[發明專利]一種河湖水體智慧監測方法、設備、系統及可讀存儲介質

在審

• 申請號: 202010955827.3
• 申請日: 2020-09-11
• 公開（公告）號: CN112067517A
• 公開（公告）日: 2020-12-11
• 發明（設計）人: 聞軍能;溫晨鷹;徐招名
• 申請（專利權）人: 杭州市地下管道開發有限公司
• 主分類號: G01N15/06
• 分類號: G01N15/06;G01N21/85;G01N33/18;G06K9/00;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種河湖水體智慧監測方法，其中其特征在于，包括：

定期采集河道的水下光源圖像；

對所述水下光源圖像進行圖像識別處理，獲得所述河道內水體的濁度；

根據所述河道內水體的濁度，判斷所述河道內的水體是否被污染，若是，則生成水質測量請求；

根據所述水質測量請求，獲得水質信息，所述水質信息包括所述河道內水體的高錳酸鹽指數、溶氧量、酸堿度、濁度以及磷氮含量；

根據所述水質信息，生成污染警告。

2.根據權利要求1所述的方法，其特征在于，所述對所述水下光源圖像進行圖像識別處理，獲得所述河道內水體的濁度包括：

對所述水下光源圖像進行過濾處理，獲得低頻特征信息；

利用預先訓練好的分析模型對所述低頻特征信息進行識別，獲得所述河道內水體的濁度。

3.根據權利要求2所述的方法，其特征在于，所述分析模型的訓練過程包括：

A1、從預先設定的樣本集中獲取訓練圖像和實際濁度，所述訓練圖像與實際濁度一一對應；

A2、利用BP神經網絡對所述訓練圖像進行識別，獲得訓練濁度；

A3、將所述訓練濁度與所述實際濁度進行比較，獲得訓練誤差；

A4、根據所述訓練誤差，通過梯度下降算法，對BP神經網絡中所有神經元的權值進行調整；

A5、對所述樣本集中的每個訓練圖像不斷重復步驟A1-A4，直到步驟A3中的訓練誤差小于誤差閾值時，結束對BP神經網絡的訓練，得到訓練好的分析模型。

4.一種河湖水體智慧監測設備，其特征在于，所述設備包括：

采樣模塊，用于定期采集河道的水下光源圖像；

圖像處理模塊，用于對所述采樣模塊采集的水面進行圖像識別處理，并獲得所述河道內水體的濁度；

判斷模塊，用于根據所述圖像處理模塊獲得的濁度，判斷所述河道內水體是否被污染，若是，則生成水質測量請求；

測量模塊，用于所述判斷模塊生成的水質測量請求，獲得水質信息，所述水質信息包括所述河道內水體的高錳酸鹽指數、溶氧量、酸堿度、濁度以及磷氮含量；

警告模塊，用于根據所述測量模塊獲得的水質信息，生成污染警告。

5.根據權利要求4所述的設備，其特征在于，所述圖像處理模塊具體用于：

對所述采樣模塊獲得的水下光源圖像進行過濾處理，獲得低頻特征信息；

利用預先訓練好的分析模型對所述低頻特征信息進行識別，獲得所述河道內水體的濁度。

6.根據權利要求5所述的設備，其特征在于，所述設備還包括訓練模塊，所述訓練模塊具體用于：

B1、從預先設定的樣本集中獲取訓練圖像和實際濁度，所述訓練圖像與實際濁度一一對應；

B2、利用BP神經網絡對所述訓練圖像進行識別，獲得訓練濁度；

B3、將所述訓練濁度與所述實際濁度進行比較，獲得訓練誤差；

B4、根據所述訓練誤差，通過梯度下降算法，對BP神經網絡中所有神經元的權值進行調整；

B5、對所述樣本集中的每個訓練圖像不斷重復步驟B1-B4，直到步驟B3中的訓練誤差小于誤差閾值時，結束對BP神經網絡的訓練，得到訓練好的分析模型。

7.一種河湖水體智慧監測系統，其特征在于，所述系統包括：

采樣裝置，用于定期采集河道的水下光源圖像；

圖像處理裝置，用于對所述采樣裝置采集的水面進行圖像識別處理，并獲得所述河道內水體的濁度；

判斷裝置，用于根據所述圖像處理裝置獲得的濁度，判斷所述河道內水體是否被污染，若是，則生成水質測量請求；

測量裝置，用于所述判斷裝置生成的水質測量請求，獲得水質信息，所述水質信息包括所述河道內水體的高錳酸鹽指數、溶氧量、酸堿度、濁度以及磷氮含量；

警告裝置，用于根據所述測量裝置獲得的水質信息，生成污染警告。