[发明专利]一种基于深度学习技术的污染源废水排放实时视频分析系统

权利要求书

1.一种基于深度学习技术的污染源废水排放实时视频分析系统，其特征在于，所述视频分析系统至少包括图像采集单元和数据处理单元，

所述图像采集单元设置于待监测区域各监测点，用于完成各监测点废水图像采集；

所述数据处理单元基于图像采集单元采集的若干图像信息数据和包含二维空间域和一维时间域的3D CNNs，完成对各监测点废水中违法排污情况的识别。

2.如权利要求1所述的一种基于深度学习技术的污染源废水排放实时视频分析系统，其特征在于，所述数据处理单元至少包括图像提取模块，

所述图像提取模块基于目标检测方法完成对图像采集单元采集的图像信息数据进行废水排口识别；并基于图像中废水排口的位置信息，完成排口区废水图像提取。

3.如权利要求2所述的一种基于深度学习技术的污染源废水排放实时视频分析系统，其特征在于，所述图像提取模块采用Faster RCNN进行目标检测，从而识别和定位图像中的废水排口区域。

4.如权利要求2所述的一种基于深度学习技术的污染源废水排放实时视频分析系统，其特征在于，所述数据处理单元还包括水质分类模块，

所述水质分类模块对提取的排口的图像采用卷积神经网络CNN构造分类器，对排口废水进行水质分类。

5.如权利要求4所述的一种基于深度学习技术的污染源废水排放实时视频分析系统，其特征在于，所述卷积神经网络CNN的数据输入层采用局部感知和权值共享方式对污染源实时图像数据进行接入。

6.如权利要求4所述的一种基于深度学习技术的污染源废水排放实时视频分析系统，其特征在于，所述卷积神经网络CNN的数据输出层采用全连接神经网络、交叉熵评分函数对污染源废水进行分类。

7.如权利要求4所述的一种基于深度学习技术的污染源废水排放实时视频分析系统，其特征在于，所述数据处理单元还包括目标监测模块，

所述目标监测模块对排污口的废水监测图像采用3D卷积神经网络实现水质识别。

8.如权利要求7所述的一种基于深度学习技术的污染源废水排放实时视频分析系统，其特征在于，所述3D卷积神经网络对连续视频帧污水监测图像信息进行分析和识别，最终输出污水的颜色、纹理、以及运动特征。