[发明专利]一种基于遗传算法的区块链水域垃圾密度检测方法及系统在审

专利信息
申请号: 202111413665.1 申请日: 2021-11-25
公开(公告)号: CN114241299A 公开(公告)日: 2022-03-25
发明(设计)人: 周显敬;刘虎;汪寒雨;蔡明星 申请(专利权)人: 武汉卓尔信息科技有限公司
主分类号: G06V20/10 分类号: G06V20/10;G06V10/762;G06K9/62;G06N3/12
代理公司: 暂无信息 代理人: 暂无信息
地址: 430000 湖北省武汉市东湖新技术*** 国省代码: 湖北;42
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 基于 遗传 算法 区块 水域 垃圾 密度 检测 方法 系统
【权利要求书】:

1.一种基于遗传算法的区块链水域垃圾密度检测方法,其特征在于,包括以下步骤:

S1,获取目标水域所属地区的城市信息模型CIM;

S2,采集目标水域的垃圾图像信息,并实时上传至区块链节点,利用区块链技术对上传的实时信息进行整合和存储;

S3,从区块链中获取大数据,并对大数据进行垃圾特征挖掘,以完成目标水域的垃圾密度特征评估并输出水域垃圾密集度图谱;

S4,将水域垃圾密集度图谱嵌入到所述城市信息模型CIM中进行可视化显示。

2.根据权利要求1所述的基于遗传算法的区块链水域垃圾密度检测方法,其特征在于,所述垃圾密度特征包括:垃圾坐标、垃圾种类、垃圾密度及垃圾堆积厚度。

3.根据权利要求1所述的基于遗传算法的区块链水域垃圾密度检测方法,其特征在于,所述S4具体包括:采用WebGIS技术,将水域垃圾密集度图谱与该目标水域进行坐标对应重叠,并以单个图层的方式进行可视化显示。

4.根据权利要求1所述的基于遗传算法的区块链水域垃圾密度检测方法,其特征在于,所述S3具体包括:利用K最近邻算法(KNN)对大数据进行垃圾特征挖掘。

5.根据权利要求4所述的基于遗传算法的区块链水域垃圾密度检测方法,其特征在于,所述S3中的K最近邻算法具体包括:利用KNN算法对大数据进行特征挖掘,其具体步骤为:

S31,预先确定聚类中心的数量K,并对K个聚类中心位置进行初始化;

S32,计算所有数据至距离其最近的聚类中心,并计算相应的欧氏距离;

S33,对步骤S32确定的聚类簇进行聚类中心的更新,更新规则为每个维度求算术平均数;

S34,重复步骤S31至步骤S33,直至达到迭代次数或设定的收敛误差。

6.根据权利要求1所述的基于遗传算法的区块链水域垃圾密度检测方法,其特征在于,所述S4具体包括:将垃圾密度图谱集按照垃圾堆积密度等级进行分类并标记,在嵌入合并CIM中时,按照不同的标记特征进行区分显示垃圾严重程度。

7.一种用于实施如权利要求1-6任一项所述的基于遗传算法的区块链水域垃圾密度检测方法的系统,其特征在于,包括:

建模模块,用于获取目标水域所属地区的城市信息模型CIM;

信息获取模块,用于采集目标水域的垃圾图像信息,并实时上传至区块链节点,利用区块链技术对上传的实时信息进行整合和存储;

数据处理模块,用于从区块链中获取大数据,并对大数据进行垃圾特征挖掘,以完成目标水域的垃圾密度特征评估并输出水域垃圾密集度图谱;

可视化模块,用于将水域垃圾密集度图谱嵌入到所述城市信息模型CIM中进行可视化显示。

8.一种电子设备,其特征在于,包括存储器、处理器,所述处理器用于执行存储器中存储的计算机管理类程序时实现如权利要求1-6任一项所述的基于遗传算法的区块链水域垃圾密度检测方法的步骤。

9.一种计算机可读存储介质,其特征在于,其上存储有计算机管理类程序,所述计算机管理类程序被处理器执行时实现如权利要求1-6任一项所述的基于遗传算法的区块链水域垃圾密度检测方法的步骤。

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武汉卓尔信息科技有限公司,未经武汉卓尔信息科技有限公司许可,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/202111413665.1/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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