[发明专利]一种基于深度学习的水环境智能监测系统及方法

权利要求书

1.一种基于深度学习的水环境智能监测方法，其特征在于，采用基于深度学习的水环境智能监测系统，所述基于深度学习的水环境智能监测系统包括多个水环境监测终端(16)、边缘处理装置(17)和云端管理平台(18)；所述水环境监测终端(16)包括微型中心处理器一(3)以及与所述微型中心处理器一(3)电性连接的水面监测摄像头(1)、位置定位模块(2)、无线射频Lora模块(4)、无线多模通信模块一(5)、太阳能电池组模块(6)和数据存储模块一(7)；所述边缘处理装置(17)包括微型中心处理器二(8)以及与所述微型中心处理器二(8)电性连接的以太网模块(10)、GPU处理器(9)、无线多模通信模块二(11)和数据存储模块二(12)；所述云端管理平台(18)包括水污染识别服务器(13)以及与所述水污染识别服务器(13)电性连接的Web服务器(14)和数据库服务器(15)；多个所述水环境监测终端(16)之间通过所述无线射频Lora模块(4)通信连接；所述水环境监测终端(16)与所述边缘处理装置(17)之间通过所述无线多模通信模块一(5)进行通信，所述边缘处理装置(17)与所述云端管理平台(18)之间通过所述无线多模通信模块二(11)或所述以太网模块(10)进行通信；

所述方法包括以下步骤：

S1，所述水环境监测终端(16)将所述水面监测摄像头(1)拍摄的水面图像发送至所述边缘处理装置(17)；

S2，所述边缘处理装置(17)中的所述GPU处理器(9)通过深度学习算法进行图像识别，并判断识别出的污染类型的概率是否低于设定阈值；

S3，如果识别出的污染类型的概率不低于设定阈值,则由所述边缘处理装置(17)判断是否发生污染；

如果发生污染，则由所述边缘处理装置(17)进行污染识别，判断污染程度，将污染程度传输至所述水环境监测终端(16)，并转至步骤S4；

如果没有发生污染，转至步骤S1；

S4，所述水环境监测终端(16)根据污染程度拍摄不同时长的水面图像进行取证，并将图像数据通过所述边缘处理装置(17)发送至所述云端管理平台(18)，所述云端管理平台(18)中的所述Web服务器(14)显示水环境监测终端(16)所在的当前监测源的地理信息以及水环境所处的污染类别；

S5，如果识别出的污染类型的概率低于设定阈值，所述边缘处理装置(17)将图像数据发送到所述云端管理平台(18)进行进一步识别，判断是否发生污染；

S6，如果发生污染，由云端管理平台(18)确认污染程度，通过边缘处理装置(17)反馈至所述水环境监测终端(16)，并转至步骤S4；

S7,如果没有发生污染，转至步骤S1。

2.根据权利要求1所述的基于深度学习的水环境智能监测方法，其特征在于，所述水面监测摄像头(1)为自动变焦的广角摄像头，所述自动变焦的广角摄像头还包括光照度感应模块和光源模块。

3.根据权利要求1所述的基于深度学习的水环境智能监测方法，其特征在于，所述位置定位模块(2)包括北斗定位模块和GPS定位模块。

4.根据权利要求1所述的基于深度学习的水环境智能监测方法，其特征在于，所述无线多模通信模块一(5)和无线多模通信模块二(11)为GPRS/3G/4G无线通信模块。

5.根据权利要求1所述的基于深度学习的水环境智能监测方法，其特征在于，所述太阳能电池组模块(6)为锂电池组以及与所述锂电池组电性连接的太阳能板。

6.根据权利要求1所述的基于深度学习的水环境智能监测方法，其特征在于，所述数据存储模块一(7)为SD卡，所述数据存储模块二(12)为磁盘。

7.根据权利要求1所述的基于深度学习的水环境智能监测方法，其特征在于，所述阈值为60％。

8.根据权利要求1所述的基于深度学习的水环境智能监测方法，其特征在于，所述步骤S4中，所述水环境监测终端(16)根据污染程度拍摄不同时长的水面图像进行取证，具体包括：

在轻度污染下拍摄5-10分钟的水面图像数据，在中度污染下拍摄10-15分钟的水面图像数据，在重度污染下拍摄15-20分钟的水面图像数据。