[发明专利]一种基于生成对抗网络的二维图像污水流量检测方法

说明书

本发明提供了一种基于生成对抗网络的二维图像污水流量检测方法，该方法包括：首先采集污水口视频数据；然后处理采集到视频数据，制作训练集；随后训练污水流量检测模型并验证得到的污水流量检测模型；最后利用所述污水流量检测模型检测实时污水流量，同时还给出了用于训练的模型结构。本发明的污水流量检测方法能稳定、准确、有效地检测二维图像中的污水信息，不仅能检测出所有污水水流区域及其边缘，而且能够判别污水水流等级，有效解决了传统方法中在实际生产中受环境影响大、无法提取出全部污水水流区域，并实时描绘出污水水流边缘以及进行污水水流等级判定的缺陷，具有广阔的应用前景。

技术领域

本发明涉及污水流量检测领域，尤其涉及一种基于生成对抗网络的二维图像污水流量检测方法。

背景技术

现有的污水排放流量检测方法主要包含以下4种：1、水文测验法；2、容积法；3、流量计法；4、化学法。水文测验法又包含流速仪法、圆管流速仪法以及浮标法；容积法是指通过将污水引入固定体积的容器，从而计算得出流量；流量计法通常采用智能电磁流量计来测量流速；化学法利用化学反应，测算出水中指示剂浓度，从而得出流量。

通过分析和对比，现存的4种方法均存在缺点。水文测验法、容积法、化学法都不能够得出污水排放的瞬时流量，无法达到实时的要求；流量计法虽然能够测量出实时流量，但是由于管道中环境恶劣，电磁流量计安装、维修以及更换都十分麻烦，而且由于电磁流量计长期浸泡在污水中，使得流量计的故障率高且不稳定，在实际生产环境中，此方法会造成维修困难、延误生产等许多问题。

现有的基于二维图像的污水流量检测方法不稳定且不准确，主要是通过背景建模差分、运动轨迹建模等方法。由于背景的不确定以及污水水流运动轨迹的不确定导致这些方法在实际生产中无法检测完全所有污水区域，而且准确率较差。

发明内容

针对上述缺陷，本发明提出了一种稳定高效的基于生成对抗网络(GAN)的二维(2D)图像污水流量检测方法。该方法以图像处理技术中的图像分割技术为基础，构建基于生成对抗网络的二维图像污水流量检测模型，所述污水流量检测模型包括生成器、分类器和判别器，所述生成器包括编码器和解码器，并且所述编码器和解码器构成U-Net网络结构。向所述污水流量检测模型输入二维(2D)图像，可以检测出污水流量等级以及污水水流区域。具体地，所述污水流量检测模型基于神经网络，所述神经网络包括生成器、判别器和分类器。在所述污水流量检测模型中采用多层卷积网络作为编码器，提取2D图像内的深度信息，这些深度信息可以用于所述分类器来进行污水流量等级的预测，同时也可以用于所述生成器中的解码器生成预测污水水流区域，采用多层卷积网络作为解码器，并加入残差直连，和所述编码器构成U-Net网络结构。此外，借鉴了生成对抗网络(GAN)的思想，训练了所述判别器来促进生成器学习更加深层次的污水水流区域信息，帮助所述生成器注意到除了像素值之外的特征。

本发明提供了一种基于生成对抗网络的二维图像污水流量检测方法，该方法包括如下步骤：

S1)采集污水口视频数据：利用污水处理口的摄像头，拍摄一定量的视频数据，在采集前，要求将所述摄像头的角度、焦距调整至预设数值，使得摄像头能够完全且清晰地拍摄到所述污水处理口排出的污水水流，同时调整所述摄像头的位置，在不同的位置进行拍摄，以获取更多的视频数据；