一种污水预处理方法及系统技术方案

本发明专利技术提供了一种污水预处理方法及系统，通过基于双目摄像头采集的污水颗粒图像、多个格栅上通孔的内径以及预设的神经网络模型生成伸缩机构控制指令，这样可以针对每个污染颗粒的大小和数量选择最合适的格栅，进而一方面可以有效预处理，另一方面不会因格栅太小而使得预处理过程过长。得预处理过程过长。得预处理过程过长。

【技术实现步骤摘要】
一种污水预处理方法及系统


[0001]本专利技术涉及污水预处理
，更具体的，涉及一种污水预处理方法及系统。

技术介绍

[0002]随着人们生活水平的提高，我国对环境保护越来越重视。为了适应提标改造日益提升的高标准要求，国家、地方、行业、企业投入大量经费进行科研攻关，取得一大批研究成果，使得常规技术日益成熟，改良工艺纷纷涌现。如臭氧催化氧化工艺、工艺兼氧膜生物反应器(FMBR)工艺、移动床生物膜反应器(MBBR)工艺等一系列改良技术就获得了快速发展。
[0003]但是目前对于污水的预处理缺少研究，目前针对污水的预处理大多是简单的用格栅去除污水颗粒或细沙，格栅过大则预处理不完全，格栅过小则预处理速度慢，而预处理速度直接影响整个一体化污水处理进程，因此需要解决上述污水预处理中的不足。

技术实现思路

[0004]本专利技术的目的在于提供一种污水预处理方法，以解决现有技术存在的问题中的至少一个。
[0005]为达到上述目的，本专利技术采用下述技术方案：
[0006]本专利技术第一方面实施例提供一种污水预处理方法，包括：
[0007]基于双目摄像头采集的污水颗粒图像、多个格栅上通孔的内径以及预设的神经网络模型生成伸缩机构控制指令；其中每个格栅均设置于污水预处理通道内，每个格栅上形成有多个贯通的通孔，相同格栅上的通孔内径相同，每个格栅的通孔内径呈梯度增长设置，且每个格栅上包括有伸缩机构；
[0008]将所述伸缩机构控制指令发送至对应的伸缩机构，以使对应的格栅伸出或收缩，以通过对应格栅过滤所述污水中的颗粒。
[0009]在优选的实施例中，每个格栅的通孔内径间隔2微米。
[0010]在优选的实施例中，所述基于双目摄像头采集的污水颗粒图像、多个格栅上通孔的内径以及预设的神经网络模型生成伸缩机构控制指令，包括：
[0011]识别所述污水颗粒图像中的污水颗粒，并记录所述污水颗粒的平均粒径和粒径总数；
[0012]将所述污水颗粒的平均粒径和粒径总数输入至所述神经网络模型，所述神经网络模型输出格栅的标识编号；
[0013]基于所述格栅的标识编号生成对应的伸缩机构控制指令。
[0014]在优选的实施例中，还包括：
[0015]建立所述神经网络模型；
[0016]结合预设范围，利用数据爆炸得到随机平均粒径和随机粒径总数；
[0017]对多组训练数据标记格栅编号，每组训练数据包括一随机平均粒径和一随机粒径；
[0018]利用多组训练数据训练所述神经网络模型，直至所述神经网络模型收敛。
[0019]在优选的实施例中，还包括：
[0020]根据每个格栅的通孔内径差，对所述神经网络模型进行二次规划。
[0021]在优选的实施例中，根据每个格栅的通孔内径差，对所述神经网络模型进行二次规划，包括：
[0022]利用所述格栅的通孔内径差，生成每个编号之间的回归系数；
[0023]利用所述回归系数和其他编号对应的回归系数以及训练数据，预估本编号的训练数据；
[0024]利用标记本编号的预估得到的训练数据再次训练所述神经网络模型，得到回归后的神经网络模型。
[0025]在优选的实施例中，所述利用所述格栅的通孔内径差，生成每个编号之间的回归系数，包括：
[0026]计算每个格栅的通孔内径差，并对每个通孔内径进行排序，生成通孔内径序列；
[0027]间隔选取多个通孔内径序列中的通孔内径，并随机选取一通孔内径，以该通孔内径和间隔选取的多个通孔内径组合形成通孔内径组；
[0028]对通孔内径组中的各通孔内径取平均，得到回归平均数；
[0029]计算每个通孔内径与该回归平均数的比值，得到每个编号的回归系数。
[0030]本申请第二方面实施例提供一种污水预处理系统，包括：
[0031]多个格栅、双目摄像头以及处理器；
[0032]每个格栅上形成有多个贯通的通孔，相同格栅上的通孔内径相同，每个格栅的通孔内径呈梯度增长设置，且每个格栅上包括有伸缩机构；每个格栅均设置于污水预处理通道内；
[0033]所述处理器基于双目摄像头采集的污水颗粒图像、各格栅上通孔的内径以及预设的神经网络模型生成伸缩机构控制指令，以指示匹配的格栅过滤所述污水中的颗粒。
[0034]本申请第三方面实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的预处理方法。
[0035]本申请第四方面实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述的预处理方法。
[0036]本专利技术的有益效果
[0037]本专利技术提供了一种污水预处理方法及系统，通过基于双目摄像头采集的污水颗粒图像、多个格栅上通孔的内径以及预设的神经网络模型生成伸缩机构控制指令，这样可以针对每个污染颗粒的大小和数量选择最合适的格栅，进而一方面可以有效预处理，另一方面不会因格栅太小而使得预处理过程过长。
附图说明
[0038]为了更清楚地说明本专利技术实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍，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方式，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他的附图。
[0039]图1是本专利技术实施例提供的污水预处理方法示意图。
[0040]图2是本申请实施例提供的污水预处理系统的结构示意图。
[0041]图3是适用于本申请的计算机设备示意图。
具体实施方式
[0042]下面将结合本专利技术实施方式中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。
[0043]以下公开内容提供了许多用于实现本专利技术的不同特征的不同实施方式或实例。下面描述了组件和布置的具体实例以简化本专利技术。当然，这些仅仅是实例，而不旨在限制本专利技术。例如，以下描述中，在第二部件上方或者上形成第一部件可以包括第一部件和第二部件直接接触形成的实施方式，并且也可以包括在第一部件和第二部件之间可以形成额外的部件，从而使得第一部件和第二部件可以不直接接触的实施方式；同样的，以下描述中，第一部件和第二部件的“耦接”，可以包括第一部件和第二部件直接接触形成的实施方式，并且也可以包括在第一部件和第二部件之间可以形成额外的部件，从而使得第一部件和第二部件可以不直接接触的实施方式。
[0044]而且，为便于描述，在本专利技术中涉及“第一”、“第二”等的描述仅设置为描述目的，而不能理解为指示或暗示其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”的特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种污水预处理方法，其特征在于，包括：基于双目摄像头采集的污水颗粒图像、多个格栅上通孔的内径以及预设的神经网络模型生成伸缩机构控制指令；其中每个格栅均设置于污水预处理通道内，每个格栅上形成有多个贯通的通孔，相同格栅上的通孔内径相同，每个格栅的通孔内径呈梯度增长设置，且每个格栅上包括有伸缩机构；将所述伸缩机构控制指令发送至对应的伸缩机构，以使对应的格栅伸出或收缩，以通过对应格栅过滤所述污水中的颗粒。2.根据权利要求1所述的污水预处理方法，其特征在于，每个格栅的通孔内径间隔2微米。3.根据权利要求2所述的污水预处理方法，其特征在于，所述基于双目摄像头采集的污水颗粒图像、多个格栅上通孔的内径以及预设的神经网络模型生成伸缩机构控制指令，包括：识别所述污水颗粒图像中的污水颗粒，并记录所述污水颗粒的平均粒径和粒径总数；将所述污水颗粒的平均粒径和粒径总数输入至所述神经网络模型，所述神经网络模型输出格栅的标识编号；基于所述格栅的标识编号生成对应的伸缩机构控制指令。4.根据权利要求3所述的污水预处理方法，其特征在于，还包括：建立所述神经网络模型；结合预设范围，利用数据爆炸得到随机平均粒径和随机粒径总数；对多组训练数据标记格栅编号，每组训练数据包括一随机平均粒径和一随机粒径；利用多组训练数据训练所述神经网络模型，直至所述神经网络模型收敛。5.根据权利要求1所述的污水预处理方法，其特征在于，还包括：根据每个格栅的通孔内径差，对所述神经网络模型进行二次规划。6.根据权利要求5所述的污水预处理方法，其特征在于，根据每个格栅的通孔内径差，对所述神经网...

【专利技术属性】
技术研发人员：柴云，
申请(专利权)人：达斯玛环境科技北京有限公司，
类型：发明
国别省市：