(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211044105.8 (22)申请日 2022.08.30 (71)申请人 中水三立数据技 术股份有限公司 地址 230000 安徽省合肥市蜀山区蜀山 新 产业园稻香路1号 (72)发明人 常仁凯　白翠洪　程谦　尹小文　 徐基斌　谢飞翔　 (74)专利代理 机构 合肥律众知识产权代理有限 公司 34147 专利代理师 赵娟 (51)Int.Cl. G06V 20/10(2022.01) G06N 3/04(2006.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 20/17(2022.01) (54)发明名称 一种蓝藻水华监测方法及该方法的监测预 警系统 (57)摘要 本发明公开了一种蓝藻水华监测方法及该 方法的监测预警系统， 基于改进型SSD网络的蓝 藻水华识别模 型对蓝藻水华监测图像进行识别； 所述改进型SSD网络在传统SSD网络基础上引入 BasicRFB网络， 能够有效保留蓝藻原图上细 节特 征， 提高蓝藻的检测精度。 权利要求书2页 说明书6页 附图6页 CN 115115940 A 2022.09.27 CN 115115940 A 1.一种蓝藻水华监测方法， 其特征在于， 基于改进型SSD网络的蓝藻水华识别模型对蓝 藻水华监测图像进行识别， 所述改进型SSD网络主要由多尺度特征提取网络和六个用于识 别不同尺度特 征图的目标检测分类网络构成； 多尺度特征提取网络依次由VGG网络、 步长为1的BasicRFB网络 Ⅰ、 步长为2的B asicRFB 网络Ⅱ、 步长为2的BasicRFB网络 Ⅲ、 二维卷积层、 卷积层 Ⅰ、 卷积层Ⅱ构成； 第一尺度的目标检测分类网络的输入特征图由VGG网络的Conv4_3层输出的特征图经 归一化层处理后得到； 第二尺度的目标检测分类网络的输入特 征图取自BasicRFB网络 Ⅰ输出的特 征图； 第三尺度的目标检测分类网络的输入特 征图取自BasicRFB网络 Ⅱ输出的特 征图； 第四尺度的目标检测分类网络的输入特 征图取自BasicRFB网络 Ⅲ输出的特 征图； 第五尺度的目标检测分类网络的输入特 征图取自卷积层 Ⅰ输出的特 征图； 第六尺度的目标检测分类网络的输入特 征图取自卷积层 Ⅱ输出的特 征图。 2.根据权利要求1所述的蓝藻水华监测方法， 其特征在于， 蓝藻水华识别模型构建过程 包括以下步骤： 步骤A1， 采集大量 不同自然条件下湖泊水面 不同面积、 厚度蓝藻水华的图像样本； 步骤A2， 对采集到的图像样本进行增强处 理以及扩增处 理； 步骤A3， 对 扩增处理后的图像样本进行 人工标注， 标注出蓝藻在图像中的位置； 步骤A4， 将完成标注的图像样本分成训练集和验证集； 步骤A5， 利用训练集对所述改进型SSD网络进行训练， 并用验证集对训练结果进行验 证， 直至得到实现预期识别效果的蓝藻水华识别模型。 3.根据权利要求2所述的蓝藻水华监测方法， 其特征在于， 该蓝藻水华监测方法具体包 括以下步骤： 步骤B1， 通过 无人机巡航， 采集湖泊水面图像； 步骤B2， 对 采集到的图像进行增强处 理； 步骤B3， 将增强后的图像输入蓝藻水华识别模型， 得到检测结果。 4.根据权利要求3所述的蓝藻水华监测方法， 其特征在于， 所述步骤B3中， 蓝藻水华识 别模型对增强后的图像进行蓝藻水华识别包括如下操作： 300×300的三通道图像经过VGG网络， 由该网络的Conv4_3层输出38 ×38×512的特征 图， 再通过第一尺度的目标检测分类网络针对这些特征图进行每个网格点上默认4个先验 框的分类以及回归预测， 得到  38×38×4=5776 个先验框； 38×38×512的特征图继续经过VGG网络的FC7层， 被压缩成19 ×19×1024的特征图， 再 经过BasicRFB网络 Ⅰ， 然后通过第二尺度的目标检测分类网络针对这些特征图进行每个网 格点上默认为6个先验框的分类与回归预测， 得到19 ×19×6=2166个先验框； 19×19×1024的特征图经过BasicRFB网络 Ⅱ进一步压缩成10 ×10×512的特征图， 再 通过第三尺度的目标检测分类网络针对这些特征图进 行每个网格点上默认为6个先验框的 分类与回归预测， 得到10 ×10×6=600个先验框； 10×10×512的特征图再次经过BasicRFB网络 Ⅲ进一步压缩成5 ×5×256的特征图， 再 通过第四尺度的目标检测分类网络针对这些特征图进 行每个网格点上默认为6个先验框的 分类与回归预测， 得到 5×5×6=150个先验框；权　利　要　求　书 1/2 页 2 CN 115115940 A 25×5×256的特征图经过二维卷积层进一步压缩成5 ×5×128的特征图， 再经过卷积层 Ⅰ进一步压缩成3 ×3×256的特征图， 再通过第五尺度的目标检测分类网络针对这些特征图 进行每个网格点上默认为 4个先验框的分类与回归预测， 得到 3×3×4=36个先验框； 3×3×256的特征图经过卷积层 Ⅱ进一步压缩成1 ×1×256的特征图， 再通过第六尺度 的目标检测分类网络针对这些特征图进行每个网格点上默认为4个先验框的分类与回归预 测， 得到1 ×1×4=4个先验框 。 5.根据权利 要求2或3所述的蓝藻水华监测方法， 其特征在于， 样本扩增处理基于SMOTE 算法。 6.一种蓝藻水华监测预警系统， 其特征在于， 基于权利要求3或4所述的蓝藻水华监测 方法对湖泊水面的蓝藻水华进行监测， 当发现蓝藻水华现象时及时通过平台预警。权　利　要　求　书 2/2 页 3 CN 115115940 A 3