影像夜間無法順利蒐錄影像之缺點,且因其為拍攝熱感溫度變化機制,使其於雨天前期溫差仍處較大條件下仍可有效拍攝溯升影像。然而,就影像判釋分析結果而言,發現熱成像雖可於夜間蒐錄影像並進行水線判釋,惟因其需有顯著溫差條件下才能有效合理判釋,並非所有時段均能達到警戒效果。本計畫為使影像判釋溯升技術能應用於海岸公路浪襲警戒,已於本年度建立自動化影像判釋溯升系統,並依據兩年度影像分析成果,訂定影像水線判釋門檻值,藉以自動化判釋時能夠獲得可靠的水線分析成果。此外,亦將此自動化結合影像警戒線判斷,發布越波警戒燈號,以利實務上公路浪襲警戒所用。
此外,依據前期計畫針對既有浪襲預警系統精進規劃成果,進行本年度預警系統之強化作業。引入機器學習(高斯過程)方法,建立外海海象與近岸溯升關係(納入波向考量),已建立人定勝天路段溯升機器學習模型。透過TaiCOMS2.0海象預報資料的輸入,已可以順利進行溯升預報產製。進一步將其預報結果和影像判釋與感測器結果進行比對,整體來說,影像分析與溯升預報相對於感測器觀測資料而言仍有部分誤差存在,但大多仍可在誤差區間內,應可作為未來精進預報模型與影像分析之參考。

目次

目 錄
摘 要I
目 錄III
圖目錄V
表目錄VIII
第一章 緒論1-1
1.1計畫緣起1-1
1.2計畫目的1-1
1.3工作項目與內容1-2
1.4工作流程規劃1-2
1.5工作執行進度規劃安排1-4
1.6第一年度(111年)計畫成果摘要1-5
1.7本(112)年度預期效益及成果1-10
1.8後續年度計畫執行之前置作業1-10
1.9環境背景現況說明1-11
1.9.1氣象1-12
1.9.2海象環境1-15
1.9.3地質環境1-19
1.9.4海岸災害1-19
1.9.5花蓮海岸公路浪襲預警系統概述1-25
第二章 溯升與越波資料蒐集2-1
2.1溯升計觀測資料蒐集2-1
2.1.1溯升觀測站建置2-2
2.1.2溯升觀測站建置溯升計觀測資料蒐集與分析2-3
2.2影像觀測資料蒐集2-4
第三章 溯升與越波觀測資料分析3-1
3.1影像判釋技術精進3-1
3.1.1影像預處理3-3
3.1.2第一次影像辨識3-10
3.1.3第二次影像辨識3-18
3.1.4熱成像3-22
3.1.5影像描述3-23
3.2影像分析驗證3-33
3.2.1人為判釋驗證3-33
3.2.2溯升計驗證3-39
3.3情境分析3-40
第四章 自動化影像判釋系統建立4-1
第五章 機器學習溯升模型發展5-1
5.1數值模式與機器學習模型說明5-4
5.1.1數值模式說明5-4
5.1.2機器學習模型說明5-10
5.2模型建置成果說明5-12
5.2.1颱風事件追算模擬5-13
5.2.2溯升模擬分析5-14
5.2.3機器學習模型建置與分析5-17
第六章 結論與建議6-1
6.1結論6-1
6.2建議6-2
6.3成果效益及應用情形6-3
參考文獻參-1
附錄一 期末報告審查意見回覆及辦理情形附1-1
附錄二 期末報告簡報附2-1
附錄三 期中報告審查意見回覆及辦理情形附3-1
附錄四 歷次工作會議記錄附4-1

圖目錄
圖1.1 計畫工作流程與執行架構1-3
圖1.2 海岸公路原始影像1-7
圖1.3 RGB色彩空間及其經對比度調整強化後的影像1-7
圖1.4 HSV色彩空間及其經對比度調整強化後的影像1-7
圖1.5 YUV色彩空間及其經對比度調整強化後的影像1-8
圖1.6 YUV色彩空間統計分析結果1-9
圖1.7 U色彩空間(紅框表示白沫區)1-9
圖1.8 水線擷取之成果1-10
圖1.10 計畫區與花蓮沿海鄉鎮測站分布圖1-13
圖1.11 花蓮沿海地區月平均溫度與日照時數分布圖(2019/10~2023/9)
1-13
圖1.12 花蓮沿海地區月平均降雨量與降雨日數分布圖(2019/10~2023/9)1-13
圖1.13 歷年花蓮港測站風玫瑰圖(2002/12~2021/11)1-14
圖1.14 花蓮港每月潮位統計圖(2002~2021)1-16
圖1.15 石梯港每月潮位統計圖(2002~2021)1-16
圖1.16 花蓮港歷年四季及全觀測期海流流速機率分佈圖1-18
圖1.17 花蓮港歷年四季及全觀測期海流流向機率分佈圖1-18
圖1.18 花蓮地區海岸聚落於災害徵兆(Ts)-災害潛勢(Tp)二維分布情形
1-20
圖1.19 浪襲台11線海岸公路事件現場概況1-23
圖1.20 花蓮海岸公路浪襲預警系統畫面及燈號1-26
圖2.1 台11線人定勝天路段海岸斷面現況(攝於112/05/26)2-2
圖2.2 花蓮縣台11線人定勝天段溯升感測器安裝完工圖2-3
圖2.3 花蓮縣台11線人定勝天段溯升觀測站之訊號中繼站位置圖2-3
圖2.4 建置FTP站接收溯升觀測站回傳之逐時觀測資料2-4
圖2.5 北側斷面感測器因不可抗拒因素毀損 (左圖),並以備品支應,
恢復觀測 (右圖)2-4
圖2.6 颱風期間日間(a)光學影像和(b)熱成像影像(無雨)2-7
圖2.7 颱風期間日間(a)光學影像和(b)熱成像影像(有雨)2-8
圖2.8 颱風期間夜間(a)光學影像和(b)熱成像影像(無雨)2-9
圖2.9 颱風期間夜間(a)光學影像和(b)熱成像影像(有雨)2-10
圖3.1 海岸線判釋技術流程圖3-1
圖3.2 陰晴且小浪之範例影像3-2
圖3.3 下雨且大浪之範例影像3-2
圖3.4 濾波器運算規則示意圖3-4
圖3.5 影像邊界鏡射示意圖3-4
圖3.6 本計畫使用之高斯濾波器3-5
圖3.7 高斯濾波器使用前之影像判釋結果3-5
圖3.8 高斯濾波器使用後之影像判釋結果3-5
圖3.9 非等向性擴散濾波器處理前後之範例影像3-6
圖3.10 CIE 1931 色度圖3-7
圖3.11 色彩空間轉換流程圖3-10
圖3.12 感興趣區域於影像中之相對位置3-11
圖3.13 陰晴且小浪(左)及下雨且大浪(右)之感興趣區域3-11
圖3.14 陰晴且小浪之感興趣區域影像分割結果3-13
圖3.15 下雨且大浪之感興趣區域影像分割結果3-13
圖3.16 陰晴且小浪之群心數值統計圖3-14
圖3.17 下雨且大浪之群心數值統計圖3-15
圖3.18 陰晴且小浪(左)及下雨且大浪(右)之二值影像3-15
圖3.19 形態學運算使用之結構元素3-16
圖3.20 形態學閉運算之概念圖3-16
圖3.21 陰晴且小浪(左)及下雨且大浪(右)經閉運算之二值影像3-16
圖3.22 經陰晴且小浪(左)及下雨且大浪(右)經後處理之二值影像3-16
圖3.23 陰晴且小浪範例影像第一次影像辨識之海岸線3-17
圖3.24 下雨且大浪範例影像第一次影像辨識之海岸線3-17
圖3.25 以前次辨識結果劃分海岸線區域3-19
圖3.26 第二子區域3-20
圖3.27 第二子區域影像分割結果3-20
圖3.28 第二子區域各分群群心數值統計分析圖3-20
圖3.29 第二子區域後處理前之二值影像3-21
圖3.30 第二子區域後處理後之二值影像3-21
圖3.31 陰晴且小浪範例影像第二次影像辨識之海岸線3-21
圖3.32 熱成像範例影像3-22
圖3.33 熱成像之K-means分群法結果3-22
圖3.34 後處理後之熱成像二值影像3-23
圖3.35 熱成像範例影像之影像判釋結果3-23
圖3.36 針孔相機模型3-24
圖3.37 現場量測及量測工具3-26
圖3.38 共線方程計算水平誤差分析(光學影像)3-26
圖3.39 共線方程計算高程誤差分析(光學影像)3-27
圖3.40 共線方程計算水平誤差分析(熱成像影像)3-27
圖3.41 共線方程計算高程誤差分析(熱成像影像)3-28
圖3.42 地形高程資料套疊影像之成果(光學影像)3-28
圖3.43 地形高程資料套疊影像之成果(熱成像影像)3-28
圖3.44 花蓮人定勝天路段預報斷面於影像位置圖(111/4/15)3-30
圖3.45 花蓮人定勝天夜間影像分析測試3-31
圖3.46 車輛通過影像分析測試3-32
圖3.47 影像水線判釋誤差於(a)陰晴(小浪)之分析結果3-35
圖3.48 影像水線判釋誤差於(b)下雨(小浪)之分析結果3-36
圖3.49 影像水線判釋誤差於(c)陰晴(大浪)之分析結果3-37
圖3.50 影像水線判釋誤差於(d)下雨(大浪)之分析結果3-38
圖3.51 光學影像之溯升計驗證3-39
圖3.52 熱成像之溯升計驗證3-39
圖3.53 晴天且大浪之影像判釋結果3-40
圖3.54 晴天且中浪之影像判釋結果3-40
圖3.55 晴天且小浪之影像判釋結果3-40
圖3.56 陰天且大浪之影像判釋結果3-41
圖3.57 陰天且中浪之影像判釋結果3-41
圖3.58 陰天且小浪之影像判釋結果3-41
圖3.59 雨天且大浪之影像判釋結果3-42
圖3.60 雨天且中浪之影像判釋結果3-42
圖3.61 雨天且小浪之影像判釋結果3-42
圖4.1 影像分析水線有效性之判釋成果4-2
圖4.2 影像分析水線有效性通過門檻之局部時間點結果4-2
圖4.3 影像判釋自動化之流程圖4-2
圖4.5 自動化影像判釋越波警戒線圖4-4
圖5.1 SCHISM模式架構圖5-5
圖5.2  臺灣周圍水深地形與網格分布5-8
圖5.3 人定勝天路段陸海域地形資料與溯升模擬範圍與網格資料5-10
圖5.4 示性波高和最大2%溯升高高斯過程的機器學習流程示意圖5-12
圖5.5 混合風場圖(以2016年梅姬颱風事件為例)5-13
圖5.6 颱風事件追算模擬與量測資料時序列比較
(以2016年莫蘭蒂、馬勒卡、梅姬颱風事件為例)5-14
圖5.7 FUNWAVE第一層範圍模擬結果(紅框為人定勝天路段)5-15
圖5.8 FUNWAVE第二層範圍模擬結果5-16
圖5.9 影像分析與溯升追算比對結果5-17
圖5.10 值比較像分析與溯升追算比對結果5-17
圖5.11 溯升預報、感測器觀測值與影像分析高程之比較結果
(2023瑪娃颱風事件)5-18
圖5.12 溯升預報、感測器觀測值與影像分析高程之比較結果
(2023海葵颱風事件)5-18

表目錄
表1 1 本年度(112年)計畫分項工作進度規劃1-4
表1 2 花蓮沿海鄉鎮氣象站資料概況1-12
表1 3 花蓮浮標每月波高統計表(2003-2022)1-15
表1 4 花蓮沿海潮位統計1-16
表1 5 花蓮港測站分季流速分佈統計表(2003~2020)1-17
表1 6 花蓮港測站利年分季流向分佈統計表1-17
表1 7 相關浪襲台11線海岸公路事件新聞蒐集1-24
表2 1 花蓮縣台11線人定勝天段溯升計安裝位置2-2
表3 1 sRGB色彩空間三原色及白點色度值3-8
表3 2 陰晴且小浪之感興趣區域各分群群心數值3-14
表3 3 下雨且大浪之感興趣區域各分群群心數值3-14
表3 4 範例影像之最大值指數與平均值指數3-18
表3 5 第二子區域各分群群心數值3-20
表3 6 蘇拉颱風期間溯升計與影像判釋結果比對3-39
表4 1 不同來源影像規格4-3
表5 1 以機器學習進行溯升預測之相關研究5-3

編/著/譯者簡介

本所主辦單位:港研中心
主管:蔡立宏
計畫主持人:林雅雯
研究人員:陳鈞彥
合作研究/共同研究單位:國立成功大學
計畫主持人:吳昀達
研究人員:蕭士俊、吳漢倫、陳彥龍

序言/導讀

摘要: 為減少海岸公路及港區因越波(浪襲)所造成的災害,本研究計畫需透過網路攝影監視系統資料,配合影像判釋技術分析易越波區域受波浪襲擊情況,並發展影像判釋越波警示技術。本研究計畫區域為「台11線人定勝天路段」與「花蓮港區防波堤」兩區域,需透過已架設之攝影系統,蒐集影像資料及分析溯升與越波情況,並回傳交通部運輸研究所(以下簡稱運研所),以作為越波警示之依據。 本研究為4年期計畫,本年度(民國112年)為第2年期,於第1年期「建置影像判釋溯升/越波技術(日間)」(簡稱前期計畫)之基礎上,本年度主要需完成夜間越波影像判釋技術。此外,本年度亦需針對人定勝天路段,透過機器學習方式發展溯升/越波模型,導入臺灣近岸海象預測系統 (TaiCOMS2.0)資料,推估公路溯升情況,並與既有海岸公路浪襲預警系統結果進行比對以評估其成效。 於前期計畫基礎下,本年度已於人定勝天路段建置日/夜間影像判釋溯升系統。透過光學/熱成像兩種攝影設備佈放,已成功蒐錄本年度瑪娃、杜蘇芮、卡努、蘇拉及海葵等颱風事件期間日/夜間影像資料。其中,熱成像能補足光學影像夜間無法順利蒐錄影像之缺點,且因其為拍攝熱感溫度變化機制,使其於雨天前期溫差仍處較大條件下仍可有效拍攝溯升影像。然而,就影像判釋分析結果而言,發現熱成像雖可於夜間蒐錄影像並進行水線判釋,惟因其需有顯著溫差條件下才能有效合理判釋,並非所有時段均能達到警戒效果。本計畫為使影像判釋溯升技術能應用於海岸公路浪襲警戒,已於本年度建立自動化影像判釋溯升系統,並依據兩年度影像分析成果,訂定影像水線判釋門檻值,藉以自動化判釋時能夠獲得可靠的水線分析成果。此外,亦將此自動化結合影像警戒線判斷,發布越波警戒燈號,以利實務上公路浪襲警戒所用。 此外,依據前期計畫針對既有浪襲預警系統精進規劃成果,進行本年度預警系統之強化作業。引入機器學習(高斯過程)方法,建立外海海象與近岸溯升關係(納入波向考量),已建立人定勝天路段溯升機器學習模型。透過TaiCOMS2.0海象預報資料的輸入,已可以順利進行溯升預報產製。進一步將其預報結果和影像判釋與感測器結果進行比對,整體來說,影像分析與溯升預報相對於感測器觀測資料而言仍有部分誤差存在,但大多仍可在誤差區間內,應可作為未來精進預報模型與影像分析之參考。

分類 其他詳細資訊
  • 適用對象:成人(學術性)
  • 關鍵詞:影像智慧化,越波,海岸防護,浪襲預警
  • 附件:無附件
  • 頁/張/片數:180
授權資訊
  • 著作財產權管理機關或擁有者:交通部運輸研究所
  • 取得授權資訊: 聯絡處室:交通部運輸研究所運輸技術研究中心 姓名:王胤容 電話:04-26587142 地址:台中市梧棲區中橫十路2號