公布日：2023.12.15
申請日：2023.09.18
分類(lèi)號：G06V10/80(2022.01)I;G06V10/774(2022.01)I;G06V10/764(2022.01)I;G06F30/20(2020.01)I;G06F17/18(2006.01)I
摘要
本發(fā)明涉及污水處理技術(shù)領(lǐng)域，揭露了一種基于多模態(tài)的污水凈化分析方法及系統，包括：提取目標污水區域的圖像特征，提取水質(zhì)數據的水質(zhì)統計特征，提取時(shí)序數據的時(shí)序特征；將圖像特征、水質(zhì)統計特征及時(shí)序特征進(jìn)行特征融合，構建向量回歸模型，利用向量回歸模型根據多模態(tài)融合特征計算目標污水區域的水質(zhì)值；根據水質(zhì)值生成目標污水區域的污水凈化策略，按照污水凈化策略對目標污水區域進(jìn)行凈化，得到目標污水凈化區域；提取目標污水凈化區域的凈化特征，根據凈化特征生成目標污水凈化區域的可視化特征圖，根據可視化特征圖確定目標污水區域的污水凈化狀態(tài)。本發(fā)明可以提高污水凈化分析時(shí)的精確度。
權利要求書(shū)
1.一種基于多模態(tài)的污水凈化分析方法，其特征在于，所述方法包括：S1、獲取目標污水區域的圖像數據、水質(zhì)數據及時(shí)序數據，提取所述圖像數據的圖像特征，提取所述水質(zhì)數據的水質(zhì)統計特征，以及提取所述時(shí)序數據的時(shí)序特征；S2、通過(guò)預設的主成分多維特征融合算法將所述圖像特征、所述水質(zhì)統計特征及所述時(shí)序特征進(jìn)行特征融合，得到多模態(tài)融合特征；S3、利用預設的污水區域數據集構建向量回歸模型，利用所述向量回歸模型根據所述多模態(tài)融合特征計算所述目標污水區域的水質(zhì)值，其中，所述利用預設的污水區域數據集構建向量回歸模型，包括：S31、對所述污水區域數據集進(jìn)行數據增強處理，得到污水區域增強數據；S32、提取所述污水區域增強數據的多維數據特征；S33、根據所述多維數據特征及預設的支持向量系數生成向量回歸模型，其中所述向量回歸模型為：
其中，Y為目標水質(zhì)參數，b為偏置項，γ為水質(zhì)優(yōu)化因子，αi為第i個(gè)特征的支持向量系數，exp為指數函數，g為核函數參數，T為所述多維數據特征的特征均值，Ti為所述多維數據特征向量中第i個(gè)特征的向量值，n為特征的數量；S4、根據所述水質(zhì)值生成所述目標污水區域的污水凈化策略，按照所述污水凈化策略對所述目標污水區域進(jìn)行凈化，得到目標污水凈化區域；S5、提取所述目標污水凈化區域的凈化特征，根據所述凈化特征生成所述目標污水凈化區域的可視化特征圖，根據所述可視化特征圖確定所述目標污水區域的污水凈化狀態(tài)。
2.如權利要求1所述的基于多模態(tài)的污水凈化分析方法，其特征在于，所述提取所述圖像數據的圖像特征，包括：根據所述圖像數據的像素生成顏色直方圖，根據所述顏色直方圖確定所述目標污水區域的顏色特征；通過(guò)預設的局部二值模式根據所述圖像數據提取所述目標污水區域的紋理特征；提取所述圖像數據中的邊界輪廓，根據所述邊界輪廓確定所述目標污水區域的形狀特征；將所述顏色特征、所述紋理特征及所述形狀特征融合為圖像特征。
3.如權利要求1所述的基于多模態(tài)的污水凈化分析方法，其特征在于，所述提取所述水質(zhì)數據的水質(zhì)統計特征，包括：根據預設的水質(zhì)類(lèi)別指標對所述水質(zhì)數據進(jìn)行劃分，得到水質(zhì)類(lèi)別數據；統計所述水質(zhì)類(lèi)別數據中的水質(zhì)最大值及水質(zhì)最小值，根據所述水質(zhì)最大值及所述水質(zhì)最小值確定所述水質(zhì)數據的基本統計特征；根據所述水質(zhì)數據的變異系數確定所述目標污水區域的波動(dòng)性特征；將所述基本統計特征及所述波動(dòng)性特征融合為水質(zhì)統計特征。
4.如權利要求1所述的基于多模態(tài)的污水凈化分析方法，其特征在于，所述通過(guò)預設的主成分多維特征融合算法將所述圖像特征、所述水質(zhì)統計特征及所述時(shí)序特征進(jìn)行特征融合，得到多模態(tài)融合特征，包括：將所述圖像特征進(jìn)行特征尺度標準化，得到標準化圖像特征，將所述水質(zhì)統計特征進(jìn)行特征尺度標準化，得到標準化水質(zhì)統計特征，將所述時(shí)序特征進(jìn)行特征尺度標準化，得到標準化時(shí)序特征；通過(guò)預設的主成分權重算法計算所述標準化圖像特征的圖像權重，計算所述標準化水質(zhì)統計特征的水質(zhì)統計權重，計算所述標準化時(shí)序特征的時(shí)序權重；將所述圖像權重、所述水質(zhì)統計權重及所述時(shí)序權重生成權重向量；將所述標準化圖像特征、所述標準化水質(zhì)統計特征及所述標準化時(shí)序特征生成標準化特征向量；利用如下所述主成分多維特征融合算法將所述權重向量及所述標準化特征向量進(jìn)行特征融合，得到多模態(tài)融合特征：P＝W·X其中，P為所述多模態(tài)融合特征，X為所述標準化特征向量，W為所述權重向量。
5.如權利要求4所述的基于多模態(tài)的污水凈化分析方法，其特征在于，所述通過(guò)預設的主成分權重算法計算所述標準化圖像特征的圖像權重，包括：對所述標準化圖像特征進(jìn)行主成分降維，得到降維圖像特征；計算所述降維圖像特征的主成分方差；通過(guò)如下所述主成分權重算法根據所述主成分方差計算所述標準圖像特征的圖像權重：
其中，W1為所述圖像權重，Z1為所述主成分方差，Zi為第i個(gè)特征的主成分方差，n為特征的向量。
6.如權利要求1所述的基于多模態(tài)的污水凈化分析方法，其特征在于，所述利用所述向量回歸模型根據所述多模態(tài)融合特征計算所述目標污水區域的水質(zhì)值，包括：將所述多模態(tài)融合特征輸入至所述向量回歸模型中，得到所述目標污水區域的初始水質(zhì)值；按照預設的水質(zhì)參數優(yōu)化函數計算所述初始水質(zhì)值對應的優(yōu)化值；按照所述優(yōu)化值對所述多模態(tài)融合特征進(jìn)行優(yōu)化，得到多模態(tài)融合優(yōu)化特征，并返回至所述將所述多模態(tài)融合特征輸入至所述向量回歸模型中的步驟，直至所述優(yōu)化值大于預設的優(yōu)化閾值時(shí)，輸出所述目標污水區域的水質(zhì)值。
7.如權利要求1所述的基于多模態(tài)的污水凈化分析方法，其特征在于，所述根據所述水質(zhì)值生成所述目標污水區域的污水凈化策略，包括：按照所述水質(zhì)值確定所述目標污水區域的水質(zhì)區域等級；根據所述水質(zhì)區域等級生成所述目標污水區域的污水凈化因子及污水凈化操作；根據所述污水凈化因子及所述污水凈化操作生成所述目標污水區域的污水凈化策略。
8.如權利要求1所述的基于多模態(tài)的污水凈化分析方法，其特征在于，所述按照所述污水凈化策略對所述目標污水區域進(jìn)行凈化，得到目標污水凈化區域，包括：將所述污水凈化策略中的污水凈化因子及污水凈化操作施加至所述目標污水區域中，得到初步污水凈化區域；利用預設的向量回歸模型計算所述初步污水凈化區域的初步水質(zhì)值；根據所述初步水質(zhì)值對所述污水凈化策略進(jìn)行優(yōu)化，得到污水凈化優(yōu)化策略；將所述污水凈化優(yōu)化策略中的污水凈化因子及污水凈化操作施加至所述目標污水區域中，得到目標污水凈化區域。
9.如權利要求1所述的基于多模態(tài)的污水凈化分析方法，其特征在于，所述根據所述凈化特征生成所述目標污水凈化區域的可視化特征圖，包括：對所述凈化特征進(jìn)行分類(lèi)，得到凈化特征類(lèi)別；按照預設的均等分值確定所述凈化特征類(lèi)別的可視化占比；根據所述可視化占比生成所述目標污水凈化區域的占比餅圖；根據所述占比餅圖生成所述目標污水凈化區域的可視化特征圖。
10.一種基于多模態(tài)的污水凈化分析系統，其特征在于，用于執行如權利要求1-9中任一項所述的基于多模態(tài)的污水凈化分析方法，所述系統包括：污水區域特征提取模塊，用于獲取目標污水區域的圖像數據、水質(zhì)數據及時(shí)序數據，提取所述圖像數據的圖像特征，提取所述水質(zhì)數據的水質(zhì)統計特征，以及提取所述時(shí)序數據的時(shí)序特征；特征融合模塊，用于通過(guò)預設的主成分多維特征融合算法將所述圖像特征、所述水質(zhì)統計特征及所述時(shí)序特征進(jìn)行特征融合，得到多模態(tài)融合特征；水質(zhì)值計算模塊，用于利用預設的污水區域數據集構建向量回歸模型，利用所述向量回歸模型根據所述多模態(tài)融合特征計算所述目標污水區域的水質(zhì)值，其中，所述利用預設的污水區域數據集構建向量回歸模型，包括：對所述污水區域數據集進(jìn)行數據增強處理，得到污水區域增強數據；提取所述污水區域增強數據的多維數據特征；根據所述多維數據特征及預設的支持向量系數生成向量回歸模型，其中所述向量回歸模型為：
其中，Y為目標水質(zhì)參數，b為偏置項，γ為水質(zhì)優(yōu)化因子，αi為第i個(gè)特征的支持向量系數，exp為指數函數，g為核函數參數，T為所述多維數據特征的特征均值，Ti為所述多維數據特征向量中第i個(gè)特征的向量值，n為特征的數量；污水凈化策略生成模塊，用于根據所述水質(zhì)值生成所述目標污水區域的污水凈化策略，按照所述污水凈化策略對所述目標污水區域進(jìn)行凈化，得到目標污水凈化區域；污水凈化狀態(tài)確定模塊，用于提取所述目標污水凈化區域的凈化特征，根據所述凈化特征生成所述目標污水凈化區域的可視化特征圖，根據所述可視化特征圖確定所述目標污水區域的污水凈化狀態(tài)。
發(fā)明內容
本發(fā)明提供一種基于多模態(tài)的污水凈化分析方法及系統，其主要目的在于解決進(jìn)行污水凈化分析時(shí)的精確度較低的問(wèn)題。
為實(shí)現上述目的，本發(fā)明提供的一種基于多模態(tài)的污水凈化分析方法，包括：
S1、獲取目標污水區域的圖像數據、水質(zhì)數據及時(shí)序數據，提取所述圖像數據的圖像特征，提取所述水質(zhì)數據的水質(zhì)統計特征，以及提取所述時(shí)序數據的時(shí)序特征；
S2、通過(guò)預設的主成分多維特征融合算法將所述圖像特征、所述水質(zhì)統計特征及所述時(shí)序特征進(jìn)行特征融合，得到多模態(tài)融合特征；
S3、利用預設的污水區域數據集構建向量回歸模型，利用所述向量回歸模型根據所述多模態(tài)融合特征計算所述目標污水區域的水質(zhì)值，其中，所述利用預設的污水區域數據集構建向量回歸模型，包括：
S31、對所述污水區域數據集進(jìn)行數據增強處理，得到污水區域增強數據；
S32、提取所述污水區域增強數據的多維數據特征；
S33、根據所述多維數據特征及預設的支持向量系數生成向量回歸模型，其中所述向量回歸模型為：
其中，Y為目標水質(zhì)參數，b為偏置項，γ為水質(zhì)優(yōu)化因子，αi為第i個(gè)特征的支持向量系數，exp為指數函數，g為核函數參數，T為所述多維數據特征的特征均值，Ti為所述多維數據特征向量中第i個(gè)特征的向量值，n為特征的數量；
S4、根據所述水質(zhì)值生成所述目標污水區域的污水凈化策略，按照所述污水凈化策略對所述目標污水區域進(jìn)行凈化，得到目標污水凈化區域；
S5、提取所述目標污水凈化區域的凈化特征，根據所述凈化特征生成所述目標污水凈化區域的可視化特征圖，根據所述可視化特征圖確定所述目標污水區域的污水凈化狀態(tài)。
可選地，所述提取所述圖像數據的圖像特征，包括：
根據所述圖像數據的像素生成顏色直方圖，根據所述顏色直方圖確定所述目標污水區域的顏色特征；
通過(guò)預設的局部二值模式根據所述圖像數據提取所述目標污水區域的紋理特征；
提取所述圖像數據中的邊界輪廓，根據所述邊界輪廓確定所述目標污水區域的形狀特征；
將所述顏色特征、所述紋理特征及所述形狀特征融合為圖像特征。
可選地，所述提取所述水質(zhì)數據的水質(zhì)統計特征，包括：
根據預設的水質(zhì)類(lèi)別指標對所述水質(zhì)數據進(jìn)行劃分，得到水質(zhì)類(lèi)別數據；
統計所述水質(zhì)類(lèi)別數據中的水質(zhì)最大值及水質(zhì)最小值，根據所述水質(zhì)最大值及所述水質(zhì)最小值確定所述水質(zhì)數據的基本統計特征；
根據所述水質(zhì)數據的變異系數確定所述目標污水區域的波動(dòng)性特征；
將所述基本統計特征及所述波動(dòng)性特征融合為水質(zhì)統計特征。
可選地，所述通過(guò)預設的主成分多維特征融合算法將所述圖像特征、所述水質(zhì)統計特征及所述時(shí)序特征進(jìn)行特征融合，得到多模態(tài)融合特征，包括：
將所述圖像特征進(jìn)行特征尺度標準化，得到標準化圖像特征，將所述水質(zhì)統計特征進(jìn)行特征尺度標準化，得到標準化水質(zhì)統計特征，將所述時(shí)序特征進(jìn)行特征尺度標準化，得到標準化時(shí)序特征；
通過(guò)預設的主成分權重算法計算所述標準化圖像特征的圖像權重，計算所述標準化水質(zhì)統計特征的水質(zhì)統計權重，計算所述標準化時(shí)序特征的時(shí)序權重；
將所述圖像權重、所述水質(zhì)統計權重及所述時(shí)序權重生成權重向量；
將所述標準化圖像特征、所述標準化水質(zhì)統計特征及所述標準化時(shí)序特征生成標準化特征向量；
利用如下所述主成分多維特征融合算法將所述權重向量及所述標準化特征向量進(jìn)行特征融合，得到多模態(tài)融合特征：
P＝W·X
其中，P為所述多模態(tài)融合特征，X為所述標準化特征向量，W為所述權重向量。
可選地，所述通過(guò)預設的主成分權重算法計算所述標準化圖像特征的圖像權重，包括：
對所述標準化圖像特征進(jìn)行主成分降維，得到降維圖像特征；
計算所述降維圖像特征的主成分方差；
通過(guò)如下所述主成分權重算法根據所述主成分方差計算所述標準圖像特征的圖像權重：
其中，W1為所述圖像權重，Z1為所述主成分方差，Zi為第i個(gè)特征的主成分方差，n為特征的向量。
可選地，所述利用所述向量回歸模型根據所述多模態(tài)融合特征計算所述目標污水區域的水質(zhì)值，包括：
將所述多模態(tài)融合特征輸入至所述向量回歸模型中，得到所述目標污水區域的初始水質(zhì)值；
按照預設的水質(zhì)參數優(yōu)化函數計算所述初始水質(zhì)值對應的優(yōu)化值；
按照所述優(yōu)化值對所述多模態(tài)融合特征進(jìn)行優(yōu)化，得到多模態(tài)融合優(yōu)化特征，并返回至所述將所述多模態(tài)融合特征輸入至所述向量回歸模型中的步驟，直至所述優(yōu)化值大于預設的優(yōu)化閾值時(shí)，輸出所述目標污水區域的水質(zhì)值。
可選地，所述根據所述水質(zhì)值生成所述目標污水區域的污水凈化策略，包括：
按照所述水質(zhì)值確定所述目標污水區域的水質(zhì)區域等級；
根據所述水質(zhì)區域等級生成所述目標污水區域的污水凈化因子及污水凈化操作；
根據所述污水凈化因子及所述污水凈化操作生成所述目標污水區域的污水凈化策略。
可選地，所述按照所述污水凈化策略對所述目標污水區域進(jìn)行凈化，得到目標污水凈化區域，包括：
將所述污水凈化策略中的污水凈化因子及污水凈化操作施加至所述目標污水區域中，得到初步污水凈化區域；
利用預設的向量回歸模型計算所述初步污水凈化區域的初步水質(zhì)值；
根據所述初步水質(zhì)值對所述污水凈化策略進(jìn)行優(yōu)化，得到污水凈化優(yōu)化策略；
將所述污水凈化優(yōu)化策略中的污水凈化因子及污水凈化操作施加至所述目標污水區域中，得到目標污水凈化區域。
可選地，所述根據所述凈化特征生成所述目標污水凈化區域的可視化特征圖，包括：
對所述凈化特征進(jìn)行分類(lèi)，得到凈化特征類(lèi)別；
按照預設的均等分值確定所述凈化特征類(lèi)別的可視化占比；
根據所述可視化占比生成所述目標污水凈化區域的占比餅圖；
根據所述占比餅圖生成所述目標污水凈化區域的可視化特征圖。
為了解決上述問(wèn)題，本發(fā)明還提供一種基于多模態(tài)的污水凈化分析系統，所述系統包括：
污水區域特征提取模塊，用于獲取目標污水區域的圖像數據、水質(zhì)數據及時(shí)序數據，提取所述圖像數據的圖像特征，提取所述水質(zhì)數據的水質(zhì)統計特征，以及提取所述時(shí)序數據的時(shí)序特征；
特征融合模塊，用于通過(guò)預設的主成分多維特征融合算法將所述圖像特征、所述水質(zhì)統計特征及所述時(shí)序特征進(jìn)行特征融合，得到多模態(tài)融合特征；
水質(zhì)值計算模塊，用于利用預設的污水區域數據集構建向量回歸模型，利用所述向量回歸模型根據所述多模態(tài)融合特征計算所述目標污水區域的水質(zhì)值；
污水凈化策略生成模塊，用于根據所述水質(zhì)值生成所述目標污水區域的污水凈化策略，按照所述污水凈化策略對所述目標污水區域進(jìn)行凈化，得到目標污水凈化區域；
污水凈化狀態(tài)確定模塊，用于提取所述目標污水凈化區域的凈化特征，根據所述凈化特征生成所述目標污水凈化區域的可視化特征圖，根據所述可視化特征圖確定所述目標污水區域的污水凈化狀態(tài)。
本發(fā)明實(shí)施例通過(guò)提取目標污水區域的圖像特征、水質(zhì)統計特征及時(shí)序特征，有利于得到更加全面的污水區域數據，進(jìn)而將圖像特征、水質(zhì)統計特征及時(shí)序特征進(jìn)行特征融合，融合特征可以幫助更好地理解和描述目標污水區域的特征，可以更準確地對污水區域進(jìn)行凈化；通過(guò)預設的污水區域數據集構建向量回歸模型，進(jìn)而根據向量回歸模型根據目標污水區域的多模態(tài)融合特征可以確定目標污水區域的水質(zhì)值，進(jìn)而根據水質(zhì)值對目標污水區域進(jìn)行高效率凈化；根據水質(zhì)值生成污水凈化策略，可以有效改善污水區域，有針對性地進(jìn)行污水凈化；根據目標污水凈化區域的凈化特征，根據凈化特征生成可視化特征圖，根據可視化特征圖確定污水區域的污水凈化狀態(tài)，有利于非常直觀(guān)地觀(guān)察目標污水區域的污水凈化狀態(tài)。因此本發(fā)明提出的基于多模態(tài)的污水凈化分析方法及系統，可以解決進(jìn)行污水凈化分析時(shí)的精確度較低的問(wèn)題。
（發(fā)明人：譚志吾;鄧先明）
