一种采用人工智能技术的蓝藻图像分类识别工具的制作方法

1.本发明涉及水环境监测技术领域，具体为一种采用人工智能技术的蓝藻图像分类识别工具。


背景技术：

2.2007年太湖蓝藻污染事件后，太湖蓝藻防控工作备受关注。为实时监控太湖蓝藻水华变化情况，切实保障供水安全，太湖蓝藻湖泛视频监控网已初步形成，所监控的蓝藻湖泛图像是掌握太湖重点水域蓝藻情况的重要信息资源，但当前蓝藻图像成果使用主要局限于人工原始图浏览，处理效率有限，且难以积累形成海量图片成果库，也无法借助图像资源优势去直观动态反映蓝藻变化情况，一定程度上限制了蓝藻预警防控效率。
3.近年来人工智能算法应用广泛，基于机器学习的图像视频识别技术快速发展，并在水利行业的水位读取、漂浮物识别等方面取得了较好的应用。采用机器学习等人工智能技术，开展蓝藻图像智能识别，实时掌握重要水体水资源水生态现状，提高蓝藻防控响应效率及处置能力，更好的支撑和服务水资源高效循环利用，保障供水安全。


技术实现要素：

4.本发明的目的在于提供一种采用人工智能技术的蓝藻图像分类识别工具，以解决上述背景技术提出的人工浏览大量蓝藻图像，处理效率低，难以积累形成海量图片成果库，无法借助图像资源优势去直观动态反映蓝藻变化情况，限制蓝藻预警防控响应效率，减低蓝藻水华处置能力等问题。
5.为实现上述目的，本发明提供如下技术方案：一种采用人工智能技术的蓝藻图像分类识别工具，包括图片信息采集模块，所述图片信息采集模块输出端信号连接有人工标注模块，人工标注模块的输入端信号有人工筛选模块，人工标注模块的输出端信号连接有ai训练平台，ai训练平台的输出端信号连接有蓝藻ai识别模型模块，蓝藻ai识别模型模块的输入端信号连接有实时图片获取模块，蓝藻ai识别模型模块输出端信号连接有成果图片展示模块，成果图片展示模块的信号输出端与人工筛选模块的输入端相连接。
6.进一步的，所述图片信息采集模块的图片信息是对大量历史的遥感卫片、无人机航拍以及视频监控图片信息进行收集整理。
7.进一步的，所述人工标注模块对图片信息采集模块输送的图片信息进行标注；通过人工对图片中蓝藻的聚集形态进行标记，根据蓝藻的聚集形态分为四类无蓝藻图片、颗粒状蓝藻图片、片状蓝藻图片和带状蓝藻图片，人工标注模块再将四类信号输送到ai训练平台，通过ai训练平台(训练平台)开展大批量蓝藻图像识别训练。
8.进一步的，所述ai训练平台会将人工标注模块输入的四类信号记作m1、m2、m3和m4，ai训练平台采用神经网络深度学习算法对人工筛选模块导入的信息进行多次循环、最大化训练，ai训练平台建立适用于蓝藻ai识别模型模块，同时ai训练平台将计算后的图片模型输入到蓝藻ai识别模型模块内。
9.进一步的，所述实时图片获取模块获取蓝藻视频监控站、无人机等实时拍摄的图像，并将实时拍摄的信息第一时间传输到蓝藻ai识别模型模块。
10.进一步的，所述蓝藻ai识别模型模块会接受到实时图片获取模块导入的信号，蓝藻ai识别模型模块自动对信号进行蓝藻聚集形态(无、颗粒状、带状、片状)判断，并生成解译成果，将成果通过信号的方式传递到成果图片展示模块上。
11.进一步的，所述成果图片展示模块(6)可输出具有蓝藻聚集形态标识的解译图，有关部门可通过解译信息实时掌握蓝藻聚集形态变化情况。
12.进一步的，所述人工筛选模块通过人工对错误的信息图片进行确认，成果图片被人工认定识别有误后，通过人工筛选模块将错误信息储存并重新推送人工标注模块，由人工标注模块输入至ai训练平台进行再次增量训练，不断的对算法模型进行训练调优，持续提高解译的准确度。
13.与现有技术相比，本发明的有益效果是：
14.其一，该采用人工智能技术的蓝藻图像识别工具采用深度机器学习的原理，通过将收集的蓝藻图片进行人工标注、模型训练、模型率定、模型部署与运行、成果集成等步骤，构建出一种采用人工智能技术的蓝藻图像识别平台，具备特定条件下蓝藻形态(颗粒状、带状、片状)判断识别功能，实现蓝藻图像由被动巡查转为主动监测，能实时掌握蓝藻聚集形态变化趋势，为太湖等河湖水域蓝藻防控工作提供更加直观、有效图像服务。
15.其二，该装置设置有数据存储装置，可随时调用历史成果数据图片，方便对比分析不同时间段蓝藻聚集形态，掌握其变化趋势，进而采取应对措施，提高蓝藻防控能力。
附图说明
16.图1为本发明一种采用人工智能技术的蓝藻图像分类识别工具结构框图
17.图2为本发明一种采用人工智能技术的蓝藻图像分类识别工具流程图。
18.图中：1、图片信息采集模块，2、人工标注模块，3、ai训练平台，4、实时图片获取模块，5、蓝藻ai识别模型模块，6、成果图片展示模块，7、人工筛选模块。
具体实施方式
19.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.请参阅图1
‑
2，本发明提供一种技术方案：一种采用人工智能技术的蓝藻图像分类识别工具，包括图片信息采集模块1，图片信息采集模块1输出端信号连接有人工标注模块2，人工标注模块2的输入端信号连接有人工筛选模块7，人工标注模块2的输出端信号连接有ai训练平台3，ai训练平台3的输出端信号连接有蓝藻ai识别模型模块5，蓝藻ai识别模型模块5的输入端信号连接有实时图片获取模块4，蓝藻ai识别模型模块5输出端信号连接有成果图片展示模块6，成果图片展示模块6的信号输出端与人工筛选模块7的输入端相连接，此结构的图片信息采集模块1可以收集整理大量历史蓝藻图片，通过人工标注模块2进行图片标注分类，同时人工标注模块2将分类的信息输送到ai训练平台3，通过ai训练平台3对分
类的信息进行算法训练，ai训练平台3可以将算法训练完成的数据输送到蓝藻ai识别模型5内，之后在使用的过程中，蓝藻ai识别模型5可以对实时图片获取模块4输入的图片信息进行蓝藻聚集形态(无、颗粒状、带状、片状)判断，并生成解译成果，包括解译图和聚体形态标识，而蓝藻ai识别模型5将信息可以通过成果图片展示模块6将信息显示出来，有关部门可通过解译信息实时掌握蓝藻聚集形态变化情况，同时如果使用者对成果图片展示模块6上的成果发现标注有误时，可通过人工筛选模块7将错误的信息储存下来，同时人工筛选模块7将信息重新输送到人工标注模块2，由人工标注模块2输入至ai训练平台3进行再次增量训练，不断的对算法模型进行训练调优，持续提高解译的准确度。
21.图片信息采集模块1的图片信息采用遥感卫片、无人机航拍以及视频监控图片信息，并对大量历史图片信息进行收集整理，此结构的图片信息采集模块1主要起到收集整理大量历史蓝藻图片的作用。
22.人工标注模块2对图片信息采集模块1输送的图片信息进行标注；通过人工对图片中蓝藻的聚集形态进行标记，根据蓝藻的聚集形态分为四类无蓝藻图片、颗粒状蓝藻图片、片状蓝藻图片和带状蓝藻图片，人工标注模块2再将四类信号输送到ai训练平台3，通过ai训练平台3训练平台开展大批量蓝藻图像识别训练，此结构的人工标注模块2通过人工对图片进行识别标注，使图片信息采集模块1输入的信息分成若干类信号，使不同的信号可以输送到ai训练平台3。
23.ai训练平台3会将人工标注模块2输入的四类信号记作m1、m2、m3和m4，ai训练平台3采用神经网络深度学习算法对人工筛选模块7导入的信息进行多次循环、最大化训练，ai训练平台3建立适用于蓝藻ai识别模型模块5，同时ai训练平台3将计算后的图片模型输入到蓝藻ai识别模型模块5内，此结构的ai训练平台3能够进行模型训练和建立，ai训练平台3将标注好蓝藻聚集形态无蓝藻图片、颗粒状、片状、带状的样本推送给云平台进行深度学习，ai训练平台3开展大批量蓝藻图像识别训练，多次循环、最大化训练，初步建立适用于太湖等各河湖水域的蓝藻ai识别模型。
24.实时图片获取模块4获取蓝藻视频监控站、无人机等实时拍摄的图像，并将实时拍摄的信息第一时间传输到蓝藻ai识别模型模块5，此结构的实时图片获取模块4通过蓝藻视频监控站实时拍摄，实时图片获取模块4将实时拍摄的蓝藻图像输送到蓝藻ai识别模型模块5内。
25.蓝藻ai识别模型模块5会接受到实时图片获取模块4导入的信号，蓝藻ai识别模型模块5自动对信号进行蓝藻聚集形态(无、颗粒状、带状、片状)判断，并生成解译成果，将成果通过信号的方式传递到成果图片展示模块6上，此结构的蓝藻ai识别模型模块5在接收到实时图片获取模块4传输的信息后，实时图片获取模块4自动进行蓝藻形态(无、颗粒状、带状、片状)判断，并生成解译成果，包括解译图和聚体形态标识。
26.成果图片展示模块6可输出具有蓝藻聚集形态标识的解译图，有关部门可通过解译信息实时掌握蓝藻聚集形态变化情况，此结构的成果图片展示标有蓝藻聚集形态标识的解译图。
27.人工筛选模块7通过人工对错误的信息图片进行确认，成果图片被人工认定识别有误后，通过人工筛选模块7将错误信息储存并重新推送人工标注模块2，由人工标注模块2输入至ai训练平台3进行再次增量训练，不断的对算法模型进行训练调优，持续提高解译的
准确度。
28.人工筛选模块7通过人工对错误的信息图片进行确认，成果图片被人工认定识别有误后，通过人工筛选模块7将错误信息储存并重新推送人工标注模块2，由人工标注模块2输入至ai训练平台3进行再次增量训练，不断的对算法模型进行训练调优，持续提高解译的准确度，此结构的人工筛选模块7可以通过人工进行纠错，将解译错误的图片进行标记，同时将信息再次输送到ai训练平台3内，通过ai训练平台3再次训练学习，不断优化蓝藻ai识别模型。
29.工作原理：在使用该采用人工智能技术的蓝藻图像识别工具时，首先通过该装置的图片信息采集模块1开展蓝藻图片数据搜集工作，通过图片信息采集模块1将图片数据导入到人工标注模块2，通过人工标注模块2对数据进行分类整理，将蓝藻图片按聚集形态归类为无蓝藻、颗粒状、片状、带状，之后人工标注模块2将四类的信息输送到ai训练平台3内，ai训练平台3采用神经网络深度学习算法对人工标注模块2导入的信息进行多次循环、最大化训练，并初步建立适用于某特定水域的蓝藻ai识别模型，而且ai训练平台3可以将建立的蓝藻ai识别模型输送到蓝藻ai识别模型5内，实时图片获取模块4可以接收到野外蓝藻视频监控站、无人机等实时拍摄的蓝藻图片信息，实时图片获取模块4将实时拍摄的蓝藻图像输送到蓝藻ai识别模型模块5内，通过蓝藻ai识别模型5对导入的图片信息自动进行蓝藻聚集形态(无、颗粒状、带状、片状)判断，并生成解译成果，包括解译图和聚体形态标识，蓝藻ai识别模型模块5将信息输送到成果图片展示模块6上，通过成果图片展示模块6输出具有蓝藻聚集形态标识的解译图。设有人工筛选模块7，使用者发现解译图出现解译错误时，可将错误信息输送到人工标注模块2，由人工标注模块2将错误的图片重新输送到ai训练平台3内，通过ai训练平台3进行再次增量训练，不断的对算法模型进行训练调优，持续提高解译的准确度，从而完成一系列工作。
30.尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。