河流黑水排放检测方法及应用其的识别系统技术方案

本发明专利技术提供的一种河流黑水排放检测方法，其包括以下步骤：S1、获取有检测图像；S2、对所述检测图像进行图像预处理，获取有标准图像；所述图像预处理过程包括去反光处理步骤；S3、对所得标准图像进行图像识别处理，以获取有识别结果；S4、当所得识别结果确认为存在黑水排放状态时，发送有告警信息。基于应用有该河流黑水排放检测方法的应用，使得有识别系统能有效地排除水体反光的影响，以进行黑水排放的准确检测，确保在黑水排放初期即可作出识别反应，以避免黑水的非法排放情况。以避免黑水的非法排放情况。以避免黑水的非法排放情况。

【技术实现步骤摘要】
河流黑水排放检测方法及应用其的识别系统


[0001]本专利技术涉及污水监控
，具体而言，涉及一种河流黑水排放检测方法及应用其的 识别系统。

技术介绍

[0002]目前国内监管部门对黑色污水偷排漏排的企业的排污监管方式还是停留在依靠人工现场 排查、人工远程查看排污口摄像头或有群众投诉时再对企业进行督查。对企业黑色污水的排 放监管只能依靠每月或每季度的抽样检测数据为参考。现有的图像识别技术对光照条件良好， 待识别目标物较清晰的图像，可以做到较高的准确率。但是在实际场景中，我们经常会遇到 各种因素干扰，例如阴天光照影响大、拍摄的图像不像标准数据集没有经过筛选，图像质量 很不统一，因此不能有效地直接以图像视频作出简单的黑水排放结论。

技术实现思路

[0003]本专利技术的目的在于，为克服现有技术的不足而提供有一种河流黑水排放检测方法，以及 应用该河流黑水排放检测方法的河流黑水排放识别的识别系统。
[0004]河流黑水排放检测方法，其包括以下步骤：
[0005]S1、获取有检测图像；
[0006]S2、对所述检测图像进行图像预处理，获取有标准图像；所述图像预处理过程包括去反 光处理步骤；
[0007]S3、对所得标准图像进行图像识别处理，以获取有识别结果；
[0008]S4、当所得识别结果确认为存在黑水排放状态时，发送有告警信息。
[0009]进一步地，于步骤S2，所述去反光处理步骤包括：
[0010]S2
‑
1、光照区域颜色特征分析，得到有光照区域颜色特征；
[0011]S2
‑
2、通过K
‑
Means聚类算法进行聚类，得到有K个聚类中心；
[0012]S2
‑
3、根据所得光照区域颜色特征，将K个聚类中心中rgb像素值最高的类别判断为反 光区域，并使用反光区域附近的像素进行填补替换。
[0013]进一步地，于步骤S2，所述图像预处理过程还包括图像去噪处理步骤，所述图像去噪处 理步骤应用有Non
‑
LocalMeans降噪算法进行去噪。
[0014]进一步地，于步骤S3，所述图像识别处理过程包括颜色特征区别识别步骤。
[0015]进一步地，所述颜色特征区别识别步骤包括以下步骤：
[0016]S3
‑
1、获取有历史颜色特征区别数据，并以此设定有水源基准颜色范围特征及排放黑水 基准颜色范围特征；
[0017]S3
‑
2、根据所得标准图像进行相应的颜色范围参照认定，以历史颜色特征区别数据为依 据，当所述标准图像中的颜色特征与所述水源基准颜色范围特征及黑水基准颜色范围特征吻 合时，该识别结果判断为存在黑水排放状态。
[0018]进一步地，所述图像识别处理过程，包括以上述颜色特征区别识别步骤为基准，选取有 训练集图片；以该训练集图片进行有基于SqueezeNet架构的图像识别模型训练，并以训练所 得的图像识别模型进行有识别处理。所述训练集图片中包括有黑水排放状态认定图片及非黑 水排放状态认定图片两类。
[0019]进一步地，于步骤S3，所述图像识别处理过程，其包括采用投票队列对检测结果进行投 票处理。
[0020]本专利技术的河流黑水排放检测方法的识别系统，其包括应用有如上述所述的河流黑水排放 检测方法进行河流黑水排放的检测识别。
[0021]本专利技术的有益效果在于：
[0022]基于应用有该河流黑水排放检测方法的应用，使得有识别系统能有效地排除水体反光的 影响，以进行黑水排放的准确检测，确保在黑水排放初期即可作出识别反应，以避免黑水的 非法排放情况。
附图说明
[0023]图1为本专利技术的河流黑水排放检测方法应用流程示意图；
[0024]图2为本专利技术的河流黑水排放检测方法中的Rgb像素映射规则示意图；
[0025]图3为本专利技术的河流黑水排放检测方法中的反光区域量化前图像示意图；
[0026]图4为本专利技术的河流黑水排放检测方法中的反光区域量化后图像示意图；
[0027]图5为本专利技术的河流黑水排放检测方法中的去反光前图像示意图；
[0028]图6为本专利技术的河流黑水排放检测方法中的去反光后图像示意图；
[0029]图7为本专利技术的河流黑水排放检测方法中的图像预处理前图像示意图；
[0030]图8为本专利技术的河流黑水排放检测方法中的图像预处理后图像示意图；
[0031]图9为本专利技术的河流黑水排放检测方法中的File模块的核心架构示意图；
[0032]图10为本专利技术的河流黑水排放检测方法中的模型量化示意图。
具体实施方式
[0033]为了使本专利技术的技术方案、目的及其优点更清楚明白，以下结合附图及实施例，对本发 明进行进一步的解释说明。
[0034]本专利技术的一种用于河流黑水排放识别的识别系统，其包括针对各河流流道废水排放口位 置设置的多个摄像头，各摄像头通讯链接呈局域网设置有采用边缘检测的树莓派设备；树莓 派使用RTSP协议从摄像头实时地获取有其对应废水排放口位置区域的水面环境情况视像数 据，并以此截取有即时的单张检测图像。
[0035]基于截取的检测图像不确定性情况，我们需对其进行有图像预处理，则所获取的检测图 像将发送至后台的图像预处理模块进行预处理。具体而言，该图像预处理过程包括以此设置 有图像去噪处理步骤、去反光处理步骤及调整图像尺寸操作步骤。
[0036]所述图像去噪处理的过程如下：由于获取的检测图像是户外采集，在光源不恒定的情况 下会有比较多随机噪声干扰，图像不同位置的噪声干扰值不一致，经过试验分析采用 Non
‑
LocalMeans降噪算法，利用整幅图像进行去噪，以图像块为单位在图像中寻找相似区域， 再对这些区域进行求平均，能够比较好的去除图像中存在的高斯噪声。其中NLM的降
噪公 式定义如下：
[0037]给定一个离散的噪声图像v＝{v(i)，i∈I}，对于一个像素i的估计值NL[v](i)，可以表示为图 像中所有像素的加权平均值：
[0038][0039]其中w表示权重，衡量相似度的方法有很多，最常用的是根据两个像素亮度差值的平方 来估计。由于有噪声，单独的一个像素并不可靠，所以使用它们的邻域，只有邻域相似度高 才能说这两个像素的相似度高。衡量两个图像块的相似度最常用的方法是计算他们之间的欧 氏距离：
[0040][0041][0042]该去反光处理的过程如下：
[0043]实际场景下的水面由于在室外所以有很强的太阳光照干扰，经过分析光照区域的颜色特 征，采用颜色量化后然后使用无监督聚类算法，找出图像中反光区域，然后对反光区域进行 替换，具体说明如下：
[0044](1)结合实际场景，河面中的光照区域的颜色亮度要明显高于非光照区域，即光照区域 的rgb各参数值要高于非光照区域的rgb值，以此颜色本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.河流黑水排放检测方法，其特征在于，包括以下步骤：S1、获取有检测图像；S2、对所述检测图像进行图像预处理，获取有标准图像；所述图像预处理过程包括去反光处理步骤；S3、对所得标准图像进行图像识别处理，以获取有识别结果；S4、当所得识别结果确认为存在黑水排放状态时，发送有告警信息。2.如权利要求1所述的河流黑水排放检测方法，其特征在于，于步骤S2，所述去反光处理步骤包括：S2
‑
1、光照区域颜色特征分析，得到有光照区域颜色特征；S2
‑
2、通过K
‑
Means聚类算法进行聚类，得到有K个聚类中心；S2
‑
3、根据所得光照区域颜色特征，将K个聚类中心中rgb像素值最高的类别判断为反光区域，并使用反光区域附近的像素进行填补替换。3.如权利要求1所述的河流黑水排放检测方法，其特征在于，于步骤S2，所述图像预处理过程还包括图像去噪处理步骤，所述图像去噪处理步骤应用有Non
‑
Local Means降噪算法进行去噪。4.如权利要求1所述的河流黑水排放检测方法，其特征在于，于步骤S3，...

【专利技术属性】
技术研发人员：朱斌，龙力辉，张浩彬，薛丽丹，霍健淳，黄健辉，汤达宏，陈文辉，黎柏允，
申请(专利权)人：广东柯内特环境科技有限公司，
类型：发明
国别省市：