[发明专利]一种检测水上漂浮物的方法有效

专利信息
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
【权利要求书】:

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%。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top