水面漂浮物识别方法及系统技术方案

本发明专利技术公开了一种水面漂浮物识别方法，包括：对获取的水面漂浮物的数据集进行人工标注；对标注后的数据集进行数据增强；通过增强后的数据集构建水面漂浮物语义分割模型；对待监控的视频进行分帧提取；通过漂浮物语义分割模型对提取后帧中的漂浮物像素数目进行统计；将每帧中的水面漂浮物像素数目与预设阈值进行比较，据此判断水面漂浮物堆积是否超标，本发明专利技术能够对水面漂浮物的堆积面可进行大致的估量；并且利用MobileNetV3对DeepLabV3+进行优化，减少了参数量,减轻了对硬件的压力，并引入ECA注意力机制，增强网络的性能。增强网络的性能。增强网络的性能。

【技术实现步骤摘要】
水面漂浮物识别方法及系统


[0001]本专利技术属于计算机视觉
，尤其涉及一种水面漂浮物识别方法及系统。

技术介绍

[0002]由于人类生活垃圾和工业垃圾的乱扔乱放，江海湖泊均存在漂浮物堆积问题。这既破坏自然生态景观，又影响到人类身体健康和经济持续发展。水面漂浮物的有效监控和及时清除非常必要。
[0003]随着深度学习、计算机视觉等技术的发展，通过视频图像监控系统对水面漂浮物自动化、智能化监测识别成为可能。现有的基于视频图像的水面漂浮物识别技术主要采用目标检测的方法，通过对图像中的水面漂浮物采用Yolo网络，可以对水面漂浮物区域做定位和识别，但是无法对水面漂浮物的堆积面做到定量的估量。DeeplabV3+被认为是语义分割的新高峰，具有较强的泛化能力和适应能力，可以用于水面漂浮物分割任务，但是基于Xception主干网络的DeeplabV3+模型参数较多，对硬件的算力要求较高。

技术实现思路

[0004]为了解决现有技术存在的问题，本专利技术提供一种水面漂浮物识别方法及系统，能够对水面漂浮物堆积进行定量估算。
...

【技术保护点】

【技术特征摘要】
1.一种水面漂浮物识别方法，其特征在于，包括：对获取的水面漂浮物的数据集进行人工标注；对标注后的数据集进行数据增强；通过增强后的数据集构建水面漂浮物语义分割模型；对待监控的视频进行分帧提取；通过漂浮物语义分割模型对提取后帧中的漂浮物像素数目进行统计；将每帧中的水面漂浮物像素数目与预设阈值进行比较，据此判断水面漂浮物堆积是否超标。2.根据权利要求1所述的一种水面漂浮物识别方法，其特征在于，所述对获取的水面漂浮物的数据集进行人工标注包括：对获取的水面漂浮物的数据集采用Lableme人工标记，并将数据集转换成PASCAL VOC格式。3.根据权利要求1所述的一种水面漂浮物识别方法，其特征在于，所述对标注后的数据集进行数据增强包括：对标记后的水面漂浮物的数据集和标签集通过随机旋转、翻转、缩放进行几何变换，通过随机调节饱和度、亮度、对比度和锐度进行颜色变换，然后划分训练集和测试集。4.根据权利要求3所述的一种水面漂浮物识别方法，其特征在于，所述通过增强后的数据集构建水面漂浮物语义分割模型包括：所述水面漂浮物语义分割模型采用改进的DeepLabV3+网络，即采用MobileNetV3网络替代DeepLabV3+网络中的特征提取骨干网络；将训练...

【专利技术属性】
技术研发人员：谭红宝，吕峰，刘忠德，黄宏，曾小宁，林诗云，周志勇，徐进，徐希涛，丁宁，
申请(专利权)人：国电南瑞科技股份有限公司，
类型：发明
国别省市：