一种基于边缘计算的河道漂浮物监测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114120218A(43)申请公布日2022.03.01(21)申请号202111280254.XG06V10/82(2022.01)(22)申请日2021.10.29G06F9/50(2006.01)G06N3/04(2006.01)(71)申请人河南中光学集团有限公司G06N3/08(2006.01)地址473000河南省南阳市工业南路508号申请人南阳师范学院(72)发明人张锐李贺贾会梅梁涛杨克义包良奇杨帅鹏白晓波王二红(74)专利代理机构北京隆达恒晟知识产权代理有限公司11899代理人时移(51)Int.Cl.G06V20/52(2022.01)G06V20/10(2022.01)G06V10/30(2022.01)权利要求书1页说明书4页附图2页(54)发明名称一种基于边缘计算的河道漂浮物监测方法(57)摘要本发明公开了一种基于边缘计算的河道漂浮物监测方法，包括以下步骤：步骤一、通过调取摄像头获取实时视频数据，并提取关键帧图像；步骤二、对步骤一提取的关键帧图像进行图像预处理操作，首先对提取的关键帧图像采用改进的中值滤波做平滑去噪处理，去噪的同时又能保护图像中目标边缘信息，然后对去噪后图像进行拉普拉斯锐化处理，提高图像对比度，增强图像中目标边缘信息。本发明采用选取检测速度和精度有较好平衡的神经网络模型，经过大量数据集训练之后，通过模型剪枝，在保证检测精度的同时，压缩模型大小，提高检测速度，再结合Soc芯片部署到边缘设备中，极大的降低网络中大量数据传输造成的时延，满足实际应用中的实时性需求。CN114120218ACN114120218A权利要求书1/1页1.一种基于边缘计算的河道漂浮物监测方法，其特征在于：包括以下步骤：步骤一、通过调取摄像头获取实时视频数据，并提取关键帧图像；步骤二、对步骤一提取的关键帧图像进行图像预处理操作，首先对提取的关键帧图像采用改进的中值滤波做平滑去噪处理，去噪的同时又能保护图像中目标边缘信息，然后对去噪后图像进行拉普拉斯锐化处理，提高图像对比度，增强图像中目标边缘信息，更有利于接下来的卷积神经网络的识别；步骤三、采用最新的YOLOV5网络结构，通过大量数据集进行训练得到带有权重的检测模型，并对其模型进行剪枝，压缩模型体积，在保证检测精度的同时提高检测速度，再部署到SOC芯片中；步骤四、将步骤二处理后的图像作为卷积神经网络的输入，通过训练好的网络模型进行识别检测，并将识别结果传输至后台；步骤五、根据检测结果在后台展示并在有漂浮物时进行预警。2CN114120218A说明书1/4页一种基于边缘计算的河道漂浮物监测方法技术领域[0001]本发明属于河道环境监测技术领域，具体涉及一种基于边缘计算的河道漂浮物监测方法。背景技术[0002]水面漂浮物检测(Floatingobjectdetectiononwatersurface)能够通过目标检测(TargetDetection)技术对水面的漂浮目标物进行提取和识别，目前大多采用在水面附近布置监控摄像头，获取水面视频数据将其传输至后台服务器或云端进行目标检测技术处理。随着监控技术的不断发展，监控视频数据画质和分辨率的增强，前端采集的视频数据体积也在不断扩增。在此情况下，这种前端采集、后端处理的方式会给网络带宽带来很大压力，并且由于海量数据传输处理也会使整个过程存在较大时延。通过边缘计算(EdgeComputing)能够很好的解决以上问题，如何选取适合边缘计算的SOC(System‑on‑a‑Chip)芯片和目标检测模型，并将其部署到网络摄像机上，通过在数据采集端进行边缘计算，实现对河道漂浮物的实时识别监测，满足实际应用中对实时性和检测精度的需求是本发明的目标。[0003]现有的技术较多考虑的是对采集到的数据进行检测处理，较少考虑数据传输过程中的网络负载问题以及传输时延导致的实时性问题，为了解现有技术的发展状况，对已有的专利进行了检索、比较和分析，筛选出如下与本发明相关度比较高的技术信息：[0004]专利方案1：CN202110385058.2适用于河道的漂浮物识别方法与系统、设备、介质；[0005]该发明提供了一种适用于河道的漂浮物识别方法，能够有效识别复杂背景下的待检测区域。该方法首先对待检测区域进行数据采集，对采集的图像进行预处理；然后利用生长区域的识别算法对预处理后的图像进行语义划分，确定待监测区域轮廓；最后通过利用标准数据集训练过的神经网络识别待监测区域的漂浮物，进行分类。[0006]专利方案2：CN201811184499.0一种基于神经网络和图像识别的智能水面漂浮物打捞系统；[0007]该发明公开了一种基于神经网络和图像识别的智能水面漂浮物打捞系统。该方法首先通过