一种基于混合神经网络的水质类别检测方法、系统及设备技术方案

本发明专利技术属于水环境监测与管理技术领域，具体涉及一种基于混合神经网络的水质类别检测方法、系统及设备。包括如下步骤：采集水质图像数据集并进行预处理；建立水质图像检测网络；预处理后的水质图像样本同时输入到并行的卷积块I和卷积块Ⅱ得到卷积特征；卷积特征输入并行的残差连接块I和残差连接块Ⅱ得到残差处理特征；残差处理特征输入并行的自注意力模块I和自注意力模块Ⅱ得到注意力特征并将进行特征融合；融合特征输入水质图像检测网络D_Net的Dropout层、全连接层中，得到水质图像检测的概率。本发明专利技术通过构建混合神经网络模型，结合卷积神经网络进行特征提取和图像分类，可以有效地识别水质图像中的各种水质参数，进而检测出水质的类别。

【技术实现步骤摘要】

本专利技术属于水环境监测与管理，具体涉及一种基于混合神经网络的水质类别检测方法、系统及设备。

技术介绍

1、水资源是人类生存和发展的基础，而水质则直接关系到人类的健康和环境的可持续发展。因此，各地政府在积极治理水环境的同时，更加注重对水环境健康指标项的监测。传统的水质监测方法通常依赖于采集水样进行化验分析，这种方法存在一些明显的缺点。这种方法浪费时间和人力，难以满足对水质实时监测的需求。样品的采集过程可能导致样品污染或受到外界因素的干扰，影响监测结果的准确性。相比之下，基于深度学习技术的水质类别检测方案具有显著的优势。本研究通过构建混合神经网络模型，结合卷积神经网络进行特征提取和图像分类，可以实时、自动地鉴别水质的类型，无需人工干预，减少了人力资源的消耗，提高了监测的自动化程度。相比传统方法，可以更快速地获取监测结果，提高监测效率。

技术实现思路

1、本专利技术提供一种基于混合神经网络的水质类别检测方法、系统及设备，本专利技术具有更好的特征提取能力、更高的准确性和更强的泛化能力，从而能够应对各种复杂的水质类别本文档来自技高网...

【技术保护点】

1.一种基于混合神经网络的水质类别检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述一种基于混合神经网络的水质类别检测方法，其特征在于，

3.根据权利要求1所述一种基于混合神经网络的水质类别检测方法，其特征在于，

4.根据权利要求1所述一种基于混合神经网络的水质类别检测方法，其特征在于，

5.根据权利要求1所述一种基于混合神经网络的水质类别检测方法，其特征在于，5）包含如下步骤：

6.根据权利要求1所述一种基于混合神经网络的水质类别检测方法，其特征在于，6）包含如下步骤：

7.一种基于混合神经网络的水质类别...

【技术特征摘要】

1.一种基于混合神经网络的水质类别检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述一种基于混合神经网络的水质类别检测方法，其特征在于，

3.根据权利要求1所述一种基于混合神经网络的水质类别检测方法，其特征在于，

4.根据权利要求1所述一种基于混合神经网络的水质类别检测方法，其特征在于，

5.根据权利要求1所述一种基于混合神经网络的水质类别检测方法，其特征在于，5）包含如下步骤：

6.根据权利要求1所述一种基于混合神经网络的...

【专利技术属性】
技术研发人员：张玉燕，刘健，张凌晓，楚冬梅，樊冰，王鹏，
申请(专利权)人：山东省水利科学研究院，
类型：发明
国别省市：