基于機器學(xué)習(xí)的農(nóng)村水質(zhì)水色分類研究

高佳頎，吳芳

（天津農(nóng)學(xué)院 計算機與信息工程學(xué)院，天津 300392）

隨著我國現(xiàn)代化水平的提升，農(nóng)村經(jīng)濟快速發(fā)展，水資源的污染狀況也隨之加劇。在農(nóng)村經(jīng)濟快速發(fā)展下，許多工廠建立在農(nóng)村周圍，工業(yè)廢水排放對農(nóng)村的水資源帶來了極大的污染與危害。除此之外，農(nóng)村生產(chǎn)生活帶來的生活廢水以及農(nóng)藥殘留等也對農(nóng)村水質(zhì)造成了污染，對農(nóng)村人民的身體健康造成了威脅。十八大以來，習(xí)近平總書記反復(fù)強調(diào)：“綠水青山就是金山銀山”；2018年中共中央、國務(wù)院印發(fā)了《鄉(xiāng)村振興戰(zhàn)略規(guī)劃（2018-2022年）》，其中第六篇指出建設(shè)生態(tài)宜居的美麗鄉(xiāng)村；2021年中央1號文件關(guān)于農(nóng)村人居環(huán)境整治提升五年行動等政策的提出與實施，體現(xiàn)了國家對于農(nóng)村環(huán)境治理的重視，但目前對農(nóng)村水質(zhì)的研究較少，因此對農(nóng)村水質(zhì)資源狀況進行預(yù)測預(yù)警、實時監(jiān)測農(nóng)村水質(zhì)變化、檢測是否有污水排放、為管理者及時采取措施改善水質(zhì)提供依據(jù)，已成為我國農(nóng)村水環(huán)境治理亟待解決的問題。

1 國內(nèi)外研究現(xiàn)狀

根據(jù)國家現(xiàn)行水質(zhì)檢測標準[1]，水質(zhì)檢測指標主要包括9項，作為顏色體現(xiàn)的色度也是一項指標，一些學(xué)者通過水質(zhì)檢測傳感器檢測水質(zhì)參數(shù)的變化來進行水質(zhì)污染的判斷。AKHTER F等[2]提出了一種用于水產(chǎn)養(yǎng)殖的新型硝酸鹽傳感器。KOMARUDIN M等[3]使用多節(jié)點傳感器來精準監(jiān)測養(yǎng)殖水質(zhì)。島津公司[4]的TNP-4110水質(zhì)分析儀，可以實時在線檢測各類水體中的總氮、總氧，還具有渾濁溶液預(yù)處理系統(tǒng)和計量分配系統(tǒng)。崔夢丹等[5]在基于濁度傳感器的自動清水設(shè)計中通過濁度傳感器檢測水質(zhì)狀況，從而驅(qū)動凈水裝置，保持水質(zhì)穩(wěn)定。李瑞環(huán)等[6]設(shè)計了一種對養(yǎng)殖水環(huán)境進行檢測的系統(tǒng)，對養(yǎng)殖所用水的要素進行檢測分析，從而對養(yǎng)殖水環(huán)境進行治理。鐘濤等[7]在基于無線網(wǎng)絡(luò)的多參數(shù)原位水質(zhì)監(jiān)測系統(tǒng)設(shè)計中集成藍藻熒光傳感器、水溫傳感器及水體濁度傳感器等，實現(xiàn)長時間的現(xiàn)場水質(zhì)監(jiān)測。鄭杰[8]通過研發(fā)多參數(shù)水質(zhì)傳感器模組設(shè)計了一款無線微型多參數(shù)水質(zhì)監(jiān)測系統(tǒng)。張澤彤等[9]基于STM32單片機、無線控制模塊、傳感器模塊以及無線模塊通信技術(shù)設(shè)計的機器人，可實現(xiàn)長距離智能化操控以及對水質(zhì)的實時檢測。賀旭博等[10]在基于LabVIEW的水質(zhì)多參數(shù)檢測系統(tǒng)中，通過傳感器采集水中的pH、溫度、渾濁度等數(shù)據(jù)，將數(shù)據(jù)發(fā)送給上位LabVIEW進行水質(zhì)參數(shù)的檢測。李昂[11]提出了一套水質(zhì)濁度檢測系統(tǒng)，該系統(tǒng)的準確度在92%左右，驗證了圖像識別技術(shù)用于水質(zhì)濁度檢測的可行性。張良均等[12]使用圖像處理技術(shù)對水質(zhì)圖像進行處理，并對水質(zhì)進行了自動評價。陳喜勝[13]進行了基于圖像處理的污水排放色度檢測方法研究，驗證了卷積神經(jīng)網(wǎng)絡(luò)在水質(zhì)色度識別方面的可行性。

這些學(xué)者大多通過水質(zhì)傳感器來檢測水質(zhì)參數(shù)的變化，進而判斷水質(zhì)是否受到污染，而在水質(zhì)參數(shù)采集的過程中傳感器的探頭可能會受到污染，進而影響水質(zhì)參數(shù)的采集結(jié)果，并且國外的傳感器價格和維護成本較高，不易推廣，國內(nèi)的傳感器技術(shù)不太成熟，可能出現(xiàn)問題，造成更大的損失。這種方法雖然檢測精確度高，但是對人力物力的消耗也較大。由此，采取一種更為快速、廉價的水質(zhì)污染分類檢測方法尤為重要。

由于水體的顏色會因水中的物質(zhì)變化而變化，比如：硬水為淺藍色，低價鐵會使水成為灰藍色，高價鐵會使水成為黃褐色，硫化氫會使水成為翠綠色，硫細菌會使水成為紅色，腐植酸鹽會使水成為暗黃或灰黑色等。由此本文提出直接通過水質(zhì)圖像的顏色進行水質(zhì)分類。通過采集農(nóng)村水資源圖像，并提取水質(zhì)圖像的顏色特征數(shù)據(jù)，基于決策樹和支持向量機分別建立水質(zhì)分類預(yù)測模型，根據(jù)分類預(yù)測結(jié)果判斷水質(zhì)是否受到污染繼而提出預(yù)警，為監(jiān)測農(nóng)村水質(zhì)變化和提高農(nóng)村水資源環(huán)境提供幫助。

2 數(shù)據(jù)采集

對農(nóng)村周邊水源進行取樣，采集圖像，選取高清工業(yè)攝像機（圖1）作為圖像采集設(shè)備。它是一款高速USB2.0數(shù)字相機，使用高速2.0接口、傳輸速度480 Mb/s，可與PC對接實時顯示圖像，并支持靜態(tài)圖像捕捉拍照保存。為了最大限度保證圖像數(shù)據(jù)不受外部環(huán)境影響，將所有水樣放置在相同容器內(nèi)，在相同光線下進行拍照，共采集203張水源圖像數(shù)據(jù)。

圖1 工業(yè)攝像機

3 數(shù)據(jù)預(yù)處理

3.1 圖像切割

由于拍攝的原始水質(zhì)圖像（圖2）包含了盛水的器具，需要去除器具的干擾。具體方法為提取水質(zhì)圖像中央的圖像，設(shè)拍攝的水質(zhì)圖像的大小是I×J，對圖像的第fix（I/2）-50個像素點到第fix（I/2）＋50個像素點，第fix（J/2）-50個像素點到第fix（J/2）＋50個像素點進行切割獲取中央部分的圖像[14]，為后續(xù)特征數(shù)據(jù)的提取進行準備。切割后的圖像如圖3所示。

圖3 切割后圖像

3.2 特征提取

本文的分類目標為根據(jù)水質(zhì)圖像的顏色來進行分類，所以選用最能反映水色圖像特征的顏色特征進行特征提取。顏色矩是由Stricker和Orengo提出的，他們指出可以用顏色矩來對圖像顏色的分布狀況進行表示。因此本文選用顏色矩特征提取方法來提取水質(zhì)圖像的特征。在提取顏色矩特征前，先將圖片轉(zhuǎn)化為可以體現(xiàn)顏色特征的數(shù)據(jù)，將圖片數(shù)據(jù)劃分為RGB三個顏色通道，分別將三個通道的圖片數(shù)據(jù)轉(zhuǎn)換為像素值矩陣，再計算各個水質(zhì)圖像的一階矩、二階矩和三階矩。公式 如下[15]。

一階矩：

二階矩：

三階矩：

分類模型訓(xùn)練和測試流程如圖4所示。

圖4 分類模型訓(xùn)練和測試流程圖

4 模型構(gòu)建

4.1 決策樹

決策樹是一種在分類結(jié)果已知的情況下進行監(jiān)督學(xué)習(xí)的分類算法，使用ID3、C4.5和CART等生成算法進行決策。決策樹的內(nèi)部節(jié)點用來對屬性進行判斷，根據(jù)判斷結(jié)果選擇進入哪一個分支，葉節(jié)點代表分類結(jié)果（本文中葉節(jié)點代表對水質(zhì)顏色進行分類的結(jié)果）。本文通過對水質(zhì)分類樣本進行學(xué)習(xí)得到一個可對水質(zhì)顏色進行分類的決策樹，對新的水質(zhì)圖像的顏色進行分類。

決策樹進行學(xué)習(xí)的關(guān)鍵是如何使劃分的樣本屬于同一個類別，用信息熵來表示樣本劃分的度，假如樣本集F中第i類樣本所占的比例為pi（i＝1，2，3，…|i|），i為分類類別的總類數(shù)（對于二分類問題，i＝2）。則樣本集的信息熵為：

本文中水質(zhì)樣本共分為5類，分類見表1。

表1 水質(zhì)顏色分類表

在水質(zhì)顏色分類的決策樹構(gòu)建過程中，根據(jù)提取的水質(zhì)圖像的顏色矩特征值來決定決策樹的分類規(guī)則，根據(jù)分類規(guī)則進行決策樹的構(gòu)建。

4.2 支持向量機

支持向量機是一種有監(jiān)督的機器學(xué)習(xí)的分類方法，目標是找到一個能最大程度正確劃分訓(xùn)練集數(shù)據(jù)的最大邊距超平面。支持向量機自被提出以來經(jīng)過快速發(fā)展已衍生出一系列改進和擴展的算法，在人像識別、文本分類等模式識別問題中得到廣泛應(yīng)用。

在指定的樣本空間{（ci，di）|i＝1，2，…k}中，ci∈R1為給定的輸入樣本，di∈R1為樣本的目標輸出，即分類標簽，i為輸入的樣本個數(shù)，多分類支持向量機的目標是找到一個決策函數(shù)(f(c)=ωc+b)來對新樣本數(shù)據(jù)進行分類。

支持向量機用核函數(shù)來解決線性支持向量機模型不擅于解決多分類問題以及支持向量機的一些不能進行線性分類的情況，核函數(shù)是將數(shù)據(jù)用一個函數(shù)進行轉(zhuǎn)換，包括：線性核函數(shù)、多項式核函數(shù)、高斯核函數(shù)、Sigmoid核函數(shù)、自定義核函數(shù)等，在本文中主要解決特征不多的多分類問題，使用高斯核函數(shù)，將低維度數(shù)據(jù)映射到高維度。高斯核函數(shù)公式如下：

其中xv為高斯核函數(shù)的中心，α為函數(shù)的寬度參數(shù)，表示高斯核函數(shù)的徑向作用范圍。

本文主要用到支持向量機的多分類模型。提取圖像的中心區(qū)域后，分別計算水質(zhì)圖像的顏色矩作為分類的特征依據(jù)。

4.3 構(gòu)建模型

首先進行訓(xùn)練集和測試集數(shù)據(jù)劃分，將顏色矩特征提取后的數(shù)據(jù)集按8∶2的比例劃分為訓(xùn)練樣本和測試樣本，另外選取一些水質(zhì)圖像數(shù)據(jù)進行模型測試，進行水質(zhì)分類評價檢測（圖5）。

圖5 水質(zhì)水色分類流程圖

根據(jù)訓(xùn)練集數(shù)據(jù)分別用決策樹和支持向量機進行模型構(gòu)建，用測試集數(shù)據(jù)進行模型測試，用混淆矩陣查看模型的分類準確率（圖6）。

圖6 決策樹和支持向量機實現(xiàn)主要程序

根據(jù)決策樹和支持向量機的混淆矩陣（圖7、圖8）和分類性能報告（表2、表3）可以看出，支持向量機的模型準確率為96 %，決策樹的模型準確率為83 %，支持向量機的識別準確率要高于決策樹，表明對水質(zhì)顏色進行分類的問題可以用支持向量機解決。

表3 支持向量機的分類性能報告

圖7 決策樹的混淆矩陣

圖8 支持向量機的混淆矩陣

表2 決策樹的分類性能報告

由于用于水質(zhì)水色分類模型訓(xùn)練和預(yù)測的數(shù)據(jù)是隨機劃分的，所以每次訓(xùn)練完成的結(jié)果可能不相同，但差別不是很大。

5 結(jié)論與展望

基于機器學(xué)習(xí)算法的農(nóng)村水質(zhì)水色分類研究表明，水質(zhì)水色的顏色矩可以很好體現(xiàn)水質(zhì)的顏色特征，幫助進行水質(zhì)水色的分類。本文通過切割水質(zhì)圖像并提取顏色矩特征，基于決策樹和支持向量機分別構(gòu)建水質(zhì)分類模型，進行水質(zhì)水色分類，來判斷水質(zhì)是否受到污染。

利用本文對農(nóng)村水質(zhì)資源的水色圖像進行分類的方法，可以將自動攝像頭用于水質(zhì)圖像采集，通過對水質(zhì)圖像進行處理，并比較短時間內(nèi)前后6幅圖片的水色分類結(jié)果，幫助判斷水資源是否受到污染，監(jiān)測附近工廠是否排放污水及是否有生產(chǎn)生活污染物排放。此外，本文采集的水質(zhì)數(shù)據(jù)不充足，且對水質(zhì)分類并不全面，后續(xù)可采集更多的水質(zhì)數(shù)據(jù)并對水質(zhì)分類進行細化。本文只對兩種機器學(xué)習(xí)算法進行了水質(zhì)分類比較，后續(xù)可采用其他算法進行模型構(gòu)建，并可對模型進行 優(yōu)化。