一种基于人工智能的水污染识别方法及系统与流程

技术特征：
1.一种基于人工智能的水污染识别方法，其特征在于，具体包括以下步骤：步骤s1，构建水域图像数据库，所述水域图像数据库包括水上包含漂浮物的第一图像数据集和水上不含漂浮物的第二图像数据集；步骤s2，依据所述第一图像数据集，生成时间描述特征和漂浮物特征；步骤s3，依据所述第二图像数据集，生成区别于漂浮物的干扰特征；步骤s4，将时间描述特征、漂浮物特征和区别于漂浮物的干扰特征输入卷积神经网络进行训练，得到漂浮物识别模型；步骤s5，实时采集水域图像，并将水域图像输入至漂浮物识别模型中进行识别，漂浮物识别模型输出识别结果，从而实现水污染的识别。2.根据权利要求1所述的一种基于人工智能的水污染识别方法，其特征在于，所述步骤s1和步骤s2之间还包括数据增强处理，所述数据增强处理包括图像旋转、图像反射变换、图像翻转变换、图像缩放变换、图像平移变换、图像尺度变换、图像对比度变换、图像噪声扰动和图像颜色变换。3.根据权利要求2所述的一种基于人工智能的水污染识别方法，其特征在于，所述步骤s2具体包括以下步骤：步骤s21，对所述第一图像数据库中图像的漂浮物区域使用矩形框进行标记，得到矩形框的坐标信息和矩形框中所包含漂浮物种类的第三图像数据集；步骤s22，依据所述第三图像数据集进行时间序列提取，得到时间描述特征；步骤s23，对所述第三图像数据集和第二图像数据集进行训练，得到漂浮物特征。4.根据权利要求3所述的一种基于人工智能的水污染识别方法，其特征在于，所述卷积神经网络采用cnn神经网络。5.一种基于人工智能的水污染识别系统，其特征在于，所述系统包括：构建模块，用于构建水域图像数据库，所述水域图像数据库包括水上包含漂浮物的第一图像数据集和水上不含漂浮物的第二图像数据集；第一生成模块，用于依据所述第一图像数据集，生成时间描述特征和漂浮物特征；第二生成模块，用于依据所述第二图像数据集，生成区别于漂浮物的干扰特征；训练模块，用于将时间描述特征、漂浮物特征和区别于漂浮物的干扰特征输入卷积神经网络进行训练，得到漂浮物识别模型；识别模块，用于实时采集水域图像，并将水域图像输入至漂浮物识别模型中进行识别，漂浮物识别模型输出识别结果，从而实现水污染的识别。6.根据权利要求5所述的一种基于人工智能的水污染识别系统，其特征在于，系统还包括数据增强处理模块，所述数据增强处理模块包括图像旋转模块、图像反射变换模块、图像翻转变换模块、图像缩放变换模块、图像平移变换模块、图像尺度变换模块、图像对比度变换模块、图像噪声扰动模块和图像颜色变换模块。7.根据权利要求6所述的一种基于人工智能的水污染识别系统，其特征在于，所述第一生成模块包括：数据标记模块，用于对所述第一图像数据库中图像的漂浮物区域使用矩形框进行标记，得到矩形框的坐标信息和矩形框中所包含漂浮物种类的第三图像数据集；时间序列提取模块，用于依据所述第三图像数据集进行时间序列提取，得到时间描述
特征；漂浮物特征生成模块，用于对所述第三图像数据集和第二图像数据集进行训练，得到漂浮物特征。8.根据权利要求7所述的一种基于人工智能的水污染识别系统，其特征在于，所述卷积神经网络采用cnn神经网络。

技术总结
本发明公开了一种基于人工智能的水污染识别方法及系统，方法包括构建水域图像数据库，依据水域图像数据库生成时间描述特征、漂浮物特征和区别于漂浮物的干扰特征，将时间描述特征、漂浮物特征和区别于漂浮物的干扰特征输入卷积神经网络进行训练，得到漂浮物识别模型，实时采集水域图像输入至漂浮物识别模型中进行识别，从而实现水污染的识别；通过采用卷积神经网络训练出漂浮物识别模型，从而实现实时智能检测水上漂浮物的效果，节省了人力和物力，此外，通过采用时间描述特征、漂浮物特征和区别于漂浮物的干扰特征作为训练数据，使得漂浮物识别模型不仅能够检测出漂浮物的种类，还能够识别出漂浮物的数量，提高了水污染识别的可靠性和时效性。可靠性和时效性。可靠性和时效性。


技术研发人员：李毓勤 袁文怡 王弘越 肖在春 廖载红 周沙沙
受保护的技术使用者：广州市云景信息科技有限公司
技术研发日：2021.11.19
技术公布日：2022/3/1