[發明專利]一種基于深度學習的水環境智能監測系統及方法

有效

• 申請號: 202011046080.6
• 申請日: 2020-09-29
• 公開（公告）號: CN112087528B
• 公開（公告）日: 2023-09-19
• 發明（設計）人: 包學才;康忠祥;姚家偉;葉辰;鄧承志;聶菊根;占禮彬
• 申請（專利權）人: 南昌工程學院
• 主分類號: H04L67/12
• 分類號: H04L67/12;H04L67/025;H04L67/06;H04W4/38;G01N21/85;G01N21/88;G06V20/52;G06V20/40;H04N5/76;H04N7/18
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 李興林

1.一種基于深度學習的水環境智能監測方法，其特征在于，采用基于深度學習的水環境智能監測系統，所述基于深度學習的水環境智能監測系統包括多個水環境監測終端(16)、邊緣處理裝置(17)和云端管理平臺(18)；所述水環境監測終端(16)包括微型中心處理器一(3)以及與所述微型中心處理器一(3)電性連接的水面監測攝像頭(1)、位置定位模塊(2)、無線射頻Lora模塊(4)、無線多模通信模塊一(5)、太陽能電池組模塊(6)和數據存儲模塊一(7)；所述邊緣處理裝置(17)包括微型中心處理器二(8)以及與所述微型中心處理器二(8)電性連接的以太網模塊(10)、GPU處理器(9)、無線多模通信模塊二(11)和數據存儲模塊二(12)；所述云端管理平臺(18)包括水污染識別服務器(13)以及與所述水污染識別服務器(13)電性連接的Web服務器(14)和數據庫服務器(15)；多個所述水環境監測終端(16)之間通過所述無線射頻Lora模塊(4)通信連接；所述水環境監測終端(16)與所述邊緣處理裝置(17)之間通過所述無線多模通信模塊一(5)進行通信，所述邊緣處理裝置(17)與所述云端管理平臺(18)之間通過所述無線多模通信模塊二(11)或所述以太網模塊(10)進行通信；

所述方法包括以下步驟：

S1，所述水環境監測終端(16)將所述水面監測攝像頭(1)拍攝的水面圖像發送至所述邊緣處理裝置(17)；

S2，所述邊緣處理裝置(17)中的所述GPU處理器(9)通過深度學習算法進行圖像識別，并判斷識別出的污染類型的概率是否低于設定閾值；

S3，如果識別出的污染類型的概率不低于設定閾值,則由所述邊緣處理裝置(17)判斷是否發生污染；

如果發生污染，則由所述邊緣處理裝置(17)進行污染識別，判斷污染程度，將污染程度傳輸至所述水環境監測終端(16)，并轉至步驟S4；

如果沒有發生污染，轉至步驟S1；

S4，所述水環境監測終端(16)根據污染程度拍攝不同時長的水面圖像進行取證，并將圖像數據通過所述邊緣處理裝置(17)發送至所述云端管理平臺(18)，所述云端管理平臺(18)中的所述Web服務器(14)顯示水環境監測終端(16)所在的當前監測源的地理信息以及水環境所處的污染類別；

S5，如果識別出的污染類型的概率低于設定閾值，所述邊緣處理裝置(17)將圖像數據發送到所述云端管理平臺(18)進行進一步識別，判斷是否發生污染；

S6，如果發生污染，由云端管理平臺(18)確認污染程度，通過邊緣處理裝置(17)反饋至所述水環境監測終端(16)，并轉至步驟S4；

S7,如果沒有發生污染，轉至步驟S1。

2.根據權利要求1所述的基于深度學習的水環境智能監測方法，其特征在于，所述水面監測攝像頭(1)為自動變焦的廣角攝像頭，所述自動變焦的廣角攝像頭還包括光照度感應模塊和光源模塊。

3.根據權利要求1所述的基于深度學習的水環境智能監測方法，其特征在于，所述位置定位模塊(2)包括北斗定位模塊和GPS定位模塊。

4.根據權利要求1所述的基于深度學習的水環境智能監測方法，其特征在于，所述無線多模通信模塊一(5)和無線多模通信模塊二(11)為GPRS/3G/4G無線通信模塊。

5.根據權利要求1所述的基于深度學習的水環境智能監測方法，其特征在于，所述太陽能電池組模塊(6)為鋰電池組以及與所述鋰電池組電性連接的太陽能板。

6.根據權利要求1所述的基于深度學習的水環境智能監測方法，其特征在于，所述數據存儲模塊一(7)為SD卡，所述數據存儲模塊二(12)為磁盤。

7.根據權利要求1所述的基于深度學習的水環境智能監測方法，其特征在于，所述閾值為60％。

8.根據權利要求1所述的基于深度學習的水環境智能監測方法，其特征在于，所述步驟S4中，所述水環境監測終端(16)根據污染程度拍攝不同時長的水面圖像進行取證，具體包括：

在輕度污染下拍攝5-10分鐘的水面圖像數據，在中度污染下拍攝10-15分鐘的水面圖像數據，在重度污染下拍攝15-20分鐘的水面圖像數據。