【技术实现步骤摘要】
本专利技术涉及环境污染，具体涉及一种基于图像分析的环境污染行为识别方法。
技术介绍
1、环境污染指自然的或人为的破坏，向环境中添加某种物质，超过环境本身自净能力而产生危害的行为。由于人为因素使环境的构成或状态发生变化，从而扰乱、破坏了生态系统及人类正常生产和生活的现象。
2、工地施工过程中容易出现各类环境污染行为，包括工地裸土未覆盖、工地车辆未冲洗、渣土车未密闭运输、工地未围挡、工地未湿法作业、道路未硬化、烟火焚烧、工地扬尘等，施工现场周围空气质量较差，因此需要对施工工地进行环境污染行为识别，以确定施工现场出现的各类环境污染行为。
3、然而，现有的环境污染行为识别方法都不具备深度学习自动识别环境污染行为及环境污染场景的能力，或者只能对单一目标、单一场景进行识别，需要依靠人工或者半人工排查的方式来实现环境污染行为的判别，降低了环境污染行为的识别效率、准确率，同时增加了人工成本。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术所存在的上述缺点，本专利技术提供了一种基于图像分析的环境污染行为识别方法，能够有效克服现有技术所存在的不能对施工工地进行准确、高效、全面的环境污染行为识别的缺陷。
3、(二)技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：
5、一种基于图像分析的环境污染行为识别方法，包括以下步骤：
6、s1、收集目标工地区域的多源数据，根据多源数据获取污染行为类别信息，
7、s2、构建预设时间段内多源数据时序序列，并提取目标工地区域内污染行为的时序特征和空间特征；
8、s3、对污染行为的时序特征和空间特征进行融合，得到时空融合特征，利用时空融合特征对污染行为识别模型进行训练；
9、s4、获取目标工地区域的遥感图像，对遥感图像进行预处理，利用预处理后的遥感图像对污染源识别模型进行训练；
10、s5、获取目标工地区域的实时多源数据和实时遥感图像，将实时多源数据输入训练好的污染行为识别模型，得到污染行为识别结果，将实时遥感图像输入训练好的污染源识别模型，得到污染源识别结果；
11、s6、结合污染行为识别结果和污染源识别结果对目标工地区域的污染行为进行综合分析，得到目标工地区域污染行为识别结果。
12、优选地，s1中根据多源数据获取污染行为类别信息，并确定各类污染行为对应的空间分布情况，包括：
13、s11、根据目标工地区域的施工区划分获取污染行为关键词，并基于多源数据对污染行为关键词与施工区进行关联，为施工区设置污染行为污染行为类别标签；
14、s12、基于各施工区的地理位置信息将目标工地区域划分为格栅区域，并在格栅区域中对各施工区进行标记，确定各类污染行为对应的空间分布情况。
15、优选地，s12中在格栅区域中对各施工区进行标记，确定各类污染行为对应的空间分布情况，包括：
16、将各施工区的污染行为类别标签映射至对应的格栅区域，得到各格栅区域的污染行为类别标签，并结合多源数据对各格栅区域的污染行为类别标签进行验证及修正。
17、优选地，s2中构建预设时间段内多源数据时序序列，并提取目标工地区域内污染行为的时序特征和空间特征，包括：
18、s21、构建目标工地区域内关于各格栅区域的无向图，将各格栅区域的污染行为类别标签作为无向图中各格栅区域节点的附加特征；
19、s22、在无向图中构建相似度邻接矩阵和距离邻接矩阵，并基于相似度邻接矩阵和距离邻接矩阵获取污染行为的空间特征；
20、s23、利用时间卷积神经网络设置时序特征提取层，并基于时序特征提取层获取污染行为的时序特征。
21、优选地，s22中在无向图中构建相似度邻接矩阵和距离邻接矩阵，并基于相似度邻接矩阵和距离邻接矩阵获取污染行为的空间特征，包括：
22、s221、计算各格栅区域节点之间的特征相似度，并选取邻接格栅区域节点，基于邻接格栅区域节点构建相似度邻接矩阵；
23、s222、计算各格栅区域节点之间的欧氏距离，并选取符合距离要求的格栅区域节点构建距离邻接矩阵；
24、s223、将不同格栅区域节点之间的皮尔逊相关系数作为格栅区域节点的聚合权重，利用特征传递和特征聚合机制基于相似度邻接矩阵和距离邻接矩阵获取污染行为的空间特征。
25、优选地，s23中利用时间卷积神经网络设置时序特征提取层，并基于时序特征提取层获取污染行为的时序特征，包括：
26、利用时间卷积神经网络设置时序特征提取层，在时序特征提取层中引入空洞卷积并使用残差网络进行连接，设置与格栅区域节点相同的卷积核，利用不同邻接矩阵进行图卷积输出获取污染行为的时序特征。
27、优选地，s3中对污染行为的时序特征和空间特征进行融合，得到时空融合特征，包括：
28、s31、利用多尺度注意力网络分别对污染行为的时序特征、空间特征进行加权操作，得到加权时序特征和加权空间特征；
29、s32、利用融合网络对加权时序特征和加权空间特征进行融合，得到时空融合特征。
30、优选地，s4中获取目标工地区域的遥感图像，对遥感图像进行预处理，利用预处理后的遥感图像对污染源识别模型进行训练，包括：
31、s41、获取目标工地区域的遥感图像，对遥感图像进行预处理；
32、s42、对预处理后的遥感图像进行图像增强操作，以得到增强遥感图像；
33、s43、利用深度目标检测模型基于增强遥感图像对污染源识别模型进行训练，得到训练好的污染源识别模型。
34、优选地，所述深度目标检测模型采用递归特征空间金字塔和可切换空洞卷积的网络架构，来提取并融合增强遥感图像中的浅层纹理信息和深层语义信息，所述深度目标检测模型采用多阈值级联回归检测方式对识别结果进行筛选及重复利用。
35、优选地，s5中将实时遥感图像输入训练好的污染源识别模型，得到污染源识别结果，包括：
36、采用非最大值抑制算法对污染源识别模型输出的所有污染源识别结果进行筛选，以得到筛选后的污染源识别结果；
37、基于实时遥感图像的地理信息计算筛选后的污染源识别结果的位置信息，并输出筛选后的污染源识别结果及其位置信息。
38、(三)有益效果
39、与现有技术相比，本专利技术所提供的一种基于图像分析的环境污染行为识别方法，具有以下有益效果：
40、1)收集目标工地区域的多源数据，根据多源数据获取污染行为类别信息，并确定各类污染行为对应的空间分布情况，构建预设时间段内多源数据时序序列，并提取目标工地区域内污染行为的时序特征和空间特征，对污染行为的时序特征和空间特征进行融合，得到时空融合特征，利用时空融合特征对污染行为识别模型进行训练，基于目标工地区域的多源数据提取污本文档来自技高网...
【技术保护点】
1.一种基于图像分析的环境污染行为识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于图像分析的环境污染行为识别方法，其特征在于：S1中根据多源数据获取污染行为类别信息，并确定各类污染行为对应的空间分布情况，包括：
3.根据权利要求2所述的基于图像分析的环境污染行为识别方法，其特征在于：S12中在格栅区域中对各施工区进行标记，确定各类污染行为对应的空间分布情况，包括：
4.根据权利要求3所述的基于图像分析的环境污染行为识别方法，其特征在于：S2中构建预设时间段内多源数据时序序列，并提取目标工地区域内污染行为的时序特征和空间特征，包括：
5.根据权利要求4所述的基于图像分析的环境污染行为识别方法，其特征在于：S22中在无向图中构建相似度邻接矩阵和距离邻接矩阵，并基于相似度邻接矩阵和距离邻接矩阵获取污染行为的空间特征，包括：
6.根据权利要求5所述的基于图像分析的环境污染行为识别方法，其特征在于：S23中利用时间卷积神经网络设置时序特征提取层，并基于时序特征提取层获取污染行为的时序特征，包括：
7.
8.根据权利要求1所述的基于图像分析的环境污染行为识别方法，其特征在于：S4中获取目标工地区域的遥感图像，对遥感图像进行预处理，利用预处理后的遥感图像对污染源识别模型进行训练，包括：
9.根据权利要求8所述的基于图像分析的环境污染行为识别方法，其特征在于：所述深度目标检测模型采用递归特征空间金字塔和可切换空洞卷积的网络架构，来提取并融合增强遥感图像中的浅层纹理信息和深层语义信息，所述深度目标检测模型采用多阈值级联回归检测方式对识别结果进行筛选及重复利用。
10.根据权利要求8所述的基于图像分析的环境污染行为识别方法，其特征在于：S5中将实时遥感图像输入训练好的污染源识别模型，得到污染源识别结果，包括：
...【技术特征摘要】
1.一种基于图像分析的环境污染行为识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于图像分析的环境污染行为识别方法，其特征在于：s1中根据多源数据获取污染行为类别信息，并确定各类污染行为对应的空间分布情况，包括：
3.根据权利要求2所述的基于图像分析的环境污染行为识别方法，其特征在于：s12中在格栅区域中对各施工区进行标记，确定各类污染行为对应的空间分布情况，包括：
4.根据权利要求3所述的基于图像分析的环境污染行为识别方法，其特征在于：s2中构建预设时间段内多源数据时序序列，并提取目标工地区域内污染行为的时序特征和空间特征，包括：
5.根据权利要求4所述的基于图像分析的环境污染行为识别方法，其特征在于：s22中在无向图中构建相似度邻接矩阵和距离邻接矩阵，并基于相似度邻接矩阵和距离邻接矩阵获取污染行为的空间特征，包括：
6.根据权利要求5所述的基于图像分析的环境污染行为识别方法，其特征在于：s23中利用...
【专利技术属性】
技术研发人员：况志强，王明，吕祚坤，徐纬煜，王耀东，汪建筑，张帅，
申请(专利权)人：合肥中科光博量子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。