基于深度学习的土壤中有色微塑料的识别检测方法及系统技术方案

本发明专利技术公开了一种基于深度学习的土壤中有色微塑料的识别检测方法及系统，包括：获取土壤样本的拉曼光谱数据及图像数据，对拉曼光谱数据进行预处理，提取土壤样本的拉曼指纹特征；在图像数据中获取感兴趣区域，提取感兴趣区域的多尺度图像特征；将所述土壤样本的拉曼指纹特征及多尺度图像特征进行聚合构建特征数据集；基于深度学习方法构建有色微塑料识别模型，将所述特征数据集作为有色微塑料识别模型的输入，对土壤样本中的有色微塑料进行识别分析。本发明专利技术利用深度学习算法能够在土壤复杂背景下精确识别出有色微塑料颗粒，提高了检测识别效率，同时高精度的检测识别数据为土壤有色微塑料污染的评估提供了数据基础。色微塑料污染的评估提供了数据基础。色微塑料污染的评估提供了数据基础。

【技术实现步骤摘要】
基于深度学习的土壤中有色微塑料的识别检测方法及系统


[0001]本专利技术涉及微塑料识别检测
，更具体的，涉及一种基于深度学习的土壤中有色微塑料的识别检测方法及系统。

技术介绍

[0002]微塑料作为一种新污染物，近年来其环境污染问题引起了广泛关注。微塑料被定义为粒径小于5 mm的塑料碎片、薄膜或者颗粒。微塑料的来源主要包括初生微塑料和次生微塑料，初生微塑料主要指人们生产生活中直接排入环境中的微塑料颗粒；次生微塑料是指塑料垃圾在物理、化学及微生物作用后发生分解而生成的微塑料颗粒。由于微塑料可以对环境造成严重的污染，对环境中的微塑料进行识别检测是非常必要的，在微塑料的检测方法中，拉曼光谱是一种有效的定性定量分析方法，每一种微塑料都有特定的拉曼指纹特征，因此根据微塑料的拉曼指纹信息，可以实现对微塑料的识别检测。
[0003]基于不同的用途，在一些塑料材料的制备过程中，会加入不同颜色的着色剂，从而制备得到不同颜色的塑料，当这些有颜色的塑料在环境中分解后可以生成有色微塑料。有色微塑料作为微塑料的一种主要的类型，可以对环境造成严重的污染，既本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的土壤中有色微塑料的识别检测方法，其特征在于，包括以下步骤：获取土壤样本的拉曼光谱数据，对所述拉曼光谱数据进行预处理，提取土壤样本的拉曼指纹特征；获取土壤样本的图像数据，获取感兴趣区域，提取感兴趣区域的多尺度图像特征；将所述土壤样本的拉曼指纹特征及多尺度图像特征进行聚合构建特征数据集；基于深度学习方法构建有色微塑料识别模型，利用历史微塑料图像数据及微塑料的拉曼指纹特征构建训练数据对所述有色微塑料识别模型进行训练；将所述特征数据集作为有色微塑料识别模型的输入，对土壤样本中的有色微塑料进行识别分析。2.根据权利要求1所述的一种基于深度学习的土壤中有色微塑料的识别检测方法，其特征在于，获取土壤样本的拉曼光谱数据，对所述拉曼光谱数据进行预处理，提取土壤样本的拉曼指纹特征，具体为：通过数据检索手段获取不同颜色类别微塑料的拉曼光谱数据，根据拉曼光谱数据获取对应的拉曼光谱图，在所述拉曼光谱图中获取不同颜色类别微塑料的特征峰位；获取所述特征峰位对应的拉曼位移，判断不同颜色类别微塑料的特征峰所在的拉曼位移区间，将不同颜色类别微塑料的拉曼位移区间进行取并集操作，获取拉曼光谱的最佳扫描范围；基于最佳扫描范围获取土壤样本的拉曼光谱数据，将土壤样本的拉曼光谱数据进行平滑处理滤除多余噪声，对滤噪后的拉曼光谱数据拟合光谱基线，进行基线校正；对基线校正后的拉曼光谱数据进行归一化处理，提取土壤样本的拉曼光谱数据中的拉曼特征峰，作为土壤样本的拉曼指纹特征。3.根据权利要求1所述的一种基于深度学习的土壤中有色微塑料的识别检测方法，其特征在于，获取土壤样本的图像数据，获取感兴趣区域，提取感兴趣区域的多尺度图像特征，具体为：获取土壤样本的图像数据，将图像数据进行灰化及滤波预处理，得到预处理后的图像数据；将预处理后的图像数据划分为若干图像块，输入ResNet50网络输出图像块的全局特征，将全局特征进行平均池化，获取全局特征的特征描述子；引入注意力机制，对特征描述子设置注意力权重，根据注意力权重结合图像块对应特征描述子得到图像块的特征图，获取全部图像块的均值，作为特征图基准；将所有的图像块逐一与所述特征图基准进行对比，通过对比结果生成图像块对应的掩膜图，根据掩膜图获取土壤样本图像数据中具备识别特征的图像块，生成感兴趣区域；引入特征金字塔结构，利用特征金字塔对感兴趣区域进行多尺度图像特征提取。4.根据权利要求1所述的一种基于深度学习的土壤中有色微塑料的识别检测方法，其特征在于，利用特征金字塔对感兴趣区域进行多尺度特征提取，具体为：在ResNet50网络中引入特征金字塔结构，将感兴趣区域对应的全局特征输入到所述特征金字塔结构，通过不同尺度的卷积层对提取多尺度特征；所述特征金字塔分为第一分支及第二分支，在第一分支中设置五层不同尺度的卷积
层，获取不同尺度的特征图，将不同尺度的特征图进行池化操作；在第二分支中设置与第一分支各卷积层相对应的降维卷积层，将第一分支中的特征与第二分支中的特征在同一维度下进行特征卷积融合，生成融合特征；将不同层的融合特征进行特征拼接，输出感兴趣区域的多尺度图像特征。5.根据权利要求1所述的一种基于深度学习的土壤中有色微塑料的识别检测方法，其特征在于，将所述土壤样本的拉曼指纹特征及多尺度图像特征进行聚合构建特征数据集，具体为：获取土壤样本的拉曼指纹特征及多尺度图像特征，构建特征融合模块将获取的特征进行编码生成对应的特征向量；在特征融合模块中利用注意力机制将特征向量进行池化操作，根据拉曼指纹特征及多尺度图像特征的通道数映射生成通道权重，根据所述通道权重对特征进行加权表示；将拉曼指纹特征及多尺度图像特征通过加权求和进行特征融合，构建特征数据集。6.根据权利要求1所述的一种基于深度学习的土壤中有色微塑料的识别检测方法，其特征在于，将所述特征数据集作为有色微塑料识别模型的输入，对土壤样本中的有色微塑料进行识别分析，具体为：获取土壤的历史微塑料图像数据，从所述历史...

【专利技术属性】
技术研发人员：韩亚萌，李书鹏，郭丽莉，王蓓丽，杨旭，张冉，瞿婷，薛晋美，
申请(专利权)人：北京建工环境修复股份有限公司，
类型：发明
国别省市：