[发明专利]一种检测水上漂浮物的方法有效
申请号: | 201910059153.6 | 申请日: | 2019-01-22 |
公开(公告)号: | CN109460753B | 公开(公告)日: | 2021-05-14 |
发明(设计)人: | 肖志勇;刘辰 | 申请(专利权)人: | 江南大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 大连理工大学专利中心 21200 | 代理人: | 梅洪玉 |
地址: | 214122 江*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 检测 水上 漂浮 方法 | ||
1.一种检测水上漂浮物的方法,其特征在于,步骤如下:
步骤1:采集数据;
通过摄像机采集河道或湖泊的视频,从中截取画面中包含水上漂浮物的图片,生成图片库A;利用相机对河道或湖泊上漂浮有漂浮物的图片进行采集,生成图片库B;得到用于训练YOLOv2网络的数据集A,数据集A包括图片库A和图片库B;
步骤2:数据增强;
对数据集A进行数据增强,通过数据增强生成图片库C,图片库C不包含图片库A和图片库B;图片库A、图片库B和图片库C构成数据集B;
所述的数据增强包括旋转、反射变换、翻转变换、缩放变换、平移变换、尺度变换、对比度变换、噪声扰动和颜色变换;
步骤3:标记图片;
将数据集B中的水上漂浮物区域用矩形框进行标记,得到数据集D,数据集D包含矩形框的坐标信息和矩形框中所包含漂浮物的种类信息;
步骤4:训练获得最优权重模型;
将整个数据集B随机的分为三部分训练集Q1、验证集Q2和测试集Q3;
4.1训练集Q1用于YOLOv2网络的训练,将训练集Q1以及步骤3中生成的数据集D送入到YOLOv2网络中进行训练得到多个权重模型;
4.2验证集Q2用于调整模型参数;多个权重模型分别对验证集Q2进行预测,并记录权重模型的准确率;选出准确率最大的权重模型所对应的参数,用该参数生成最优权重模型;
4.3使用测试集Q3进行最优权重模型的预测,获得最优权重模型用于检测模块的水上漂浮物的检测;
步骤5:实时检测水上漂浮物;
将视频监控设备与计算机连接起来,利用步骤4中训练好的最优权重模型对监控的河道或湖泊视频进行检测,实时检测待测水面上是否有漂浮物,将视频画面中的水上漂浮物用矩形框标出并在计算机上显示;随着漂浮物的移动,矩形框会相应的跟着移动;同时计算机上输出被检测到的漂浮物的坐标信息、类别以及个数;
根据计算机上输出的信息对河道或湖泊的污染程度分为五个等级,分别为好、较好、轻度污染、中度污染和重度污染;当待检测的河道或湖泊视频中,漂浮物的个数为0个时,计算机上显示水质情况为好;当待检测的视频中,漂浮物的个数为1~2个时,计算机上显示水质情况为较好;当待检测的视频中,漂浮物的个数为3~4个时,计算机上显示水质情况为轻度污染;当待检测视频中,漂浮物的个数为5~6个时,计算机上显示水质情况为中度污染;当待检测的视频中,漂浮物的个数超过6个时,计算机上显示水质情况为重度污染。
2.如权利要求1所述的方法,其特征在于,所述的矩形框的坐标信息包括:矩形框的中心点坐标、矩形框的宽度与高度。
3.如权利要求1或2所述的方法,其特征在于,在步骤4中,设置训练集Q1占数据集B的70%;验证集Q2占数据集B的15%;测试集Q3占数据集B的15%。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江南大学,未经江南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910059153.6/1.html,转载请声明来源钻瓜专利网。