The embodiment of the invention provides a water quality detection method and a water sample image recognition device. The method includes: acquiring several water sample image samples; constructing corresponding neural network model based on the water sample image samples; acquiring and acquiring current water sample image; determining the recognition result of current water sample image according to the neural network model; transmitting the recognition result to remote terminal and real-time detecting water quality. The method improves the detection result of water sample by recognizing the image of water sample. The reaction speed of the water sample test results is faster, which can solve the problem that the sudden change of water quality in water treatment system can not be detected in time. In addition, the water quality detection method can also provide real-time detection data for environmental protection, to ensure that the problem of excessive sewage discharge can be found in time.
【技术实现步骤摘要】
水质检测方法及其水样图像识别装置
本专利技术涉及水质检测
,尤其涉及一种水质检测方法及其水样图像识别装置。
技术介绍
在水处理行业中,水质的实时检测结果是非常重要的控制指标,对于水质检测结果的实时性和准确性要求较高。现有的水质检测(或检测)方法都是基于化学原理,以各种不同的传感器为硬件基础的化学分析方法。该化学分析方法得到的结果虽然全面和准确,但是由于化学反应发生需要一定的时间,这样的化学分析方法具有一定的滞后性,无法及时掌握水质的突变,水质检测结果会存在一定时延,导致特殊情况下,一些水处理设备无法实现快速的运行调整,造成设备污染以及水处理无法达标等的问题。另外,由于水质检测结果的实时性不佳,企业和环保部门都无法实时掌握废水排放情况,经常会出现废水超标排放污染环境的现象。因此,现有技术还有待发展。
技术实现思路
鉴于上述现有技术的不足之处,本专利技术的目的在于提供水质检测方法及其水样图像识别装置,旨在解决现有技术中化学分析法提供的检测结果实时性不佳的问题。为了达到上述目的,本专利技术采取了以下技术方案:一种水质检测方法,所述方法包括:获取若干水样图像样本;以所述水样图像样本为基础,构建对应的神经网络模型;采集获取当前水样图像;根据所述神经网络模型,确定当前水样图像的识别结果;将所述识别结果传送至远程终端,实时检测水质。所述的水质检测方法,其中,所述以所述水样图像样本为基础,构建对应的神经网络模型,具体包括:生成与所述水样图像样本相对应的多尺度训练样本数据;使用所述多尺度训练样本数据对神经网络进行训练,获得对应的神经网络模型。所述的水质检测方法,其中,所述 ...
【技术保护点】
1.一种水质检测方法,其特征在于,所述方法包括:获取若干水样图像样本;以所述水样图像样本为基础,构建对应的神经网络模型;采集获取当前水样图像;根据所述神经网络模型,确定当前水样图像的识别结果;将所述识别结果传送至远程终端,实时检测水质。
【技术特征摘要】
1.一种水质检测方法,其特征在于,所述方法包括:获取若干水样图像样本;以所述水样图像样本为基础,构建对应的神经网络模型;采集获取当前水样图像;根据所述神经网络模型,确定当前水样图像的识别结果;将所述识别结果传送至远程终端,实时检测水质。2.根据权利要求1所述的水质检测方法,其特征在于,所述以所述水样图像样本为基础,构建对应的神经网络模型,具体包括:生成与所述水样图像样本相对应的多尺度训练样本数据;使用所述多尺度训练样本数据对神经网络进行训练,获得对应的神经网络模型。3.根据权利要求2所述的水质检测方法,其特征在于,所述根据所述神经网络模型,确定当前水样图像的识别结果,具体包括:提取所述当前水样图像的关键点数据;通过所述神经网络模型,对所述关键点数据进行一致性匹配,获得匹配结果;根据所述匹配结果,确定当前水样图像的识别结果。4.根据权利要求3所述的水质检测方法,其特征在于,所述关键点数据包括:水样图像的水样颜色、浊度、漂浮物以及水花。5.根据权利要求4所述的水质检测方法,其特征在于,所述生成与所述水样图像样本相对应的多尺度训练样本数据,具体包括:提取每一个所述水样图像样本的关键点数据;所述水样图像样本为不同行业或者同一行业不同水质的水样图像样本;对所述水样图像样板的关键点数据进行归一化处理。6.一种水样图像识别装置,其特征在于,包括:在线图像采集模块以及图像识别模块;所述在线图...
【专利技术属性】
技术研发人员:刘应天,孙克柱,
申请(专利权)人:江苏凯纳水处理技术有限公司,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。