[发明专利]基于机器学习的水位、异物识别于一体的监控系统及方法

权利要求书

1.基于机器学习的水位、异物识别于一体的监控系统，其特征在于，包括：图像采集模块、前端服务器、无线传输模块和远程服务器；

所述图像采集模块用于采集水体视频；

所述前端服务器存储有卷积神经网络，用于利用训练好的所述卷积神经网络对水体视频中每帧图像进行目标识别，包括水位高度和水面异物；

所述无线传输模块用于将监测信息传输至所述远程服务器；

所述远程服务器用于存储所述监测信息。

2.根据权利要求1所述的基于机器学习的水位、异物识别于一体的监控系统，其特征在于，还包括报警模块，所述报警模块用于出现异物异样情况时进行报警。

3.根据权利要求1所述的基于机器学习的水位、异物识别于一体的监控系统，其特征在于，还包括语音输出模块和广播模块，所述广播模块用于出现异物异样情况时进行广播；所述语音输出模块用于将广播的信息进行输出提醒。

4.根据权利要求3所述的基于机器学习的水位、异物识别于一体的监控系统，其特征在于，所述图像采集模块为摄像机，所述广播模块为话筒，所述语音输出模块为喇叭。

5.根据权利要求4所述的基于机器学习的水位、异物识别于一体的监控系统，其特征在于，所述喇叭安装在所述摄像机上。

6.根据权利要求2所述的基于机器学习的水位、异物识别于一体的监控系统，其特征在于，所述摄像机上和所述远程服务器端均设置有所述报警模块。

7.根据权利要求1所述的基于机器学习的水位、异物识别于一体的监控系统，其特征在于，所述水体中垂直设置有水位标尺，用于测量水位高度。

8.根据权利要求7所述的基于机器学习的水位、异物识别于一体的监控系统，其特征在于，所述水位标尺轴向设置有水位刻度和/或色条。

9.基于机器学习的水位、异物识别于一体的监控方法，其特征在于，包括：

采集水体视频；

利用训练好的卷积神经网络对水体视频中每帧图像进行目标识别，包括水位高度和水面异物；

将监测信息传输至远程服务器并进行存储。

10.根据权利要求9所述的基于机器学习的水位、异物识别于一体的监控方法，其特征在于，还包括：利用数据集训练样本训练所述卷积神经网络，所述数据集训练样本包括采集的预设数量的水位标尺图片和水面异物图片。