[发明专利]一种基于深度学习和物联网的晴天自启动排水口异常排水检测系统及方法

权利要求书

1.一种基于深度学习和物联网的晴天自启动排水口异常排水检测系统，其特征在于：包括设置；

摄像头检测模块，所述的摄像头检测模块包括摄像头、与摄像头连接用于部署AI算法的AI边缘计算盒检测模块：

物联网监控记录模块，所述的物联网监控记录模块包括4G预警模块、和用于信息的上传的AI边缘计算盒中的信息上传模块；

水质检测模块，所述水质检测模块包括水质检测仪和一体化水站，所述一体化水站包括水泵、储水池；

所述摄像头安装在排水口正对方河岸边，所述的摄像头与水质检测仪布置在一体化水站的进水口处；

计算机，所述的计算机连接摄像头、水质检测模块、AI边缘计算盒。

2.如权利要求1所述的基于深度学习和物联网的晴天自启动排水口异常排水检测系统，其特征在于：所述的AI边缘计算盒通过rtsp协议从摄像头中获取视频流并对图像进行检测，所述的AI边缘计算盒及摄像头通过网线与计算机实现通讯；所述的计算机可实时调节摄像头的角度、焦距和光圈。

3.如权利要求1所述的基于深度学习和物联网的晴天自启动排水口异常排水检测系统，其特征在于：所述水质检测仪包括pH值传感器和Bwater-1000全光谱水质分析仪；所述的水质检测仪设有4G通讯模块。

4.一种使用权利要求1-3任意一项所述基于深度学习和物联网的晴天自启动排水口异常排水检测系统的方法，其特征在于：所述AI边缘计算盒中的算法包括晴雨天二分类算法和排水检测算法，并将分类结果传送到计算机后端数据库与当前该地区该时间点的天气预报情况进行比对，若为晴天则进行后续排水检测。

5.如权利要求4所述的方法，其特征在于：所述的晴雨天二分类算法包括构建了一个mydata类，用于读取图片后将图片resize到384*384的尺度上，并对图片进行随机翻转和灰度化，最后根据图片所在文件夹为其附上标签并返回，从而对图片进行数据增广和类别标注，构建网络模型训练所需的数据集；网络模型主要由resnet-50构成，包括50个卷积层，50个ReLU层，2个池化层和1个全连接层；结构中加入了残差函数F(x)＝H(x)-x，若F(x)＝0，形成恒等映射。

6.如权利要求4所述的方法，其特征在于：所述的排水检测算法基于原始yolov5检测算法并对其进行了相应的改进，其中包括增加正负样本分配策略和优化Loss计算两方面，所述的正负样本分配策略根据一个关联分类以及回归的对齐分数alignment metrics来衡量标签分配合理性；所述的Loss计算包括分类和回归分支2个分支，所述的分类分支采用VFL(Varifocal Loss)，所述的回归分支采用了DFL(Distribution Focal Loss)，同时还加上了CIoU Loss；3个损失采用一定权重比例加权。

7.如权利要求4所述的方法，其特征在于：当摄像头检测模块检测到排水且水质检测模块检测到异常时，将数据传送到计算机后端数据库中，通过计算机后端数据库查询到相关的排水企业，并向该辖区环保监测部门发出报警信息；

同时水质检测仪的4G通讯模块将异常信息传送至该一体化水站人员。