基于深度值的特征图融合的智能采样参数控制方法技术

本申请涉及智慧环保领域中的智能采样参数控制，其具体地公开了一种基于深度值的特征图融合的智能采样参数控制方法，其基于深度学习的特征提取与编码，通过污水的视觉特征来确定自动污水取样装置的抽取深度，从而尽量基于污水中的不同固体颗粒的分布情况来确定相应的抽取深度。具体地，在编码过程中，通过信息熵的形式将抽取深度的深度信息与污水图像的高维特征之间的关联信息进行融合，并通过矩阵相乘并入到污水图像的高维特征当中再进行编码，以提高编码输出的准确性。

【技术实现步骤摘要】
基于深度值的特征图融合的智能采样参数控制方法
本专利技术涉及智慧环保领域中的智能采样参数控制，且更为具体地，涉及一种基于深度值的特征图融合的智能采样参数控制方法、基于深度值的特征图融合的智能采样参数控制系统和电子设备。
技术介绍
工厂污水是工厂在工业生产过程中产生的工业污水，在生产过程中产生的污水需要先将其进行集中处理后才可以排泄至河流中，而在处理之前就需要对污水池中的污水进行取样分析，便于高效处理污水。目前的自动污水取样装置在使用时都是抽取污水池中的固定深度的污水，但是由于受到污水中的各种杂质，尤其是不同固体颗粒等的影响，不同的抽取深度抽取的样品可能具有不同成分，导致可能存在分析误差。因此，期待一种基于污水中的不同固体颗粒的分布情况来智能确定相应的采样深度的方法。目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。深度学习以及神经网络的发展为污水采样抽取深度的智能控制提供了新的解本文档来自技高网...

【技术保护点】
1.一种基于深度值的特征图融合的智能采样参数控制方法，其特征在于，包括：/n获取待检测图像，所述待检测图像为待抽取污水样品的图像；/n将所述待检测图像通过深度卷积神经网络，以从所述待检测图像中提取出对应于所述待检测图像的初始特征图；/n将所述初始特征图通过预分类器，以获得所述初始特征图归属于多个预设标签的多个概率值，其中，所述多个预设标签分别对应于不同的抽取深度的多个参考深度值；/n基于所述多个参考深度值，分别计算所述多个概率值中每个概率值的信息熵形式，以获得多个信息熵形式的值，其中，所述信息熵形式用公式表示为：xlogP(x)，其中，x表示所述参考深度值，P(x)表示以所述参考深度值为预设标...

【技术特征摘要】
1.一种基于深度值的特征图融合的智能采样参数控制方法，其特征在于，包括：
获取待检测图像，所述待检测图像为待抽取污水样品的图像；
将所述待检测图像通过深度卷积神经网络，以从所述待检测图像中提取出对应于所述待检测图像的初始特征图；
将所述初始特征图通过预分类器，以获得所述初始特征图归属于多个预设标签的多个概率值，其中，所述多个预设标签分别对应于不同的抽取深度的多个参考深度值；
基于所述多个参考深度值，分别计算所述多个概率值中每个概率值的信息熵形式，以获得多个信息熵形式的值，其中，所述信息熵形式用公式表示为：xlogP(x)，其中，x表示所述参考深度值，P(x)表示以所述参考深度值为预设标签的概率值；
将所述多个信息熵的值构建为深度信息向量；
将所述深度信息向量通过深度神经网络，以获得长度维度与所述初始特征图的宽度维度相等的特征向量；
将所述初始特征图与所述特征向量进行矩阵相乘以将所述特征向量映射到所述初始特征图所在的特征空间中，以获得融合特征图；
将所述融合特征图通过编码器，以获得编码输出，其中，所述编码输出表示所述待抽取污水样品的图像中污水样品的抽取深度。


2.根据权利要求1所述的基于深度值的特征图融合的智能采样参数控制方法，其中，将所述初始特征图通过预分类器，以获得所述初始特征图归属于多个预设标签的多个概率值，包括：
将所述初始特征图通过一个或多个全连接层，以获得预分类特征向量；
将所述预分类特征向量输入Softmax分类函数，以获得所述初始特征图归属于多个预设标签的多个概率值。


3.根据权利要求1所述的深度值的特征图融合的智能采样参数控制方法，其中，将所述深度信息向量通过深度神经网络，以获得长度维度与所述初始特征图的宽度维度相等的特征向量，包括：
将所述深度信息向量通过多层感知机模型，以获得长度维度与所述初始特征图的宽度维度相等的特征向量。


4.根据权利要求1所述的深度值的特征图融合的智能采样参数控制方法，其中，将所述深度信息向量通过深度神经网络，以获得长度维度与所述初始特征图的宽度维度相等的特征向量，包括：
将所述深度信息向量通过一维卷积神经网络，以获得长度维度与所述初始特征图的宽度维度相等的特征向量。


5.根据权利要求1所述的深度值的特征图融合的智能采样参数控制方法，其中，将所述融合特征图通过编码器，以获得编码输出，包括：
将所述融合特征图通过一个或多个全连接层，其中，所述一个或多个全连接层中最后一个全连接层的输出位的位数为一位，所述输出位的输出为所述编码输出。


6.根据权利要求1所述的深度值的特征图融合的智能采样参数控...

【专利技术属性】
技术研发人员：侯开阳，
申请(专利权)人：冉艾广州数码科技有限公司，
类型：发明
国别省市：广东;44