[发明专利]基于级联卷积神经网络的河道漂浮物检测方法

权利要求书

1.一种基于级联卷积神经网络的河道漂浮物检测方法，其特征在于，包括：

获取河道数据信息；

对河道数据信息进行预处理；

使用预处理后的数据信息制作数据集；

将所述数据集输入至级联卷积神经网络模型中进行训练；

通过训练好的级联卷积神经网络模型实时对河道进行实时监测。

2.根据权利要求1所述的基于级联卷积神经网络的河道漂浮物检测方法，其特征在于，所述获取河道数据信息包括以下步骤：通过基于多线程爬虫方式对河道图像数据进行收集，并将通过基于多线程爬虫方式爬取的图像保存在存储单元中；通过安装于无人机上的摄像机对河道进行正射来采集河道视频图像，并将通过安装于无人机上的摄像机获取的视频图像保存在存储单元中，所述存储单元用于对获取的河道数据信息和对河道进行实时监测所获取的数据信息进行存储。

3.根据权利要求1所述的基于级联卷积神经网络的河道漂浮物检测方法，其特征在于，所述对河道数据信息进行预处理包括对通过基于多线程爬虫方式爬取的图像进行预处理，所述对通过基于多线程爬虫方式爬取的图像进行预处理包括以下步骤：通过降采样滤波器对爬取的图像进行降采样处理；通过图像中值滤波方法对经过降采样处理的图像进行平滑处理；对经过平滑处理的图像进行边缘增强，检测经过平滑处理的图像中的多个像素，从多个像素中找出多个边缘像素，并且对多个边缘像素进行亮度性能增强；将经过边缘增强的图像存储在河道区域图像数据库中。

4.根据权利要求3所述的基于级联卷积神经网络的河道漂浮物检测方法，其特征在于，所述对河道数据信息进行预处理还包括对通过安装于无人机上的摄像机获取的视频图像进行预处理，所述对通过安装于无人机上的摄像机获取的视频图像进行预处理包括以下步骤：对视频图像进行滤波处理；通过自适应阈值化操作对经过滤波处理的视频图像进行二值化处理；对经过二值化处理的视频图像进行形态学处理来去除视频图像中的干扰块；通过河道区域提取算法提取河道区域图像，当河道中心线与视频帧中图像中心线相偏离且超过中心线偏离预设值时，取视频帧中图像宽度的一定倍数，通过当前视频帧的上一视频帧的图像中心线对当前视频帧进行纠正来提取河道区域图像；将提取的河道区域图像进行保存至河道区域图像数据库中。

5.根据权利要求3所述的基于级联卷积神经网络的河道漂浮物检测方法，其特征在于，所述对河道数据信息进行预处理包括还包括去除河道区域图像数据库中河道区域被遮挡以及错误识别的河道区域图像，所述去除河道区域图像数据库中河道区域被遮挡以及错误识别的河道区域图像包括以下步骤：通过Sobel边缘检测算法识别河道区域图像的各区域边界；使用自适应阈值图像分割算法提取河道区域图像的各区域特征信息；通过卷积神经网络算法根据河道区域图像的各区域特征信息识别河道；计算河道在河道区域图像中所占比例；将河道在河道区域图像中所占比例小于预设值的河道区域图像进行删除。

6.根据权利要求1所述的基于级联卷积神经网络的河道漂浮物检测方法，其特征在于，所述使用预处理后的数据信息制作数据集包括以下步骤：使用labelImage对经过预处理后的河道区域图像进行漂浮物标注，并将标注完成的河道区域图像保存至标注数据集中；将标注数据集中的图像按预设比例划分为训练集与验证集；通过软数据增强技术对训练集进行数据增强，对每批次待训练的训练集中的数据进行随机翻转处理、随机颜色抖动处理和随机裁剪处理，使每次待训练的训练集中的数据不相同来进行数据软扩增。