[發明專利]基于深度學習的水質污染判斷方法

在審

• 申請號: 202110216201.5
• 申請日: 2021-02-26
• 公開（公告）號: CN113033313A
• 公開（公告）日: 2021-06-25
• 發明（設計）人: 任南琪;王愛杰;王旭;路璐;馮驍馳
• 申請（專利權）人: 瀾途集思生態科技集團有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/40;G06K9/44;G06K9/46;G06K9/62;G06N20/00
• 代理公司: 北京市京師律師事務所 11665
• 代理人: 高曉麗

1.基于深度學習的水質污染判斷方法，其特征在于，包括如下步驟：

S1構建不同種類污染物所代表的不同特征數據的特征數據庫；

S2初始化配置水中的水質傳感器網絡并等距設置傳感器節點；

S3實時的通過每個傳感器節點監測獲取水面原始圖片，并將原始圖片數據存儲到分布式數據庫中；

S4對原始圖片做顏色校正處理，并識別出原始圖片中包含的各景物；

S5獲取各景物的特征輪廓信息；

S6以特征數據庫作為分類的依據，對各景物圖像進行分類，然后利用聚類處理對分類結果進行分類后處理，得到污染物識別圖片數據；

S7提取特征數據庫中對比的污染物特征輪廓信息，并獲取關聯污染物特征圖像的描述信息，展現對比識別結果，判斷水質污染概率。

2.根據權利要求1所述的基于深度學習的水質污染判斷方法，其特征在于，所述步驟S3包括有基于深度學習的圖片識別模塊，圖片識別模塊用于對獲取水面原始圖片進行識別處理。

3.根據權利要求1所述的基于深度學習的水質污染判斷方法，其特征在于，所述步驟S4對原始圖片做顏色校正處理后，采用混合濾波方法對原始圖片做降噪處理，降噪處理：通過利用色調映射方法并采用16比特浮點數據表征各幀原始圖像中的每一個像素點，從而準確顯示所融合后的高動態范圍圖像。

4.根據權利要求1所述的基于深度學習的水質污染判斷方法，其特征在于，所述步驟S3采用亮度調節方式或飽和度調節方式或對比度調節方式或細節調節方式的圖像質量調節方式，以調節原始圖片的質量。

5.根據權利要求1所述的基于深度學習的水質污染判斷方法，其特征在于，所述步驟S2水質傳感器網絡包括多個主監控點，主監控點用于每間隔時間對需要監控的水體進行圖像采集。

6.根據權利要求1所述的基于深度學習的水質污染判斷方法，其特征在于，所述步驟S6對具有個景物圖像進行精確的分割提取，對分割提取的污染物圖像進行特征切分。

7.根據權利要求1所述的基于深度學習的水質污染判斷方法，其特征在于，所述水質傳感器網絡中還設置有預監控敏感行為發生時對應設置冗余監控點，以輔助對應的主監控點進行監控污染物判斷。

8.根據權利要求1所述的基于深度學習的水質污染判斷方法，其特征在于，所述步驟S3對原始圖片進行形態學腐蝕處理，解決水面波紋的干擾，消除前景中的斑點噪聲，生成前景二值圖像。