[发明专利]一种水质异常检测方法、装置及设备

权利要求书

1.一种水质异常检测方法，其特征在于，包括：

获取待检测水质区域的水样图像；

从所述水样图像中提取水质特征数据；

将所述水质特征数据输入水质检测高斯混合模型中，根据所述水质检测高斯混合模型的输出结果确定待检测区域水质。

2.根据权利要求1所述的方法，其特征在于，从所述水样图像中提取水质特征数据，包括：

采用主成分分析PCA算法从所述水样图像中提取水质特征数据。

3.根据权利要求2所述的方法，其特征在于，从所述水样图像中提取水质特征数据之前，包括：将所述水样图像从RGB空间转换到HSV特征空间，得到n维水质特征数据；

相应的，采用PCA算法从所述水样图像中提取水质特征数据，包括：

采用PCA算法将所述n维水质特征数据降为k维水质特征数据，所述k维水质特征数据用于输入所述水质检测高斯混合模型，其中，k小于n，k和n均为正整数。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

基于待检测水质区域水质正常时的水质特征数据建立所述水质检测高斯混合模型。

5.根据权利要求1所述的方法，其特征在于，所述待检测水质区域包括多个子区域；对应每个所述子区域分别建立有对应的水质检测高斯混合模型。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法建立所述水质检测高斯混合模型，包括：

获取待检测水质区域的m张水样图像作为训练样本图像，m大于2；

将所述训练样本图像从RGB空间转换到HSV特征空间，得到训练样本集矩阵X＝m×n，所述训练样本集矩阵的特征维度为n；

采用PCA算法从所述样本集矩阵X中得到特征向量矩阵Y＝m×k，所述特征向量矩阵Y的特征维度为k，k小于n，k和n均为正整数；

将所述特征向量矩阵Y作为训练数据对高斯混合模型进行训练，得到所述水质检测高斯混合模型。

7.根据权利要求6所述的方法，其特征在于，采用PCA算法从所述样本集矩阵X中得到特征向量矩阵Y＝m×k，包括：

计算所述样本集矩阵X每个特征维度的均值，并将样本集矩阵X减去所述均值，得到去均值后的样本集矩阵；

计算所述去均值后的样本集矩阵的协方差矩阵C；

计算所述协方差矩阵C的特征值和特征向量；

从所述协方差矩阵C的特征值中选择最大的k个，将最大的k个特征值所对应的特征向量映射到k维特征空间得到所述特征向量矩阵Y。

8.根据权利要求6或7所述的方法，其特征在于，所述m张水样图像为待检测水质区域水质正常时的水样图像。

9.根据权利要求6所述的方法，其特征在于，所述方法还包括：获取f张待检测水质区域水质异常时的水样图像，所述f张待检测水质区域水质异常时的水样图像用于对PCA算法的计算结果进行泛化处理。

10.一种水质异常检测装置，其特征在于，包括：

图像获取模块，用于获取待检测水质区域的水样图像；

数据提取模块，用于从所述水样图像中提取水质特征数据；

检测模块，用于将所述水质特征数据输入水质检测高斯混合模型中，根据所述水质检测高斯混合模型的输出结果确定待检测区域水质。