典型文献
基于深度学习的藻类混凝去除率预测方法
文献摘要：
针对目前水厂应对藻类爆发时混凝剂投加量难以确定的问题,提出一种基于深度学习的藻类混凝去除率预测方法,利用DenseNet卷积神经网络和絮体图像对藻类混凝去除率进行预测,从而对投药量进行调整.具体做法是,在实验室条件下对高藻水进行混凝处理,记录混凝处理后的絮体图像和对应的去除率.以去除率区间为标签构建絮体图像数据集,利用此数据集对DenseNet-121模型进行训练.结果显示,训练后的模型对测试集的预测准确度达到了89.5％,与VGG和ResNet模型相比,利用DenseNet模型对本文建立的数据集进行识别的精确度更高,且在识别去除率在60％～90％区间的絮体图像相较于其他两种模型具有明显优势.同时通过对数据集外的铜绿微囊藻絮体图像进行识别,验证了模型具有良好的泛化性.
文献关键词：
混凝;藻类絮体图像;深度学习;图像分类;去除率预测
中图分类号：
作者姓名：
周石庆;麻望池;盛炟;伍洋涛;卜令君
作者机构：
湖南大学土木工程学院,湖南长沙410082
文献出处：
引用格式：
[1]周石庆;麻望池;盛炟;伍洋涛;卜令君-.基于深度学习的藻类混凝去除率预测方法)[J].湖南大学学报（自然科学版）,2022(09):215-220
A类：
混凝去除率,藻类絮体图像
B类：
去除率预测,水厂,混凝剂,投加量,难以确定,DenseNet,投药,药量,具体做法,高藻水,图像数据集,测试集,预测准确度,VGG,ResNet,铜绿微囊藻,泛化性,图像分类
AB值：
0.246686
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
