一种基于计算机视觉的污水处理验证方法技术

本发明专利技术涉及一种基于计算机视觉的污水处理验证方法；其获取三种不同光源下的污水样本的RGB图像信息，得到各光源对应的水下杂质分布图；然后将各水下杂质分布图输入神经网络中，分别得到水光分布图和杂质干扰图；进而根据水光分布图和杂质干扰图分别得到水体的颜色倾向程度和各光源下的杂质干扰图的信息熵；对所述杂质干扰图进行图像融合得到杂质分布图，根据所述杂质分布图得到杂质的分布密度和杂质的平均大小；最后根据所述水体的颜色倾向程度、杂质的分布密度和杂质的平均大小以及杂质干扰图的信息熵得出污水处理的合格程度，将所述合格程度与设置阈值作比较，判断污水处理是否合格。即本发明专利技术能够准确地判断出污水处理是否合格。是否合格。是否合格。

A verification method of sewage treatment based on computer vision

【技术实现步骤摘要】
一种基于计算机视觉的污水处理验证方法


[0001]本专利技术涉及计算机视觉领域，具体涉及一种基于计算机视觉的污水处理验证方法。

技术介绍

[0002]现如今，很多产业在生产过程中都伴随着污水的生成，例如：纺织工业、化工生产企业等。这些污水中往往含有有害的高分子化合物或重金属离子等杂质，为了避免污水中的杂质影响环境，则需要对产生的污水进行处理。污水处理流程的大致过程是：污水需要先过滤去除颗粒大的杂质，然后添加处理剂将在水中的高分子或者有害离子沉淀出来，进而完成对污水的处理。
[0003]在污水处理之后，还需要验证处理后的污水是否符合排放标准，避免出现由于处理过程中的设备故障、处理参数异常等问题导致污水中沉淀物去除不干净的现象。而目前，一般都是采用水质检测仪、氨氮在线分析仪等检测装置，但是这些检测装置大都结构复杂，成本高，且内置用电设备较多，并且在进行频繁的检测中还需要耗费更多的资源，增加了企业的检测成本。
[0004]因此，亟需要一种成本低、能够准确检测污水合格程度的方法。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种基于计算机视觉的污水处理验证方法，所采用的技术方案具体如下：
[0006]本专利技术的一种基于计算机视觉的污水处理验证方法的技术方案，包括以下步骤：
[0007]获取三种不同光源下的污水样本的RGB图像信息；
[0008]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；
[0009]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；
[0010]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；
[0011]计算各杂质干扰图的信息熵；
[0012]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；
[0013]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；
[0014]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。
[0015]进一步地，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。
[0016]进一步地，所述神经网络模型的损失函数为：
[0017][0018]其中，I1
i
为第i个光源下的水光分布图，I2
i
为第i个光源下的杂质干扰图，I0
i
为第i个光源下的水下杂质分布图，i＝1，2，3；为I1
i
中对应像素的梯度，EG(I2
i
)为对图像I2
i
去除高频噪声后进行腐蚀操作的结果；FFT(I2
i
)为对I2
i
进行傅里叶变换后的频域信息，FFT(I1
i
)为对I1
i
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。
[0019]进一步地，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。
[0020]进一步地，所述水体的颜色倾向程度为：
[0021]其中，p∈I1
i
为p是水光分布图I1
i
上的任意一个像素点；i＝1，2，3；w
p
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。
[0022]进一步地，所述杂质的平均大小为所有杂质区域面积的均值。
[0023]进一步地，所述合格程度为：
[0024]D＝exp(
‑
(W
×
P
×
Q
×
max(H1,H2,H3)))
[0025]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。
[0026]本专利技术实施例至少具有如下有益效果：
[0027]本专利技术利用三种不同光源下的水下杂质分布图通过神经网络分别获取不同光源下的水光分布图和杂质干扰图；使用不同的光源能够准确的衡量水体的颜色以及杂质的分布情况，避免出现在单一的光源下杂质获取不准确或者难以获得的情况；然后根据不同光源下的水光分布图和杂质干扰图，不仅能够准确获得杂质的分布密度和大小，还能衡量杂质分布的多样性以及水体颜色倾向程度；同时，通过杂质的分布密度和大小、水体颜色倾向程度，能够准确地获取污水样本的合格程度，从而能够准确的评估和验证污水处理是否合格。
附图说明
[0028]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0029]图1为本专利技术的一种基于计算机视觉的污水处理验证方法实施例的方法流程图。
具体实施方式
[0030]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种基于计算机视觉的污水处理验证方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
[0031]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0032]下面结合附图具体的说明本专利技术所提供的一种基于计算机视觉的污水处理验证方法的具体方案。
[0033]本专利技术针对的场景为：对污水处理厂处理后的污水进行检测，具体地，利用玻璃缸单独隔离出一部分处理后的污水作为处理污水样本；需要说明的是，利用玻璃缸单独隔离出一部分处理后的污水是为了让隔离出来的水体处于没有波动和流动的状态，且认为水体中的杂质在短时间内是静止不动的，这样是为了避免玻璃缸中的水体受外界水体波动的影响。
[0034]基于上述场景，本专利技术一个实施例提供的一种基于计算机视觉的污水处理验证方法的步骤流程本文档来自技高网...

【技术保护点】

【技术特征摘要】
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；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，所述神经网络模型的损失函数为：其中，I1
i
为第i个光源下的水光分布图，I2
i
为第i个光源下的杂质干扰图，I0
i
为第i个光源下的水下杂质分布图，i＝1，2，3；为I1
i
中对应像素的梯度，EG(I2

【专利技术属性】
技术研发人员：李贺，李黎，侯精明，
申请(专利权)人：江苏禹润水务研究院有限公司，
类型：发明
国别省市：