基于多源数据的水环境微生物检测方法技术

本发明专利技术涉及一种基于多源数据的水环境微生物检测方法

【技术实现步骤摘要】
基于多源数据的水环境微生物检测方法、系统及介质


[0001]本专利技术涉及微生物检测
，尤其涉及基于多源数据的水环境微生物检测方法
、
系统及介质
。

技术介绍

[0002]污水检测中使用的微生物检测技术主要是利用微生物对水体中污染物所表现的不同反应来了解污水水质的污染情况
。
微生物检测技术涉及生物
、
物理和环境检测分析学知识
。
通过分析污水中微生物所表现的不同反应，进行分析研究可以得知，水中一些有害的微生物可以在污水中不断的生殖繁衍，并且可以分子的形式表现出来，通过对这些分子进行分析研究可以明确污水中的含有的污染物，即污水形成的原因
。
因此，可以看出在化工和城市污水检测中微生物检测技术具有非常重要的研究意见和作用
。
然而，现实中往往是通过对水体采样，取样到实验室中，在通过微生物检测技术来检测样本，该过程中耗费大量的时间以及检测成本，检测的效率低下
。

技术实现思路

[0003]本专利技术克服了现有技术的不足，提供了一种基于多源数据的水环境微生物检测方法
、
系统及介质
。
[0004]为达上述目的，本专利技术采用的技术方案为：本专利技术第一方面提供了一种基于多源数据的水环境微生物检测方法，包括以下步骤：获取目标区域中多源数据信息，并根据多源数据信息获取目标区域中水环境的图像数据信息，并通过对目标区域中水环境的图像数据信息进行预处理，获取预处理后的图像数据信息；根据多源数据信息获取目标检测的微生物类型，通过大数据获取目标检测的微生物类型的共生物种数据信息，并计算共生物种数据信息与目标检测的微生物类型的繁殖相关性；构建物种识别模型，并获取大量的历史物种图像数据信息，根据大量的历史物种图像数据信息以及物种识别模型预测预处理后的图像数据信息中的物种数据信息，得到预测物种数据；根据共生物种数据信息与目标检测的微生物类型的繁殖相关性以及预测物种数据生成当前水环境区域的微生物繁衍数据，基于当前水环境区域的微生物繁衍数据生成相关的调控措施
。
[0005]进一步的，在本方法中，通过对目标区域中水环境的图像数据信息进行预处理，获取预处理后的图像数据信息，具体包括：将目标区域中水环境的图像数据信息沿着光谱维划分为若干个相等的子集，并在每个子集中采用基于平均融合的方法降低每个子集的冗余信息，得到降维后的图像数据信
息；将降维后的图像数据信息分为若干组大小相等的子集，并对相邻的若干波段进行去彩色化处理，得到增强后的图像数据信息；采用边缘保持滤波对增强后的图像数据信息进行分解得到基层图像，并利用增强后的图像数据信息减去基层图像得到细节层图像，引入主成分分析法；通过主成分分析法对基层图像以及细节层图像进行重建，得到目标区域中水环境的图像数据的增强图像，并将目标区域中水环境的图像数据的增强图像作为预处理后的图像数据信息
。
[0006]进一步的，在本方法中，通过大数据获取目标检测的微生物类型的共生物种数据信息，并计算共生物种数据信息与目标检测的微生物类型的繁殖相关性，具体包括：通过大数据获取目标检测的微生物类型的共生物种数据信息，并根据共生物种数据信息构建检索标签，基于检索标签通过大数据进行检索；通过检索，获取共生物种数据信息与目标检测的微生物类型的共存统计学数据，并通过对共生物种数据信息与目标检测的微生物类型的共存统计学数据进行统计分析；通过统计分析，获取共生物种数据信息与目标检测的微生物类型的繁殖相关性数据，并将共生物种数据信息与目标检测的微生物类型输出
。
[0007]进一步的，在本方法中，构建物种识别模型，并获取大量的历史物种图像数据信息，根据大量的历史物种图像数据信息以及物种识别模型预测预处理后的图像数据信息中的物种数据信息，得到预测物种数据，具体包括：基于深度学习网络构建物种识别模型，并通过大数据获取大量的历史物种图像数据信息，通过决策树模型对大量的历史物种图像数据进行分类，获取各物种的历史图像数据信息；引入特征金字塔网络，并通过特征金字塔网络对物种的历史图像数据信息进行特征提取，获取各物种的特征数据信息，将物种的特征数据信息作为图节点；通过无向边描述，根据无向边描述以及图节点构建各物种的特征拓扑结构，并获取物种的特征数据信息的邻接矩阵，将邻接矩阵输入到物种识别模型中进行训练，获取训练完成的物种识别模型；根据训练完成的物种识别模型预测预处理后的图像数据信息中的物种数据信息，得到预测物种数据，并将预测物种数据输出
。
[0008]进一步的，在本方法中，根据共生物种数据信息与目标检测的微生物类型的繁殖相关性以及预测物种数据生成当前水环境区域的微生物繁衍数据，具体包括：获取当前水环境中的预测物种数据，并统计当前水环境中的预测物种数据中的数量数据信息，构建时间戳；结合时间戳以及当前水环境中的预测物种数据中的数量数据信息，获取基于时间序列的当前水环境中的预测物种数据中的数量数据信息；根据基于时间序列的当前水环境中的预测物种数据中的数量数据信息构建预测物种数据的繁殖曲线数据信息，并根据预测物种数据的繁殖曲线数据信息获取预设时间之内的繁殖数量信息；基于共生物种数据信息与目标检测的微生物类型的繁殖相关性以及预设时间之
内的繁殖数量信息预测出预设时间之内的繁殖数据信息
。
[0009]进一步的，在本方法中，基于当前水环境区域的微生物繁衍数据生成相关的调控措施，具体包括：预设微生物阈值数据信息，获取当前水环境区域的微生物繁衍数据，判断当前水环境区域的微生物繁衍数据是否大于微生物阈值数据信息；当当前水环境区域的微生物繁衍数据大于微生物阈值数据信息，预设若干水体污染等级范围，并根据水体污染等级范围对当前水环境区域的微生物繁衍数据进行污染等级划分，生成当前水体环境的污染等级；通过大数据获取当前水体环境中促进当前繁殖的微生物类型所对应的污染类型，并通过大数据获取污染类型对应的治理方案；当水体的污染等级高于预设污染等级时，根据当前水体环境的污染等级以及污染类型对应的治理方案生成相关的调控措施
。
[0010]本专利技术第二方面提供了一种基于多源数据的水环境微生物检测系统，基于多源数据的水环境微生物检测系统包括存储器以及处理器，存储器中包括基于多源数据的水环境微生物检测系方法程序，基于多源数据的水环境微生物检测系方法程序被处理器执行时，实现如下步骤：获取目标区域中多源数据信息，并根据多源数据信息获取目标区域中水环境的图像数据信息，并通过对目标区域中水环境的图像数据信息进行预处理，获取预处理后的图像数据信息；根据多源数据信息获取目标检测的微生物类型，通过大数据获取目标检测的微生物类型的共生物种数据信息，并计算共生物种数据信息与目标检测的微生物类型的繁殖相关性；构建物种识别模型，并获取大量的历史物种图像数据信息，根据大量的历史物种图像数据信息以及物种识别模型预测预处理后的图像数据信息中的物种数据信息，得到预测物种数据；根据共生物种数据信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于多源数据的水环境微生物检测方法，其特征在于，包括以下步骤：获取目标区域中多源数据信息，并根据所述多源数据信息获取目标区域中水环境的图像数据信息，并通过对所述目标区域中水环境的图像数据信息进行预处理，获取预处理后的图像数据信息；根据所述多源数据信息获取目标检测的微生物类型，通过大数据获取所述目标检测的微生物类型的共生物种数据信息，并计算共生物种数据信息与目标检测的微生物类型的繁殖相关性；构建物种识别模型，并获取大量的历史物种图像数据信息，根据所述大量的历史物种图像数据信息以及物种识别模型预测预处理后的图像数据信息中的物种数据信息，得到预测物种数据；根据所述共生物种数据信息与目标检测的微生物类型的繁殖相关性以及预测物种数据生成当前水环境区域的微生物繁衍数据，基于所述当前水环境区域的微生物繁衍数据生成相关的调控措施
。2.
根据权利要求1所述的基于多源数据的水环境微生物检测方法，其特征在于，通过对所述目标区域中水环境的图像数据信息进行预处理，获取预处理后的图像数据信息，具体包括：将所述目标区域中水环境的图像数据信息沿着光谱维划分为若干个相等的子集，并在每个子集中采用基于平均融合的方法降低每个子集的冗余信息，得到降维后的图像数据信息；将所述降维后的图像数据信息分为若干组大小相等的子集，并对相邻的若干波段进行去彩色化处理，得到增强后的图像数据信息；采用边缘保持滤波对所述增强后的图像数据信息进行分解得到基层图像，并利用增强后的图像数据信息减去基层图像得到细节层图像，引入主成分分析法；通过所述主成分分析法对所述基层图像以及细节层图像进行重建，得到目标区域中水环境的图像数据的增强图像，并将所述目标区域中水环境的图像数据的增强图像作为预处理后的图像数据信息
。3.
根据权利要求1所述的基于多源数据的水环境微生物检测方法，其特征在于，通过大数据获取所述目标检测的微生物类型的共生物种数据信息，并计算共生物种数据信息与目标检测的微生物类型的繁殖相关性，具体包括：通过大数据获取所述目标检测的微生物类型的共生物种数据信息，并根据所述共生物种数据信息构建检索标签，基于所述检索标签通过大数据进行检索；通过检索，获取所述共生物种数据信息与目标检测的微生物类型的共存统计学数据，并通过对所述共生物种数据信息与目标检测的微生物类型的共存统计学数据进行统计分析；通过统计分析，获取共生物种数据信息与目标检测的微生物类型的繁殖相关性数据，并将所述共生物种数据信息与目标检测的微生物类型输出
。4.
根据权利要求1所述的基于多源数据的水环境微生物检测方法，其特征在于，构建物种识别模型，并获取大量的历史物种图像数据信息，根据所述大量的历史物种图像数据信息以及物种识别模型预测预处理后的图像数据信息中的物种数据信息，得到预测物种数
据，具体包括：基于深度学习网络构建物种识别模型，并通过大数据获取大量的历史物种图像数据信息，通过决策树模型对所述大量的历史物种图像数据进行分类，获取各物种的历史图像数据信息；引入特征金字塔网络，并通过所述特征金字塔网络对所述物种的历史图像数据信息进行特征提取，获取各物种的特征数据信息，将所述物种的特征数据信息作为图节点；通过无向边描述，根据所述无向边描述以及图节点构建各物种的特征拓扑结构，并获取所述物种的特征数据信息的邻接矩阵，将所述邻接矩阵输入到所述物种识别模型中进行训练，获取训练完成的物种识别模型；根据所述训练完成的物种识别模型预测预处理后的图像数据信息中的物种数据信息，得到预测物种数据，并将所述预测物种数据输出
。5.
根据权利要求1所述的基于多源数据的水环境微生物检测方法，其特征在于，根据所述共生物种数据信息与目标检测的微生物类型的繁殖相关性以及预测物种数据生成当前水环境区域的微生物繁衍数据，具体包括：获取当前水环境中的预测物种数据，并统计当前水环境中的预测物种数据中的数量数据信息，构建时间戳；结合所述时间戳以及当前水环境中的预测物种数据中的数量数据信息，获取基于时间序列的当前水环境中的预测物种数据中的数量数据信息；根据所述基于时间序列的当前水环境中的预测物种数据中的数量数据信息构建预测物种数据的繁殖曲线数据信息，并根据所述预测物种数据的繁殖曲线数据信息获取预设时间之内的繁殖数量信息；基于所述共生物种数据信息与目标检...

【专利技术属性】
技术研发人员：李书鹏，刘亚茹，郭丽莉，李静文，莎莉，孟竹剑，
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：