[发明专利]一种基于人工智能的水体漂浮物自动识别方法和系统

摘要

本发明公开了一种基于人工智能的水体漂浮物自动识别方法和系统，首先构建不同种类漂浮物所代表的不同地物在不同波段的特征数值知识库；以特征数值知识库作为分类的依据，采用决策树的分类方法对漂浮物监测影像进行分类，然后利用聚类处理对分类结果进行分类后处理，得到监测影像漂浮物识别的结果；对监测影像漂浮物的识别结果进行精度评价；最后将特征数值知识库输入到支持向量机中进行训练，并利用训练好的支持向量机模型对漂浮物监测图像中漂浮物信息进行自动化识别。本发明适应于对图像中漂浮物信息的自动化识别，从而有效合理的组织清漂行动，为保障船舶航行、大坝安全、水库调度运行等具有重要意义。

主权项

1.一种基于人工智能的水体漂浮物自动识别方法，其特征在于，包括如下步骤：步骤1，构建不同种类漂浮物所代表的不同地物在不同波段的特征数值知识库，包括如下子步骤；步骤1.1，根据区域漂浮物调查资料和监测影像，结合不同种类漂浮物的颜色和形状特征目视判读漂浮物地物类型；步骤1.2，合成漂浮物监测影像图片的RGB影像图，并判断出当前监测影像中占优势的主要漂浮物类型，针对当前RGB影像图，选择图中的占比例最大漂浮物，并提取样本点；步骤1.3，将步骤1.2中所选取的各类型漂浮物样本点在不同波段下的特征值汇总统计，以不同地物在不同波段(Band1、Band2、Band3)的最小值、最大值、平均值信息建立漂浮物特征数值知识库；步骤2，以步骤1中构建的特征数值知识库作为分类的依据，采用决策树的分类方法对漂浮物监测影像进行分类，然后利用聚类处理对分类结果进行分类后处理，得到监测影像漂浮物识别的结果；步骤3，对监测影像漂浮物的识别结果进行精度评价，当精度达到用户要求时，直接进入步骤4的处理；当分类精度不满足用户需求时，返回到步骤1的处理，即重新选择样本点，统计各类地物在不同波段上的特征值，进而构建新的特征数值知识库，以此作为新的输入条件对监测影像进行分类；步骤4，将特征数值知识库输入到支持向量机中进行训练，并利用训练好的支持向量机模型对漂浮物监测图像中漂浮物信息进行自动化识别。