[发明专利]基于卷积神经网络的河面污染信息检测处理方法及系统

权利要求书

1.基于卷积神经网络的河面污染信息检测处理方法，其特征在于，包括如下步骤：

S1，对河道漂浮物和有色废水排放的图片进行采集，形成数据集，并将数据集进行分类，分为漂浮物集和有色废水集；

S2，将步骤S1中获取的两份数据集中的水上漂浮物和有色废水排放区域用矩形框进行标记，得到矩形框的坐标信息和矩形框中所包含的漂浮物和有色废水；

S3，对数据集进行扩增，增加数据集中的图片数量；

S4，将漂浮物集和有色废水集均分成训练集，验证集和测试集；使用训练集对改进后的YOLOv4-tiny神经网络模型进行训练；使用验证集对改进后的YOLOv4-tiny神经网络模型参数进行调整；使用测试集选出最优的改进后的YOLOv4-tiny神经网络模型；

S5，将步骤S4中表现最优的改进后的YOLOv4-tiny神经网络模型嵌入到MCU中，并对监控的河道或湖泊进行视频检测，实时检测待测水面上是否有漂浮物和有色废水排放；

S6，将MCU安装在无人机上，所述无人机依靠搭载的GPS进行沿河道或湖泊自主巡航，并拍摄照片，再对照片进行预处理，将预处理后的图片输入改进后的YOLOv4-tiny神经网络模型，根据被检测到的漂浮物和有色废水数量，对待检测的河道或湖泊的污染程度进行判断。

2.根据权利要求1所述的基于卷积神经网络的河面污染信息检测处理方法，其特征在于，步骤S2中所述矩形框的坐标信息包括矩形框的中心点坐标、矩形框的宽度与高度。

3.根据权利要求1所述的基于卷积神经网络的河面污染信息检测处理方法，其特征在于，步骤S3中对数据集进行扩增的方法包括翻转、旋转、缩放、裁剪和移位。

4.根据权利要求3所述的基于卷积神经网络的河面污染信息检测处理方法，其特征在于，步骤S4中所述改进后的YOLOv4-tiny神经网络模型包括特征提取网络和预测网络；

所述改进后的YOLOv4-tiny神经网络模型的整体网络结构共有38层，采用三个残差单元，激活函数为LeakyReLU；合并有效特征层时采用特征金字塔FPN网络；

所述特征提取网络包括尺度为13*13特征层、26*26特征层和52*52特征层。

5.根据权利要求5所述的基于卷积神经网络的河面污染信息检测处理方法，其特征在于，步骤S6中对照片预处理的过程为图像切割，将大像素的图片切割成小像素的图片。

6.根据权利要求1所述的基于卷积神经网络的河面污染信息检测处理方法，其特征在于，步骤S6中所述根据被检测到的漂浮物和有色废水数量，对待检测的河道或湖泊的污染程度进行判断包括如下步骤：

S61，当检测到的漂浮物数量超过7个，则判断为污染；当有检测到有色废水，则直接判断为污染。

7.根据权利要求1所述的基于卷积神经网络的河面污染信息检测处理方法，其特征在于,还包括如下步骤：

S7，当存在有污染的结论后，通过GPS定位到当前无人机的位置，并将当前位置和图片发送给手机终端。