一种基于分布式节点的水质报告的生成方法及电子设备与流程

1.本发明属于数据处理技术领域，尤其涉及一种基于分布式节点的水质报告的生成方法及电子设备。


背景技术：

2.近年来，随着社会的飞速发展，人类对于自然资源的使用需求不断增加，其中与人类息息相关的水资源需求量尤为突出。但由于人类活动的介入，水资源的质量一直在恶化，影响和损害群众健康，不利于经济社会持续发展。因此，如何防止水资源污染以及对水资源的防治的工作迫在眉睫。其中水质监控作为水污染防治工作的重要环节，在水污染预警，污染物监测和治理评定预防都发挥着十分重要的作用。
3.现有的水质报告的生成技术，一般通过对水资源进行采样后，通过专家人工对采集得到的水体样本进行水质评估，并生成对应的水质报告。由此可见，现有的水质报告的生成方法，需要大量拥有专业知识的专家人员才能够完成，人力成本较高，报告生成效率较低。


技术实现要素：

4.有鉴于此，本发明实施例提供了一种基于分布式节点的水质报告的生成方法及电子设备，以解决现有的水质报告的生成技术，需要大量拥有专业知识的专家人员才能够完成，人力成本较高，报告生成效率较低的问题。
5.本发明实施例的第一方面提供了一种基于分布式节点的水质报告的生成方法，包括：接收部署于目标流域的各个分布式节点反馈的实时水况视频；每个所述实时水况视频配置有对应的置信度权重；获取所述目标流域关联的水质指标信息；所述水质指标信息包含有至少一个水质指标以及所述水质指标关联的加权权重；将所述实时水况视频导入与所述水质指标信息关联的水质指标解析算法，输出基于所述分布式节点确定的关于所述目标流域在各个所述水质指标对应的水质指标参数；根据所有所述实时水况视频的所述置信度权重、所述加权权重以及所述水质指标参数，计算所述目标流域的水质等级；基于所述水质等级生成所述目标流域的水质报告。
6.本发明实施例的第二方面提供了一种基于分布式节点的水质报告的生成装置，包括：实时水况视频接收单元，用于接收部署于目标流域的各个分布式节点反馈的实时水况视频；每个所述实时水况视频配置有对应的置信度权重；水质指标信息获取单元，用于获取所述目标流域关联的水质指标信息；所述水质指标信息包含有至少一个水质指标以及所述水质指标关联的加权权重；
水质指标参数确定单元，用于将所述实时水况视频导入与所述水质指标信息关联的水质指标解析算法，输出基于所述分布式节点确定的关于所述目标流域在各个所述水质指标对应的水质指标参数；水质等级计算单元，用于根据所有所述实时水况视频的所述置信度权重、所述加权权重以及所述水质指标参数，计算所述目标流域的水质等级；水质报告生成单元，用于基于所述水质等级生成所述目标流域的水质报告。
7.本发明实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面的各个步骤。
8.本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现第一方面的各个步骤。
9.实施本发明实施例提供的一种基于分布式节点的水质报告的生成方法及电子设备具有以下有益效果：本发明实施例通过在目标流域的多个位置部署对应的分布式节点，并采集对应的实时水况视频，能够通过实时水况视频对目标流域整体进行水质检测，在进行水质检测之前，确定目标流域对应的水质指标信息，并通过与该水质指标信息关联的水质指标解析算法对实时水况视频进行解析，确定该实时水况视频在多个水质指标维度对应的水质指标参数，根据实时水况视频对应的置信度权重、水质指标关联的加权权重以及水质指标参数，可以计算得到该目标流域对应的水质等级，并基于水质等级生成水质报告，实现了自动生成水质报告的目的。与现有的水质报告的生成技术相比，本技术实施例不依赖专家人员对水体样本进行水质检测，而是可以通过与目标流域的水质指标信息关联的水质指标解析算法对实时水况视频进行解析，确定与之对应的水质指标参数，并且根据各个实时水况视频的部署位置，确定对应的置信度权重，能够提高置信度较高的位置的实时水况视频在计算水质等级时的贡献，进一步提高水质等级的准确性，根据目标流域的不同，关注的重点的不同，可以为该目标流域的不同水质指标配置不同的加权权重，能够实现水质等级与目标流域的检测内容相匹配，提高了水质报告生成的准确性以及灵活性。
附图说明
10.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
11.图1是本发明第一实施例提供的一种基于分布式节点的水质报告的生成方法的实现流程图；图2是本发明第二实施例提供的一种基于分布式节点的水质报告的生成方法具体实现流程图；图3是本技术一实施例提供的多角度采集实时水况视频的示意图；图4是本技术一实施例提供的置信度识别网络的结构示意图；图5是本发明第三实施例提供的一种基于分布式节点的水质报告的生成方法s201
具体实现流程图；图6是本发明第四实施例提供的一种基于分布式节点的水质报告的生成方法s104具体实现流程图；图7是本发明第五实施例提供的一种基于分布式节点的水质报告的生成方法s102具体实现流程图；图8是本发明第五实施例提供的一种基于分布式节点的水质报告的生成方法s105具体实现流程图；图9是本发明第五实施例提供的一种基于分布式节点的水质报告的生成方法s101具体实现流程图；图10是本发明一实施例提供的一种基于分布式节点的水质报告的生成装置的结构框图；图11是本发明一实施例提供的一种电子设备的示意图。
具体实施方式
12.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
13.近年来，随着社会的飞速发展，人类对于自然资源的使用需求不断增加，其中与人类息息相关的水资源需求量尤为突出。但由于人类活动的介入，水资源的质量一直在恶化，影响和损害群众健康，不利于经济社会持续发展。因此，如何防止水资源污染以及对水资源的防治的工作迫在眉睫。其中水质监控作为水污染防治工作的重要环节，在水污染预警，污染物监测和治理评定预防都发挥着十分重要的作用。水质评估通过各种手段为每一项水质指标设定权值，实现对水资源质量的量化，从而达到水质监管的目的。现有的主要手段是根据参数的环境重要性以及专家建议的指导值来确定其权重。但是往往同一参数的权重在不同方法之间差别很大，这表明分配适当的权重值很困难。整体上来说，需要大量的专业知识才能完成对水质指标的权衡，人力成本高，普及率低。
14.本发明实施例通过在目标流域的多个位置部署对应的分布式节点，并采集对应的实时水况视频，能够通过实时水况视频对目标流域整体进行水质检测，在进行水质检测之前，确定目标流域对应的水质指标信息，并通过与该水质指标信息关联的水质指标解析算法对实时水况视频进行解析，确定该实时水况视频在多个水质指标维度对应的水质指标参数，根据实时水况视频对应的置信度权重、水质指标关联的加权权重以及水质指标参数，可以计算得到该目标流域对应的水质等级，并基于水质等级生成水质报告，实现了自动生成水质报告的目的，解决了现有的水质报告的生成技术，需要大量拥有专业知识的专家人员才能够完成，人力成本较高，报告生成效率较低的问题。
15.在本发明实施例中，流程的执行主体为电子设备，该电子设备包括但不限于：服务器、计算机、智能手机、笔记本电脑以及平板电脑等能够执行水质报告的生成流程的设备。图1示出了本发明第一实施例提供的基于分布式节点的水质报告的生成方法的实现流程图，详述如下：在s101中，接收部署于目标流域的各个分布式节点反馈的实时水况视频；每个所
述实时水况视频配置有对应的置信度权重。
16.在本实施例中，目标流域可以为一河流、溪流、江河、湖泊或出海口等具有一定体量水体的区域。上述类型的流域由于水体是流动的，因此水质是处于一个动态变化的状态，因此需要定时或实时对上述流域的水体进行水质检测，以确定该流域的水质情况。
17.在本实施例中，由于水的流动性，为了提高水质检测的准确性，电子设备可以与多个分布式节点建立通信连接，并获取不同的分布式节点反馈的实时水况视频，从而能够在多个监测点（即分布式节点放置的位置）进行水质监控，以获取更为全面的水质评估。每个分布式节点可以获取对应位置的实时水况视频，并通过与电子设备之间的通信连接，将采集得到的实时水况视频反馈给电子设备。
18.在本实施例中，分布式节点配置有摄像模块，可以摄像模块具体位于目标流域内，可以获取目标流域的实时水况视频。可选地，分布式节点可以配置有视频优化算法，分布式节点在向电子设备发送实时水况视频之前，可以通过上述视频优化算法对原始视频进行优化，并将优化后的视频（即实时水况视频）发送给电子设备。示例性地，分布式节点可以根据采集时刻以及采集原始视频的平均像素均值，确定环境补偿系数，基于上述环境补偿系数调整原始视频中各个像素点的像素值，以及原始视频中各个视频图像帧的对比度，从而生成对应的实时水况视频。
19.在一种可能的实现方式中，分布式节点可以根据采集时间调整摄像模块的工作模式，例如在白天采集，则可以将摄像模块设置为全彩工作模式；若在夜晚采集，则可以将摄像模块设置为夜间工作模式。
20.在一种可能的实现方式中，电子设备可以在需要生成水质分析报告时，向分布式节点发送一个视频反馈指令。分布式节点在接收到该视频反馈指令后，可以将采集得到的实时水质视频发送给电子设备。其中，分布式节点可以设置有效反馈时间，分布式节点可以在将距离接收到视频反馈指令之前的某一时刻至接收到视频反馈指令的时刻之间采集得到的视频，作为实时水况视频反馈给电子设备；其中，上述某一时刻与接收到视频反馈指令的时刻之间的差值为上述有效反馈时间。
21.在一种可能的实现方式中，分布式节点可以与电子设备之间建立长连接，分布式节点可以将实时采集到的视频（即实时水况视频）通过上述长连接发送给电子设备，电子设备可以为不同的分布式节点配置对应的视频数据库，将接收得到的实时水况视频存储于关联的视频数据库内。
22.在s102中，获取所述目标流域关联的水质指标信息；所述水质指标信息包含有至少一个水质指标以及所述水质指标关联的加权权重。
23.在本实施例中，不同的目标流域所关注的重点不同，为了根据实际情况对不同的流域进行水质检测以及生成对应的水质报告，可以为不同的目标流域关联不同的水质指标信息。其中，不同的水质指标信息内包含的水质指标的类型以及个数不同，不同的水质指标关联的加权权重也可以存在差异。
24.示例性地，对于第一目标流域，其关联的水质指标信息可以包括：水温、酸碱度以及悬浮固体密度，对应的加权权重分别为：0.3、0.5以及0.2；对于第二目标流域，其关联的水质指标信息可以包括：酸碱度、浊度以及悬浮固体密度，对应的加权权重分别为0.4、0.2以及0.4。由此可见，不同的目标流域的关注点不同，所包含的水质指标可以不同，即便存在
相同的水质指标，对应的加权权重也可以不同。
25.在本实施例中，电子设备可以存储有目标流域与水质指标信息之间的对应关系，电子设备可以根据目标流域的流域标识，查询上述对应关系以确定该目标流域对应的水质指标信息。
26.在s103中，将所述实时水况视频导入与所述水质指标信息关联的水质指标解析算法，输出基于所述分布式节点确定的关于所述目标流域在各个所述水质指标对应的水质指标参数。
27.在本实施例中，由于水质指标信息的不同，对应的水质指标解析算法也存在差异。电子设备在确定了目标流域的水质指标信息后，可以获取与该水质执行信息关联的水质指标解析算法，并通过该水质指标算法对上述实时水况视频进行解析，以确定不同水质指标维度对应的水质指标参数。
28.在一种可能的实现方式中，电子设备可以识别水质指标信息中包含的水质指标，并获取不同水质指标关联的解析算法，水质指标关联的解析算法用于输出对应的水质指标维度对应的水质指标参数。示例性地，某一目标流域的水质指标信息包含有以下三个水质指标，分别为：温度、酸碱度以及悬浮固体密度，则电子设备在对实时水况视频进行解析时，可以获取三种类型的水质指标解析算法，分别为温度维度对应的第一解析算法、酸碱度对应的第二解析算法以及悬浮固体密度对应的第三解析算法，继而通过上述三种类型的解析算法分别确定实时水况视频不同维度对应的水质指标参数。
29.在s104中，根据所有所述实时水况视频的所述置信度权重、所述加权权重以及所述水质指标参数，计算所述目标流域的水质等级。
30.在本实施例中，由于不同的实时水况视频对应不同的置信度权重，不同的水质指标对应不同的加权权重，电子设备在计算得到水质指标参数后，需要对基于置信度权重以及加权权重对水质指标参数进行转换，并基于所有实时水况视频对应的所有转换后的水质指标参数进行叠加，从而能够计算的目标流域的水质等级。
31.在本实施例中，水质等级用于确定目标流域的水体的洁净程度；若该水质等级的数值越大，则表示该目标流域的水体的洁净程度越高；反之，若该水质等级的数值越小，则表示该目标流域的水体的结晶程度越低。
32.在一种可能的实现方式中，计算上述水质等级的方式可以为：电子设备可以存储由水质等级的转换网络，电子设备将每个实时水况视频对应的置信度权重以及基于该实时水况视频确定的多个水质指标参数和对应的加权权重均导入到上述转换网络内，则可以生成上述水质等级。
33.在s105中，基于所述水质等级生成所述目标流域的水质报告。
34.在本实施例中，电子设备可以存储由对应的报告模板，在确定了目标流域对应的水质等级后，可以将水质等级以及各个水质指标的水质指标参数导入到上述报告模板内，从而生成关于该目标流域的水质报告。
35.在一种可能的实现方式中，在s105之后，还可以包括：若检测到目标流域的水质等级低于预设的等级阈值，则可以生成对应的水质预警信息，以通知用户对上述异常情况进行处理。
36.在一种可能的实现方式中，每个分布式节点可以配置有对应的水质调节模块，例
如可以向目标流域投放对应的清洁剂、酸碱中和剂等执行相应的水质异常处理。在该情况下，电子设备在检测到目标流域的水质等级低于等级阈值时，则可以根据异常的水质指标参数，确定与之对应的水质异常处理，并向分布式节点发送水质异常处理对应的调节指令，分布式节点在接收到该调节指令后，可以通过水质调节模块执行对应的水质异常处理操作，从而能够对目标流域的水质异常情况进行处理。
37.以上可以看出，本发明实施例提供的一种基于分布式节点的水质报告的生成方法通过在目标流域的多个位置部署对应的分布式节点，并采集对应的实时水况视频，能够通过实时水况视频对目标流域整体进行水质检测，在进行水质检测之前，确定目标流域对应的水质指标信息，并通过与该水质指标信息关联的水质指标解析算法对实时水况视频进行解析，确定该实时水况视频在多个水质指标维度对应的水质指标参数，根据实时水况视频对应的置信度权重、水质指标关联的加权权重以及水质指标参数，可以计算得到该目标流域对应的水质等级，并基于水质等级生成水质报告，实现了自动生成水质报告的目的。与现有的水质报告的生成技术相比，本技术实施例不依赖专家人员对水体样本进行水质检测，而是可以通过与目标流域的水质指标信息关联的水质指标解析算法对实时水况视频进行解析，确定与之对应的水质指标参数，并且根据各个实时水况视频的部署位置，确定对应的置信度权重，能够提高置信度较高的位置的实时水况视频在计算水质等级时的贡献，进一步提高水质等级的准确性，根据目标流域的不同，关注的重点的不同，可以为该目标流域的不同水质指标配置不同的加权权重，能够实现水质等级与目标流域的检测内容相匹配，提高了水质报告生成的准确性以及灵活性。
38.图2示出了本发明第二实施例提供的一种基于分布式节点的水质报告的生成方法的具体实现流程图。参见图2，相对于图1所述实施例，本实施例提供的一种基于分布式节点的水质报告的生成方法在所述接收部署于目标流域的各个分布式节点反馈的实时水况视频之前，还包括：s201~s206，具体详述如下：进一步地，每个所述分布式节点包含有多个拍摄角度，每个所述拍摄角度对应一个所述实时水况视频；在所述接收部署于目标流域的各个分布式节点反馈的实时水况视频之前，还包括：在s201中，确定各个所述拍摄角度对应的训练水况视频的初始置信度。
39.在本实施例中，一个分布式节点内可以配置有多个拍摄角度，在不同的拍摄角度对应的位置，可以配置一个摄像模块，通过该摄像模块获取该拍摄角度下对应的实时水况视频。示例性地，图3示出了本技术一实施例提供的多角度采集实时水况视频的示意图。参见图3所示，一个分布式节点中包含有3个拍摄角度，分别用于获取水面、水中以及水底这三个区域的实时水况视频。由于污染物的不同，其浮力会存在差异，例如部分塑料垃圾会漂浮于水面上，而其他固体污染物则会存在于水中，而部分较重的污染物则会沉降于水底，基于此，通过获取不同拍摄角度对应的实时水况视频，能够对分布式节点对应的位置对应的水质情况有一个整体的了解。
40.在本实施例中，电子设备除了可以为不同的分布式节点配置对应的置信度权重外，还可以为不同的拍摄角度配置对应的置信度权重。例如，若目标流域的部分位置，水面的风浪较大，而水中较为平静，则水面采集得到的实时水况视频则较难进行识别并进行水
质检测，而由于水中较为平静，水中的实时水况视频则较能够准确确定目标流域的水质情况，基于此，水中的拍摄角度的实时水况视频的置信度权重，可以大于水面的拍摄角度的实时水况视频。因此，电子设备除了可以根据位置不同，配置不同的置信度权重外，还可以根据拍摄角度的不同，对置信度权重进行适应性调整，从而大大提高了目标流域的水质检测的准确性。
41.在本实施例中，电子设备可以通过训练学习的方式，生成配置置信度权重的网络，以便输出不同分布式节点对应的置信度权重。基于此，电子设备可以为某一分布式节点的不同拍摄角度配置对应的初始置信度。其中，该初始置信度可以基于用户进行手动配置，还可以根据该分布式节点对应的位置进行自动识别。
42.在s202中，通过预设的三维解析网络识别所述拍摄角度获取的训练水况视频进行三维视频视觉解析，生成所述训练水况视频对应的三维特征数据。
43.在本实施例中，上述确定置信度权重的网络包含至少两部分，分别为用于对视频进行三维解析的三维解析网路，以及基于特征数据确定置信度权重的全连接网络。上述两个网络均包含可调整的学习参量。基于此，电子设备可以为将在对应拍摄角度获取得到的训练水况视频导入到预设的三维解析网络中，对训练水况视频进行三维视频视觉解析，识别得到该训练水况视频中包含的拍摄对象，并基于所有识别得到的拍摄对象以及视频背景特征，生成与之对应的三维特征数据，该三维特征数据具体为对训练水况视频进行编码后得到的数据。
44.在s203中，将所述三维特征数据导入到预设的全连接网络，计算所述拍摄角度对应的待验证置信度。
45.在本实施例中，电子设备在生成了训练水况视频对应的三维特征数据后，可以将该三维特征数据导入到全连接网络，能够通过全连接网络对三维特征数据进行解析，以输出在某一拍摄角度获取得到的训练水况视频对应的待验证置信度。其中，由于上述全连接网络以及三维解析网络是未进行学习训练得到的，因此输出的待验证置信度与实际的置信度会存在一定的偏差，因此，需要根据待验证置信度对上述两个网络进行训练学习。
46.在一种可能的实现方式中，在全连接网络之后，还可以配置有对应的归一化网络，该归一化网络具体为一softmax函数，可以对上述全连接网络输出的数据进行逻辑归回处理，并归一化后的数值作为上述待验证置信度。
47.在s204中，将所述初始置信度以及待验证置信度导入到预设的算法损失计算函数内，计算所述三维解析网络以及所述全连接网络对应的损失值；所述损失计算函数具体为：其中，为所述损失值，为第i个拍摄角度的所述初始置信度；为第i个拍摄角度的所述待验证置信度；为所述拍摄角度的总数。
48.在本实施例中，电子设备可以将训练水况视频对应的初始置信度以及通过两个网络输出的待验证置信度导入到预设的损失计算函数，从而确定上述两个网络对应的损失值，若该损失值越大，则表示失真度越大；反之，若该损失值越小，则表示失真度越小。
49.在s205中，基于所述损失值对所述三维解析网络以及所述全连接网络进行训练，
生成置信度识别网络；所述置信度识别网路是在所述三维解析网络以及所述全连接网络对应的所述损失值小于预设的损失阈值时构建的网络；所述置信度识别网络用于确定各个所述实时水况视频的所述置信度权重。
50.在本实施例中，电子设备可以根据上述损失值对三维解析网络以及全连接网络进行训练学习，调整上述两个网络中的参数，直到上述两个网络输出的待验证置信度对应的损失值收敛，则表示对于上述两个网络已训练完毕，并将训练完成后的两个网络作为置信度识别网络，以通过该置信度识别网络确定后续的各个实时水况视频对应的置信度权重。
51.示例性地，图4示出了本技术一实施例提供的置信度识别网络的结构示意图。参见图4所示，该置信度识别网络具体包含至少三部分，分别为对实时水况视频进行编码的三维解析网络，以及对编码数据进行解析的全连接网络，以及对于全连接网络的数值进行归一化处理的softmax函数。
52.在本技术实施例中，通过确定多个训练水况视频对应的初始置信度，并基于该初始置信度对三维解析网络以及全连接网络进行训练学习，从而能够生成可以自动确定置信度权重的置信度识别网络，提高了水质报告生成的自动化程度以及识别的准确性，无需人工手动配置置信度，降低了人力成本。
53.图5示出了本发明第三实施例提供的一种基于分布式节点的水质报告的生成方法s201的具体实现流程图。参见图5，相对于图2所述实施例，本实施例提供的一种基于分布式节点的水质报告的生成方法中s201包括：s2011~s2014，具体详述如下：在s2011中，获取所述分布式节点的部署位置，并查询所述部署位置在所述目标流域中的拐点角度，得到位置置信因子。
54.在s2012中，识别在拍摄角度对应位置放置的齿轮的转动速度，确定所述拍摄角度关联的水流流速。
55.在s2013中，基于所述拍摄角度采集的训练水况视频中的任一基准水况图像，识别所述基准水况图像内包含的障碍物，并基于所有障碍物与拍摄角度对应的摄像模块之间的距离值，确定拍摄置信因子。
56.在本实施例中，电子设备可以通过自动识别的方式，确定不同拍摄角度对应的训练水况视频的初始置信度，其中，影响上述初始置信度的因子至少包含三个方面，分别为与位置中流域弯曲程度相关的位置因子、流域中水流流速相关的流速因子，以及与该目标流域中障碍物距离相关的拍摄置信因子。
57.基于此，电子设备可以分别获取上述三个方面对应的因子。其中，对于位置因子可以通过分布式节点的部署位置确定，每个分布式节点可以配置有对应的位置传感器，或者电子设备可以在预设的地图上标记出各个分布式节点的部署位置，分布式节点在部署完成后，一般情况是固定不变的，因此可以通过查询预先生成的地图，确定各个分布式节点对应的部署位置，根据该部署位置以及目标流域的流域走势，可以确定该位置对应的流域的弯曲程度，该弯曲程度可以通过拐点角度来表示，并基于该拐点角度生成与之对应的位置置信度因子。
58.对于水流流速，在每个分布式节点对应的拍摄角度下，可以放置有一个用于测量水流流速的齿轮，分布式节点可以通过齿轮关联的马达反馈的数值，确定该马达对应的转动速度，并基于该转动速度确定该位置对应的水流流速。
59.对于与障碍物相关的拍摄置信因子，由于拍摄过程中障碍物与摄像模块之间的距离越近，则遮挡画面的程度越大，无法准确表征水质相关的内容，在该情况下，电子设备可以通过训练水况视频中选取任一帧对应的基准水况图像，对该基准水况图像进行障碍物识别，并确定障碍物与摄像模块之间的距离值，该距离值可以根据摄像模块的焦距以及各个障碍物在基准水况图像中的像高确定，并根据上述识别得到的距离值，确定对应的拍摄置信因子。
60.在s2014中，将所述位置置信因子、所述拍摄置信因子以及所述水流流速导入到预设的置信度转换模型，计算所述拍摄角度对应的初始置信度；所述置信度转换模型具体为：其中，为第i个拍摄角度对应的所述初始置信度；为所述位置置信因子；为预设的补偿角度；为所述水流流速；为所述拍摄置信度；为预设的基准距离；α和为预设的系数。
61.在本实施例中，电子设备可以将上述三个方面的因子导入到置信度转换模型内，从而计算得到该拍摄角度获取得到的训练水况视频对应的初始置信度。
62.在本技术实施例中，通过获取多个方面的因子以自动确定该训练水况视频对应的初始置信度，能够实现自动对训练水况视频进行置信度标签设置的目的，进一步提高了水质报告生成的自动化程度。
63.图6示出了本发明第四实施例提供的一种基于分布式节点的水质报告的生成方法s104的具体实现流程图。参见图6，与图1的实施例相比，本实施例提供的一种基于分布式节点的水质报告的生成方法中s104具体包括s1041~s1043，具体详述如下：在s1041中，根据所述水质指标参数关联的加权权重，计算所述水质指标参数对应的加权参数。
64.在s1042中，根据所述实时水况视频的置信度权重，对各个所述加权参数进行加权运算，计算所述实时水况视频对应的水质指标因子。
65.在s1043中，基于所有所述分布式节点的所有所述实时水况视频的水质指标因子，计算所述目标流域的水质等级；其中，所述水质等级具体为：其中，为所述水质等级；为第j个实时水况视频对应的置信度权重；为第j个实时水况视频中第i个水质指标因子的所述加权参数；为第j个实时水况视频中第i个水质因子；为所述水质指标的总数；为所述实时水况视频的总数。
66.在本实施例中，电子设备在计算得到各个水质指标参数后，可以将与其对应的加权权重对水质指标参数进行加权调整，从而计算能得到加权后的水质指标参数，即上述的加权参数，然后再根据确定该水质指标参数对应的实时水况视频的置信度权重，对加权参数进行调整，并将该实时水况视频对应的所有调整后的加权参数进行叠加，从而计算得到该实时水况视频对应的水质指标参数。由于一个目标流域包含有多个不同的分布式节点，不同的分布式节点还可以存在多个不同的拍摄角度，不同的拍摄角度可以对应一个实时水况视频，因此可以将所有分布式节点在各个拍摄角度获取得到的实时水况视频对应的水质指标因子进行叠加，从而计算得到水质等级。
67.在本技术实施例中，通过加权权重以及置信度权重对各个实时水况视频确定的水质指标因子进行调整，从而计算得到水质等级，能够提高水质等级的准确性。
68.图7示出了本发明第五实施例提供的一种基于分布式节点的水质报告的生成方法s102的具体实现流程图。参见图7，与图1的实施例相比，本实施例提供的一种基于分布式节点的水质报告的生成方法中s102具体包括s1021~s1023，具体详述如下：在s1021中，获取所述目标流域对应的流域事件，基于所述流域事件确定所述目标流域的流域类型。
69.在本实施例中，电子设备可以确定目标流域的流域事件，该流域事件具体为人类在目标流域从事的事件，例如船只航行、养殖、捕捞、船只的停泊等等，电子设备可以根据该目标流域发生的流域事件，确定该目标流域所对应的流域类型，确定该目标流域具体在人类活动中所起到的作用，不同的流域类型对于水质所关注的重点不同，因此可以配置不同的水质指标信息。
70.在s1022中，若所述流域类型为船航货运类型，则将第一指标信息作为所述水质指标信息；所述第一指标信息的水质指标包含浊度、酸碱度、浮力系数以及悬浮固体密度。
71.在s1023中，若所述流域类型为渔业养殖类型，则将第二指标信息作为所述水质指标信息；所述第二指标信息的水质指标包含浊度、温度、酸碱度、悬浮固体密度以及溶解氧浓度。
72.在本实施例中，上述流域类型可以包含船航货运类型，即该目标流域为一运河；上述流域类型还可以包含渔业养殖类型，即该目标流域具体用于渔业养殖活动。基于此，电子设备可以根据不同的流域类型的关注侧重点，配置与之对应的水质指标信息。
73.在本技术实施例中，通过确定目标流域的流域类型，配置对应的水质指标信息，能够提高水质报告与目标流域之间的匹配度。
74.图8示出了本发明第六实施例提供的一种基于分布式节点的水质报告的生成方法s105的具体实现流程图。参见图8，与图1
‑
图7的实施例相比，本实施例提供的一种基于分布式节点的水质报告的生成方法中s105具体包括s1051~s1054，具体详述如下：在s1051中，获取与所述水质等级关联的报告模板；所述报告模板包含与所述水质等级关联的多个报告项目。
75.在s1052中，基于所述水质等级的数值大小，确定各个所述报告项目的描述语段。
76.在s1053中，从所述分布式节点的所述实时水况视频中截取关键视频段。
77.在s1054中，将所述描述语段以及所述关键视频段导入所述报告模板内，生成所述水质报告
在本实施例中，电子设备在确定了目标流域对应的水质等级后，可以获取与水质等级对应的报告模板，其中，基于水质等级的数值大小，可以划分为以下各种类型：1)优(wqi = 90
‑
100)2)良(wqi = 70
‑
89)3)中(wqi = 50
‑
69)4)坏(wqi = 25
‑
49)5)极差(wqi = 0
‑
24)其中，根据不同的水质等级可以对应不同的报告模板，以及对应的报告项目，例如水质为坏时，则可以需要包含对应的整治方式的项目，而在水质为中以及良时，可以包含对应的优化水质的项目。因此，不同的水质等级对应的报告项目不同，则对应的报告模板也不同。电子设备可以根据目标流域对应的水质等级，确定与之对应的描述语段，并且为了提高水质报告的可读性，可以从实时水况视频中截取对应的关键视频段，添加到上述报告模板内，从而生成对应的水质报告。
78.在本技术实施例中，为不同的水质等级关联与之对应的报告模板，并根据水质等级的数值大小，确定对应的描述语段，并将关键视频段导入到报告模板内，能够提高水质模板准确性的同时，进一步提高可读性。
79.图9示出了本发明第七实施例提供的一种基于分布式节点的水质报告的生成方法s101的具体实现流程图。参见图9，与图1
‑
图7的实施例相比，本实施例提供的一种基于分布式节点的水质报告的生成方法中s101具体包括s1011~s1013，具体详述如下：在s1011中，若接收到任一分布式节点反馈的触发指令，则解析所述触发指令对应的事件类型。
80.在s1012中，若所述事件类型在预设的水质变化事件内，则向各个所述分布式节点发送视频反馈指令。
81.在s1013中，接收各个所述分布式节点基于所述视频反馈指令发送的所述实时水况视频。
82.在本实施例中，电子设备除了能够实时监控目标流域的水质情况外，即实时确定水质等级外，还可以通过事件触发的方式触发水质报告的生成流程，其中，该事件触发的检测是通过分布式节点完成的，分布式节点在检测到目标流域存在对应的检测触发事件时，可以生成一个触发指令，并将触发指令发生给电子设备。例如，检测到有大量船只在目标流域上航行，或者检测到目标流域存在大面积的捕捞行为时，分布式节点可以生成对应的触发指令，并将上述触发事件添加到上述触发指令内，以便电子设备根据事件类型确定是否需要启动水质报告的生成流程。若电子设备检测到事件类型在预设的水质变化事件内，即确定人类在目标流域上执行的活动会影响目标流域的水质，则可以向各个分布式节点发送视频反馈指令，以便各个分布式视频向电子设备发送实时水况视频，以执行水质报告的生成流程。
83.在本技术实施例中，通过分布式节点来检测是否存在水质变化的事件，能够提高水质变化识别的及时性。
84.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限
定。
85.图10示出了本发明一实施例提供的一种基于分布式节点的水质报告的生成装置的结构框图，该电子设备包括的各单元用于执行图1对应的实施例中的各步骤。具体请参阅图1与图1所对应的实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。
86.参见图10，所述基于分布式节点的水质报告的生成装置包括：实时水况视频接收单元11，用于接收部署于目标流域的各个分布式节点反馈的实时水况视频；每个所述实时水况视频配置有对应的置信度权重；水质指标信息获取单元12，用于获取所述目标流域关联的水质指标信息；所述水质指标信息包含有至少一个水质指标以及所述水质指标关联的加权权重；水质指标参数确定单元13，用于将所述实时水况视频导入与所述水质指标信息关联的水质指标解析算法，输出基于所述分布式节点确定的关于所述目标流域在各个所述水质指标对应的水质指标参数；水质等级计算单元14，用于根据所有所述实时水况视频的所述置信度权重、所述加权权重以及所述水质指标参数，计算所述目标流域的水质等级；水质报告生成单元15，用于基于所述水质等级生成所述目标流域的水质报告。
87.可选地，每个所述分布式节点包含有多个拍摄角度，每个所述拍摄角度对应一个所述实时水况视频；所述基于分布式节点的水质报告的生成装置还包括：初始置信度确定单元，用于确定各个所述拍摄角度对应的训练水况视频的初始置信度；三维特征数据生成单元，用于通过预设的三维解析网络识别所述拍摄角度获取的训练水况视频进行三维视频视觉解析，生成所述训练水况视频对应的三维特征数据；待验证置信度确定单元，用于将所述三维特征数据导入到预设的全连接网络，计算所述拍摄角度对应的待验证置信度；损失值计算单元，用于将所述初始置信度以及待验证置信度导入到预设的算法损失计算函数内，计算所述三维解析网络以及所述全连接网络对应的损失值；所述损失计算函数具体为：其中，为所述损失值，为第i个拍摄角度的所述初始置信度；为第i个拍摄角度的所述待验证置信度；为所述拍摄角度的总数；训练学习单元，用于基于所述损失值对所述三维解析网络以及所述全连接网络进行训练，生成置信度识别网络；基于所述损失值对所述三维解析网络以及所述全连接网络进行训练，生成置信度识别网络；所述置信度识别网路是在所述三维解析网络以及所述全连接网络对应的所述损失值小于预设的损失阈值时构建的网络；所述置信度识别网络用于确定各个所述实时水况视频的所述置信度权重；所述置信度识别网络用于确定各个所述实时水况视频的所述置信度权重。
88.可选地，所述初始置信度确定单元包括：
位置置信因子确定单元，用于获取所述分布式节点的部署位置，并查询所述部署位置在所述目标流域中的拐点角度，得到位置置信因子；水流流速确定单元，用于识别在拍摄角度对应位置放置的齿轮的转动速度，确定所述拍摄角度关联的水流流速；拍摄置信因子确定单元，用于基于所述拍摄角度采集的训练水况视频中的任一基准水况图像，识别所述基准水况图像内包含的障碍物，并基于所有障碍物与拍摄角度对应的摄像模块之间的距离值，确定拍摄置信因子；初始置信度计算单元，用于将所述位置置信因子、所述拍摄置信因子以及所述水流流速导入到预设的置信度转换模型，计算所述拍摄角度对应的初始置信度；所述置信度转换模型具体为：所述置信度转换模型具体为：其中，为第i个拍摄角度对应的所述初始置信度；为所述位置置信因子；为预设的补偿角度；为所述水流流速；为所述拍摄置信度；为预设的基准距离；α和为预设的系数其中，为第i个拍摄角度对应的所述初始置信度；为所述位置置信因子；为预设的补偿角度；为所述水流流速；为所述拍摄置信度；为预设的基准距离；α和为预设的系数。
89.可选地，所述水质等级计算单元13包括：加权参数计算单元，用于根据所述水质指标参数关联的加权权重，计算所述水质指标参数对应的加权参数；水质指标因子计算单元，用于根据所述实时水况视频的置信度权重，对各个所述加权参数进行加权运算，计算所述实时水况视频对应的水质指标因子；加权叠加单元，用于基于所有所述分布式节点的所有所述实时水况视频的水质指标因子，计算所述目标流域的水质等级；其中，所述水质等级具体为：其中，为所述水质等级；为第j个实时水况视频对应的置信度权重；为第j个实时水况视频中第i个水质指标因子的所述加权参数；为第j个实时水况视频中第i个水质因子；为所述水质指标的总数；为所述实时水况视频的总数。
90.可选地，所述水质指标信息获取单元12包括：流域类型确定单元，用于获取所述目标流域对应的流域事件，基于所述流域事件确定所述目标流域的流域类型；第一类型响应单元，用于若所述流域类型为船航货运类型，则将第一指标信息作为所述水质指标信息；所述第一指标信息的水质指标包含浊度、酸碱度、浮力系数以及悬浮固体密度；第二类型响应单元，用于若所述流域类型为渔业养殖类型，则将第二指标信息作为所述水质指标信息；所述第二指标信息的水质指标包含浊度、温度、酸碱度、悬浮固体密度以及溶解氧浓度。
91.可选地，所述水质报告生成单元15包括：报告模板确定单元，用于获取与所述水质等级关联的报告模板；所述报告模板包含与所述水质等级关联的多个报告项目；描述语段确定单元，用于基于所述水质等级的数值大小，确定各个所述报告项目的描述语段；关键视频段截取单元，用于从所述分布式节点的所述实时水况视频中截取关键视频段；信息导入单元，用于将所述描述语段以及所述关键视频段导入所述报告模板内，生成所述水质报告。
92.可选地，所述实时水况视频接收单元11包括：分布式触发单元，用于若接收到任一分布式节点反馈的触发指令，则解析所述触发指令对应的事件类型；视频反馈指令发送单元，用于若所述事件类型在预设的水质变化事件内，则向各个所述分布式节点发送视频反馈指令；实时水况视频反馈单元，用于接收各个所述分布式节点基于所述视频反馈指令发送的所述实时水况视频。
93.因此，本发明实施例提供的电子设备同样不依赖专家人员对水体样本进行水质检测，而是可以通过与目标流域的水质指标信息关联的水质指标解析算法对实时水况视频进行解析，确定与之对应的水质指标参数，并且根据各个实时水况视频的部署位置，确定对应的置信度权重，能够提高置信度较高的位置的实时水况视频在计算水质等级时的贡献，进一步提高水质等级的准确性，根据目标流域的不同，关注的重点的不同，可以为该目标流域的不同水质指标配置不同的加权权重，能够实现水质等级与目标流域的检测内容相匹配，提高了水质报告生成的准确性以及灵活性。
94.图11是本发明另一实施例提供的一种电子设备的示意图。如图11所示，该实施例的电子设备11包括：处理器110、存储器111以及存储在所述存储器111中并可在所述处理器110上运行的计算机程序112，例如基于分布式节点的水质报告的生成程序。所述处理器110执行所述计算机程序112时实现上述各个基于分布式节点的水质报告的生成方法实施例中的步骤，例如图1所示的s101至s105。或者，所述处理器110执行所述计算机程序112时实现上述各装置实施例中各单元的功能，例如图10所示模块11至15功能。
95.示例性的，所述计算机程序112可以被分割成一个或多个单元，所述一个或者多个
单元被存储在所述存储器111中，并由所述处理器110执行，以完成本发明。所述一个或多个单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序112在所述电子设备11中的执行过程。
96.所述电子设备可包括，但不仅限于，处理器110、存储器111。本领域技术人员可以理解，图11仅仅是电子设备11的示例，并不构成对电子设备11的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
97.所称处理器110可以是中央处理单元（central processing unit，cpu），还可以是其他通用处理器、数字信号处理器（digital signal processor，dsp）、专用集成电路（application specific integrated circuit，asic）、现成可编程门阵列（field
‑
programmable gate array，fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
98.所述存储器111可以是所述电子设备11的内部存储单元，例如电子设备11的硬盘或内存。所述存储器111也可以是所述电子设备11的外部存储设备，例如所述电子设备11上配备的插接式硬盘，智能存储卡（smart media card，smc），安全数字（secure digital， sd）卡，闪存卡（flash card）等。进一步地，所述存储器111还可以既包括所述电子设备11的内部存储单元也包括外部存储设备。所述存储器111用于存储所述计算机程序以及所述电子设备所需的其他程序和数据。所述存储器111还可以用于暂时地存储已经输出或者将要输出的数据。
99.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
100.以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。