【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及圖像分類，尤其涉及一種基于視覺方式的水質(zhì)顏色分類方法和裝置。
技術(shù)介紹
1、隨著我國經(jīng)濟(jì)社會(huì)不斷發(fā)展，水安全中的老問題仍有待解決，新問題越來越突出、越來越緊迫。老問題，就是地理氣候環(huán)境決定的水時(shí)空分布不均以及由此帶來的水災(zāi)害。新問題，主要是水資源短缺、水生態(tài)損害、水環(huán)境污染。水質(zhì)顏色檢測對(duì)于水環(huán)境污染等監(jiān)控必不可少。
2、現(xiàn)有技術(shù)中，對(duì)于水質(zhì)顏色檢測，一般基于專業(yè)技術(shù)人員進(jìn)行現(xiàn)場檢測，或者使用專業(yè)設(shè)備進(jìn)行監(jiān)控，對(duì)于我國分布廣泛且分散的水域結(jié)構(gòu)，會(huì)耗費(fèi)大量人力及財(cái)力。
3、如何高效進(jìn)行水質(zhì)顏色檢測，是目前需要解決的技術(shù)問題。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提供一種基于視覺方式的水質(zhì)顏色分類方法和裝置，用以解決現(xiàn)有技術(shù)中存在的缺陷。
2、本專利技術(shù)提供一種基于視覺方式的水質(zhì)顏色分類方法，包括：
3、獲取目標(biāo)水域的原始水域圖像，并將所述原始水域圖像輸入至預(yù)訓(xùn)練的水域分割模型，得到分割后的水域區(qū)域圖像；其中，所述水域區(qū)域圖像為僅包含水域部分的圖像；
4、將所述水域區(qū)域圖像輸入至預(yù)訓(xùn)練的水質(zhì)顏色分類模型，得到所述水域區(qū)域圖像的水質(zhì)顏色分類結(jié)果；
5、其中，所述水域分割模型是基于多個(gè)水域的歷史原始水域圖像對(duì)語義分割網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到，所述語義分割網(wǎng)絡(luò)是基于預(yù)設(shè)數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練得到；所述水域分割模型包括預(yù)訓(xùn)練的編碼器和預(yù)訓(xùn)練的解碼器，所述編碼器用于對(duì)所述原始水域圖像進(jìn)行特征提取，并輸出粗糙特征圖，所述解碼器用于對(duì)所
6、所述水質(zhì)顏色分類模型是基于對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到。
7、根據(jù)本專利技術(shù)提供的一種基于視覺方式的水質(zhì)顏色分類方法，所述將所述原始水域圖像輸入至預(yù)訓(xùn)練的水域分割模型，得到分割后的水域區(qū)域圖像，包括：
8、將所述原始水域圖像輸入至所述編碼器進(jìn)行特征提取，得到粗糙特征圖；
9、將所述粗糙特征圖輸入至所述解碼器進(jìn)行上采樣，得到與所述原始水域圖像分辨率一致的輸出特征圖；
10、對(duì)基于所述輸出特征圖進(jìn)行計(jì)算處理，得到所述原始水域圖像的分割結(jié)果圖像；
11、其中，所述分割結(jié)果圖像包括水域區(qū)域圖像和干擾物區(qū)域圖像。
12、根據(jù)本專利技術(shù)提供的一種基于視覺方式的水質(zhì)顏色分類方法，所述編碼器包括預(yù)訓(xùn)練的骨干網(wǎng)絡(luò)和預(yù)訓(xùn)練的空洞卷積模塊；
13、所述將所述原始水域圖像輸入至預(yù)訓(xùn)練的編碼器進(jìn)行特征提取，得到粗糙特征圖，包括：
14、將所述原始水域圖像輸入至所述骨干網(wǎng)絡(luò)進(jìn)行特征提取，得到初始特征圖；
15、將所述初始特征圖輸入至所述空洞卷積模塊，得到所述粗糙特征圖；
16、其中，所述空洞卷積模塊包括多個(gè)不同采樣率的空洞卷積，所述多個(gè)不同采樣率的空洞卷積用于并行處理所述初始特征圖，以輸出所述粗糙特征圖。
17、根據(jù)本專利技術(shù)提供的一種基于視覺方式的水質(zhì)顏色分類方法，所述將所述粗糙特征圖輸入至預(yù)訓(xùn)練的解碼器進(jìn)行上采樣，得到與所述原始水域圖像分辨率一致的輸出特征圖，包括：
18、將所述粗糙特征圖輸入至預(yù)訓(xùn)練的解碼器進(jìn)行雙線性上采樣，得到第一特征圖；
19、從所述骨干網(wǎng)絡(luò)中獲取目標(biāo)特征，將所述目標(biāo)特征與所述第一特征圖拼接，得到第二特征圖；
20、對(duì)所述第二特征圖進(jìn)行通道降維和上采樣，得到所述原始水域圖像分辨率一致的輸出特征圖。
21、根據(jù)本專利技術(shù)提供的一種基于視覺方式的水質(zhì)顏色分類方法，所述基于所述輸出特征圖進(jìn)行計(jì)算處理，得到所述原始水域圖像的分割結(jié)果圖像，包括：
22、通過預(yù)設(shè)激活函數(shù)計(jì)算所述輸出特征圖的每個(gè)像素類別的類別概率，并基于所述每個(gè)像素類別的類別概率得到所述原始水域圖像的分割結(jié)果圖像。
23、根據(jù)本專利技術(shù)提供的一種基于視覺方式的水質(zhì)顏色分類方法，所述通過預(yù)設(shè)激活函數(shù)計(jì)算所述輸出特征圖的每個(gè)像素類別的類別概率，并基于所述每個(gè)像素類別的類別概率得到所述原始水域圖像的分割結(jié)果圖像，包括：
24、通過預(yù)設(shè)激活函數(shù)計(jì)算所述輸出特征圖的每個(gè)像素類別的類別概率，并基于所述每個(gè)像素類別的類別概率得到初始分割結(jié)果圖像；
25、對(duì)所述初始分割結(jié)果圖像進(jìn)行上采樣，得到所述原始水域圖像的分割結(jié)果圖像。
26、根據(jù)本專利技術(shù)提供的一種基于視覺方式的水質(zhì)顏色分類方法，在將所述原始水域圖像輸入至預(yù)訓(xùn)練的水域分割模型，得到分割后的水域區(qū)域圖像之后，所述方法還包括：
27、計(jì)算所述水域區(qū)域圖像的最大內(nèi)接矩形，并對(duì)所述水域區(qū)域圖像的最大內(nèi)接矩形進(jìn)行放射變換和色彩空間轉(zhuǎn)換，得到目標(biāo)圖像；
28、所述將所述水域區(qū)域圖像輸入至預(yù)訓(xùn)練的水質(zhì)顏色分類模型，得到所述水域區(qū)域圖像的水質(zhì)顏色分類結(jié)果，包括：
29、將所述目標(biāo)圖像輸入至所述水質(zhì)顏色分類模型，得到所述水域區(qū)域圖像的水質(zhì)顏色分類結(jié)果。
30、本專利技術(shù)還提供一種基于視覺方式的水質(zhì)顏色分類裝置，包括：
31、水域分割模塊，用于獲取目標(biāo)水域的原始水域圖像，并將所述原始水域圖像輸入至預(yù)訓(xùn)練的水域分割模型，得到分割后的水域區(qū)域圖像；其中，所述水域區(qū)域圖像為僅包含水域部分的圖像；
32、水質(zhì)分類模塊，用于將所述水域區(qū)域圖像輸入至預(yù)訓(xùn)練的水質(zhì)顏色分類模型，得到所述水域區(qū)域圖像的水質(zhì)顏色分類結(jié)果；
33、其中，所述水域分割模型是基于多個(gè)水域的歷史原始水域圖像對(duì)語義分割網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到，所述語義分割網(wǎng)絡(luò)是基于預(yù)設(shè)數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練得到；所述水域分割模型包括預(yù)訓(xùn)練的編碼器和預(yù)訓(xùn)練的解碼器，所述編碼器用于對(duì)所述原始水域圖像進(jìn)行特征提取，并輸出粗糙特征圖，所述解碼器用于對(duì)所述粗糙特征圖進(jìn)行上采樣，并輸出與所述原始水域圖像分辨率一致的輸出特征圖；
34、所述水質(zhì)顏色分類模型是基于對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到。
35、本專利技術(shù)還提供一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如上述任一種所述基于視覺方式的水質(zhì)顏色分類方法。
36、本專利技術(shù)還提供一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述基于視覺方式的水質(zhì)顏色分類方法。
37、本專利技術(shù)還提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述任一種所述基于視覺方式的水質(zhì)顏色分類方法。
38、本專利技術(shù)提供的一種基于視覺方式的水質(zhì)顏色分類方法和裝置，通過獲取目標(biāo)水域的原始水域圖像，并將原始水域圖像輸入至預(yù)訓(xùn)練的水域分割模型，得到分割后的水域區(qū)域圖像，其中，水域區(qū)域圖像為僅包含水域部分的圖像，將水域區(qū)域圖像輸入至預(yù)訓(xùn)練的水質(zhì)顏色分類模型，得到水域區(qū)域圖像的水質(zhì)顏色分類結(jié)果，其中，水域分割模型是基于多個(gè)水域的歷史原始水域圖像對(duì)語義分割網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到，語義分割網(wǎng)絡(luò)是基于預(yù)設(shè)本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于視覺方式的水質(zhì)顏色分類方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于視覺方式的水質(zhì)顏色分類方法，其特征在于，所述將所述原始水域圖像輸入至預(yù)訓(xùn)練的水域分割模型，得到分割后的水域區(qū)域圖像，包括：
3.根據(jù)權(quán)利要求2所述的基于視覺方式的水質(zhì)顏色分類方法，其特征在于，所述編碼器包括預(yù)訓(xùn)練的骨干網(wǎng)絡(luò)和預(yù)訓(xùn)練的空洞卷積模塊；
4.根據(jù)權(quán)利要求3所述的基于視覺方式的水質(zhì)顏色分類方法，其特征在于，所述將所述粗糙特征圖輸入至預(yù)訓(xùn)練的解碼器進(jìn)行上采樣，得到與所述原始水域圖像分辨率一致的輸出特征圖，包括：
5.根據(jù)權(quán)利要求2所述的基于視覺方式的水質(zhì)顏色分類方法，其特征在于，所述基于所述輸出特征圖進(jìn)行計(jì)算處理，得到所述原始水域圖像的分割結(jié)果圖像，包括：
6.根據(jù)權(quán)利要求5所述的基于視覺方式的水質(zhì)顏色分類方法，其特征在于，所述通過預(yù)設(shè)激活函數(shù)計(jì)算所述輸出特征圖的每個(gè)像素類別的類別概率，并基于所述每個(gè)像素類別的類別概率得到所述原始水域圖像的分割結(jié)果圖像，包括：
7.根據(jù)權(quán)利要求1所述的基于視覺方式的水質(zhì)顏色分類方法，
8.一種基于視覺方式的水質(zhì)顏色分類裝置，其特征在于，包括：
9.一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述基于視覺方式的水質(zhì)顏色分類方法。
10.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至7任一項(xiàng)所述基于視覺方式的水質(zhì)顏色分類方法。
...【技術(shù)特征摘要】
1.一種基于視覺方式的水質(zhì)顏色分類方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于視覺方式的水質(zhì)顏色分類方法，其特征在于，所述將所述原始水域圖像輸入至預(yù)訓(xùn)練的水域分割模型，得到分割后的水域區(qū)域圖像，包括：
3.根據(jù)權(quán)利要求2所述的基于視覺方式的水質(zhì)顏色分類方法，其特征在于，所述編碼器包括預(yù)訓(xùn)練的骨干網(wǎng)絡(luò)和預(yù)訓(xùn)練的空洞卷積模塊；
4.根據(jù)權(quán)利要求3所述的基于視覺方式的水質(zhì)顏色分類方法，其特征在于，所述將所述粗糙特征圖輸入至預(yù)訓(xùn)練的解碼器進(jìn)行上采樣，得到與所述原始水域圖像分辨率一致的輸出特征圖，包括：
5.根據(jù)權(quán)利要求2所述的基于視覺方式的水質(zhì)顏色分類方法，其特征在于，所述基于所述輸出特征圖進(jìn)行計(jì)算處理，得到所述原始水域圖像的分割結(jié)果圖像，包括：
6.根據(jù)權(quán)利要求5所述的基于視覺方式的水質(zhì)顏色分類方法，其...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：白帆，王亞軍，黃海鳳，
申請(qǐng)(專利權(quán))人：云粒智慧科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。