申请/专利权人：江西匠制科技有限公司

申请日：2024-05-17

公开（公告）日：2024-06-14

公开（公告）号：CN118196641A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/26;G06V10/44;G06V10/762;G06V10/764;G06V10/82

优先权：

专利状态码：在审-公开

法律状态：2024.06.14#公开

摘要：本发明公开了基于AI的区域排放特征水质污染溯源方法，方法包括数据采集、预定义、图像分割、建立水质污染溯源模型和水质污染溯源。本发明属于图像处理技术领域，具体是指基于AI的区域排放特征水质污染溯源方法，本方案通过引入空间函数重新定义模糊隶属度和聚类中心，通过迭代优化的方式最大化图像的分割效果；在空间金字塔池化设计中引入四种不同尺寸的池化操作，提高模型对全局信息的感知能力；在膨胀卷积设计中通过设置扩张率来扩展感受野，结合混合扩张卷积，提高模型对图像的理解能力；通过引入精英扰动和对其余个体位置的更新，从而实现系统参数优化。

主权项：1.基于AI的区域排放特征水质污染溯源方法，其特征在于：该方法包括以下步骤：步骤S1：数据采集；步骤S2：预定义，引入空间函数重新定义模糊隶属度和聚类中心；步骤S3：图像分割，通过迭代优化的方式，调整聚类中心和模糊隶属度，完成图像分割；步骤S4：建立水质污染溯源模型，在空间金字塔池化设计中引入四种不同尺寸的池化操作；在膨胀卷积设计中通过设置扩张率来扩展感受野；在损失设计中采用了结合交叉熵损失和类别不平衡损失的损失函数；通过引入精英扰动和对其余个体位置的更新实现模型参数优化；步骤S5：水质污染溯源；所述步骤S2包含步骤S21：引入空间函数，基于像素的邻域信息定义空间函数，表示如下： ； ；式中，αt是像素xt和中心像素xk的空间关系权重；β是控制权重分布的参数；hik是中心像素xk属于第i聚类的空间信息；Nk是中心像素xk的邻域；uit和ujt分别是像素xt属于第i个聚类和第j个聚类的隶属度；c是图形中总聚类数；像素xt和中心像素xk在运算时用像素点的灰度值表示；所述步骤S3包含步骤S33：更新模糊隶属度矩阵，所用公式如下： ；式中，Ur+1和Ur分别是第r+1次迭代时和第r次迭代时的模糊隶属度矩阵；X是输入图像矩阵；是矩阵的Frobenius范数的平方；和都是正则化参数，用于平衡重建误差和奇异值惩罚项之间的权衡；是第j个奇异值，是模糊隶属度矩阵的奇异值分解结果中的特征值；是避免分母为0的极小正数。

全文数据：

权利要求：

百度查询： 江西匠制科技有限公司 基于AI的区域排放特征水质污染溯源方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD