[发明专利]基于级联卷积神经网络的河道漂浮物检测方法

说明书

本发明公开了一种基于级联卷积神经网络的河道漂浮物检测方法，包括：获取河道数据信息；对河道数据信息进行预处理；使用预处理后的数据信息制作数据集；将所述数据集输入至级联卷积神经网络模型中进行训练；通过训练好的级联卷积神经网络模型实时对河道进行实时监测，本发明通过实际拍摄和网络爬虫的方式获取河道区域图像和视频，并对河道区域图像和视频进行预处理后制作数据集，同时，并对训练集进行软数据增强，有效缓解了数据量不足的问题，可提高检测的精度，此外，将制作好的数据集输入级联卷积神经网络模型中进行训练，并过训练好的级联卷积神经网络模型实时对河道进行实时监测，能够高效地对漂浮物进行识别。

技术领域

本发明涉及电学领域，尤其涉及基于级联卷积神经网络的河道漂浮物检测方法。

背景技术

由于一些人将垃圾等投入到河道中，使得河道污染严重，河道中的生物也会因此受到影响，对河道污染改善的最直接方式为对河道中的漂浮物进行处理，保持河道水面干净整洁，然而，人为检测河道水面的漂浮物会需要大量的人力和物力，于是，采用机器视觉技术自动识别河道水面的漂浮物成为必要。

因此，提供一种新的技术方案改善上述问题，是本领域技术人员急需解决的问题。

发明内容

有鉴于此，本发明提供一种基于级联卷积神经网络的河道漂浮物检测方法，以解决上述技术问题。

为实现上述目的，本发明提供如下技术方案：

一种基于级联卷积神经网络的河道漂浮物检测方法，其特征在于，包括：获取河道数据信息；对河道数据信息进行预处理；使用预处理后的数据信息制作数据集；将所述数据集输入至级联卷积神经网络模型中进行训练；通过训练好的级联卷积神经网络模型实时对河道进行实时监测。

在上述的方案中，所述获取河道数据信息包括以下步骤：通过基于多线程爬虫方式对河道图像数据进行收集，并将通过基于多线程爬虫方式爬取的图像保存在存储单元中；通过安装于无人机上的摄像机对河道进行正射来采集河道视频图像，并将通过安装于无人机上的摄像机获取的视频图像保存在存储单元中，所述存储单元用于对获取的河道数据信息和对河道进行实时监测所获取的数据信息进行存储。

在上述的方案中，所述对河道数据信息进行预处理包括对通过基于多线程爬虫方式爬取的图像进行预处理，所述对通过基于多线程爬虫方式爬取的图像进行预处理包括以下步骤：通过降采样滤波器对爬取的图像进行降采样处理；通过图像中值滤波方法对经过降采样处理的图像进行平滑处理；对经过平滑处理的图像进行边缘增强，检测经过平滑处理的图像中的多个像素，从多个像素中找出多个边缘像素，并且对多个边缘像素进行亮度性能增强；将经过边缘增强的图像存储在河道区域图像数据库中。

在上述的方案中，所述对河道数据信息进行预处理还包括对通过安装于无人机上的摄像机获取的视频图像进行预处理，所述对通过安装于无人机上的摄像机获取的视频图像进行预处理包括以下步骤：对视频图像进行滤波处理；通过自适应阈值化操作对经过滤波处理的视频图像进行二值化处理；对经过二值化处理的视频图像进行形态学处理来去除视频图像中的干扰块；通过河道区域提取算法提取河道区域图像，当河道中心线与视频帧中图像中心线相偏离且超过中心线偏离预设值时，取视频帧中图像宽度的一定倍数，通过当前视频帧的上一视频帧的图像中心线对当前视频帧进行纠正来提取河道区域图像；将提取的河道区域图像进行保存至河道区域图像数据库中。

在上述的方案中，所述对河道数据信息进行预处理包括还包括去除河道区域图像数据库中河道区域被遮挡以及错误识别的河道区域图像，所述去除河道区域图像数据库中河道区域被遮挡以及错误识别的河道区域图像包括以下步骤：通过Sobel边缘检测算法识别河道区域图像的各区域边界；使用自适应阈值图像分割算法提取河道区域图像的各区域特征信息；通过卷积神经网络算法根据河道区域图像的各区域特征信息识别河道；计算河道在河道区域图像中所占比例；将河道在河道区域图像中所占比例小于预设值的河道区域图像进行删除。