[发明专利]一种基于多特征机器学习的水面垃圾识别方法

说明书

本发明涉及一种基于多特征机器学习的水面垃圾识别方法，属于水面目标识别判断领域，S1：识别模型初始化，生成内容为空的数据库系统；S2：将贴有标签的正例训练数据和反例训练数据进行初始化预处理、归一化处理、提取对应的特征向量，将正例图像的特征向量和反例图像的特征向量带入系统模型中训练，生成对应的知识库，然后采用测试数据对知识库进行检验；S3：将知识库带入识别系统中，读取水面状况数据，采集并上传图像数据；S4：上位机对图像数据进行预处理，提取特征向量，并将特征向量带入机器学习模型，读取对应的知识库，对新的特征向量做出判断，并将判断的结果以标记数据的形式输出。本发明能智能识别并打捞水面垃圾，满足运行环境实时性。

技术领域

本发明属于水面目标识别判断领域，具体涉及一种基于多特征机器学习的水面垃圾识别方法。

背景技术

近年来，我国经济飞速发展，水污染问题日益严重，河道水体被工业、生活废水污染，河面漂浮着大量废弃垃圾，例如塑料瓶、塑料袋等一些难以降解的垃圾不仅仅对水面的景观造成的恶劣的影响，更对人民的生产和生活造成了严重的影响，严重的危害到了人民的健康，如何有效锁定、清理污染源已迫在眉睫。

目前，水面保洁及水质监测主要依靠人工进行，水域面积大，水面环境复杂，人工垃圾清洁及水质采样是一项繁重、效率低下的工作。而且如果是有毒污染，再加上水面作业具有一定的危险性，人工清洁会对人员的生命安全造成威胁。

针对水面垃圾的一些负面的影响，目前国内外都提出了很多处理水面漂浮物垃圾的一些措施，但是由于一些人为原因的影响，水面垃圾依然难以完全处理。由于一些客观原因，水面垃圾没有一个固定明显的增量趋势，完全趋于随机增量状态。若一直采用定时的人为打捞方式，不仅仅浪费人力、物力、财力，同时还可能造成二次污染。

发明内容

有鉴于此，针对此现象设计能自动识别水面漂浮物垃圾并清理的机器人，将很好的解决此问题，本次发明着重研究水面漂浮物垃圾识别(水瓶、纸盒)的问题。

本发明的目的在于提供一种可靠性较高，实时性较强的多特征机器学习的水面垃圾识别的方法。

为达到上述目的，本发明提供如下技术方案：

一种基于多特征机器学习的水面垃圾识别方法，包括以下步骤：

S1：识别模型初始化，生成一个内容为空的数据库系统，数据库系统包括贴有标签的正例训练数据、反例训练数据、正例测试数据、反例测试数据以及机器学习模型中的参数；

S2：将贴有标签的正例训练数据和反例训练数据进行初始化预处理、归一化处理、提取对应的特征向量，将正例图像的特征向量和反例图像的特征向量带入系统模型中训练，生成对应的知识库，然后采用测试数据对知识库进行检验，直到知识库满足要求为止；

S3：将对应的知识库带入到识别系统中，通过船载摄像头动态地读取水面状况数据，再周期性的采集摄像头传输的图像数据，并且将其传输到上位机；

S4：上位机对图像数据进行与上述建模时相同的预处理后，提取与建模时相同的特征向量，并将特征向量带入机器学习模型、机器学习模型读取对应的知识库，对新的特征向量做出判断，并将判断的结果以标记数据的形式输出。

进一步，步骤S1中，对于正例数据和反例数据的采集，采用船载摄像头拍摄的不同场景(具体分为光照强度的不同、太阳方位的变化、水域环境的不同、前景目标是否为垃圾或是为干扰物)的视频，对不同的环境建立对应的线性表来映射，映射线性表的精度对知识库模型的准确度有较大的影响，然后在视频中截取对应的帧作为采集的正例和反例数据。