针对水质异常监测问题, 本文提出了一种基于计算机视觉技术和支持向量机相结合的生物式水质异常监测方法。首先通过计算机视觉获取可以反映水质状况的鱼类行为运动特征参数, 对其进行预处理;然后建立样本集并获得基于 SVM的水质异常监测模型;最后利用模型对未知水质下的鱼类行为特征参数分析评价, 间接监测水质异常状况。鉴于支持向量机核函数类型和参数优化对模型优劣有重大影响, 本文对不同类型的核函数进行实验对比, 其次分别采用粒子群优化算法 (PSO)、遗传算法 (GA)以及网格搜索法(Grid Search)对参数进行优化选择。实验结果表明该方法可以快速有效的进行水质异常监测。
计算机视觉 支持向量机 鱼类行为 水质监测 computer vision support vector machine fish behavior water quality monitoring