基于ION算法的生态生物识别方法技术

本发明专利技术公开了基于ION算法的生态生物识别方法，包括如下步骤：获取湖面生物检测采集点的待识别图像，将待识别图像数据进行存储；将待识别图像数据进行拆分处理，剔除无用数据信息，然后将有用数据进行合并处理；通过ION算法将合并处理后的待识别图像进行数据空间优化；从内存管理器中提取图像数据，将图像数据与图像信息匹配，对生态生物进行识别。本发明专利技术通过ION算法的内存管理器将内存采用不同的内存分配机制，能够有效的对数据内存进行存储，极大的减小内存的使用，能够保证内存池内一直有一定量的内存可用，能够有效的提高生物识别的数据存储空间，便于生物识别的平稳运行。便于生物识别的平稳运行。便于生物识别的平稳运行。

【技术实现步骤摘要】
基于ION算法的生态生物识别方法


[0001]本专利技术涉及生物识别
，尤其涉及基于ION算法的生态生物识别方法。

技术介绍

[0002]水生物是判断河水是否受到污染的有效参照物。河水中不同化学物质的分布和浓度，将决定河中水生物的类型构成。一些水生物在某种河流条件下可以繁殖很快，在另一环境下则可能死亡，这是由河水中的不同成分决定的。因此，只要分析河流中水生物的类型构成，就可对某一河段中存在什么样的化学物质做出判断。
[0003]随着人工智能技术的发展，生物识别技术也越来越先进。生物识别是一种识别生物类型的方法，但是现有的生物识别需要进行大量的数据采集，采集的数据需进行存储保存，极大的占用的存储空间，不便于生物识别的平稳运行。

技术实现思路

[0004]基于
技术介绍
存在的技术问题，本专利技术提出了基于ION算法的生态生物识别方法。
[0005]本专利技术提出的基于ION算法的生态生物识别方法，包括如下步骤：
[0006]S1获取湖面生物检测采集点的待识别图像，将待识别图像数据进行存储；
[0007]S2将待识别图像数据进行拆分处理，剔除无用数据信息，然后将有用数据进行合并处理；
[0008]S3通过ION算法将合并处理后的待识别图像进行数据空间优化；
[0009]S31将合并处理后的待识别图像数据传输至ION内存管理器中；
[0010]S32将内存管理器中待识别图像进行不同的内存分配机制进行分配；
[0011]S33通过不同的内存分配机制将内存的大小分成数个级别，每个级别都预先分配20块内存；
[0012]S34如果传输的内存大小在128个字节以内，则从最相近的内存大小中申请；
[0013]S35如果该组内存储量小于一定的值，则根据refill算法再次从传输的内存加入内存池，保证内存池内有一定量的内存可用；
[0014]S4从内存管理器中提取图像数据，将图像数据与图像信息匹配，对生态生物进行识别。
[0015]优选的，所述步骤S32不同的内存分配机制包括CARVOUT，物理连续内存,虚拟地址连续但物理不连续内存，IOMMU。
[0016]优选的，所述步骤S32中通过Heap表示内存分配的相关信息，包括id,type,name，用struction_heap表示。
[0017]优选的，所述步骤S2将待识别图像数据进行拆分处理之前，还对待识别图像数据进行解析，得到经反射后的环境物体图像数据。
[0018]优选的，所述步骤S1获取湖面生物检测采集点的待识别图像包括：获取被观察物的待识别的角膜图像，解析角膜图像，得到所述待识别的角膜反射的环境物体的图像数据。
[0019]优选的，所述步骤S1获取湖面生物检测采集点的待识别图像时，还获取图像采集的时间和位置，并进行存储。
[0020]优选的，所述步骤S2将待识别图像数据数据进行拆分处理：将待识别的图像数据进行格式转换，转换成可识别格式，将转换后的待识别图像数据进行拆分处理，对待识别图像数据进行分类，剔除无用数据信息，将有用数据信息转换成原来格式，并进行合并存储。
[0021]优选的，所述步骤S4将识别成功结果进行发送，并将生态环境的图像数据存储至数据库中。
[0022]本专利技术中，所述基于ION算法的生态生物识别方法，通过ION算法的内存管理器将内存采用不同的内存分配机制，能够有效的对数据内存进行存储，极大的减小内存的使用，能够保证内存池内一直有一定量的内存可用，能够有效的提高生物识别的数据存储空间，便于生物识别的平稳运行。
附图说明
[0023]图1为本专利技术提出的基于ION算法的生态生物识别方法的流程图；
[0024]图2为本专利技术提出的基于ION算法的生态生物识别方法的ION算法存储流程图。
具体实施方式
[0025]下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。
[0026]参照图1
‑
2，基于ION算法的生态生物识别方法，包括如下步骤：
[0027]S1获取湖面生物检测采集点的待识别图像，将待识别图像数据进行存储；
[0028]S2将待识别图像数据进行拆分处理，剔除无用数据信息，然后将有用数据进行合并处理；
[0029]S3通过ION算法将合并处理后的待识别图像进行数据空间优化；
[0030]S31将合并处理后的待识别图像数据传输至ION内存管理器中；
[0031]S32将内存管理器中待识别图像进行不同的内存分配机制进行分配；
[0032]S33通过不同的内存分配机制将内存的大小分成数个级别，每个级别都预先分配20块内存；
[0033]S34如果传输的内存大小在128个字节以内，则从最相近的内存大小中申请；
[0034]S35如果该组内存储量小于一定的值，则根据refill算法再次从传输的内存加入内存池，保证内存池内有一定量的内存可用；
[0035]S4从内存管理器中提取图像数据，将图像数据与图像信息匹配，对生态生物进行识别。
[0036]本专利技术中，步骤S32不同的内存分配机制包括CARVOUT，物理连续内存,虚拟地址连续但物理不连续内存，IOMMU。
[0037]本专利技术中，步骤S32中通过Heap表示内存分配的相关信息，包括id,type,name，用struction_heap表示。
[0038]本专利技术中，步骤S2将待识别图像数据进行拆分处理之前，还对待识别图像数据进行解析，得到经反射后的环境物体图像数据。
[0039]本专利技术中，步骤S1获取湖面生物检测采集点的待识别图像包括：获取被观察物的待识别的角膜图像，解析角膜图像，得到待识别的角膜反射的环境物体的图像数据。
[0040]本专利技术中，步骤S1获取湖面生物检测采集点的待识别图像时，还获取图像采集的时间和位置，并进行存储。
[0041]本专利技术中，步骤S2将待识别图像数据数据进行拆分处理：将待识别的图像数据进行格式转换，转换成可识别格式，将转换后的待识别图像数据进行拆分处理，对待识别图像数据进行分类，剔除无用数据信息，将有用数据信息转换成原来格式，并进行合并存储。
[0042]本专利技术中，步骤S4将识别成功结果进行发送，并将生态环境的图像数据存储至数据库中。
[0043]本专利技术：获取湖面生物检测采集点的待识别图像，将待识别图像数据进行存储；将待识别图像数据进行拆分处理，剔除无用数据信息，然后将有用数据进行合并处理；通过ION算法将合并处理后的待识别图像进行数据空间优化；将合并处理后的待识别图像数据传输至ION内存管理器中；将内存管理器中待识别图像进行不同的内存分配机制进行分配；通过不同的内存分配机制将内存的大小分成数个级别，每个级别都预先分配20块内存；如果传输的内存大小在128个字节以内，则从最相近的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于ION算法的生态生物识别方法，其特征在于，包括如下步骤：S1获取湖面生物检测采集点的待识别图像，将待识别图像数据进行存储；S2将待识别图像数据进行拆分处理，剔除无用数据信息，然后将有用数据进行合并处理；S3通过ION算法将合并处理后的待识别图像进行数据空间优化；S31将合并处理后的待识别图像数据传输至ION内存管理器中；S32将内存管理器中待识别图像进行不同的内存分配机制进行分配；S33通过不同的内存分配机制将内存的大小分成数个级别，每个级别都预先分配20块内存；S34如果传输的内存大小在128个字节以内，则从最相近的内存大小中申请；S35如果该组内存储量小于一定的值，则根据refill算法再次从传输的内存加入内存池，保证内存池内有一定量的内存可用；S4从内存管理器中提取图像数据，将图像数据与图像信息匹配，对生态生物进行识别。2.根据权利要求1所述的基于ION算法的生态生物识别方法，其特征在于，所述步骤S32不同的内存分配机制包括CARVOUT，物理连续内存,虚拟地址连续但物理不连续内存，IOMMU。3.根据权利要求1所述的基于ION算法的生态生物识别方法，其特征在于，所述步骤S32中通过Heap表示内存分配的相关信息，包括id,t...

【专利技术属性】
技术研发人员：杨志峰，沈永明，张远，蔡宴朋，
申请(专利权)人：澜途集思深圳数字科技有限公司，
类型：发明
国别省市：