基于IA-YOLOV7的污水悬浮物识别方法及系统技术方案

本申请涉及基于IA

【技术实现步骤摘要】
基于IA
‑
YOLOV7的污水悬浮物识别方法及系统


[0001]本申请涉及人工智能
，特别是基于IA
‑
YOLOV7的污水悬浮物识别方法及系统。

技术介绍

[0002]基于物联网、云计算的城市污水处理综合运营管理平台或系统，为污水运营企业提供了一个安全的管理平台，可以统一管理企业实时生产数据、视频监控数据、工艺设计、日常管理等相关数据，为生产运行管理者提供即时、丰富的生产运行信息，从而辅助分析决策，实现企业规范管理、节能降耗、减员增效和精细化管理。
[0003]在相关技术中，采用基于图像识别的污水监管系统对城市污水处理进行自动化监管，而污水处理监管中尤为重要的是对污水悬浮物的处理，例如：按污水悬浮物的类别进行分类筛查、、沉降、过滤以及收集。相关技术中，习知的视觉检测模块需要对图像进行复杂的算法处理才能完成检测工作，误差大、准度低、对工作环境要求较高，进而造成对污水环境下的悬浮物检测率及悬浮物识别精准度不高，同时，相关技术中的视觉检测模块受恶劣天气(例如：雾霾)影响较大，自然环境引起的图像噪点高，进一步降低污水悬浮物的识别的准确率。
[0004]目前针对相关技术中污水悬浮物的识别受恶劣自然环境影响，造成识别污水悬浮物的难度大且识别准确率低的问题，尚未提出有效的解决方案。

技术实现思路

[0005]本申请实施例提供了一种基于IA
‑
YOLOV7的污水悬浮物识别方法及系统，以及存储介质，以至少解决相关技术中污水悬浮物的识别受恶劣自然环境影响，造成识别污水悬浮物的难度大且识别准确率低的问题。
[0006]第一方面，本申请实施例提供了一种基于IA
‑
YOLOV7的污水悬浮物识别方法，包括：获取待识别的目标图像，其中，所述目标图像是从检测污水流动介质的视频流数据中获取的；利用已构建的Image
‑
Adaptive YOLOV7目标检测模型，处理所述目标图像，得到污水悬浮物所对应的目标标签信息，其中，所述目标标签信息包括悬浮物类别标签信息和悬浮物位置信息，所述Image
‑
Adaptive YOLOV7目标检测模型是以YOLOV7标准模型为基线模型，并基于预设的图像数据集以及所述图像数据集的图像所对应的实测悬浮物类别标签信息及实测悬浮物位置信息进行训练的；基于所述悬浮物类别标签信息、所述悬浮物位置信息及所述目标图像，生成污水悬浮物的识别结果，其中，所述识别结果包括以预设检测框的形式标记出现目标污水悬浮物的目标区域。
[0007]第二方面，本申请实施例提供了一种污水悬浮物识别系统，包括：摄像头采集模块、传输设备以及服务器设备；其中，所述摄像头采集模块通过传输设备连接服务器设备；所述摄像头采集模块用于采集检测污水流动介质的视频流数据；所述传输设备用于将所述视频流数据传输至所述服务器设备，以及用于将所述服务器设备在执行第一方面所述的基
于IA
‑
YOLOV7的污水悬浮物识别方法后所生成的识别结果实时传输至所述服务器设备的前端网页进行显示。
[0008]第三方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面所述的基于IA
‑
YOLOV7的污水悬浮物识别方法。
[0009]相比于相关技术，本申请实施例提供的基于IA
‑
YOLOV7的污水悬浮物识别方法及系统，以及存储介质，通过获取待识别的目标图像，其中，所述目标图像是从检测污水流动介质的视频流数据中获取的；利用已构建的图像自适应Image
‑
Adaptive YOLOV7目标检测模型，处理所述目标图像，得到污水悬浮物所对应的目标标签信息，其中，所述目标标签信息包括悬浮物类别标签信息和悬浮物位置信息，所述Image
‑
Adaptive YOLOV7目标检测模型是以YOLOV7标准模型为基线模型，并基于预设的图像数据集以及所述图像数据集的图像所对应的实测悬浮物类别标签信息及实测悬浮物位置信息进行训练的；基于所述悬浮物类别标签信息、所述悬浮物位置信息及所述目标图像，生成污水悬浮物的识别结果，其中，所述识别结果包括以预设检测框的形式标记出现目标污水悬浮物的目标区域，采用Image
‑
Adaptive YOLOV7目标检测模型对目标图像进行滤波和图像自适应处理，以减少受自然环境影响而引入图像噪点，提供检测精度和识别率，同时，采用深度学习算法的YOLOV7训练目标检测模型，提高污水悬浮物检测效果及鲁棒性，解决了相关技术中污水悬浮物的识别受恶劣自然环境影响，造成识别污水悬浮物的难度大且识别准确率低的问题，实现了在自然条件较为恶劣环境下对污水悬浮物的准确检测识别的有益效果。
[0010]本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
[0011]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0012]图1是本申请实施例的基于IA
‑
YOLOV7的污水悬浮物识别方法的终端的硬件结构框图；
[0013]图2是根据本申请实施例的基于IA
‑
YOLOV7的污水悬浮物识别方法的流程图；
[0014]图3是根据本申请实施例的基于IA
‑
YOLOV7的污水悬浮物识别装置的结构框图。
具体实施方式
[0015]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的
技术实现思路
的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
[0016]在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相
同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
[0017]除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属
内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于IA
‑
YOLOV7的污水悬浮物识别方法，其特征在于，包括：获取待识别的目标图像，其中，所述目标图像是从检测污水流动介质的视频流数据中获取的；利用已构建的图像自适应Image
‑
Adaptive YOLOV7目标检测模型，处理所述目标图像，得到污水悬浮物所对应的目标标签信息，其中，所述目标标签信息包括悬浮物类别标签信息和悬浮物位置信息，所述Image
‑
Adaptive YOLOV7目标检测模型是以YOLOV7标准模型为基线模型，并基于预设的图像数据集以及所述图像数据集的图像所对应的实测悬浮物类别标签信息及实测悬浮物位置信息进行训练的；基于所述悬浮物类别标签信息、所述悬浮物位置信息及所述目标图像，生成污水悬浮物的识别结果，其中，所述识别结果包括以预设检测框的形式标记出现目标污水悬浮物的目标区域。2.根据权利要求1所述的方法，其特征在于，利用已构建的图像自适应Image
‑
Adaptive YOLOV7目标检测模型，处理所述目标图像，包括：对所述目标图像进行数据复制，得到预设分辨率的第一图像和第二图像，其中，所述第一图像所对应的所述分辨率低于所述第二图像所对应的所述分辨率；将所述第一图像输入所述Image
‑
Adaptive YOLOV7目标检测模型中，得到图像滤波参数，其中，所述图像滤波参数包括以下至少其中一种：去雾参数、白平衡参数、亮度参数、色调参数、对比度调整参数、锐度调整参数；利用所述Image
‑
Adaptive YOLOV7目标检测模型和所述图像滤波参数，对所述第二图像进行滤波去噪处理，得到增强图像。3.根据权利要求2所述的方法，其特征在于，利用已构建的图像自适应Image
‑
Adaptive YOLOV7目标检测模型，处理所述目标图像，得到污水悬浮物所对应的目标标签信息，包括：对所述增强图像进行图像自适应处理，得到输入图像，其中，所述图像自适应处理包括：图像尺寸标准化、图像归一化、自适应描框计算及自适应图片缩放；利用所述Image
‑
Adaptive YOLOV7目标检测模型，在所述输入图像中检测污水悬浮物，得到所述目标标签信息。4.根据权利要求3所述的方法，其特征在于，利用所述Image
‑
Adaptive YOLOV7目标检测模型，在所述输入图像中检测污水悬浮物，得到所述目标标签信息，包括：利用所述Image
‑
Adaptive YOLOV7目标检测模型，将所述输入图像划分为多个图像网格单元，并在每个所述图像网格单元中进行多尺度特征提取，得到第一特征；对所提取到所述第一特征进行特征融合，得到候选特征；在所述候选特征中，采用预设的预测头进行目标检测，得到每个所述图像网格单元所对应的预测结果，其中，所述预测结果包括位置边界信息、目标类别及目标置信度；基于所述预测结果，确定所述目标标签信息。5.根据权利要求4所述的方法，其特征在于，基于所述预测结果，确定所述...

【专利技术属性】
技术研发人员：刘晓翔，昂思宁，刘思远，黄宇星，黄浩彬，
申请(专利权)人：暨南大学，
类型：发明
国别省市：