[發明專利]水質檢測方法及其水樣圖像識別裝置在審
| 申請號: | 201810867078.1 | 申請日: | 2018-08-01 |
| 公開(公告)號: | CN109187534A | 公開(公告)日: | 2019-01-11 |
| 發明(設計)人: | 劉應天;孫克柱 | 申請(專利權)人: | 江蘇凱納水處理技術有限公司 |
| 主分類號: | G01N21/84 | 分類號: | G01N21/84;G06K9/00;G06K9/62 |
| 代理公司: | 北京君泊知識產權代理有限公司 11496 | 代理人: | 王程遠 |
| 地址: | 224005 江蘇省鹽*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 水樣 水質檢測 神經網絡模型 圖像識別裝置 水樣檢測 圖像樣本 圖像 水處理系統 水質 檢測數據 結果傳送 實時檢測 遠程終端 構建 突變 排污 采集 超標 發現 環保 | ||
1.一種水質檢測方法,其特征在于,所述方法包括:
獲取若干水樣圖像樣本;
以所述水樣圖像樣本為基礎,構建對應的神經網絡模型;
采集獲取當前水樣圖像;
根據所述神經網絡模型,確定當前水樣圖像的識別結果;
將所述識別結果傳送至遠程終端,實時檢測水質。
2.根據權利要求1所述的水質檢測方法,其特征在于,所述以所述水樣圖像樣本為基礎,構建對應的神經網絡模型,具體包括:
生成與所述水樣圖像樣本相對應的多尺度訓練樣本數據;
使用所述多尺度訓練樣本數據對神經網絡進行訓練,獲得對應的神經網絡模型。
3.根據權利要求2所述的水質檢測方法,其特征在于,所述根據所述神經網絡模型,確定當前水樣圖像的識別結果,具體包括:
提取所述當前水樣圖像的關鍵點數據;
通過所述神經網絡模型,對所述關鍵點數據進行一致性匹配,獲得匹配結果;
根據所述匹配結果,確定當前水樣圖像的識別結果。
4.根據權利要求3所述的水質檢測方法,其特征在于,所述關鍵點數據包括:水樣圖像的水樣顏色、濁度、漂浮物以及水花。
5.根據權利要求4所述的水質檢測方法,其特征在于,所述生成與所述水樣圖像樣本相對應的多尺度訓練樣本數據,具體包括:
提取每一個所述水樣圖像樣本的關鍵點數據;所述水樣圖像樣本為不同行業或者同一行業不同水質的水樣圖像樣本;
對所述水樣圖像樣板的關鍵點數據進行歸一化處理。
6.一種水樣圖像識別裝置,其特征在于,包括:在線圖像采集模塊以及圖像識別模塊;所述在線圖像采集模塊用于采集若干水樣圖像樣本以及當前水樣圖像;
所述圖像識別模塊包括:樣本獲取單元,用于獲取若干水樣圖像樣本;模型生成單元,用于以所述水樣圖像樣本為基礎,構建對應的神經網絡模型;采樣單元,用于采集獲取當前水樣圖像;圖像分析單元,用于根據所述神經網絡模型,確定當前水樣圖像的識別結果;以及遠程檢測單元,用于接收所述識別結果,實時檢測水質。
7.根據權利要求6所述的水樣圖像識別裝置,其特征在于,所述模型生成單元,具體包括:
判定樣本子單元,用于生成與所述水樣圖像樣本相對應的多尺度訓練樣本數據;
訓練子單元,用于使用所述多尺度訓練樣本數據對神經網絡進行訓練,獲得對應的神經網絡模型。
8.根據權利要求7所述的水樣圖像識別裝置,其特征在于,
所述采樣單元還用于,提取所述當前水樣圖像的關鍵點數據;所述圖像分析單元具體用于:通過所述神經網絡模型,對所述關鍵點數據進行一致性匹配,獲得匹配結果;根據所述匹配結果,確定當前水樣圖像的識別結果。
9.根據權利要求8所述的水樣圖像識別裝置,其特征在于,所述關鍵點數據包括:水樣圖像的水樣顏色、濁度、漂浮物以及水花。
10.根據權利要求9所述的水樣圖像識別裝置,其特征在于,
所述樣本獲取單元還用于,提取每一個所述水樣圖像樣本的關鍵點數據;所述水樣圖像樣本為不同行業或者同一行業不同水質的水樣圖像樣本;
所述訓練子單元具體用于,對所述水樣圖像樣板的關鍵點數據進行歸一化處理。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于江蘇凱納水處理技術有限公司,未經江蘇凱納水處理技術有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810867078.1/1.html,轉載請聲明來源鉆瓜專利網。





