详情

原文传递一种蓝藻自动监测预警方法及其自动监测预警系统

专利名称：	一种蓝藻自动监测预警方法及其自动监测预警系统
摘要：	本发明公开了一种蓝藻自动监测预警方法及其自动监测预警系统，该方法包括以下步骤：实时拍摄一定水域中蓝藻的图像，获取相应的蓝藻图像；对蓝藻图像进行腐蚀、膨胀，并填充空洞，获取蓝藻图像的RGB直方图；将蓝藻图像转换为灰度图，求得LBP图谱，以获取LBP直方图；获取蓝藻图像的颜色特征和纹理特征；在决策级对颜色特征和纹理特征加权融合，形成融合特征；以融合特征识别蓝藻图像的蓝藻区域；计算蓝藻区域占整幅的蓝藻图像的像素占比；根据像素占比，判定蓝藻图像所位于的标准范围，并发出相应的预警信息。本发明对于小样本、高维空间以及不确定性下的多特征融合有良好的应用效果，不过度依赖样本数量与质量，实现对蓝藻的监测预警。
专利类型：	发明专利
国家地区组织代码：	安徽;34
申请人：	合肥学院
发明人：	顾涓涓;张迎春;高慧敏;吴亚;张红梦
专利状态：	有效
申请日期：	2019-05-10T00:00:00+0800
发布日期：	2019-08-09T00:00:00+0800
申请号：	CN201910388234.0
公开号：	CN110108704A
代理机构：	合肥市泽信专利代理事务所(普通合伙)
代理人：	方荣肖
分类号：	G01N21/84(2006.01);G;G01;G01N;G01N21
申请人地址：	230601 安徽省合肥市经开区锦绣大道99号
主权项：	1.一种蓝藻自动监测预警方法，其特征在于，其包括以下步骤：实时拍摄一定水域中蓝藻的图像，获取相应的蓝藻图像；对所述蓝藻图像进行腐蚀、膨胀，并填充空洞，以消除噪声，获取所述蓝藻图像的RGB直方图；将所述蓝藻图像转换为灰度图，求得LBP图谱，以获取LBP直方图；通过二类分类模型对所述RGB直方图的特征进行分类，以训练所述RGB直方图的特征，获取所述蓝藻图像的颜色特征；通过神经网络模型对所述LBP直方图的特征进行训练，获取所述蓝藻图像的纹理特征；在决策级对所述颜色特征和所述纹理特征加权融合，形成融合特征；以所述融合特征识别所述蓝藻图像的蓝藻区域；通过遍历所述蓝藻图像的像素，计算所述蓝藻区域占整幅的所述蓝藻图像的像素占比；预设蓝藻占比的各个标准范围及相应预警信息；根据所述像素占比，判定所述蓝藻图像所位于的标准范围，并发出相应的预警信息。 2.如权利要求1所述的蓝藻自动监测预警方法，其特征在于，所述二类分类模型为SVM算法模型，所述神经网络模型为多层神经网络BP算法模型。 3.如权利要求1所述的蓝藻自动监测预警方法，其特征在于，所述像素占比为： Y＝(X/X)×100％其中，X为所述蓝藻区域的像素点个数，X为所述蓝藻图像的总像素点个数。 4.如权利要求3所述的蓝藻自动监测预警方法，其特征在于，在Y小于等于20％时，判定出现轻度蓝藻水华，并发出绿色预警信号；在Y大于20％且小于等于50％时，判定出现中度蓝藻水华，并发出黄色预警信号；在Y大于50％时，判定出现重度蓝藻水华，并发出红色预警信号。 5.如权利要求1所述的蓝藻自动监测预警方法，其特征在于，所述二类分类模型的模型函数为：式中，k(xi,xj)为核函数，b为参数，αi为非负系数，xi和yi为样本，xj为中心点。 6.如权利要求5所述的蓝藻自动监测预警方法，其特征在于，所述核函数为：式中，σ为带宽。 7.如权利要求1所述的蓝藻自动监测预警方法，其特征在于，所述神经网络模型的第j个隐藏层神经元的输入为：所述神经网络模型的第q个输出经元的输入为：所述神经网络模型的第一轮训练的均方误差为：其中，Vij为第i个输入神经元到第j个隐藏层神经元的权重，Wij为第i个隐藏层神经元到第j个输出层神经元的权重，bi为第i个隐藏层神经元的输出，θi为第i个输出层的阈值。 8.如权利要求1所述的蓝藻自动监测预警方法，其特征在于，所述颜色特征和所述纹理特征加权融合的公式为： Ic＝λοIa+(1k×l-λ)οIb 其中，Ia和Ib为输入矩阵，Ic为k*1阶的输出矩阵，ο为基本积，λ为权重矩阵。 9.一种蓝藻自动监测预警系统，其应用如权利要求1-8中任意一项所述的蓝藻自动监测预警方法，其特征在于，其包括：现场监测子系统，其包括摄像头、图像采集模块以及通讯模块；所述摄像头用于实时拍摄一定水域中蓝藻的图像；所述图像采集模块用于根据所述摄像头拍摄的实时图像，生成对应的蓝藻图像；所述通讯模块用于发送所述蓝藻图像；以及远程控制子系统，其包括图像处理模块、数据库和实时信息反馈系统；所述图像处理模块用于接收所述蓝藻图像，并对所述蓝藻图像进行腐蚀、膨胀，并填充空洞，以消除噪声，获取所述蓝藻图像的RGB直方图；所述图像处理模块还用于将所述蓝藻图像转换为灰度图，求得LBP图谱，以获取LBP直方图；所述图像处理模块通过二类分类模型对所述RGB直方图的特征进行分类，以训练所述RGB直方图的特征，获取所述蓝藻图像的颜色特征，并通过神经网络模型对所述LBP直方图的特征进行训练，获取所述蓝藻图像的纹理特征，且在决策级对所述颜色特征和所述纹理特征加权融合，形成融合特征；所述图像处理模块以所述融合特征识别所述蓝藻图像的蓝藻区域，通过遍历所述蓝藻图像的像素，计算所述蓝藻区域占整幅的所述蓝藻图像的像素占比；所述图像处理模块根据所述像素占比，判定所述蓝藻图像所位于的标准范围，并驱使所述实时信息反馈系统发出相应的预警信息；所述数据库用于储存所述图像处理模块的处理结果。 10.如权利要求9所述的蓝藻自动监测预警系统，其特征在于，所述现场监测子系统还包括电源模块；所述电源模块用于以不同的电压向所述摄像头、所述图像采集模块以及所述通讯模块供电；所述摄像头为球机摄像头，所述通信模块为4G或5G通讯模块。
所属类别：	发明专利