[发明专利]一种基于机器视觉的环境污染源识别方法和装置

说明书

本发明公开了一种基于机器视觉的环境污染源识别方法和装置。其中，该方法包括：对获取到的遥感图像进行预处理；对预处理后的遥感图像进行图像增强操作；基于深度目标检测模型对增强后的遥感图像进行训练，以得到训练后的环境污染源识别模型；将待识别的目标污染源的图像输入环境污染源识别模型，以得到环境污染源识别模型输出的污染源识别结果。本实施例的技术方案，通过将深度目标检测网络引入遥感影像污染源识别任务，并利用递归特征空间金字塔以及可切换的空洞卷积结构，以及多阈值级联回归检测的方式对识别进行筛选以及重复利用，实现了多种类污染源的多尺度精确检测结果。

技术领域

本发明实施例涉及环境大数据技术领域，尤其涉及一种基于机器视觉的环境污染源识别方法和装置。

背景技术

对污染源的有效识别能够为后续污染治理提供有效的依据。

然而，现有技术中的污染源识别方法还存在以下问题：（1）现有的污染源识别方法的特征选取依赖人工设计，难以适应海量遥感影像数据；（2）现有的污染源识别方法对于单幅图片中同时存在多种污染源的情况，现有技术的分类和定位准确率有待提高；（3）现有污染源识别方法的识别种类不够丰富，仅包含垃圾、工业储罐、烟囱等大类。

发明内容

为了解决现有技术中的问题，本发明提供一种基于机器视觉的环境污染源识别方法和装置，以实现各种污染源的精确地识别和定位。

第一方面，本发明实施例提供了一种基于机器视觉的环境污染源识别方法，包括：

S110、对获取到的遥感图像进行预处理，以得到预处理后的遥感图像；

S120、对所述预处理后的遥感图像进行图像增强操作，以得到增强后的遥感图像；

S130、基于深度目标检测模型对所述增强后的遥感图像进行训练，以得到训练后的环境污染源识别模型；

S140、将待识别的目标污染源的图像输入所述环境污染源识别模型，以得到所述环境污染源识别模型输出的目标污染物的污染源识别结果。

可选的，所述深度目标检测模型的网络架构采用递归特征空间金字塔和可切换的空洞卷积结构来提取并融合遥感图像中的浅层纹理信息及深层语义信息。

可选的，所述深度目标检测模型采用多阈值级联回归检测的方式对识别结果进行筛选以及重复利用。

可选的，所述S140中所述环境污染源识别模型输出目标污染物的污染源识别结果，包括：

通过非最大值抑制的方式对所述环境污染源识别模型输出的所有识别结果进行筛选，以得到筛选后的识别结果；

通过遥感影像的地理信息计算所述筛选后的识别结果的精确经纬度信息，输出目标污染物的污染源的地理位置及其附近的遥感影像信息。

第二方面，本发明实施例还提供一种基于机器视觉的环境污染源识别装置，包括：

预处理模块，用于对获取到的遥感图像进行预处理，以得到预处理后的遥感图像；

图像增强模块，用于对所述预处理后的遥感图像进行图像增强操作，以得到增强后的遥感图像；

模型训练模块，用于基于深度目标检测模型对所述增强后的遥感图像进行训练，以得到训练后的环境污染源识别模型；

识别模块，用于将待识别的目标污染源的图像输入所述环境污染源识别模型，以得到所述环境污染源识别模型输出的目标污染物的污染源识别结果。

本发明的有益效果：

本发明在现有图像识别技术的基础上，设计了一种基于深度神经网络的遥感影像污染源检测方法，提高了对大量遥感影像的处理效率；本发明通过引入递归特征金字塔框架以及多阈值级联回归检测结构设计污染源识别模型，增强了算法对多种背景下不同尺寸污染源的识别能力；此外，本发明丰富了可识别的污染源类别，实现对风扇、烟囱、烟气、冷却塔、工业储罐、固体废弃物堆场、沉淀池以及养殖场，一共8类污染源的同步识别，拓展了模型的应用前景。