基于多模态数据融合与深度学习的蓝藻水华监测方法

本申请实施例适用于计算机视觉的环境监测领域，提供了基于多模态数据融合与深度学习的蓝藻水华监测方法，在监测方法中，将获取的初始数据进行预处理后，引入变异点检测以降低人为因素干扰，减少计算量，并增强模型自适应性；利用卷积神经网络CNN提取多层特征，并将特征输入长短期记忆网络LSTM进行时间序列建模，提升模型性能，在此基础上，融合CNN和LSTM的特征，进一步提高模型准确率；最后，再次引入变异点检测，利用丰富的特征信息和多模态互补性，增强图像关键信息，提高检测精度和模型鲁棒性。本申请实施例的监测方法突破传统方法时空特征割裂的局限，显著提升预测连贯性与准确性，为蓝藻水华预警提供高可靠性支撑。