[發(fā)明專利]一種基于深度學習的水體中微塑料識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202310454490.1
• 申請日: 2023-04-25
• 公開（公告）號: CN116385863A
• 公開（公告）日: 2023-07-04
• 發(fā)明（設計）人: 高艷麗;王蓓麗;韓亞萌;郭麗莉;薛晉美;瞿婷
• 申請（專利權）人: 北京建工環(huán)境修復股份有限公司
• 主分類號: G06V20/05
• 分類號: G06V20/05;G06V10/82;G06N3/0464;G06N3/08;G06V10/764
• 代理公司: 佛山粵進知識產權代理事務所(普通合伙) 44463
• 代理人: 王余錢

1.一種基于深度學習的水體中微塑料識別方法，其特征在于，包括：

獲取預設水體區(qū)域中的歷史微塑料水樣圖像數(shù)據(jù)；

將所述歷史微塑料水樣圖像數(shù)據(jù)導入基于深度學習的微塑料識別模型進行訓練；

對預設水體區(qū)域進行子區(qū)域劃分并得多個子區(qū)域，獲取多個子區(qū)域中的水樣圖像數(shù)據(jù)；

將水樣圖像數(shù)據(jù)導入微塑料識別模型進行微塑料識別分類與微塑料區(qū)域分布分析；

基于分析結果進行污染調控分析，得到對應微塑料污染路線調控方案。

2.根據(jù)權利要求1所述的一種基于深度學習的水體中微塑料識別方法，其特征在于，所述將所述歷史微塑料水樣圖像數(shù)據(jù)導入基于深度學習的微塑料識別模型進行訓練，具體為：

獲取歷史微塑料水樣圖像數(shù)據(jù)；

將所述歷史微塑料水樣圖像數(shù)據(jù)進行圖像分割、降噪預處理；

將所述歷史微塑料水樣圖像數(shù)據(jù)根據(jù)粒徑大小進行分組，得到多組微塑料水樣圖像數(shù)據(jù)；

將多組微塑料水樣圖像數(shù)據(jù)根據(jù)預設比例劃分為對應訓練數(shù)據(jù)與測試數(shù)據(jù)；

構建微塑料識別模型；

將訓練數(shù)據(jù)導入建微塑料識別模型進行重復識別與分類訓練，直至微塑料識別模型通過全部測試數(shù)據(jù)。

3.根據(jù)權利要求1所述的一種基于深度學習的水體中微塑料識別方法，其特征在于，所述對預設水體區(qū)域進行子區(qū)域劃分并得多個子區(qū)域，獲取多個子區(qū)域中的水樣圖像數(shù)據(jù)，具體為：

獲取預設水體區(qū)域中的面積、輪廓信息；

根據(jù)所述面積、輪廓信息構建水體區(qū)域地圖模型；

獲取歷史水體取樣點信息與歷史水體取樣點微塑料識別信息；

所述歷史水體取樣點微塑料識別信息包括取樣點中微塑料中不同粒徑的濃度與數(shù)量信息；

根據(jù)歷史水體取樣點信息，在構建水體區(qū)域地圖模型中進行區(qū)域劃分，得到多個子區(qū)域，每個子區(qū)域包括至少一個取樣點；

分析相鄰兩個子區(qū)域中對應取樣點的微塑料識別信息；

若相鄰兩個子區(qū)域的微塑料識別信息對應微塑料的濃度與數(shù)量差在預設范圍內，則將相鄰兩個子區(qū)域合并為一個子區(qū)域。

4.根據(jù)權利要求1所述的一種基于深度學習的水體中微塑料識別方法，其特征在于，所述將水樣圖像數(shù)據(jù)導入微塑料識別模型進行微塑料識別分類與區(qū)域微塑料污染分析，包括：

根據(jù)子區(qū)域中的取樣點獲取子區(qū)域水樣圖像數(shù)據(jù)；

對子區(qū)域水樣圖像數(shù)據(jù)進行圖像分割、降噪預處理并導入微塑料識別模型進行微塑料識別與分類；

根據(jù)預設粒徑范圍進行微塑料分組與計數(shù)統(tǒng)計，得到不同粒徑范圍的多組微塑料識別信息；

所述微塑料識別信息包括微塑料濃度、數(shù)量信息，一組微塑料識別信息對應一種微塑料粒徑范圍。

5.根據(jù)權利要求1所述的一種基于深度學習的水體中微塑料識別方法，其特征在于，所述將水樣圖像數(shù)據(jù)導入微塑料識別模型進行微塑料識別分類與區(qū)域微塑料污染分析，包括：

選定一種微塑料粒徑范圍，并獲取所有子區(qū)域內對應的一組微塑料識別信息，并標記為當前微塑料識別信息；

基于整體預設區(qū)域，分析當前微塑料識別信息中的對應微塑料在各個子區(qū)域間的濃度與數(shù)量變化，并得到微塑料第一分布信息；

選定其余微塑料粒徑范圍，并得到不同粒徑范圍的多個微塑料第一分布信息。

6.根據(jù)權利要求1所述的一種基于深度學習的水體中微塑料識別方法，其特征在于，所述將水樣圖像數(shù)據(jù)導入微塑料識別模型進行微塑料識別分類與微塑料區(qū)域分布分析，包括：

在經(jīng)過一個預設周期后，根據(jù)子區(qū)域中的取樣點二次獲取子區(qū)域水樣圖像數(shù)據(jù)；

將水樣圖像數(shù)據(jù)導入微塑料識別模型進行二次識別與分類；

對各個子區(qū)域間的微塑料濃度與數(shù)量變化進行分析得到不同粒徑范圍的多個微塑料第二分布信息。