[發明專利]基于動態水流圖像的污水處理檢測的神經網絡的訓練方法

在審

• 申請號: 202110049949.0
• 申請日: 2021-01-14
• 公開（公告）號: CN112733750A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 張寬
• 申請（專利權）人: 成都緣能緣彩網絡科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06K9/68;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本申請涉及智能環保領域下的智能質量檢測，其具體地公開了一種基于動態水流圖像的污水處理檢測的神經網絡的訓練方法，其基于深度學習的計算機視覺的方法來進行動態水流的污水處理檢測。具體地，在對基于動態水流圖像的污水處理檢測的神經網絡的訓練過程中，通過最小化協相關損失函數值來訓練卷積神經網絡，使得卷積神經網絡在提取特征時盡可能地消除圖像中動態特征的影響，并通過協相關損失函數值和分類損失函數值的加權和反向傳播對第一卷積神經網絡和第二卷積神經網絡的參數進行更新，進而增強模型的準確性。

技術領域

本發明涉及深度學習和神經網絡在污水處理領域的應用，且更為具體地，涉及一種基于動態水流圖像的污水處理檢測的神經網絡的訓練方法、基于深度神經網絡的智能污水處理檢測方法、基于動態水流圖像的污水處理檢測的神經網絡的訓練系統、基于深度神經網絡的智能污水處理檢測系統和電子設備。

背景技術

在污水處理的過程中，一般污水在排水管道中輸送，在經過污水處理的多道工序之后，再通過排水管道排除處理后的污水。在整個的對污水進行處理的過程中，無論是處理前還是處理后，都沒有考慮到污水的提取和采樣的工作，這使得對污水的快速采集和檢驗并不方便。為了能夠對于污水在處理之前與處理之后進行對比，期望能夠通過采集樣本并檢驗以外的更方便的方式來進行。

因此，期待一種優化地用于污水處理檢測的技術方案。

目前，深度學習以及神經網絡已經廣泛應用于計算機視覺、自然語言處理、文本信號處理等領域。此外，深度學習以及神經網絡在圖像分類、物體檢測、語義分割、文本翻譯等領域，也展現出了接近甚至超越人類的水平。

深度學習以及神經網絡的發展為污水處理檢測提供了新的解決思路和方案。

發明內容

為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種基于動態水流圖像的污水處理檢測的神經網絡的訓練方法、基于深度神經網絡的智能污水處理檢測方法、基于動態水流圖像的污水處理檢測的神經網絡的訓練系統、基于深度神經網絡的智能污水處理檢測系統和電子設備，其基于深度學習的計算機視覺的方法來進行動態水流的污水處理檢測。具體地，在對基于動態水流圖像的污水處理檢測的神經網絡的訓練過程中，通過最小化協相關損失函數值來訓練卷積神經網絡，使得卷積神經網絡在提取特征時盡可能地消除圖像中動態特征的影響，并通過協相關損失函數值和分類損失函數值的加權和反向傳播對第一卷積神經網絡和第二卷積神經網絡的參數進行更新，進而增強模型的準確性。

根據本申請的一個方面，提供了一種基于動態水流圖像的污水處理檢測的神經網絡的訓練方法，其包括：

獲取處理之前的污水的多幀圖像和處理之后的凈水的多幀圖像，其中，所述污水的多幀圖像與所述凈水的多幀圖像之間具有相同的圖像幀數量和時序分布；

將所述污水的多幀圖像通過第一卷積神經網絡以獲得多個第一特征圖；

將所述凈水的多幀圖像通過第二卷積神經網絡以獲得多個第二特征圖；

計算所述多個第一特征圖和所述多個第二特征圖之間的協相關損失函數值，所述協相關損失函數值用于表示所述多個第一特征圖和所述多個第二特征圖之間的相關性；

計算所述多個第一特征圖和所述多個第二特征圖之間的差分，以獲得分類特征圖；將所述分類特征圖通過分類器，以獲得分類損失函數值；以及

基于所述協相關損失函數值和所述分類損失函數值的加權和，更新所述第一卷積神經網絡和所述第二卷積神經網絡的參數。

根據本申請的另一方面，提供了一種基于深度神經網絡的智能污水處理檢測方法，其包括：

獲取待檢測的動態水流的多幀圖像；