【技术实现步骤摘要】
一种河道漂浮物智能检测方法及系统
[0001]本专利技术涉及图像分析领域，尤其是涉及一种河道漂浮物智能检测方法及系统。
技术介绍
[0002]河道环境治理是城市环境整治的重要一环，通过人力对河道监控进行观察或实地监测的方式，调查河道漂浮物的数量、来源、分布，效率低下，且经常由于清污时间选择不当造成通水不畅，清污质量低等问题。如何利用城市监控系统以及无人机等移动设备对河道漂浮物进行智能监测，实时提供河道漂浮物的直观信息以及河道漂浮物的分布状况，有利于河流治理人员根据提供的数据分析做出快速响应。提高河道治理效率，具有很大的经济价值和现实意义。
[0003]过去几年中，许多方法应用于河道漂浮物的检测，随着机器视觉、深度学习领域的快速发展，河道漂浮物检测的智能检测精度得到了大大的提高，然而，基于卷积神经网络的深度网络通常需要配置高性能的GPU处理器的电脑才能运行，难以嵌入到廉价的移动设备中。
技术实现思路
[0004]为解决现有技术的不足，实现河道漂浮物检测神经网络参数减少、能耗降低、提升效率的目的，本专利技...
【技术保护点】
【技术特征摘要】
1.一种河道漂浮物智能检测方法，其特征在于包括如下步骤：S1，提取河道视频影像数据并进行数据预处理；S2，建立河道漂浮物数据集，对河道图像数据中的河道漂浮物进行位置标记，生成对应的真实标签，构建样本数据集；S3，构建脉冲神经网络模型；S4，对预处理后的河道漂浮物数据集进行训练，并将训练好的等效卷积神经网络模型转换为脉冲神经网络检测模型，包括如下步骤：S41，通过样本数据集进行等效卷积神经网络模型训练，对真实标签进行预测，得到训练好的等效卷积神经网络模型；S42，将训练好的等效卷积神经网络模型转换为脉冲神经网络模型，等效卷积神经网络模型的卷积层转换为卷积操作的突触连接，池化层转换为池化操作的突触连接，全连接层转换为全连接操作的突触连接，不同突触之间采用神经元对脉冲进行整合，将等效卷积神经网络模型的偏置转换为脉冲电流的形式注入对应的神经元；S5，实时获取河道视频测试数据，输入转换后的脉冲神经网络模型，对河道漂浮物进行实时智能检测。2.根据权利要求1所述的一种河道漂浮物智能检测方法，其特征在于所述S1中，采集河道视频流数据，并将视频流按一定时间间隔进行帧图像抽取，获得连续的多帧河道图像数据。3.根据权利要求1所述的一种河道漂浮物智能检测方法，其特征在于所述S2中，对数据集进行数据扩充，包括随机翻转、色彩增强。4.根据权利要求1所述的一种河道漂浮物智能检测方法，其特征在于所述S41中的等效卷积神经网络模型训练，是将样本数据集输入等效卷积神经网络模型，经计算输出预测标签，并将输出的预测标签与数据集中的真实标签进行损失计算，将求出的损失值反向传播到等效卷积神经网络模型中，更新等效卷积神经网络模型的权重，直到模型拟合，得到训练好的等效卷积神经网络模型。5.根据权利要求1所述的一种河道漂浮物智能检测方法，其特征在于所述脉冲神经网络模型，将多帧连续图像通过编码，转换为脉冲的形式进行输入，提取多个尺度的漂浮物特征信息及语义信息，并对特征信息进行融合，输出一组不同尺度层级特征图，在回归输出对应的漂浮物提取结果。6.根据权利要求1所述的一种河道漂浮物智能检测方法，其特征在于所述S5中，对实时获取的河道视频数据进行S...
【专利技术属性】
技术研发人员：吕宝媛，何旗凯，马德，岳克强，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。