[发明专利]基于深度学习的水质图像分析方法、系统、设备及介质

权利要求书

1.一种基于深度学习的水质图像分析方法，其特征在于，包括以下步骤：

步骤1：获取多张历史水体彩色图像，由多张所述历史水体彩色图像得到数据集{θ|R，G，B，W_R，W_B，W_G}，其中，R、G和B分别表示历史水体彩色图像中每个像素点的三个颜色分量值，W_R、W_G、W_B分别表示对应像素点三个颜色分量值R、G、B对应的权重值；

步骤2：建立受限玻尔兹曼机模型，以所述数据集{θ|R，G，B，W_R，W_B，W_G}作为所述受限玻尔兹曼机模型的训练样本对其进行训练，其中，以{R，G，B}作为训练输入样本，以{W_R，W_B，W_G}作为训练输出样本，得到训练好的受限玻尔兹曼机模型；

步骤3：获取多张连续水体彩色图像；

步骤4：将所述步骤3中每张所述水体彩色图像每个像素点的三个颜色分量值R’、G’和B’输入至训练好的受限玻尔兹曼机模型中，得到对应像素点三个颜色分量值R’、G’、B’对应的权重值W_R’，W_B’，W_G’；

步骤5：根据所述步骤4中每个像素点三个颜色分量值R’、G’、B’对应的权重值W_R’，W_B’，W_G’，采用加权平均法计算每张水体图像每个像素点的灰度值P’，对每张所述水体彩色图像进行灰度化处理；

步骤6：对灰度化处理后的水体图像进行噪声检测和滤波处理；

步骤7：对滤波处理后的水体图像进行异常判断，以消除水体图像本身缺陷对水质分析产生的影响；

步骤8：根据污染物的沉降速度确定时间区间，判断时间区间内无异常水体图像中每个像素点的灰度值是否超出对应均值±Δδ，如果超出，则将该对应均值赋给该像素点，实现时间区间内所有无异常水体图像每个像素点的归一化处理；

所述对应均值是指该像素点对应的时间区间内无异常多张连续水体图像中所有同一像素点的灰度值的平均值；

步骤9：根据每张所述水体图像中每个像素点的灰度值，得到该水体图像的透光强度和反射光强度；然后根据透光强度和反射光强度进行水质分析。

2.如权利要求1所述的基于深度学习的水质图像分析方法，其特征在于，所述步骤1中，三个颜色分量值R、G、B对应的权重值W_R、W_G、W_B的确定步骤为：

步骤1.1：设定每张所述历史水体彩色图像中每个像素点的三个颜色分量值R、G、B对应的权重值W_R、W_G、W_B；

步骤1.2：采用加权平均法对每张所述历史水体彩色图像进行灰度化处理，得到每张所述历史水体图像每个像素点的灰度值P；

步骤1.3：对灰度化处理后的历史水体图像进行噪声检测和滤波处理；

步骤1.4：根据每张所述历史水体图像中各像素点的灰度值P得到最低透光强度或最高反射光强度，并计算所述最低透光强度与标准样本透光强度的第一差值，或计算所述最高反射光强度与标准样本反射光强度的第一差值；

步骤1.5：将所述第一差值与预设差值进行比较，判断每张所述历史水体图像是否存在异常；当所述第一差值超出所述预设差值时，则存在异常，调整对应的权重值W_R、W_G、W_B，重复步骤1.2～1.5，直到所述历史水体图像无异常，确定每个像素点三个颜色分量值R、G、B对应的权重值W_R、W_G、W_B。