[发明专利]一种黑臭水自动识别与评估方法

说明书

技术领域

本发明属于黑臭水体评估与鉴定、环境保护与治理、图像自动识别与机器学习技术领域，具体涉及一种基于卷积神经网络和模糊加权评估的黑臭水自动识别与评估方法。

背景技术

随着《水污染防治行动计划》的发布，我国实行最严格的水资源管理制度，对城市黑臭水体的识别、治理和修复提出了更高的要求。目前，我国已经出台了《城市黑臭水体整治工作指南》，对城市黑臭水体的定义、黑臭水体级别判定做了权威性的规范和说明，指出城市黑臭水体是呈现令人不悦的颜色和(或)散发令人不适气味的水体的统称，主要依赖调查问卷的方法进行判定。虽然《城市黑臭水体整治工作指南》中，明确了通过透明度、溶解氧、氧化还原电位和氨氮等水质指标进行黑臭水体的判定的方法，但这种方法需要专业环境测试工作人员和特殊的仪器，判定过程复杂，且不具有持续性。依据人的感官，通过问卷调查进行黑臭水体的判定仍然是目前最主流和广泛使用的方法。但这种方法工作量大，可持续性短。在城市黑臭水体判定后，随着时间的发展，城市黑臭水体会逐步改变属性，如何实时、准确地评估城市水体的黑臭状况，监控城市水体的发展，需要更加科学可靠地技术支撑。

视频监控，性价比高、使用简单，是实时监控的主要设备。基于卷积神经网络的图像识别，已经具有图像分类、图像特征判断、图像分析等功能，在人脸识别、服装分类、体育视频识别与解说等方面具有广泛的应用。基于大量样本进行机器学习的卷积神经网络，适应能力强、识别效果好、容错能力大，对从“不悦的颜色”上判断黑臭水体具有重要的意义。通过视频监控和卷积神经网络，能实时准确的监控水体的黑臭状况，对判定黑臭水体的等级、监督黑臭水体的治理、监控黑臭水体的发展变化具有可靠地发展前景。

发明内容

为了解决上述技术问题，本发明提供了一种基于卷积神经网络和模糊加权评估的黑臭水自动识别与评估方法，其特征在于，包括以下步骤：

步骤1：构建黑臭水体人体感官指标体系，包括引起人不悦的颜色的指标，和引起人不悦的气味的指标；

步骤2：构建基于黑臭水体人体感官指标体系的黑臭水体加权评估模型；

步骤3：获取黑臭水体图像样本，将图像样本分为训练样本和测试样本；

步骤4：对训练样本和测试样本进行预处理和预评估；

步骤5：构建N层深度卷积神经网络模型，该卷积神经网络模型包括M层卷积层，L层全连接层；

步骤6：利用步骤4中预处理后的训练样本对步骤5所述卷积神经网络模型进行前向传播和后向传播两个阶段的训练，卷积神经网络的训练利用softmax回归作为分类算法，当后向传播训练计算出的误差达到期望值时，训练结束，并得到卷积神经网络模型的参数；

步骤7：利用步骤6中训练结束的卷积神经网络模型对步骤4中预处理后的测试样本进行测试，评估测试的综合误差；若误差在预定目标范围内，则说明神经网络模型训练成功；否则增加样本量和训练强度，重复步骤3～步骤7，直到误差达到预定目标；

步骤8：通过预先布置在所要识别的水体上的气味检测仪，获取J项气味指标，将J项气味指标加上K项颜色指标，按照步骤2所述的加权评估模型，综合评估并判断黑臭水体的等级。

本发明通过构建城市黑臭水体的评价指标体系；基于卷积神经网络，学习数据库中每类黑臭水体的图像特征，在测试时直接选取卷积神经网络softmax层最大回归值对应的类别作为分类的结果，并根据加权评估方法，评价黑臭水状况和黑臭级别。本发明具有黑臭水体自动识别的功能，能提高黑臭水体快速、准确和实时识别与评估的能力，且具有较高的可行性和经济性，能大范围推广应用。

附图说明

图1为本发明实施例的方法流程图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。