(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210677570.9 (22)申请日 2022.06.16 (65)同一申请的已公布的文献号 申请公布号 CN 114757601 A (43)申请公布日 2022.07.15 (73)专利权人 江苏瑞立环保工程股份有限公司 地址 226200 江苏省南 通市启东市经济开 发区南苑西路1085号 (72)发明人 黄静　薛强　李金伟　何鹏　李丽　 (74)专利代理 机构 北京真致博文知识产权代理 事务所(普通 合伙) 11720 专利代理师 娄华 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01)G06K 9/62(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/762(2022.01) (56)对比文件 CN 113702612 A,2021.1 1.26 审查员 张彪 (54)发明名称 一种基于人工智能的水环境异常排放监测 方法及系统 (57)摘要 本发明涉及人工智能技术领域， 具体涉及一 种基于人工智能的水环境异常排放监测方法及 系统， 该方法包括分别采集第一区域和第二区域 中河流的多组水质参数， 每组水质参数包括由采 集单元采集的水质指标和水体表 面图像； 分别获 取在预设时间段内第一区域和第二区域中每个 采集单元采集的所有水体表面图像的第一特征 描述子序列和第二特征描述子序列； 获取第一特 征描述子序列和第二特征描述子序列的第一时 间差， 根据第一时间差得到第一区域与第二区域 中相应采集单元的最佳匹配对； 提取最佳匹配对 所对应的水体表面图像的特征描述子， 计算特征 描述子之间的第一相似度， 根据第一相似度的大 小判断是否存在偷排行为， 能够 有效识别出私设 的暗管的偷排行为。 权利要求书2页 说明书9页 附图2页 CN 114757601 B 2022.08.26 CN 114757601 B 1.一种基于人工智能的水环境异常排 放监测方法， 其特 征在于， 包括： 分别采集第一区域中河流的多组水质参数、 第二区域中河流的多组水质参数， 所述第 一区域和 第二区域为河流所流经的两个不同的行政区域； 每组所述水质参数包括由采集单 元采集的水质指标和水体表面图像； 分别获取在预设时间段内所述第一区域中每个采集单元采集的所有所述水体表面图 像的第一特征描述子序列、 所述第二区域中每个采集单元采集的所有 所述水体表面图像的 第二特征描述子序列； 获取所述第 一特征描述子序列和所述第 二特征描述子序列的第 一时间差， 根据 所述第 一时间差得到所述第一区域与第二区域中相应采集单 元的最佳匹配对； 提取所述最佳匹配对所对应的水体表面图像的特征描述子， 计算特征描述子之间的第 一相似度， 根据第一相似度的大小判断是否存在偷排行为； 所述所有所述水体表面图像的第 一特征描述子序列的获取方法包括： 将每张所述水体 表面图像输入孪生网络得到第一特征描述子， 所有所述水体表面图像的第一特征描述子组 成所述第一特 征描述子序列； 孪生网络在训练数据集的获取步骤 包括： 获取所述河流的多组样本水质参数， 提取每组所述样本水质参数中水体表面的样本图 像的横向边缘响应之和以及纵向边缘响应之和， 根据所述横向边缘响应之和以及纵向边缘 响应之和的比值得到边 缘系数； 所述样本水质参数中的样本水质指标和所述样本图像的边缘系数为水质向量， 对所述 第一区域和第二区域的所述水质向量进行分类得到相似向量集和不相似向量集， 相似向量 集对应相似图像数据集、 不相似向量集对应不相似图像数据集； 所述相似图像数据集和不 相似图像数据集组成所述训练数据集； 所述根据所述第一时间差得到所述第一区域与第二区域中相应采集单元的最佳匹配 对的步骤 包括： 根据第一时间差分配第 一区域的采集单元和第 二区域的采集单元之间的权重； 根据 所 述权重得到最佳匹配对； 所述根据第一时间差分配第一区域的采集单元和第二区域的采集单元之间的权重的 步骤包括： 通过权重损失函数 得到所述权 重， 所述权 重损失函数为时间损失和权 重损失的乘积； 其中， 所述权 重损失函数 为： 其中， 时间损失函数 ， 权重约束函数 ； 为第 个采集单元和第 个采集单元之间的所述第一时间差， cij 为第 个采集单元和第 个采集单 元之间的所述权 重， 为第二时间差； 所述第二时间差为多个最大的窗口相似度所对应的所述第一时间差的均值； 所述根据所述权 重得到最佳匹配对的方法为采用KM算法得到最佳匹配对； 获取最佳匹配对所对应的特征描述子序列之间的窗口相似度序列以及最佳匹配对之 间的权重， 将窗口相似度序列与相 应的权重加权平均得到最终相似度， 根据该最终相似度权　利　要　求　书 1/2 页 2 CN 114757601 B 2判断是否存在偷排行为， 判断的方法为： 当最终相似度低于预设最低阈值时， 在第一区域发现偷排问题， 但在第二区域未发现 偷排问题， 则确定第二区域存在隐瞒行为； 当最终相似度低于预设最低阈值时， 在第二区域发现水质参数超标， 但在第一区域未 发现该问题， 则确定第一区域存在偷排行为； 当最终相似度高于预设最高阈值 时， 确定第 一区域和第 二区域之间没有隐瞒和偷排的 行为。 2.根据权利要求1所述的一种基于人工智能的水环境异常排放监测方法， 其特征在于， 所述对所述第一区域和第二区域的所述水质向量进行分类得到相似向量集和 不相似向量 集的步骤包括： 计算所述第一区域的水质向量与所述第二区域的水质向量之间的向量相似 度， 将所述向量相似度进行聚类得到所述相似向量 集和所述 不相似向量 集。 3.根据权利要求1所述的一种基于人工智能的水环境异常排放监测方法， 其特征在于， 所述获取 所述第一特 征描述子序列和所述第二特 征描述子序列的第一时间差的步骤 包括： 对于任意两个所述第 一特征描述子序列和第 二特征描述子序列， 选取所述第 一特征描 述子序列或者第二特征描述子序列为目标时间序列， 未被选取的特征描述子序列为匹配时 间序列； 固定目标窗口在目标时间序列上、 利用滑动窗口在所述匹配时间序列上滑动， 得到 窗口相似度 序列； 根据所述窗口相似度序列中的最大的窗口相似度与采样频率的比值得到所述第一时 间差。 4.根据权利要求1所述的一种基于人工智能的水环境异常排放监测方法， 其特征在于， 所述水质参数包括 化学需氧量、 氨 氮、 氰化物浓度指标。 5.一种基于人工智能的水环境异常排放监测系统， 包括存储器、 处理器以及存储在所 述存储器中并可在所述处理器上运行 的计算机程序， 其特征在于， 所述处理器执行所述计 算机程序时实现如权利要求1 ‑4任意一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114757601 B 3