2.2 基于水色图像的水质评价.pdf

大数据成就未来 基于水色图像的水质评价 案例背景 水质等级最高为10分，请为以下水质打分： 大数据挖掘专家 2 案例背景 水产养殖 • 水产养殖的关键因素之一是水质 • 养殖水体生态系统的平衡状况可通过水质颜色体现 • 传统水质监控的关键：行家 大数据挖掘专家 3 案例背景 依赖人（专家）的局限性 • 对个人经验要求高 • 存在主观性引起的观察性偏差 • 观察结果的可比性、可重复性不高，不易推广应用 大数据挖掘专家 4 案例背景 在线水质监测 1. 计算机视觉 2. 数字图像处理技术 3. 专家经验（专家数据） 4. 机器学习算法 大数据挖掘专家 5 案例背景 原始数据 水质分类标准 水色 水质类别 浅绿色 1 灰蓝色 2 黄褐色 3 / 4 茶褐色 姜黄 / / 5 绿色 黄绿 油绿 大数据挖掘专家 6 挖掘目标 请根据水质图片，利用图像处理技术和相应模型，实现水质的自动评价。 历史数据： 图片1 探究不同水 总结学习 图片2 质样本特点 图片3 新样本： 图片1 处理系统／模型 水质类别 图片2 图片3 大数据挖掘专家 7 分析方法与过程 水质评价流程 样本数据采集 数据预处理 构建专家样本 构建模型 水质评价 提 取 水样分类 模型训练 选择性抽取 图 颜 像 色 模型验证 切