基于深度学习的水质多参数智能预测方法和系统

本发明公开了基于深度学习的水质多参数智能预测方法和系统，包括：S1：利用多光谱成像系统获取水样波段图像序列，通过改进的图像增强算法对获取的水样波段图像序列进行预处理并进行多波段图像融合；S2：基于融合图像，采用改进的区域生长分割算法结合形态学运算提取水样特征区域及参数特征向量；S3：构建核函数映射模型，将参数特征向量进行非线性特征映射，获得高维特征向量；S4：对高维特征向量采用深度自编码器进行特征压缩；S5：基于一维卷积神经网络构建水质多参数预测模型，进行水质多参数预测。本发明能够解决水质检测中水样图像受环境光干扰、噪声影响、特征提取不充分和模型泛化能力不足的问题，实现高效、准确、实时的水质监测。