[發明專利]基于單獨和連續信息熵加權的智能污染檢測方法

在審

• 申請號: 202110054847.8
• 申請日: 2021-01-15
• 公開（公告）號: CN112733762A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 李飄
• 申請（專利權）人: 廣州高元信息科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于單獨和連續信息熵加權的智能污染檢測方法，其特征在于，包括：

獲取在河道上下游的不同位置采集到的多個河道水體圖像并將所述多個河道水體圖像按照上下游位置順序排序，以獲得一圖像序列；

將所述圖像序列中每個河道水體圖像分別通過卷積神經網絡，以獲得一特征圖序列；

計算所述特征圖序列中每個特征圖的單獨樣本的信息熵系數；

將所述特征圖序列中每兩個相鄰的特征圖相乘以獲得多個連續特征圖并計算每個所述連續特征圖的連續樣本的信息熵系數；

以所述單獨樣本的信息熵系數和所述連續樣本的信息熵系數為加權系數，計算所有所述特征圖和所有所述連續特征圖之間的加權和，以獲得分類特征圖；以及

將所述分類特征圖通過分類器，以獲得分類結果，其中，所述分類結果用于表示河道污染是否符合預定標準。

2.根據權利要求1所述的基于單獨和連續信息熵加權的智能污染檢測方法，其中，其中，計算所述特征圖序列中每個特征圖的單獨樣本的信息熵系數，包括：

對所述特征圖序列中每個特征圖進行全局平均值池化以獲得所述特征圖對應的全局平均特征值；

將所述特征圖通過具有以所述全局平均特征值為標簽值的Softmax函數以獲得所述特征圖歸屬于該標簽值的概率值；以及

將所述概率值的以二為底的對數乘以所述全局平均特征值以獲得所述特征圖對應的單獨樣本的信息熵系數。

3.根據權利要求1所述的基于單獨和連續信息熵加權的智能污染檢測方法，其中，將所述特征圖序列中每兩個相鄰的特征圖相乘以獲得多個連續特征圖，包括：

步驟1：將所述特征圖序列中第一特征圖和所述第二特征圖相乘，以獲得第一連續特征圖；

步驟2：將所述特征圖序列中第二特征圖和所述第三特征圖相乘，以獲得第二連續特征圖；以及

步驟3：以步驟1和步驟2的方式，計算所述特征圖序列的其他連續特征圖。

4.根據權利要求1所述的基于單獨和連續信息熵加權的智能污染檢測方法，其中，將所述特征圖序列中每兩個相鄰的特征圖相乘以獲得多個連續特征圖，包括：

步驟1：將所述特征圖序列中第一特征圖和所述第二特征圖相乘，以獲得第一連續特征圖；

步驟2：將所述特征圖序列中第三特征圖和所述第四特征圖相乘，以獲得第二連續特征圖；以及

步驟3：以步驟1和步驟2的方式，計算所述特征圖序列的其他連續特征圖。

5.根據權利要求3或4所述的基于單獨和連續信息熵加權的智能污染檢測方法，其中，計算每個所述連續特征圖的連續樣本的信息熵系數，包括：

對每個所述連續特征圖進行全局平均值池化，以獲得所述連續特征圖對應的全局平均特征值；

將所述連續特征圖通過具有以所述全局平均特征值為標簽值的Softmax函數以獲得所述連續特征圖歸屬于該標簽值的概率值；以及

將所述概率值的以二為底的對數乘以所述全局平均特征值以獲得所述連續特征圖對應的連續樣本的信息熵系數。

6.根據權利要求1所述的基于單獨和連續信息熵加權的智能污染檢測方法，其中，將所述分類特征圖通過分類器，以獲得分類結果，包括：

將所述分類特征圖通過一個或多個全連接層，以獲得分類特征向量；

將所述分類特征向量輸入Softmax分類函數，以獲得所述河道污染符合預定標準的第一概率值和所述河道污染不符合預定標準的第二概率值；以及

基于所述第一概率值和所述第二概率值，確定所述分類結果。

7.根據權利要求1所述的基于單獨和連續信息熵加權的智能污染檢測方法，其中，所述深度卷積神經網絡為深度殘差網絡。