水质检测方法及其水样图像识别装置制造方法及图纸

本发明专利技术实施例提供了一种水质检测方法及其水样图像识别装置。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。该方法通过对水样图像的识别来提供水样检测结果。该水样检测结果的反应速度较快，能够解决水处理系统水质突变无法及时发现的问题。另外，该水质检测方法还可以为环保提供实时的检测数据，确保能够及时的发现排污超标的问题。

Water Quality Detection Method and Water Sample Image Recognition Device

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。所述的水质检测方法，其中，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。所述的水质检测方法，其中，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。一种水样图像识别装置，其中，该图像识别装置包括：在线图像采集模块以及图像识别模块；所述在线图像采集模块用于采集若干水样图像样本以及当前水样图像；所述图像识别模块包括：样本获取单元，用于获取若干水样图像样本；模型生成单元，用于以所述水样图像样本为基础，构建对应的神经网络模型；采样单元，用于采集获取当前水样图像；图像分析单元，用于根据所述神经网络模型，确定当前水样图像的识别结果；以及远程检测单元，用于接收所述识别结果，实时检测水质。所述的水样图像识别装置，其中，所述模型生成单元，具体包括：判定样本子单元，用于生成与所述水样图像样本相对应的多尺度训练样本数据；训练子单元，用于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。所述的水样图像识别装置，其中，所述采样单元还用于，提取所述当前水样图像的关键点数据；所述图像分析单元具体用于：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。所述的水样图像识别装置，其中，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。所述的水样图像识别装置，其中，所述样本获取单元还用于，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；所述训练子单元具体用于，对所述水样图像样板的关键点数据进行归一化处理。有益效果：本专利技术提供的水质检测方法及其水样图像识别装置，结合基于神经网络的图像分析方法，通过对水样图像的识别来提供水样检测结果。该水样检测结果的反应速度较快，能够解决水处理系统水质突变无法及时发现的问题。另外，该水质检测方法还可以为环保提供实时的检测数据，确保能够及时的发现排污超标的问题。附图说明图1为本专利技术具体实施例的水质检测方法的方法流程图。图2为本专利技术具体实施例的水质检测方法水样图像识别装置的功能框图。具体实施方式本专利技术提供一种水质检测方法及其水样图像识别装置。为使本专利技术的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本专利技术的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。在本专利技术中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。在本专利技术中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本专利技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。图1为本专利技术实施例提供的水质检测方法的方法流程图。如图1所示，该水质检测方法包括如下步骤：110、获取若干水样图像样本。该水样图像样本可以是来自不同行业，例如火电厂水处理的给水处理的原水水样图像、脱硫处理系统的出水水样图像、钢铁行业废水出水水样图像、污水处理厂排放口水样图像和/或同一行业中，不同污染物含量的水样图像。具体的，在获取水样图像本文档来自技高网...

【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