基于图像数据的污水处理方法及系统技术方案

本发明专利技术涉及污水处理领域，具体涉及基于图像数据的污水处理方法及系统，获取不同区域的活性污泥样本，得到多帧图像；获取微生物的目标框图；对每帧图像进行运动分析，得到运动特征；对每帧图像进行形状分析，得到形状特征；计算偏移距离以及形状匹配度；计算变化帧图像和初始图像的每一个目标框的相似度，当相似度大于设定阈值，则微生物为活性微生物；统计活性微生物占样本中总微生物的占比，当占比小于设定阈值时，则说明活性污泥活性过低，投入营养剂；反之，若存在兼氧或厌氧代谢的优势菌,则对曝气池中的该区域进行选择性排泥。即本发明专利技术的方案能够根据微生物的光流特征和形状上下文特征，更加准确对污水进行处理。更加准确对污水进行处理。更加准确对污水进行处理。

【技术实现步骤摘要】
基于图像数据的污水处理方法及系统


[0001]本专利技术涉及污水处理领域，具体涉及基于图像数据的污水处理方法及系统。

技术介绍

[0002]污水处理是城市排水系统中保护环境与食品安全的重要一环。据统计，目前我国使用活性污泥法的废水处理厂超80%，且超过85%的污水都经过活性污泥法的处理。运用活性污泥法处理污水的关键是微生物，目前污水中活性污泥微生物检测方法主要分为间接法和直接法。间接法主要是通过分子生物学进行检测；间接法虽然一种精确的方法，但它耗时且需要昂贵的设备。直接法是污水处理厂显微镜观察人员观察污水处理厂不同运行状态下活性污泥中的微生物的种类和数量，进行人工观察和计数。
[0003]使用显微镜的微生物计数的准确性很大程度上取决于观察者在读片过程中的读片经验和注意力，而且每位操作人员观察显微镜技术的诊断结果的有效性存在差异，并且显微镜观察人员的培训过程非常耗时，再加上污泥物生物种类多种多样，有误判的风险。此外，污泥中的微生物还会移动，而显微镜观察的视野范围过小的话，微生物可能被遮挡，也可能走出视野范围，给识别带来了挑战。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供基于图像数据的污水处理方法及系统，所采用的技术方案具体如下：本专利技术提供了基于图像数据的污水处理方法，包括以下步骤：获取不同区域的活性污泥样本，采用显微镜拍摄微生物图像，得到多帧图像；构建污泥微生物识别神经网络，将每帧图像输入到训练好的污泥微生物识别神经网络，输出微生物的目标框图；对每帧图像进行运动分析，得到运动特征；对每帧图像进行形状分析，得到形状特征；根据获取的微生物的目标框图的运动轨迹以及形状特征，计算偏移距离以及形状匹配度；基于偏移距离以及形状匹配度，计算变化帧图像和初始图像的每一个目标框的相似度，当相似度大于设定阈值，则微生物为活性微生物；统计活性微生物占样本中总微生物的占比，当占比小于设定阈值时，则说明活性污泥活性过低，投入营养剂；若存在兼氧或厌氧代谢的优势菌,则证明污泥不再适应焦化废水好氧生物降解的环境，对曝气池中的该区域进行选择性排泥。
[0005]优选地，所述运动特征的获取过程为：以第m
‑
1帧和第m帧图像的产生稠密光流图作为第i帧的运动分析；对稠密光流图进行分析，求得稠密光流图的连通域；对连通域中每一点进行加权求和得到移动重心点，然后按照时间顺序连接每一帧的移动重心点得到微生物移动轨迹图，作为微生物在一段时间内的运动特征。
[0006]优选地，所述形状特征的获取过程为：
采用Sobel边缘检测算子得到目标框的边缘图，在边缘图上均匀取点，得到样本点，然后使用形状上下文描述子得到每一点的直方图向量，将非目标框区域的背景区域的像素值赋值为黑色，即为，得到形状特征。
[0007]优选地，所述偏移距离为其中，为变化帧图像中选取的目标框的中心点坐标，为初始帧图像中选取的目标框的中心点坐标。
[0008]优选地，所述形状匹配度为其中，K为样本点的数量，为初始图像上样本点的直方图向量，为变化帧图像上样本点的直方图向量。
[0009]优选地，所述目标框的相似度为 其中，D为偏移距离，C为形状匹配度，。
[0010]本专利技术还提供了基于图像数据的污水处理系统，包括存储器和处理器，所述处理器用于执行存储在所述存储器中用于实现上述的基于图像数据的污水处理方法的步骤。
[0011]本专利技术的有益效果为：基于本申请所述对微生物的运动分析和图像分析，相较于现有技术有益效果在于结合了微生物的光流特征和形状上下文特征，更加准确的估计单一微生物的运动状态和形状，利于后续的前后帧图像匹配，以实现更好的微生物计数，便于抽样统计样本的微生物活性和组成。
附图说明
[0012]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。
[0013]图1是本专利技术的基于图像数据的污水处理方法的方法步骤图；图2是本专利技术的基于图像数据的污水处理方法的流程框图。
具体实施方式
[0014]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，对依据本专利技术的方案，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。
[0015]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。
[0016]本专利技术针对曝气池底部的污泥进行检测。
[0017]具体地，本专利技术提出的基于图像数据的污水处理方法的方法实施例的步骤流程图，如图1和图2所示，包括以下步骤：步骤一：获取不同区域的活性污泥样本，采用显微镜拍摄微生物图像，得到多帧图像。
[0018]对曝气池底部的污泥进行抽样，制成样本，然后送入光学显微镜中，然后使用RGB相机拍摄目镜中的多帧图像作为检测对象，并将RGB图像转化为HSV图像，便于后续的分析。
[0019]由于光学透镜的物理性质，图像的分辨率是难以上升的，因此我们只能对样本中的局部区域进行观察；其中录制时长为（单位：分钟）的观察视频，经验值取。
[0020]需要说明的是，大量研究证实了污水处理中活性污泥微生物的生物指示能力,活性污泥法中的微生物物种的多样性和丰度是控制污水处理的重要参数,这些参数可以用来评估污水处理厂的运行状态和污水的净化程度，特别是活性污泥中的原生微生物、后生微生物、细菌以及藻类。通过活性污泥微生物的种类和数量与适应水生物化学环境之间的基本规律,观察不同运行状态下出现的微生物的种类和数量,以此判断污水处理厂曝气池运行状态。
[0021]步骤二：构建污泥微生物识别神经网络，将每帧图像输入到训练好的污泥微生物识别神经网络，输出微生物的目标框图；对每帧图像进行运动分析，得到运动特征；对每帧图像进行形状分析，得到形状特征。
[0022]本实施例中的微生物的目标框图的获取过程为：（1）构建污泥微生物识别神经网络本实施例中的神经网络的基本结构为Yolo v5，输入为显微镜观察到的每一帧图像，输出实例分割的结果，记为微生物的目标框图A。
[0023]在目标检测领域中，一个目标框可表示为，为目标框中心点的坐标，为目标框的高度，为目标框的宽度。
[0024]（2）构建数据集训练活性污泥检测神经网络本实施例中，找到带有各种微生物的污泥样本，采集图像，安排大数据标注专家用特定的像素值标注出微生物及其种类标签。数据集中的图像取80%作为训练集，20%作为测试集，使用交叉熵损失函数，优化器使用Adam，经过训练最终得到识别效果良好的神经网络。
[0025]本实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像数据的污水处理方法，其特征在于，包括以下步骤：获取不同区域的活性污泥样本，采用显微镜拍摄微生物图像，得到多帧图像；构建污泥微生物识别神经网络，将每帧图像输入到训练好的污泥微生物识别神经网络，输出微生物的目标框图；对每帧图像进行运动分析，得到运动特征；对每帧图像进行形状分析，得到形状特征；根据获取的微生物的目标框图的运动轨迹以及形状特征，计算偏移距离以及形状匹配度；基于偏移距离以及形状匹配度，计算变化帧图像和初始图像的每一个目标框的相似度，当相似度大于设定阈值，则微生物为活性微生物；统计活性微生物占样本中总微生物的占比，当占比小于设定阈值时，则说明活性污泥活性过低，投入营养剂；若存在兼氧或厌氧代谢的优势菌,则证明污泥不再适应焦化废水好氧生物降解的环境，对曝气池中的该区域进行选择性排泥。2.根据权利要求1所述的基于图像数据的污水处理方法，其特征在于，所述运动特征的获取过程为：以第m
‑
1帧和第m帧图像的产生稠密光流图作为第i帧的运动分析；对稠密光流图进行分析，求得稠密光流图的连通域；对连通域中每一点进行加权求和得到移动重心点，然后按照时间顺序连接每一帧的移动重心点得到...

【专利技术属性】
技术研发人员：杨小金，
申请(专利权)人：南通炜秀环境技术服务有限公司，
类型：发明
国别省市：