一种基于多模态深度学习的絮体图像处理和识别方法

基于多模态深度学习的絮体图像处理和识别方法，属于给水处理技术领域。通过水下摄像头采集絮体的图像型数据并集成传感器监测水质/工艺参数的数值型数据，絮体的灰度图像经过阈值分割、中值滤波和开运算图像清晰度，再根据出水浊度进行分类标注。采用自适应数据增广对絮体图像执行几何变换，动态平衡少数类样本。基于混合融合策略建立双分支多模态深度学习模型，絮体形态识别分支提取絮体形态特征并与水质/工艺参数早期融合，端到端识别分支利用预训练卷积神经网络直接预测水质分类概率，通过加权决策融合输出结果。集成Grad‑CAM++可视化模型决策依据，增强可信度。实现絮体图像的高精度识别与出水水质预测，提供智能化预测性反馈。