详情

原文传递一种立体化水质监测方法及系统

专利名称：	一种立体化水质监测方法及系统
摘要：	本发明公开了一种立体化水质监测方法及系统，属于水质监测技术领域。本发明通过水体离散特征提取模块自适应捕获中小面积离散分布水体信息，通过水体空间分布感知模块以空间分布角度充分感知大面积连续型水体语义，并构建水体特征聚合模块将二者分别获得的关键语义信息建立依赖关系，由此对水质图像进行区域分割得到不同的区域信息，再通过每个区域信息的光谱植被指数和水质目标要素数据建立光谱植被指数的反演组合，利用光谱植被指数的反演组合构建水质目标要素反演模型，进而通过水质目标要素反演模型对水质进行大面积实时连续监测，能够及时发现并针对性地应对突发的水质问题，有效反映水质空间分布状况，具有较强的实用性和广泛适用性。
专利类型：	发明专利
国家地区组织代码：	安徽;34
申请人：	安徽农业大学
发明人：	饶元;张通;王坦;万天与;朱军;江朝晖;杨辉煌;汪秀梅;张武;李绍稳;李科
专利状态：	有效
申请日期：	2023-10-23T00:00:00+0800
发布日期：	2023-11-24T00:00:00+0800
申请号：	CN202311374660.1
公开号：	CN117110217A
代理机构：	安徽知问律师事务所
代理人：	王泽洋
分类号：	G01N21/25;G06V10/26;G06V20/05;G06V10/88;G06V10/77;G;G01;G06;G01N;G06V;G01N21;G06V10;G06V20;G01N21/25;G06V10/26;G06V20/05;G06V10/88;G06V10/77
申请人地址：	230036 安徽省合肥市长江西路130号
主权项：	1.一种立体化水质监测方法，包括以下步骤：采集水质样本数据，对水质样本数据处理得到水质目标要素数据，将水质目标要素数据划分为训练集数据和验证集数据；获取水质图像数据集，输入水质图像；通过语义分割模型对水质图像进行区域分割，得到不同的区域信息，计算每个区域信息的光谱植被指数，利用光谱植被指数和水质目标要素数据得到光谱植被指数的反演组合，通过光谱植被指数的反演组合构建水质目标要素反演模型；通过训练集数据训练水质目标要素反演模型，得到训练好后的水质目标要素反演模型，将验证集数据输入到训练好后的水质目标要素反演模型进行验证，输出水质监测结果。 2.根据权利要求1所述的一种立体化水质监测方法，其特征在于，所述语义分割模型包括水体离散特征提取模块、水体空间分布感知模块和水体特征聚合模块；水体离散特征提取模块和水体空间分布感知模块分别获取水质图像的语义信息，水体特征聚合模块对水体离散特征提取模块和水体空间分布感知模块获取的语义信息进行处理，得到水质图像中不同的区域信息。 3.根据权利要求2所述的一种立体化水质监测方法，其特征在于，通过水体离散特征提取模块获取水质图像的关键语义信息的计算公式为：其中，表示水体离散语义信息，MSA表示多头自注意力运算，α1、α2、α3均表示不同的高维映射矩阵，/>表示水体离散特征提取模块的输入，x表示离散特征定位点横坐标，y表示离散特征定位点纵坐标，K表示离散特征定位点数量，LK表示优化后的离散特征定位点，/>表示对优化后的离散特征定位点进行采样操作，θ表示自适应偏移子网，Q表示高维空间，FQ表示经高维映射矩阵α1映射得到的水体初阶离散特征。 4.根据权利要求3所述的一种立体化水质监测方法，其特征在于，通过水体空间分布感知模块获取水质图像的语义信息的计算公式为：其中，表示水体空间分布语义信息，YR表示水体空间分布感知模块在横轴分量上的提取结果，YC表示水体空间分布感知模块在纵轴分量上的提取结果，⊕表示逐元素相加，MSA表示多头自注意力运算，C1、C2、C3均表示不同的卷积运算，/>表示水体空间分布感知模块的输出根据输入三元组划分出的水体初始行向量，/>表示水体分布感知模块的输出根据输入三元组划分出的水体初始列向量，/>表示叠加在初始行向量上的可学习偏移量，表示叠加在初始列向量上的可学习偏移变量。 5.根据权利要求4所述的一种立体化水质监测方法，其特征在于，水体特征聚合模块对水体离散特征提取模块和水体空间分布感知模块获取的语义信息进行耦合、解耦，得到水质图像中不同的区域信息的计算公式为：其中，表示水体特征聚合模块对水体离散特征提取模块的输出，/>表示水体特征聚合模块对水体空间分布感知模块的输出，i表示自然数，OMLP表示多层感知机，softmax表示归一化操作，/>表示第i个水体离散特征提取模块的输出，/>表示第i个水体空间分布感知模块的输出，/>、/>、/>、/>、/>、/>分别表示六个不同的映射矩阵，H表示转置操作，Q1、Q2、K1、K2、V1、V2分别表示六个不同的映射矩阵对应的六个不同的高维空间，C表示输入的通道数。 6.根据权利要求5所述的一种立体化水质监测方法，其特征在于，计算光谱植被指数和水质目标要素数据的斯皮尔曼相关系数，设定阈值λ，选择斯皮尔曼相关系数大于阈值λ的光谱植被指数；光谱植被指数和水质目标要素数据的斯皮尔曼相关系数的计算公式为：其中，SRC表示斯皮尔曼相关系数，N表示光谱植被指数和水质目标要素数据的样本量，i表示当前样本编号，Ri表示光谱植被指数当前样本编号对应的值，表示光谱植被指数的平均值，Si表示水质目标要素数据当前编号对应的值，/>表示水质目标要素数据的平均值。 7.根据权利要求6所述的一种立体化水质监测方法，其特征在于，将斯皮尔曼相关系数大于阈值λ的光谱植被指数进行排序组合，利用排序组合后的光谱植被指数和水质目标要素数据建立随机森林模型得到光谱植被指数的反演组合。 8.根据权利要求7所述的一种立体化水质监测方法，其特征在于，提取光谱植被指数的反演组合中不同的区域信息特征，将不同的区域信息特征融合后得到多尺度网络架构，将融合后的多尺度架构作为父代网络，对训练后的父代网络进行性能排序后再进行遗传、变异作为子代网络，将父代网络的知识迁移至子代网络中，并对子代网络进行性能排序，对父代网络和子代网络进行个体选择，得到最佳水质目标要素反演模型。 9.一种立体化水质监测系统，其特征在于，包括：采集模块，采集水质样本数据，对水质样本数据处理得到水质目标要素数据，将水质目标要素数据划分为训练集数据和验证集数据；输入模块，获取水质图像数据集，输入水质图像；模型构建模块，通过语义分割模型对水质图像进行区域分割，得到不同的区域信息，计算每个区域信息的光谱植被指数，利用光谱植被指数和水质目标要素数据得到光谱植被指数的反演组合，通过光谱植被指数的反演组合构建水质目标要素反演模型；监测模块，通过训练集数据训练水质目标要素反演模型，得到训练好后的水质目标要素反演模型；将验证集数据输入到训练好后的水质目标要素反演模型进行验证，输出水质监测结果。 10.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1-8中任一项所述的方法。
所属类别：	发明专利