[發明專利]一種基于深度學習的水生態信息識別方法及系統

在審

• 申請號: 202010059295.5
• 申請日: 2020-01-19
• 公開（公告）號: CN111274935A
• 公開（公告）日: 2020-06-12
• 發明（設計）人: 高濤;王東偉;周緒申;高翔;張路
• 申請（專利權）人: 北京耘數科技有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京沁優知識產權代理事務所(普通合伙) 11684
• 代理人: 郭娜

本發明涉及環境技術領域，具體涉及一種基于深度學習的水生態信息識別方法。包括對環境信息進行采集得到第一環境圖像；對第一環境圖像進行信息提取得到第二環境圖像；將第二環境圖像輸入到模型中確定是否有標的物，其中模型為使用多組數據通過機器深度學習訓練得到，多組數據包括第一類數據和第二類數據，第一類數據中的每組數據均包括：包括標的物的圖像和標識該圖像包括標的物的標簽；第二類數據中的每組數據均包括：不包括標的物的圖像和標識該圖像不包括標的物的標簽；獲取模型的輸出信息，在所述第二環境圖像有標的物的情況下輸出所述標的物信息。其次，本發明還提供了一種基于深度學習的水生態信息識別系統。本發明可以快速準確的對標的物信息進行識別。

技術領域：

本發明涉及環境技術領域，具體涉及一種基于深度學習的水生態信息識別方法及系統。

背景技術：

隨著人工智能技術的發展，在各個行業的很多領域深度學習扮演著越來越重要的角色，深度學習是學習樣本數據的內在規律和表示層次，在這些學習過程中通過對獲得的信息對諸如文字、圖像和聲音等數據進行總結歸納；它的最終目標是讓機器能夠像人一樣具有分析學習能力，能夠識別文字、圖像和聲音等數據。深度學習在語音識別、自然語言處理、計算機視覺、圖像與視頻分析、多媒體等諸多領域的應用取得了巨大成功。隨著環境和生態意識的增強，人類越來越多地關注水生態風險和生態系統健康問題，生物多樣性與生態系統功能的關系成為生態學領域內一個重大科學問題。近年來，大量工業廢水、農田灌溉和生活污水排入江中，從而使得江河湖海近岸的營養鹽大量富集、超標，造成水體富營養化，浮游藻類與水污染密切相關。例如水生浮游藻類是指一群在水中以浮游方式生活，能進行光合作用的自養型微生物，個體大小一般在2-200，其種類繁多，由于它們是水體中重要的有機物質制造者，故在整個水體生態系統中占有舉足輕重的作用。為了全方位掌握水體水質情況，必須對浮游藻類進行監測，并且浮游藻類監測已經成為了水體監測必不可少的項目，通過人工的方式進行統計不僅費時費力、而且準確度低。

有鑒于此，提出本發明。

發明內容：

本發明提供一種可以從復雜背景如噪聲、碎屑、目標的交叉重疊等識別圖像、影像中的目標物，進而輸出識別結果的基于深度學習的水生態信息識別方法及系統。

本發明保護一種基于深度學習的水生態信息識別方法，包括：

對環境信息進行采集得到第一環境圖像；

對所述第一環境圖像進行信息提取得到第二環境圖像；

將所述第二環境圖像輸入到模型中確定是否有標的物，其中所述模型為使用多組數據通過機器學習訓練得到，所述多組數據包括第一類數據和第二類數據，所述第一類數據中的每組數據均包括：包括標的物的圖像和標識該圖像包括標的物的標簽；所述第二類數據中的每組數據均包括：不包括標的物的圖像和標識該圖像不包括標的物的標簽。

獲取所述模型的輸出信息，在所述第二環境圖像有標的物的情況下輸出所述標的物信息。

采用上述方案，對于微生物可以通過在水域、湖泊等地采集水樣，然后經所述水樣置于顯微鏡下進行識別拍攝得到第一環境圖像；對于體積較大的生物可以采用照相機、攝像機等拍攝裝置進行拍攝得到第一環境圖像，然而所述第一環境圖像不能滿足機器識別要求，需要對其進行信息提取的處理以滿足機器識別要求；所述模型為經過大量多組數據得到，將所述第二環境圖像輸入到模型進行對比，可以判端第二環境圖像是否含有標的物；當含有標的物時，可以輸出有關標的物的具體信息。

進一步地，對所述第一環境圖像進行信息提取得到第二環境圖像步驟包括：對所述第一環境圖像進行圖像分割生成分割單元，對所述分割單元建立分類規則，獲取所述第二環境圖像。

采用上述方案，通過將第一環境圖像的不同分割單元進行精細度的劃分、歸類，以達到滿足識別要求的第二環境圖像。