[發明專利]一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法

在審

• 申請號: 201910937130.0
• 申請日: 2019-09-29
• 公開（公告）號: CN111222529A
• 公開（公告）日: 2020-06-02
• 發明（設計）人: 楊志科;蔣秋明
• 申請（專利權）人: 上海上實龍創智慧能源科技股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N20/10;G06N3/04;G06N3/08
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 宣慧蘭

本發明涉及一種基于GoogLeNet?SVM的污水曝氣池泡沫識別方法，包括以下步驟：步驟S1：獲得曝氣池的圖片；步驟S2：基于圖片，獲得擴充的樣本；步驟S3：基于樣本和openCV庫，得到統一尺寸樣本；步驟S4：基于統一尺寸樣本，得到訓練集和測試集；步驟S5：基于訓練集、測試集、GoogLeNet和SVM，構建污水曝氣池泡沫識別模型；步驟S6：基于污水曝氣池泡沫識別模型，進行污水曝氣池泡沫識別。與現有技術相比，只需輸入待測曝氣池的圖片，即可得到泡沫識別結果，無需人工參與，減少了增加企業的人力成本，避免了對工人身體健康的影響，同時準確度更高。

技術領域

本發明涉及污水處理領域，尤其是涉及一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法。

背景技術

污水處理企業目前對于曝氣池泡沫識別還采用人工檢測，人工檢測依賴工作人員的經驗和行業知識，人才難得，會增加企業的人力成本；同時人工檢測中個人的主觀決策，在復雜，相近的情況容易帶有偏向性，會帶來較大偏差。另外長期待在現場會影響工人的身體健康。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供無需人工參與、準確度更高的一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法。

本發明的目的可以通過以下技術方案來實現：

一種基于GoogLeNet-SVM的污水曝氣池泡沫識別方法，該方法包括以下步驟：

步驟S1：獲得曝氣池的圖片；

步驟S2：基于圖片，獲得擴充的樣本；

步驟S3：基于樣本和openCV庫，得到統一尺寸樣本；

步驟S4：基于統一尺寸樣本，得到訓練集和測試集；

步驟S5：基于訓練集、測試集、GoogLeNet和SVM，構建污水曝氣池泡沫識別模型；

步驟S6：基于污水曝氣池泡沫識別模型，進行污水曝氣池泡沫識別。

所述的步驟S2中的擴充過程包括將圖片進行翻轉、向圖片加入椒鹽噪聲、將圖片進行分割和向圖片添加光照。

所述的步驟S4對統一尺寸樣本進行零均值化，得到訓練集和測試集。

所述的步驟S5污水曝氣池泡沫識別模型的構建過程包括：

步驟S51：基于GoogLeNet框架和SVM框架，得到初始模型；

步驟S52：基于初始模型和訓練集，利用優化算法訓練得到初始污水曝氣池泡沫識別模型；

步驟S53：利用測試集對初始污水曝氣池泡沫識別模型進行測試，若測試結果符合設定，則得到污水曝氣池泡沫識別模型；若測試結果不符合設定，則改變GoogLeNet框架和SVM框架的參數，執行步驟S51。

所述的優化算法為反向傳播算法。

所述的GoogLeNet包括六層結構，第一層結構、第二層結構和第六層結構為單層結構，第三層結構和低五層結構各包括兩個子層結構，所述的第四層結構包括五個子層結構，將所述的第四層結構的第二子層結構的輸出特征、第四層結構的第五子層結構的輸出特征以及第六層結構的輸出特征進行分類。

所述的第四層結構的第二子層結構的輸出特征、第四層結構的第五子層結構的輸出特征以及第六層結構的輸出特征的權重依次為0.3、0.5和1.0。

所述的第四層結構的第二子層結構的輸出特征和第四層結構的第五子層結構的輸出特征通過softmaxActivation進行分類，所述的第六層結構的輸出特征通過SVM進行分類。

與現有技術相比，本發明具有以下優點：