[发明专利]基于计算机视觉的化工厂水体污染检测方法与系统

权利要求书

1.一种基于计算机视觉的化工厂水体污染检测方法，其特征在于，该方法包括以下步骤：

采集连续帧水体表面图像，选取任一帧记为待分析水体表面图像，将待分析水体表面图像输入预测网络，输出预测光照参数；

将待分析水体表面图像输入分级网络编码器中得到特征张量，将预测光照参数与特征张量组合输入分级网络解码器中得到污染分级图像；

根据污染分级图像得到污染程度的评价指标；

所述预测网络的损失包括：

计算待分析表面图像与其他任一帧水体表面图像的差值，得到光照差异图像；根据预测光照参数进行图像重构，得到光照生成图像；

利用边缘检测算法分别对光照差异图像和光照生成图像进行纹理特征提取，得到光照差异特征图像和光照生成特征图像，分别获取两张特征图像的频谱信息，计算两频谱信息的纹理相似度得到光照差异图像和光照生成图像的纹理相似度；

分别获取光照差异图像和光照生成图像的像素值范围，将两张图像的像素值范围的交并比记为像素值范围的评价指标；

计算光照差异图像和光照生成图像的灰度直方图的欧氏距离，得到光照差异图像和光照生成图像的图像相似度；

所述纹理相似度、像素值范围的评价指标以及图像相似度构成预测网络的损失；

通过预测网络的损失进行监督网络的训练，使预测的差异图像与真实的差异图像保持一致，得到预测光照参数。

2.根据权利要求1所述的一种基于计算机视觉的化工厂水体污染检测方法，其特征在于，所述预测网络的损失具体为：

其中，α为纹理相似度，β为像素值范围的评价指标，γ为图像相似度，w₁、w₂、w₃为权重系数，L为预测网络的损失函数。

3.根据权利要求1所述的一种基于计算机视觉的化工厂水体污染检测方法，其特征在于，所述根据预测光照参数进行图像重构具体为：

设置均值，并以预测光照参数为标准差构建高斯分布；根据所述高斯分布进行采样，并为各个像素点赋值，将赋值后的图像进行重构得到光照生成图像。

4.根据权利要求1所述的一种基于计算机视觉的化工厂水体污染检测方法，其特征在于，所述分级网络的训练具体为：

构建分级网络，包括编码器和解码器；

将在不同位置和不同光照条件下采集的化工厂连续帧水体表面图像作为训练数据集，作为编码器的输入，提取特征，得到特征张量；并利用传感器获取训练数据集的实际光照参数，将实际光照参数与特征张量组合输入解码器；

对训练数据集进行人为标注，得到污染分级图像，作为解码器的输出，进行分级网络的训练。

5.根据权利要求1所述的一种基于计算机视觉的化工厂水体污染检测方法，其特征在于，所述污染程度的评价指标获取方法具体为：

其中，ϕ为污染程度的评价指标，I和J为污染分级图像的行数和列数，c_i,j表示污染分级图像上像素坐标为(i,j)的像素点对应的污染等级。

6.根据权利要求1所述的一种基于计算机视觉的化工厂水体污染检测方法，其特征在于，所述将预测光照参数与特征张量组合具体为：将预测光照参数添加至特征张量中得到新的序列。

7.一种基于计算机视觉的化工厂水体污染检测系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6 任一项所述一种基于计算机视觉的化工厂水体污染检测方法的步骤。