【技术实现步骤摘要】
一种基于卷积神经网络的污水处理指示性微生物图像识别方法
本专利技术涉及城市污水处理微生物镜检分析
,尤其涉及一种基于卷积神经网络的污水处理指示性微生物图像识别技术应用。
技术介绍
随着经济的发展以及城市化进程的不断加快,水资源日渐匮乏,水污染问题也越来越严重,人们对环保问题越来越重视,污水处理行业在城市环境保护中的地位日渐凸显。虽然污水处理有多种方式,但100多年来,活性污泥法以其经济、运行稳定的优势占据城市生活污水处理的主导地位。活性污泥法是在人工充氧条件下,对污水中各种微生物群体进行连续混合培养,形成活性污泥,利用活性污泥的生物凝聚、吸附和氧化作用,分解去除污水中的有机污染物。为了准确了解活性污泥系统的运行质量,运行人员需要定期对活性污泥进行取样和显微观察,随时掌握指示性微生物的种类、数量、大小、活性,以协助作出准确的工艺调控判断。活性污泥中指示性微生物种类繁多,包括钟虫、轮虫、楯纤虫、吸管虫、太阳虫等,常见的有几十种之多,这些微生物的状态代表着活性污泥在污水中的不同处理效果,及时准确的镜检可起到预先判断作用,对污水处理调控过程十分有利。但是,由于指示性微生物种类多,有些类似虫体不易区分,镜检人员如无长时间的经验积累较容易误判,加之镜检过程不规范易造成图像模糊,给判断造成更大困难。在此情况下,规范取样、镜检、拍照过程,采用经过专家判断和标注的图片训练的数据模型进行图像识别,快速给出统计结果和对应的业务指导建议,对污水厂运行具有重要意义。
技术实现思路
针对污水厂活性污泥法镜检识别过程和指示性微生物判定经验的不足,本专利技术的目的在于:提供一种基于卷积 ...
【技术保护点】
1.一种基于卷积神经网络的污水处理指示性微生物图像识别方法,其特征在于,建立了以下模型,识别出污水处理指示性微生物图像,该模型包括:1)第一深度残差网络层,用于训练提取整幅原始输入图片的特征;2)第二特征金字塔网络层,用于识别多尺度目标检测,接收第一深度残差网络层的输出,生成在所有尺度上都具有强语义信息的特征;3)第三区域推荐网络层,用于生成供筛选的推荐目标区域,将第二特征金字塔网络层的输出处理生成推荐目标框信息并优化其位置和大小;4)第四目标区域筛选层,对于第三区域推荐网络层输出的每张图片生成筛选目标区域,以及该筛选目标区域方形框的四角坐标值、分类值以及筛选目标区域内目标的具体位置坐标;5)第五多任务输出层,使用第四目标区域筛选层提供的待检测目标,进行目标类别的分类训练、目标框四角坐标的回归训练和生成覆盖目标的平面掩影;6)第六贝叶斯优化参数层,对于第五多任务输出层生成的模型,使用高斯过程的贝叶斯优化第一深度残差网络层的超参数后,作为最终的卷积网络模型结构。
【技术特征摘要】
1.一种基于卷积神经网络的污水处理指示性微生物图像识别方法,其特征在于,建立了以下模型,识别出污水处理指示性微生物图像,该模型包括:1)第一深度残差网络层,用于训练提取整幅原始输入图片的特征;2)第二特征金字塔网络层,用于识别多尺度目标检测,接收第一深度残差网络层的输出,生成在所有尺度上都具有强语义信息的特征;3)第三区域推荐网络层,用于生成供筛选的推荐目标区域,将第二特征金字塔网络层的输出处理生成推荐目标框信息并优化其位置和大小;4)第四目标区域筛选层,对于第三区域推荐网络层输出的每张图片生成筛选目标区域,以及该筛选目标区域方形框的四角坐标值、分类值以及筛选目标区域内目标的具体位置坐标;5)第五多任务输出层,使用第四目标区域筛选层提供的待检测目标,进行目标类别的分类训练、目标框四角坐标的回归训练和生成覆盖目标的平面掩影;6)第六贝叶斯优化参数层,对于第五多任务输出层生成的模型,使用高斯过程的贝叶斯优化第一深度残差网络层的超参数后,作为最终的卷积网络模型结构。2.如权利要求1所述的方法,其特征在于,所述第一深度残差网络层包括:1)残差单元C1,结构为使用7*7卷积的64维卷积层,连接使用3*3卷积的64维最大池化层,C1单元需要串接1个;2)残差单元C2,结构为使用1*1卷积的64维卷积层,连接使用3*3卷积的64维卷积层,再连接使用1*1卷积的256维卷积层,C2单元需要串接N1个,N1初始值为3;3)残差单元C3,结构为使用1*1卷积的128维卷积层,连接使用3*3卷积的128维卷积层,再连接使用1*1卷积的512维卷积层,C3单元需要串接N2个,N2初始值为4;4)残差单元C4,结构为使用1*1卷积的256维卷积层,连接使用3*3卷积的256维卷积层,再连接使用1*1卷积的1024维卷积层,C4单元需要串接N3个,N3初始值为23;5)残差单元C5,结构为使用1*1卷积的512维卷积层,连接使用3*3卷积的512维卷积层,再连接使用1*1卷积的2048维卷积层,C5单元需要串接N4个,N4初始值为3;6)残差单元C1至C5依次串接,形成了第一深度残差网络层;其中N1、N2、N3、N4在第六贝叶斯优化参数层经优化后确定。3.如权利要求2所述的方法,其特征在于,所述第二特征金字塔网络层包括P2、P3、P4、P5、P6层,生成规则如下:C5经过1*1卷积网络,得到M5;M5经过2倍放大上采样处理,和经过1*1卷积网络处...
【专利技术属性】
技术研发人员:王峰,白雪,姚洛,刘伟岩,郭毅,吴宇涵,朱栟,郭泓利,
申请(专利权)人:北控水务中国投资有限公司,
类型:发明
国别省市:北京,11
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。