一种静水域监测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115100602A(43)申请公布日2022.09.23(21)申请号202210769494.4G01D21/02(2006.01)(22)申请日2022.06.30(71)申请人浙江金融职业学院地址310018浙江省杭州市下沙高教园区学源街118号(72)发明人林吉(74)专利代理机构重庆知虫专利代理事务所(普通合伙)50288专利代理师张泽朝(51)Int.Cl.G06V20/52(2022.01)G06V10/764(2022.01)G06V10/77(2022.01)G06V10/36(2022.01)G06T3/40(2006.01)权利要求书3页说明书7页附图1页(54)发明名称一种静水域监测方法(57)摘要本发明公开了一种静水域监测方法，包括如下步骤：数据采集步骤，利用多个监测点采集多张目标水域区域的图像数据，并采集监测点的环境信息；关键点提取步骤，获取目标水域区域的参考路径，基于所述参考路径提取各张图像数据中的关键点信息，并为各关键点添加标记；图像拼接步骤，基于各关键点以及对应的标记将至少部分图像数据进行拼接；模型识别步骤，基于拼接后获得的目标图像以及所述环境信息输入预先训练好的识别模型，以获得检测结果。利用本申请实施例的方案实现了对人工湖景观湖环境污染的判断，由此快速了解人工湖环境的水域状态，便于相关人员对水域环境进行管理。CN115100602ACN115100602A权利要求书1/3页1.一种静水域监测方法，其特征在于，用于校园人工湖水域监测，包括如下步骤：数据采集步骤，利用多个监测点采集多张目标水域区域的图像数据，并采集监测点的环境信息，其中多个监测点沿目标水域区域周围布置，所述环境信息至少包括天气数据以及温度数据；关键点提取步骤，获取目标水域区域的参考路径，基于所述参考路径提取各张图像数据中的关键点信息，并为各关键点添加标记，其中所述参考路径基于与所述目标水域区域周围环境对比度大于预设阈值，且，包围所述目标水域区域；图像拼接步骤，基于各关键点以及对应的标记将至少部分图像数据进行拼接；模型识别步骤，基于拼接后获得的目标图像以及所述环境信息输入预先训练好的识别模型，以获得检测结果。2.如权利要求1所述的静水域监测方法，其特征在于，基于所述参考路径提取各张图像数据中的关键点信息包括：基于预先设置的背景图像去除采集的任一张图像数据的背景，以获得第一图像；将第一图像处理为灰度图像，并采用如下方式根据所述灰度图像的灰度级确定二值化阈值：定义两个灰度级平均值：其中其中αt为第一灰度级平均值，βt为第二灰度级平均值，Ul为第一图像参数，Wl为第二图像参数，pk为灰度级为k的像素总数，n为灰度级最大值，t为中间阈值，t＝max(Ul(Un‑Ul)(αl‑2βl))；基于所述中间阈值将所述灰度图像二值化。3.如权利要求2所述的静水域监测方法，其特征在于，基于所述中间阈值将所述灰度图像二值化包括采用如下方式确定二值化阈值：定义输入灰度图像为f(x,y)，则二值化后的图像g(x,y)满足：2CN115100602A权利要求书2/3页对二值化后的图像g(x,y)进行中值滤波，以获得二值化结果图像。4.如权利要求3所述的静水域监测方法，其特征在于，基于所述参考路径提取各张图像数据中的关键点信息还包括：将任一张二值化结果图像缩小指定倍数，获得图像g'(x,y)；定义如下第一向量和第二向量：aim＝(xi‑xi+m,yi‑yi+m)bim＝(xi‑xi‑m,yi‑yi‑m)其中aim为第一向量，bim为第二向量，m为像素点之间的距离变量，xi、yi分别为图像g'(x,y)在边界序列点i处的横纵坐标；求取所述第一向量和所述第二向量之间的夹角余弦，以确定出关键点序列；基于所述关键点序列映射至各张采集的图像数据中，以获得关键点信息。5.如权利要求4所述的静水域监测方法，其特征在于，基于所述关键点序列映射至各张采集的图像数据中包括：将所述关键点序列的横纵坐标扩大与在先缩小的指定倍数对应的倍数，以确定中间关键点序列；基于二值化结果图像确定出所述参考路径的边界，并判断中间关键点序列的中间关键点与所确定参考路径的边界之间的距离是否小于预设距离阈值；在中间关键点与所确定参考路径的边界之间的距离大于预设距离阈值的情况下，将该中间关键点偏移至距离参考路径的边界小于预设距离阈值的目标点，以使得获得的二值化关键点序列偏向于所述目标水域区域的内边界；基于采集的图像信息以及二值化关键点序列，获得关键点信息。6.如权利要求5所述的静水域监测方法，其特征在于，为各关键点添加标记包括：以所述关键点信息任一关键点为圆心，选取指定半径且朝向所述目标水域区域方向的半圆覆盖的所有像素点，其中所述指定半径大于