买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：结合视觉解析模型的水质预测方法，其属于污水处理的技术领域。该方法按时间索引将颜色类别数据并入水质历史数据中，扩展水质数据的维度，生成新的带有颜色维度的水质数据；采用神经网络算法框架按照时序数据预测模型的方法进行训练建模，生成水质预测模型。根据水质历史数据建立预测模型，预测未来一定时期水质情况；通过长期观察总结规律发现，水体如果呈现某种特定的颜色，通常表示水体中含有某种或者某些特定物质，且浓度较大，虽然这些物质没法通过检测设备检测出来，但是能够通过颜色表现出来。该方法采用在水质数据的基础上，引入水体颜色指标项，进而扩展数据维度，重新建立预测模型，提高预测准确度。

主权项：1.结合视觉解析模型的水质预测方法，其特征在于，包括以下步骤：S1.积累监测点位的水质历史数据以及监测图像历史数据；（1）水质数据一般来源为水质监测设备的实时回传数据，一般有3-10种检测指标项，保存在数据库中，根据需要从数据库中导出数据，保存成表格文件，供后续使用；（2）监测图像数据来源于监控摄像头的实时画面按照固定频率截屏保存的图片数据；（3）需要至少三年的水质历史数据和至少3000张能够显示不同水体颜色的监控图像数据；水质数据按照时间索引进行排列，用于后续模型训练；S2.历史数据积累完成后，先使用图像数据进行视觉模型建模；建模过程遵循标记图像数据——编码训练模型——保存模型三个子步骤；（1）标记图像数据：将图像数据中目标水体按颜色进行标记分类，共分为红、橙、黄、绿、蓝、紫、黑、白八种类别，将八种颜色类别数据进行数值化处理，由文字描述转换成数值数据，黑-0,白-7,红-1,橙-2，黄-3，绿-4，蓝-5，紫-6，作为视觉解析模型的识别结果,以水体颜色为识别目标，为每张图片生成对应的标记文件；（2）编码训练模型：采用通用的yolov5算法框架，加载图像数据和标记文件，调整算法模型预置参数，建立视觉解析模型；（3）保存模型：模型训练完毕后，将模型以文件形式保存在本地，供日后加载调用；S3.按照水质历史数据的时间索引，对每个时刻的监控视频进行截图，使用视觉模型识别图像中水体颜色；S4.按时间索引将颜色类别数据并入水质历史数据中，扩展水质数据的维度，生成新的带有颜色维度的水质数据；S5.采用keras神经网络算法框架按照时序数据预测模型的方法进行训练建模，生成水质预测模型；S6.水质监测数据每小时保存一条数据，包括该时刻N个监测指标的数值；每小时截取监控图像，对图像水体颜色进行识别，将结果数值化，作为第N+1个指标数值保存；S7.调用模型进行未来水质预测时，需要将调取当前时刻之前的M条数据，作为模型计算的输入数据，数据形式为M行，N+1列的表格数据；加载水质预测模型，对数据的表格数据进行计算，得到未来T时刻的水质预测结果。

全文数据：

权利要求：

百度查询： 大连大开污水处理有限公司 结合视觉解析模型的水质预测方法