[发明专利]一种基于机器视觉技术的生物式水体污染预警方法及装置

权利要求书

1.一种基于机器视觉技术的生物式水体污染预警方法，其特征在于，包括：

将鱼养殖在待监测的水体中，获取水体中鱼群的视频图像；

对所述视频图像进行清晰度增强；

根据增强后的视频图像，利用第一判别模型对鱼群的第一状态进行识别，得到第一识别结果，根据第一识别结果确定是否需要第一报警，所述第一状态包括：鱼死亡状态和其他状态；

当未进行第一报警，根据增强后的视频图像，利用第二判别模型对鱼群的第二状态进行判断，得到第二识别结果，根据第二识别结果，确定是否需要识别污染物类型以及进行第二报警；所述第二状态包括：轻微应激状态、重度应激状态和正常状态；

当需要识别污染物种类，获取鱼群第二状态的图像纹理特征曲线图，将所述图像纹理特征曲线图的输入污染物识别模型库，利用库中的污染物识别模型识别水体中污染物的种类。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取第一判别模型，所述获取第一识别模型包括：

将视频图像进行视频帧拆分处理，拆分间隔为1秒；

选取1000张图片，分别为500张包含死亡鱼图片，500张其他状态图片，对选取图片进行清晰度增强操作，使用labellmg对死亡鱼进行标注；

对标注后的数据集进行扩充，包括镜像、旋转、随机裁剪和局部变形，最终获取包含5000张图像的死亡鱼检测数据集将死亡鱼检测数据集输入yolo模型中进行训练，获取第一判别模型。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取第二判别模型；所述获取第二判别模型包括：

将视频图像进行视频帧拆分处理，拆分间隔为1秒；

选取1500张图片，包括500张正常状态图片，500张轻微应激状态图片，500张严重应激状态图片；

将选取图片进行清晰度增强操作后对数据集进行扩充，包括镜像、旋转、随机裁剪和局部变形，最终获取包含7500张图像的鱼群应激状态检测数据集，将包括正常状态、轻微应激状态和严重应激状态图像输入CNN分类网络中进行训练，获取第二判别模型。

4.根据权利要求1所述的方法，其特征在于，所述获取鱼群第二状态的图像纹理特征曲线图包括：

视频图像进行帧拆分处理，拆分间隔为1秒，选取连续600帧图片；

利用均值背景建模生成没有鱼群的背景图片，然后通过背景减法提取出前景目标鱼群，再把图片灰度化生成灰度共生矩阵，计算图片0°方向上的逆矩阵、相关性、能量、对比度这4个纹理特征值，得到鱼群在不同污染物造成应激状态的逆矩阵、相关性、能量、对比度特征曲线图。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述对图像进行清晰度增强包括：

构建图像增强模型，将图像输入到训练好所述图像增强模型中，学习输入图像与输出图像的色差图来进行图像增强，得到清晰度增强后的图像；

所述图像增强模型包括5个编码器和对应的5个解码器，每个编码器的输出会跳跃连接到其对应的解码器，每个编码器和解码器均包括一个3×3的2D卷积。

6.根据权利要求5所述的方法，其特征在于，所述污染物识别模型库中包括若干个污染物识别模型，每个污染物识别模型对应一种污染物；

所述污染物识别模型为训练好的DHMM模型。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：构建污染物识别模型库；构建所述识别模型库包括：

针对K种污染物，训练K个不同的DHMM模型；

训练时，选择50×K组样本，分别计算特征向量，其中30×K组样本用于训练，20×K组样本用于测试；

采用Lloyds算法对特征向量进行标量化处理，利用标量量化后的不同污染状态特征向量分别训练DHMM，训练算法采用Baum-Welch算法。

K种污染状态的DHMM对数似然估计经过迭代后达到收敛误差范围，不同的污染物具有不同的收敛值。