申请/专利权人：国家海洋局南海规划与环境研究院

申请日：2023-12-18

公开（公告）日：2024-04-09

公开（公告）号：CN117455743B

主分类号：G06Q50/26

分类号：G06Q50/26;G06N3/0464;G06Q10/10;G06V10/80

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2024.02.13#实质审查的生效;2024.01.26#公开

摘要：本发明提供了基于深度学习的疏浚泥资源化利用评价方法及系统，属于资源利用技术领域。首先获取疏浚泥样本；其次将所述疏浚泥样本进行物理分析、化学分析和生物分析，得到物理特征、化学特征和生物特征；再将疏浚泥样本图像输入到图像特征提取网络中进行特征提取，得到图像特征；然后将所述图像特征、所述物理特征、所述化学特征和所述生物特征输入到资源网络中进行识别，输出资源利用方式；最后根据所述资源利用方式进行规划，得到规划方案。本发明能够有效地评价疏浚泥的资源化利用潜力，提高疏浚泥的处理效率和资源化利用水平，减少疏浚泥的环境影响和处理成本，实现了对疏浚泥资源化利用潜力的高效、准确评估。

主权项：1.基于深度学习的疏浚泥资源化利用评价方法，其特征在于，所述方法包括：步骤S1：获取疏浚泥样本；步骤S2：将所述疏浚泥样本进行物理分析、化学分析和生物分析，得到物理特征、化学特征和生物特征，具体包括：所述物理特征包括含水率、平均颗粒直径、温度影响系数、颗粒范德华力、孔隙率和杨氏模量，所述化学特征包括来源及环境影响系数、结构及形态影响系数、时间及空间影响系数、迁移及转化系数和污染评估指数，所述生物特征包括微生物数量和微生物代谢活性；疏浚泥含水率公式为： ；式中，为疏浚泥含水率；为水的质量；为固体质量；疏浚泥平均颗粒直径公式为： ；式中，为疏浚泥平均颗粒直径；为第个颗粒直径；为第个颗粒频率；为颗粒个数；疏浚泥温度影响系数公式为： ；式中，为疏浚泥温度影响系数；为疏浚泥黏度；为参考黏度；为活化能；为气体常数；为疏浚泥温度；为参考温度；疏浚泥颗粒间的范德华力公式为： ；式中，为疏浚泥颗粒间的范德华力；为汉密尔顿常数；为疏浚泥厚度；为颗粒半径；为颗粒间距离；疏浚泥孔隙率公式为： ；式中，为疏浚泥孔隙率；为疏浚泥总体积；为疏浚泥固体体积；疏浚泥杨氏模量公式为： ；式中，为疏浚泥颗粒的杨氏模量；为颗粒的应力；为颗粒的应变；疏浚泥来源及环境影响系数公式为： ；式中，为疏浚泥来源及环境影响系数；为第种化合物的含量；为第种化合物的权重；化合物的种类数；疏浚泥结构及形态影响系数公式为： ；式中，为疏浚泥结构及形态影响系数；为第种化合物的结构或形态得分；疏浚泥时间及空间影响系数公式为： ；式中，为疏浚泥时间及空间影响系数；为第种化合物的时间得分；为第种化合物的空间得分；疏浚泥迁移及转化系数公式为： ；式中，为疏浚泥迁移及转化系数；为第种污染物含量；为第种污染物迁移速率；为第种污染物转化速率；为污染物种类数；疏浚泥污染评估指数公式为： ；式中，为疏浚泥污染评估指数；为第种污染物毒性系数；疏浚泥微生物数量公式为： ；式中，为疏浚泥微生物数量；为初始微生物数量；为微生物增长速率；为时间；疏浚泥微生物代谢活性公式为： ；式中，为疏浚泥微生物代谢活性；为一定时间内微生物消耗或产生的底物或产物的浓度变化；为时间间隔；步骤S3：将疏浚泥样本图像输入到图像特征提取网络中进行特征提取，得到图像特征，具体包括：所述图像特征提取网络包括第一标准卷积层、第一规范化激活层、第一最大池化层、第一结构化动态卷积模块、第二规范化激活层、第二结构化动态卷积模块、第三规范化激活层、三元注意力模块、多尺度递归注意力模块、第二标准卷积层、第四规范化激活层、第三标准卷积层、第一批归一化层、第四标准卷积层、第二批归一化层、元素相加层、第一激活函数层、第二最大池化层、第五标准卷积层、第三最大池化层和第一全局平均池化层；将所述疏浚泥样本图像依次输入到所述第一标准卷积层、所述第一规范化激活层和所述第一最大池化层进行卷积和池化操作，得到特征图S3；将所述特征图S3依次输入到所述第一结构化动态卷积模块、所述第二规范化激活层、所述第二结构化动态卷积模块和所述第三规范化激活层进行动态卷积操作，得到特征图S7；将所述特征图S7依次输入到所述三元注意力模块和所述多尺度递归注意力模块进行注意力操作，得到特征图S9；将所述特征图S9依次输入到所述第二标准卷积层、所述第四规范化激活层、所述第三标准卷积层、所述第一批归一化层、所述第四标准卷积层、所述第二批归一化层和所述元素相加层进行卷积和元素相加操作，得到特征图S16；将所述特征图S16依次输入到所述第一激活函数层、所述第二最大池化层、所述第五标准卷积层、所述第三最大池化层和所述第一全局平均池化层进行特征提取操作，得到图像特征S21；步骤S4：将所述图像特征、所述物理特征、所述化学特征和所述生物特征输入到资源网络中进行识别，输出资源利用方式，具体包括：所述资源网络包括张量重塑层、深度可分离卷积层、第三批归一化层、第六标准卷积层、第四批归一化层、第二全局平均池化层、张量拼接层、全连接激活层和全连接分类层；将所述物理特征、所述化学特征和所述生物特征进行预处理，将处理后结果输入到所述张量重塑层进行张量重塑，得到特征图S22；将所述特征图S22输入到所述深度可分离卷积层进行深度可分离卷积操作，得到特征图S23；将所述特征图S23输入到所述第三批归一化层进行批归一化操作，得到特征图S24；将所述特征图S24输入到所述第六标准卷积层进行卷积操作，得到特征图S25；将所述特征图S25输入到所述第四批归一化层进行批归一化操作，得到特征图S26；将所述特征图S26输入到所述第二全局平均池化层，得到特征图S27；将所述图像特征S21和所述特征图S27输入到所述张量拼接层进行张量拼接操作，得到特征图S28；将所述特征图S28依次输入到所述全连接激活层和所述全连接分类层，进行资源分类，输出资源利用方式；步骤S5：根据所述资源利用方式进行规划，得到规划方案。

全文数据：

权利要求：

百度查询： 国家海洋局南海规划与环境研究院 基于深度学习的疏浚泥资源化利用评价方法及系统

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