1.一种基于计算机视觉的污水处理验证方法，其特征在于，该方法包括以下步骤：获取三种不同光源下的污水样本的RGB图像信息；

对各RGB图像信息分别进行处理，得到各光源对应的R通道图像信息、G通道图像信息和B通道图像信息，将所述R通道图像信息、G通道图像信息和B通道图像信息作为对应光源下的水下杂质分布图；

将各水下杂质分布图输入神经网络模型，分别得到对应的水光分布图和杂质干扰图；

所述神经网络模型为DNN网络，网络输出的第一通道是水光分布图，第二通道是杂质干扰图；

DNN网络的损失函数为：

其中，I1i为第i个光源下的水光分布图，I2i为第i个光源下的杂质干扰图，I0i为第i个光源下的水下杂质分布图，i＝1，2，3； 为I1i中对应像素的梯度，EG(I2i)为对图像I2i去除高频噪声后进行腐蚀操作的结果；FFT(I2i)为对I2i进行傅里叶变换后的频域信息，FFT(I1i)为对I1i进行傅里叶变换后的频域信息； 为所有光源下杂质干扰图频域信息的平均值； 为所有光源下水光分布图频域信息的平

均值；

对所述水光分布图中像素的灰度值进行计算得到水体的颜色倾向程度；

计算各杂质干扰图的信息熵；

对各杂质干扰图进行阈值分割得到相应的二值图像，并将所述二值图像进行图像融合，得到杂质分布图；

采用连通域算法对所述杂质分布图进行连通域分析，获取杂质区域，所述杂质区域包含一个杂质颗粒；根据杂质区域的数量以及杂质分布图的面积得到杂质的分布密度；根据所有杂质区域面积的均值得到杂质的平均大小；

根据所述水体的颜色倾向程度、杂质的分布密度、杂质的平均大小以及任意一杂质干扰图对应的信息熵得出污水样本的合格程度，将所述合格程度与设置阈值作比较，若所述合格程度大于设定阈值，判断污水样本合格；若所述合格程度小于设定阈值，判断污水样本不合格。

2.根据权利要求1所述的一种基于计算机视觉的污水处理验证方法，其特征在于，所述三种不同光源分别为红光、绿光和蓝光；所述红光对应R通道图像信息，所述绿光对应G通道图像信息，所述蓝光对应B通道图像信息。

3.根据权利要求1所述的一种基于计算机视觉的污水处理验证方法，其特征在于，所述图像融合是将三种不同光源对应的杂质干扰图中的对应像素点的灰度值进行哈达玛积运算。

4.根据权利要求1所述的一种基于计算机视觉的污水处理验证方法，其特征在于，所述水体的颜色倾向程度为：其中，p∈I1i为p是水光分布图I1i上的任意一个像素点；i＝1，2，3；wp为像素点p在所有光源下水光分布图上的灰度值的方差，A为任意一水光分布图的面积。

5.根据权利要求1所述的一种基于计算机视觉的污水处理验证方法，其特征在于，所述杂质的平均大小为所有杂质区域面积的均值。

6.根据权利要求4‑5任一项所述的一种基于计算机视觉的污水处理验证方法，其特征在于，所述合格程度为：D＝exp(‑(W×P×Q×max(H1,H2,H3)))

其中，P为杂质的分布密度，Q为杂质的平均大小，W为水体的颜色倾向程度，H1,H2,H3分别表示红光下杂质干扰图的信息熵、绿光下杂质干扰图的信息熵、蓝光下杂质干扰图的信息熵。