[发明专利]一种基于活性污泥图像的轻量化分割模型构建方法及系统

说明书

本发明一种基于活性污泥图像的轻量化分割模型构建方法及系统，涉及污水处理智能检测模型构建方法及系统，首先，创建活性污泥显微图像数据集；基于空洞空间卷积池化金字塔ASPP、坐标注意力机制CA和OCRNet构建用于分割活性污泥显微图像的分割模型；使用活性污泥显微图像数据集对分割模型进行训练，并采用预先构建的混合损失函数对分割模型进行参数更新；对训练好的分割模型进行压缩，得到轻量化分割模型。本发明构建的基于ASPP‑CA‑OCRNet的轻量化分割模型能够部署在计算能力有限的移动终端或边缘设备上，从而有效解决资源受限边缘设备上模型部署困难问题，同时提高了活性污泥絮体和丝状菌分割精度，从而可有效监视和预防污泥膨胀。

技术领域

本发明涉及污水处理智能检测模型构建方法及系统，尤其涉及一种基于活性污泥图像的轻量化分割模型构建方法及系统。

背景技术

相差显微图像微生物微观形态和特征能够直接反映污水处理厂活性污泥沉降性能，絮体和丝状菌的实时有效分割对于监视和预防污泥膨胀至关重要。然而，相差显微镜存在固有的光晕和阴影效应以及絮体、丝状菌和背景对比度低、类别不均衡问题，传统图像处理方法面临巨大的挑战。

随着深度学习的快速发展，基于深度学习的图像分割方法在图像分割领域取得了良好的效果。与传统分割方法相比，深度学习模型的分割精度更高，但是深度学习模型参数量大，内存需求和计算开销高，导致难以部署在计算能力受限的移动端或嵌入式边缘设备上。

有鉴于此特提出本发明。

发明内容

本发明要解决的技术问题在于提供一种基于活性污泥图像的轻量化分割模型构建方法及系统，本发明基于OCRNet模型使用混合损失函数构建坐标注意力机制(CA)和空洞空间金字塔模块(ASPP)并行结构，有效提升了活性污泥显微图像的分割精度。将训练好的模型使用通道剪枝的方法，实现模型轻量化，有效解决资源受限边缘设备上模型部署困难问题。

本发明技术方案如下：

本发明提出了一种活性污泥图像分割模型的构建方法，包括以下步骤：

S1，创建活性污泥显微图像数据集；

S2，基于空洞空间卷积池化金字塔ASPP、坐标注意力机制CA和OCRNet构建用于分割活性污泥显微图像的分割模型；

S3，使用活性污泥显微图像数据集对分割模型进行训练，并采用预先构建的混合损失函数对分割模型进行参数更新；

S4，使用预设算法对训练好的分割模型进行压缩，得到轻量化分割模型。

进一步可选地，步骤S1包括如下步骤：

S11，使用相差显微镜获取多张活性污泥显微图像；

S12，对每一张活性污泥显微图像进行标注，得到一张与原始图像尺寸大小一致的标签图像，标签图像中包括背景、絮体、丝状菌。

进一步可选地，步骤S2包括如下步骤：

S21，选择HRNet作为OCRNet主干网络；

S22，将主干网络中间层计算得到的粗略的语义分割结果作为软对象区域；

S23，根据软对象区域和主干网络最深层输出的像素表示计算出个向量，形成对象区域表示，其中每一个向量对应一个对象区域特征表示，其中为正整数；

S24，计算主干网络最深层输出的像素表示与对象区域表示之间的关系矩阵，根据每个像素值和对象区域特征表示在关系矩阵中的数值进行加权求和，得到对象上下文表示；

S25，将对象上下文表示与并行结构进行通道连接，得到增强表示，其中，并行结构由像素表示并行通过ASPP模块和CA模块组成。

进一步可选地，步骤S3包括如下步骤：

S31，将活性污泥显微图像数据集划分训练集、验证集、测试集；