[发明专利]一种基于人工智能的水体漂浮物自动识别方法和系统

说明书

本发明公开了一种基于人工智能的水体漂浮物自动识别方法和系统，首先构建不同种类漂浮物所代表的不同地物在不同波段的特征数值知识库；以特征数值知识库作为分类的依据，采用决策树的分类方法对漂浮物监测影像进行分类，然后利用聚类处理对分类结果进行分类后处理，得到监测影像漂浮物识别的结果；对监测影像漂浮物的识别结果进行精度评价；最后将特征数值知识库输入到支持向量机中进行训练，并利用训练好的支持向量机模型对漂浮物监测图像中漂浮物信息进行自动化识别。本发明适应于对图像中漂浮物信息的自动化识别，从而有效合理的组织清漂行动，为保障船舶航行、大坝安全、水库调度运行等具有重要意义。

技术领域

本发明属于影像识别和机器智能学习领域，涉及一种基于人工智能的水体漂浮物自动识别方法和系统，适应于对图像中漂浮物信息的自动化识别，从而有效合理的组织清漂行动，为保障船舶航行、大坝安全、水库调度运行等具有重要意义。

背景技术

漂浮物是依赖于浮力漂浮在水体表面的固体废弃物，包括原木、树枝、稻草、桔杆、塑料制品和人畜尸体等。漂浮物的存在，对水体水质，水面景观，供水，水产，航运等构成不利影响，不仅破坏生态环境，还会威胁饮水安全。尤其是在具有发电功能的水库区域，漂浮物顺流而下，易于聚集在河道凹岸、拦河坝前，不仅影响发电水头，减小水电枢纽的发电效益，对枢纽运行安全构成威胁。漂浮物的存在对水体正常功能的发挥造成了极大的影响，开展漂浮物的监测、清理和排除，是减少漂浮物危害的重要手段。而开展漂浮物的治理，首先需要对水体中漂浮物的位置、种类、数量和范围等进行快速的判断。利用图像解译和机器学习技术，能够通过漂浮物监测影像资料，建立区域内漂浮物特征知识库，同时快速批量自动识别，基于漂浮物识别技术提供的实时信息，在合适的位置和时间开展清漂工作，有助于快速有效的清理流域漂浮物、降低排漂清漂的费用，节省人力物力。

近年来，随着漂浮物对水质、水生态、水工建筑的不利影响逐渐受到重视，针对漂浮物的研究不断发展。目前，主要在海洋区域针对漂浮物的相关研究较多，国外学者通过卫星遥感影像可以获取大面积漂浮物的分布情况，但对漂浮物种类及具体类型识别存在不足之处，且缺少对河流、水库等水体小范围漂浮物的监测识别研究。我国在对漂浮物的监测研究中，主要采用采样和遥感影像分析方法，包括研究漂浮物的空间分布、运移情况及其组成成分，研究漂浮物对水工建筑的影响以及漂浮物的治理措施等。关于漂浮物的自动识别研究较少，通过遥感影像只能识别大范围的漂浮物，应用于河流、水库时往往由于影像分辨率不足而无法精确识别小范围内漂浮物的具体情况；而通过实地采样进行漂浮物识别，耗费人力、物力，而且由于实际水流、地形等因素，部分区域实地采样往往十分困难。目前已有的研究在一定程度上为漂浮物快速识别进一步开展提供了技术借鉴，但现有方法仍然不能快速、准确的自动识别漂浮物。

发明内容

在现有研究的基础上，通过合理划分漂浮物主要类型，利用ENVI等软件，构建不同种类漂浮物所代表的不同地物在不同波段的特征数值知识库，再由机器通过对漂浮物特征知识库学习得到的知识，对漂浮物监测图像中漂浮物信息进行自动化识别。在河流、水库以及海岸线的重要区域，架设漂浮物监测摄像拍照装置或者利用原有的水情监控设备，结合漂浮物自动识别方法，能够更加高效地准确识别漂浮物种类、确定漂浮物具体范围，对漂浮物的清除治理工作，提高水体漂浮物的综合管理水平具有重要意义。

针对水体表面漂浮物的自动识别的问题，本发明基于漂浮物监测影像中不同种类漂浮物具有不同波段特征值的原理，在解译漂浮物影像的基础上，通过建立漂浮物特征知识库，结合机器学习的方法，本发明提出了漂浮物的自动识别方法。

本发明所采用的技术方案为，一种基于人工智能的水体漂浮物自动识别方法，包括如下步骤：

步骤1，构建不同种类漂浮物所代表的不同地物在不同波段的特征数值知识库，包括如下子步骤；

步骤1.1，根据区域漂浮物调查资料和监测影像，结合不同种类漂浮物的颜色和形状特征目视判读漂浮物地物类型；