【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。