公开(公告)号：CN112561876B

公开(公告)日：2024-02-23

申请号：CN202011474429.6

申请日：2020-12-14

Applicant: 中南大学

Inventor： 邓磊 ,  刘宸哲

IPC: G06F16/583

Abstract: 本发明提供了一种基于图像的池塘和水库的水质检测方法及系统，包括：步骤1，采集需要检测的池塘和水库图像，将采集的池塘和水库的图像进行标记制作为标签图像集，将标签图像集分为训练数据集和测试数据集。本发明通过ResNet‑101卷积神经网络和联合金字塔上采样策略自动学习池塘和水库图像特征，对池塘和水库的图像进行精准的图像分割，避免了人工选取特征的局限性，通过引入注意力机制和特定计算公式对卷积计算进行了特征加强处理，根据预测的对象类别判断水质情况，提高了数据的准确率，使ResNet‑101卷积神经网络加快收敛，提高了分类的有效性，增加了系统的鲁棒性，水质检测方法检测速度快，准确率高，可用性高。(56)对比文件宋娅菲;谌雨章;沈君凤;曾张帆.基于改进残差网络的水下图像重建方法.计算机科学.2020,(第S1期),全文.青晨;禹晶;肖创柏;段娟.深度卷积神经网络图像语义分割研究进展.中国图象图形学报.2020,(第06期),全文.

公开(公告)号：CN112561876A

公开(公告)日：2021-03-26

申请号：CN202011474429.6

申请日：2020-12-14

Applicant: 中南大学

Inventor： 邓磊 ,  刘宸哲

IPC: G06T7/00 ,  G06T5/00 ,  G06T3/40 ,  G06T7/11 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于图像的池塘和水库的水质检测方法及系统，包括：步骤1，采集需要检测的池塘和水库图像，将采集的池塘和水库的图像进行标记制作为标签图像集，将标签图像集分为训练数据集和测试数据集。本发明通过ResNet‑101卷积神经网络和联合金字塔上采样策略自动学习池塘和水库图像特征，对池塘和水库的图像进行精准的图像分割，避免了人工选取特征的局限性，通过引入注意力机制和特定计算公式对卷积计算进行了特征加强处理，根据预测的对象类别判断水质情况，提高了数据的准确率，使ResNet‑101卷积神经网络加快收敛，提高了分类的有效性，增加了系统的鲁棒性，水质检测方法检测速度快，准确率高，可用性高。