[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

说明书

本发明涉及计算机视觉领域，具体涉及一种基于计算机视觉的化工厂水体污染检测方法与系统，该方法包括：采集化工厂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。本发明能够提高水体污染检测的准确率。

技术领域

本发明涉及计算机视觉领域，具体涉及一种基于计算机视觉的化工厂水体污染检测方法与系统。

背景技术

随着化工行业的发展，水体污染问题日趋严重，水资源的保护和水污染的治理成为现代社会比较关注的问题。在对水体进行治理前，需要对水体进行污染检测，一般来说对水质检测问题采用水质检测仪器，但是水质检测仪器运维成本较高。因此现有技术中提出视觉监测水质的方法，但该方法仅能对污染严重的水域进行分析，难以泛化到一般是水质污染检测中。同时并未考虑光照对于采集图像的影响，进而导致在一般水质情况下检测的准确率不高。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于计算机视觉的化工厂水体污染检测方法，所采用的技术方案具体如下：

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。

优选地，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。

优选地，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。

优选地，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。

优选地，所述分级网络的训练具体为：

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；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进行训练。

优选地，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。