一种基于图像识别的水污染判断方法及系统技术方案

本发明专利技术提供一种基于图像识别的水污染判断方法及系统，包括：提取视频流，对视频流进行分帧，将分帧后的单帧图像作为目标图像；对目标图像进行灰度化处理，获取每个像素点所对应的灰度值；并筛选出灰度值大于等于预设灰度值的像素点，记为目标像素点；获取目标像素点的图像坐标，并根据图像坐标映射出对应的图像区域，计算图像区域的面积，并在大于等于预设面积值时，裁剪出图像区域，作为待识别图像；利用图像识别模型对待识别图像进行图像识别，确定目标水域是否存在水污染。本发明专利技术只需要通过获取在目标水域位置拍摄的视频流就可以判断出目标水域是否存在水污染，不仅不需要人工实际去目标水域进行实际查看，而且本发明专利技术可以保持全天巡检。全天巡检。全天巡检。

【技术实现步骤摘要】
一种基于图像识别的水污染判断方法及系统


[0001]本专利技术涉及水污染检测
，特别是涉及一种基于图像识别的水污染判断方法及系 统。

技术介绍

[0002]水污染是由有害化学物质造成水的使用价值降低或丧失，从而污染环境中的水资源。污 水中的酸、碱、氧化剂，以及铜、镉、汞、砷等化合物，苯、二氯乙烷、乙二醇等有机毒物， 会毒死水生生物，影响饮用水源、风景区景观。污水中的有机物被微生物分解时消耗水中的 氧，影响水生生物的生命，水中溶解氧耗尽后，有机物进行厌氧分解，产生硫化氢、硫醇等 难闻气体，使水质进一步恶化。
[0003]目前，对于一些靠近化工厂的湖泊或池塘，由于某些化工厂排放的废水中可能含有大量 磷，导致水体中磷含量过大，从而引起水体富营养化，造成藻类及其它浮游生物迅速繁殖。 例如水体中磷含量过大会造成湖泊或池塘中的水葫芦或浮萍等大量繁殖生产，让水体溶解氧 量下降，恶化水质，造成鱼类及其它生物大量死亡。因此，为了避免出现水质恶化，目前的 解决方案是由巡检员实际去湖泊或池塘进行实地查看，观察湖泊或池塘中的水葫芦或浮萍在 的面积，然后判断水体是否出现磷含量过大。但是，由于某些湖泊或池塘较为偏远，巡检员 单次巡检所花费的时间长，并且巡检成本也较高；而且在恶劣天气下(例如暴雨)，巡检员 在湖泊和池塘等地方进行实地巡检时，危险系数也比较高。

技术实现思路

[0004]鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于图像识别的水污染判断 方法及系统，用于解决现有技术中检测水污染巡检时间长、巡检成本高以及危险系数高的问 题。
[0005]为实现上述目的及其他相关目的，本专利技术提供一种基于图像识别的水污染判断方法，所 述方法包括以下步骤：
[0006]从图像拍摄装置中提取出目标时间段内的视频流；所述图像拍摄装置预先靠近目标水域 设置，且所述图像拍摄装置用于拍摄所述目标水域，并形成对应的视频流；
[0007]对提取出的视频流进行分帧，并将分帧后的每个单帧图像作为目标图像；
[0008]对所述目标图像进行灰度化处理，并获取所述目标图像中每个像素点所对应的灰度值；
[0009]将每个像素点所对应的灰度值与预设灰度值进行比较，并筛选出灰度值大于等于所述预 设灰度值的像素点，记为目标像素点；
[0010]获取每个目标像素点在所述目标图像中的图像坐标，并根据所获取的图像坐标在所述目 标图像上映射出对应的图像区域；
[0011]计算所述图像区域的面积，并将计算出的面积结果与预设面积值进行比较，以及在所述 图像区域的面积大于等于所述预设面积值时，从所述目标图像中裁剪出所述图像
区域，作为 待识别图像；
[0012]将所述待识别图像输入训练后的图像识别模型中，利用所述图像识别模型对所述待识别 图像进行图像识别，并根据图像识别结果确定所述目标水域是否存在水污染。
[0013]可选地，所述图像识别模型的训练过程包括：
[0014]获取多张包含水污染的图像以及多张不包含水污染的图像作为训练图像；
[0015]按照预设污染物类别对每张水污染训练图像进行污染物类别标注，以及对每张非水污染 训练图像进行非污染物类别标注，并在完成标注后，将标注后的所有训练图像同时输入至 ResNet网络结构中进行分类训练；
[0016]计算当前时刻ResNet网络结构中的真正例率和假正例率，并在所述真正例率大于第一目 标值，以及所述假正例率小于第二目标值时，将当前时刻的ResNext网络结构和对应的网络 参数进行结合输出，生成用于识别所述待识别图像中是否存在水污染的图像识别模型。
[0017]可选地，利用所述图像识别模型对所述待识别图像进行图像识别，并根据图像识别结果 确定所述目标水域是否存在水污染的过程包括：
[0018]利用所述图像识别模型对所述待识别图像进行污染物类别分类，获取所述待识别图像被 分类至每个预设污染物类别上的分类概率；
[0019]对所有分类概率进行归一化处理，将归一化概率值与预设概率值进行比较，判断是否存 在大于等于预设概率值的归一化概率值；若存在，则将归一化概率值中最大值所对应的污染 物类别作为所述待识别图像的污染物类别，并判定所述目标水域存在水污染；若不存在，则 判定所述待识别图像以及所述目标水域不存在水污染。
[0020]可选地，所述方法还包括：
[0021]在所述目标水域存在水污染时，判断所述待识别图像所对应的水域是否存在入境断面与 出境断面；
[0022]若存在入境断面和出境断面，则获取在所述入境断面水域内的污染浓度数据值，记为入 境断面值浓度值；以及获取在所述出境断面水域内的污染浓度数据值，记为出境断面值浓度 值
[0023]计算所述入境断面值浓度值与所述出境断面值浓度值的差值，若所述差值大于零，则判 定所述目标水域的入境污染大于出境污染；若所述差值小于零，则判定所述目标水域的出境 污染大于入境污染；若所述差值等于零，则判定所述目标水域的出境污染与入境污染相同。
[0024]可选地，所述方法还包括：
[0025]在所述目标水域存在水污染时，判断所述待识别图像所对应的水域是否存在上游断面与 下游断面；
[0026]若存在上游断面和下游断面，则获取在所述上游断面水域内的污染浓度数据值，记为上 游断面值浓度值；以及获取在所述下游断面水域内的污染浓度数据值，记为下游断面值浓度 值
[0027]计算所述上游断面值浓度值与所述下游断面值浓度值的差值，若所述差值大于零，则判 定所述目标水域的上游污染大于下游污染；若所述差值小于零，则判定所述目标水域的下游 污染大于上游污染；若所述差值等于零，则判定所述目标水域的下游污染与上
游污染相同。
[0028]可选地，对所述目标图像进行灰度化处理，并获取所述目标图像中每个像素点所对应的 灰度值的过程包括：
[0029]获取每个像素点分别在红通道、绿通道和蓝通道下的灰度值；
[0030]对每个像素点的红通道、绿通道和蓝通道的灰度值进行加权计算，获取每个像素点的灰 度值，有：
[0031]Gray(x，y)＝0.30*R(x，y)+0.59*G(x，y)+0.11*B(x，y)；
[0032]式中，Gray(x，y)表示图像坐标为(x，y)的像素点的灰度值；
[0033]R(x，y)表示图像坐标为(x，y)的像素点在红通道下的灰度值；
[0034]G(x，y)表示图像坐标为(x，y)的像素点在绿通道下的灰度值；
[0035]B(x，y)表示图像坐标为(x，y)的像素点在蓝通道下的灰度值。
[0036]可选地，在所述目标水域存在水污染时，所述方法还包括：
[0037]利用一光源产生一入射光；
[0038]利用所述入射光照射目标水样，并生成对应的投射光；其中，所述目标水样为预先从所 述目标水域随机获取的一定容量的水样；
[0039]获取所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的水污染判断方法，其特征在于，所述方法包括以下步骤：从图像拍摄装置中提取出目标时间段内的视频流；所述图像拍摄装置预先靠近目标水域设置，且所述图像拍摄装置用于拍摄所述目标水域，并形成对应的视频流；对提取出的视频流进行分帧，并将分帧后的每个单帧图像作为目标图像；对所述目标图像进行灰度化处理，并获取所述目标图像中每个像素点所对应的灰度值；将每个像素点所对应的灰度值与预设灰度值进行比较，并筛选出灰度值大于等于所述预设灰度值的像素点，记为目标像素点；获取每个目标像素点在所述目标图像中的图像坐标，并根据所获取的图像坐标在所述目标图像上映射出对应的图像区域；计算所述图像区域的面积，并将计算出的面积结果与预设面积值进行比较，以及在所述图像区域的面积大于等于所述预设面积值时，从所述目标图像中裁剪出所述图像区域，作为待识别图像；将所述待识别图像输入训练后的图像识别模型中，利用所述图像识别模型对所述待识别图像进行图像识别，并根据图像识别结果确定所述目标水域是否存在水污染。2.根据权利要求1所述的基于图像识别的水污染判断方法，其特征在于，所述图像识别模型的训练过程包括：获取多张包含水污染的图像以及多张不包含水污染的图像作为训练图像；按照预设污染物类别对每张水污染训练图像进行污染物类别标注，以及对每张非水污染训练图像进行非污染物类别标注，并在完成标注后，将标注后的所有训练图像同时输入至ResNet网络结构中进行分类训练；计算当前时刻ResNet网络结构中的真正例率和假正例率，并在所述真正例率大于第一目标值，以及所述假正例率小于第二目标值时，将当前时刻的ResNext网络结构和对应的网络参数进行结合输出，生成用于识别所述待识别图像中是否存在水污染的图像识别模型。3.根据权利要求2所述的基于图像识别的水污染判断方法，其特征在于，利用所述图像识别模型对所述待识别图像进行图像识别，并根据图像识别结果确定所述目标水域是否存在水污染的过程包括：利用所述图像识别模型对所述待识别图像进行污染物类别分类，获取所述待识别图像被分类至每个预设污染物类别上的分类概率；对所有分类概率进行归一化处理，将归一化概率值与预设概率值进行比较，判断是否存在大于等于预设概率值的归一化概率值；若存在，则将归一化概率值中最大值所对应的污染物类别作为所述待识别图像的污染物类别，并判定所述目标水域存在水污染；若不存在，则判定所述待识别图像以及所述目标水域不存在水污染。4.根据权利要求1或3所述的基于图像识别的水污染判断方法，其特征在于，所述方法还包括：在所述目标水域存在水污染时，判断所述待识别图像所对应的水域是否存在入境断面与出境断面；若存在入境断面和出境断面，则获取在所述入境断面水域内的污染浓度数据值，记为入境断面值浓度值；以及获取在所述出境断面水域内的污染浓度数据值，记为出境断面值
浓度值计算所述入境断面值浓度值与所述出境断面值浓度值的差值，若所述差值大于零，则判定所述目标水域的入境污染大于出境污染；若所述差值小于零，则判定所述目标水域的出境污染大于入境污染；若所述差值等于零，则判定所述目标水域的出境污染与入境污染相同。5.根据权利要求1或3所述的基于图像识别的水污染判断方法，其特征在于，所述方法还包括：在所述目标水域存在水污染时，判断所述待识别图像所对应的水域是否存在上游断面与下游断面；若存在上游断面和下游断面，则获取在所述上游断面水域内的污染浓度数据值，记为上游断面值浓度值；以及获取在所述下游断面水域内的污染浓度数据值，记为下游断面值浓度值计算所述上游断面值浓度值与所述下游断面值浓度值的差值，若所述差值大于零，则判定所述目标水域的上游污染大于下游污染；若所述差值小于零，则判定所述目标水域的下游污染大于上游污染；若所述差值等于零，则判定所述目标水域的下游污染与上游污染相同。6.根据权利要求1所述的基于图像识别的水污染判断方法，其特征在于，对所述目标图像进行灰度...

【专利技术属性】
技术研发人员：邓佳，沈伟，罗鹏，
申请(专利权)人：重庆知行数联智能科技有限责任公司，
类型：发明
国别省市：