[发明专利]一种基于深度学习的流量检测方法、装置、介质及终端

权利要求书

1.一种基于深度学习的流量检测方法，其特征在于，包括：

获取待识别的第一水流图像；

将所述第一水流图像输入至预设的流量检测模型，以使所述流量检测模型对所述第一水流图像进行特征提取，获得待识别水流的第一流态信息，并根据所述第一流态信息，输出所述待识别水流的第一水流流量，作为所述第一水流图像的流量检测结果；其中，所述流量检测模型是根据第一样本数据集对卷积神经网络进行训练后得到的，所述第一样本数据集中包括若干个第二水流图像、以及每个所述第二水流图像对应的第二水流流量。

2.如权利要求1所述的一种基于深度学习的流量检测方法，其特征在于，所述流量检测模型的获取，具体为：

对所述待识别水流进行拍摄，获得若干个第二水流图像，并通过预设的观测方法，对所述待识别水流进行实时观测，获取所述第二水流图像对应的第二水流流量，然后以所有所述第二水流图像、以及每个所述第二水流图像对应的第二水流流量作为第一样本数据集；

构建卷积神经网络，并利用所述第一样本数据集，对所述卷积神经网络进行训练验证，形成水流图像和水流流量的映射关系，得到流量检测模型。

3.如权利要求2所述的一种基于深度学习的流量检测方法，其特征在于，所述构建卷积神经网络，并利用所述第一样本数据集，对所述卷积神经网络进行训练验证，形成水流图像和水流流量的映射关系，得到流量检测模型，具体为：

构建卷积神经网络，并将所述第一样本数据集分为第一数据集和第二数据集，然后利用所述第一数据集，对所述卷积神经网络进行训练，形成水流图像和水流流量的初始映射关系，得到初始流量检测模型；

将所述第二数据集中的第二水流图像输入至所述初始流量检测模型，以获得当前所述第二水流图像的流量检测结果，并根据当前所述第二水流图像的流量检测结果与当前所述第二水流图像对应的第二水流流量，计算得到所述初始流量检测模型的流量检测精度；

当所述流量检测精度达到预期值时，完成对所述卷积神经网络的训练验证，认为当前所述初始映射关系为水流图像和水流流量的映射关系，并将完成训练验证后的初始流量检测模型作为流量检测模型。

4.如权利要求1所述的一种基于深度学习的流量检测方法，其特征在于，在所述将所述第一水流图像输入至预设的流量检测模型，以使所述流量检测模型对所述第一水流图像进行特征提取，获得待识别水流的第一流态信息，并根据所述第一流态信息，输出所述待识别水流的第一水流流量，作为所述第一水流图像的流量检测结果之前，还包括：

从所述第一样本数据集中，选取晴朗天气条件下的所述第二水流图像作为干净图像，选取非晴朗天气条件下的所述第二水流图像作为模糊图像，并将所述干净图像和所述模糊图像作为第二样本数据集；其中，所述干净图像对应的第二水流流量和所述模糊图像对应的第二水流流量的差值小于预设阈值；

构建基于ReLU激活函数的去噪卷积神经网络，并利用所述第二样本数据集，对所述去噪卷积神经网络进行训练，得到去噪模型。

5.如权利要求4所述的一种基于深度学习的流量检测方法，其特征在于，所述将所述第一水流图像输入至预设的流量检测模型，以使所述流量检测模型对所述第一水流图像进行特征提取，获得待识别水流的第一流态信息，并根据所述第一流态信息，输出所述待识别水流的第一水流流量，作为所述第一水流图像的流量检测结果，具体为：

判断所述第一水流图像的天气条件是否为晴朗天气条件；

若是，则将所述第一水流图像输入至所述流量检测模型，以使所述流量检测模型对所述第一水流图像进行特征提取，获得待识别水流的第一流态信息，并根据所述第一流态信息，输出所述待识别水流的第一水流流量，作为所述第一水流图像的流量检测结果；

若否，则将所述第一水流图像输入至所述去噪模型，以使对所述第一水流图像进行去噪预处理，得到对应的第三水流图像，并将所述第三水流图像输入至所述流量检测模型，以使所述流量检测模型对所述第三水流图像进行特征提取，获得待识别水流的第一流态信息，并根据所述第一流态信息，输出所述待识别水流的第一水流流量，作为所述第一水流图像的流量检测结果。