[发明专利]河流黑水排放检测方法及应用其的识别系统

说明书

本发明提供的一种河流黑水排放检测方法，其包括以下步骤：S1、获取有检测图像；S2、对所述检测图像进行图像预处理，获取有标准图像；所述图像预处理过程包括去反光处理步骤；S3、对所得标准图像进行图像识别处理，以获取有识别结果；S4、当所得识别结果确认为存在黑水排放状态时，发送有告警信息。基于应用有该河流黑水排放检测方法的应用，使得有识别系统能有效地排除水体反光的影响，以进行黑水排放的准确检测，确保在黑水排放初期即可作出识别反应，以避免黑水的非法排放情况。

技术领域

本发明涉及污水监控技术领域，具体而言，涉及一种河流黑水排放检测方法及应用其的 识别系统。

背景技术

目前国内监管部门对黑色污水偷排漏排的企业的排污监管方式还是停留在依靠人工现场 排查、人工远程查看排污口摄像头或有群众投诉时再对企业进行督查。对企业黑色污水的排 放监管只能依靠每月或每季度的抽样检测数据为参考。现有的图像识别技术对光照条件良好， 待识别目标物较清晰的图像，可以做到较高的准确率。但是在实际场景中，我们经常会遇到 各种因素干扰，例如阴天光照影响大、拍摄的图像不像标准数据集没有经过筛选，图像质量 很不统一，因此不能有效地直接以图像视频作出简单的黑水排放结论。

发明内容

本发明的目的在于，为克服现有技术的不足而提供有一种河流黑水排放检测方法，以及 应用该河流黑水排放检测方法的河流黑水排放识别的识别系统。

河流黑水排放检测方法，其包括以下步骤：

S1、获取有检测图像；

S2、对所述检测图像进行图像预处理，获取有标准图像；所述图像预处理过程包括去反 光处理步骤；

S3、对所得标准图像进行图像识别处理，以获取有识别结果；

S4、当所得识别结果确认为存在黑水排放状态时，发送有告警信息。

进一步地，于步骤S2，所述去反光处理步骤包括：

S2-1、光照区域颜色特征分析，得到有光照区域颜色特征；

S2-2、通过K-Means聚类算法进行聚类，得到有K个聚类中心；

S2-3、根据所得光照区域颜色特征，将K个聚类中心中rgb像素值最高的类别判断为反 光区域，并使用反光区域附近的像素进行填补替换。

进一步地，于步骤S2，所述图像预处理过程还包括图像去噪处理步骤，所述图像去噪处 理步骤应用有Non-LocalMeans降噪算法进行去噪。

进一步地，于步骤S3，所述图像识别处理过程包括颜色特征区别识别步骤。

进一步地，所述颜色特征区别识别步骤包括以下步骤：

S3-1、获取有历史颜色特征区别数据，并以此设定有水源基准颜色范围特征及排放黑水 基准颜色范围特征；

S3-2、根据所得标准图像进行相应的颜色范围参照认定，以历史颜色特征区别数据为依 据，当所述标准图像中的颜色特征与所述水源基准颜色范围特征及黑水基准颜色范围特征吻 合时，该识别结果判断为存在黑水排放状态。

进一步地，所述图像识别处理过程，包括以上述颜色特征区别识别步骤为基准，选取有 训练集图片；以该训练集图片进行有基于SqueezeNet架构的图像识别模型训练，并以训练所 得的图像识别模型进行有识别处理。所述训练集图片中包括有黑水排放状态认定图片及非黑 水排放状态认定图片两类。

进一步地，于步骤S3，所述图像识别处理过程，其包括采用投票队列对检测结果进行投 票处理。

本发明的河流黑水排放检测方法的识别系统，其包括应用有如上述所述的河流黑水排放 检测方法进行河流黑水排放的检测识别。