污水处理设备的智能监测系统及其方法技术方案

本申请涉及智能监测领域，其具体地公开了一种污水处理设备的智能监测系统及其方法，其通过使用基于深度学习的深度神经网络模型对污水处理设备的监控视频和多个预定时间点的污水温度进行获取，接着，对污水处理设备的监控视频提取视频关键帧并通过作为过滤器的卷积神经网络模型和第一多尺度邻域特征提取模块，以得到浑浊度时序关联特征向量，并将多个预定时间点的污水温度通过第二多尺度领域特征提取模块得到温度时序关联特征向量，然后对二者进行融合得到融合特征向量，并通过分类器得到分类结果，以此来自适应地判断污水温度是否需要升高或降低

【技术实现步骤摘要】
污水处理设备的智能监测系统及其方法


[0001]本申请涉及智能监测领域，且更为具体地，涉及一种污水处理设备的智能监测系统及其方法
。

技术介绍

[0002]水是地球上生命存在和发展的基础，水资源的可用性和管理对于维持生命活动
、
粮食安全
、
水力发电
、
核能发电和一些可再生能源的利用等多个方面起到了重要作用
。
因此，保护和合理利用水资源是我们每个人和整个社会的责任
。
[0003]在过去，污水处理设备的污水温度监测主要依赖于人工采集数据和经验判断
。
这种方法通常需要人工取样和分析，这需要耗费时间和人力资源，并且人工操作可能存在误差和主观性，导致数据的准确性和可靠性受到影响
。
传统污水处理设备的污水温度监测方法通常在有限的采样点进行取样和分析，无法全面覆盖污水处理系统的各个环节，这可能导致污水温度监测结果的局限性，无法准确判断是否对污水温度进行升高或降低
。
[0004]因此，期待一种更为优化的污水处理设备的智能监测系统及其方法
。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请
。
本申请的实施例提供了一种污水处理设备的智能监测系统及其方法，其通过使用基于深度学习的深度神经网络模型对污水处理设备的监控视频和多个预定时间点的污水温度进行获取，接着，对污水处理设备的监控视频提取视频关键帧并通过作为过滤器的卷积神经网络模型和第一多尺度邻域特征提取模块，以得到浑浊度时序关联特征向量，并将多个预定时间点的污水温度通过第二多尺度领域特征提取模块得到温度时序关联特征向量，然后对二者进行融合得到融合特征向量，并通过分类器得到分类结果，以此来自适应地判断污水温度是否需要升高或降低
。
[0006]根据本申请的一个方面，提供了一种污水处理设备的智能监测系统，其包括：污水数据采集模块，用于获取由水下摄像机采集的污水处理监控视频和由温度传感器采集的多个预定时间点的污水温度；关键帧提取模块，用于从所述污水处理设备的监控视频中提取出多个污水监控视频关键帧；浑浊度编码模块，用于将所述多个污水监控视频关键帧通过作为过滤器的第一卷积神经网络模型以得到多个浑浊度特征向量；浑浊度特征提取模块，用于将所述多个浑浊度特征向量排列为浑浊度输入向量后通过第一多尺度邻域特征提取模块以得到浑浊度时序关联特征向量；温度特征排列模块，用于将所述多个预定时间点的污水温度按照时间维度排列为温度输入向量；温度特征提取模块，用于将所述温度输入向量后通过第二多尺度邻域特征提取模块以得到温度时序关联特征向量；融合模块，用于将所述浑浊度时序关联特征向量和所述温度时序关联特征向量进行融合得到融合特征向量；分类模块，用于将所述融合特征向量通过分类器得到分类结果，所述分类结果用于表示污水温度是否需要升高或降低
。
[0007]在上述污水处理设备的智能监测系统中，所述浑浊度特征编码模块，包括：使用二
维卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：对所述输入数据进行基于二维卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化处理以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述二维卷积神经网络模型的第一层的输入为所述多个污水监控视频关键帧，所述二维卷积神经网络模型的最后一层的输出为所述多个浑浊度特征向量
。
[0008]在上述污水处理设备的智能监测系统中，所述浑浊度特征提取模块，包括：第一卷积层
、
与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的级联层，其中，所述第一卷积层使用具有第一尺度的二维卷积核，所述第二卷积核使用具有第二尺度的二维卷积核
。
[0009]在上述污水处理设备的智能监测系统中，所述温度特征提取模块，包括：
[0010]第一尺度特征提取单元，用于将所述温度输入向量输入所述第二多尺度邻域特征提取模块的第一卷积层以得到第一尺度污水温度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取单元，用于将所述温度输入向量输入所述第二多尺度邻域特征提取模块的第二卷积层以得到第二尺度污水温度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；多尺度级联单元，用于将所述第一尺度污水温度特征向量和所述第二尺度污水温度特征向量进行级联以得到所述温度时序关联特征向量
。
[0011]在上述污水处理设备的智能监测系统中，所述温度特征提取模块，包括：
[0012]使用所述第二多尺度邻域特征提取模块的第一卷积层以如下第一尺度卷积公式对所述温度输入向量进行一维卷积编码以得到所述第一尺度污水温度特征向量；
[0013]其中，所述第一尺度卷积公式为：
[0014][0015]其中，
a
为第一一维卷积核在
x
方向上的宽度
、F(a)
为第一一维卷积核参数向量
、G(x
‑
a)
为与第一卷积核函数运算的局部向量矩阵，
w
为第一一维卷积核的尺寸，
X
表示所述温度输入向量，
Cov(X)
表示对所述温度输入向量进行一维卷积编码；
[0016]所述第二尺度特征提取单元，用于：使用所述第二多尺度邻域特征提取模块的第二卷积层以如下第二尺度卷积公式对所述温度输入向量进行一维卷积编码以得到所述第二尺度污水温度特征向量；
[0017]其中，所述第二尺度卷积公式为：
[0018][0019]其中，
b
为第二一维卷积核在
x
方向上的宽度
、F(b)
为第二一维卷积核参数向量
、G(x
‑
b)
为与第二卷积核函数运算的局部向量矩阵，
m
为第二一维卷积核的尺寸，
X
表示所述温度输入向量，
Cov(X)
表示对所述温度输入向量进行一维卷积编码
。
[0020]在上述污水处理设备的智能监测系统中，所述融合模块，包括：协方差单元，分别计算所述浑浊度时序关联特征向量和所述温度时序关联特征向量的协方差矩阵以得到第
一协方差矩阵和第二协方差矩阵；第一奇异值分解单元，对所述第一协方差矩阵进行奇异值分解以得到多个第一奇异值和与所述多个第一奇异值对应的多个第一奇异向量；第二奇异值分解单元，对所述第二协方差矩阵进行奇异值分解以得到多个第二奇异值和与所述多个第二奇异值对应的多个第二奇异向量；提取单元，从所述多个第一奇异向量中提取前
k
个第一奇异值对应的第一奇异向量且从所述多个第二奇异向量中提取前
k
个第二奇异值对应的第二奇异向量作为低维稀疏中介空间的基；映本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种污水处理设备的智能监测系统，其特征在于，包括：污水数据采集模块，用于获取由水下摄像机采集的污水处理监控视频和由温度传感器采集的多个预定时间点的污水温度；关键帧提取模块，用于从所述污水处理设备的监控视频中提取出多个污水监控视频关键帧；浑浊度编码模块，用于将所述多个污水监控视频关键帧通过作为过滤器的第一卷积神经网络模型以得到多个浑浊度特征向量；浑浊度特征提取模块，用于将所述多个浑浊度特征向量排列为浑浊度输入向量后通过第一多尺度邻域特征提取模块以得到浑浊度时序关联特征向量；温度特征排列模块，用于将所述多个预定时间点的污水温度按照时间维度排列为温度输入向量；温度特征提取模块，用于将所述温度输入向量后通过第二多尺度邻域特征提取模块以得到温度时序关联特征向量；融合模块，用于将所述浑浊度时序关联特征向量和所述温度时序关联特征向量进行融合得到融合特征向量；分类模块，用于将所述融合特征向量通过分类器得到分类结果，所述分类结果用于表示污水温度是否需要升高或降低
。2.
根据权利要求1所述的污水处理设备的智能监测系统，其特征在于，所述浑浊度特征编码模块，包括：使用二维卷积神经网络模型的各层在层的正向传递中对输入数据分别进行：对所述输入数据进行基于二维卷积核的卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化处理以得到池化特征图；对所述池化特征图进行非线性激活以得到激活特征图；其中，所述二维卷积神经网络模型的第一层的输入为所述多个污水监控视频关键帧，所述二维卷积神经网络模型的最后一层的输出为所述多个浑浊度特征向量
。3.
根据权利要求2所述的污水处理设备的智能监测系统，其特征在于，所述浑浊度特征提取模块，包括：第一卷积层
、
与所述第一卷积层并行的第二卷积层，以及，与所述第一卷积层和所述第二卷积层连接的级联层，其中，所述第一卷积层使用具有第一尺度的二维卷积核，所述第二卷积核使用具有第二尺度的二维卷积核
。4.
根据权利要求3所述的污水处理设备的智能监测系统，其特征在于，所述温度特征提取模块，包括：第一尺度特征提取单元，用于将所述温度输入向量输入所述第二多尺度邻域特征提取模块的第一卷积层以得到第一尺度污水温度特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取单元，用于将所述温度输入向量输入所述第二多尺度邻域特征提取模块的第二卷积层以得到第二尺度污水温度特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；多尺度级联单元，用于将所述第一尺度污水温度特征向量和所述第二尺度污水温度特征向量进行级联以得到所述温度时序关联特征向量
。
5.
根据权利要求4所述的污水处理设备的智能监测系统，其特征在于，所述温度特征提取模块，包括：使用所述第二多尺度邻域特征提取模块的第一卷积层以如下第一尺度卷积公式对所述温度输入向量进行一维卷积编码以得到所述第一尺度污水温度特征向量；其中，所述第一尺度卷积公式为：其中，
a
为第一一维卷积核在
x
方向上的宽度
、F(a)
为第一一维卷积核参数向量
、G(x
‑
a)
为与第一卷积核函数运算的局部向量矩阵，
w
为第一一维卷积核的尺寸，
X
表示所述温度输入向量，
Cov(X)
表示对所述温度输入向量进行一维卷积编码；所述第二尺度特征提取单元，用于：使用所述第二多尺度邻域特征提取模块的第二卷积层以如下第二尺度卷积公式对所述温度输入向量进行一维卷积编码以得到所述第二尺度污水温度特征向量；其中，所述第二尺度卷积公式为：其中，
b
为第二一维卷积核在
x
方向上的宽度
、F(b)
为第二一维卷积核参数向量
、G(x
‑
b)
为与第二卷积核函数运算的局部向量矩阵，
m
为第二一维卷积核的尺寸，
X
表示所述温度输入向量，
Cov(...

【专利技术属性】
技术研发人员：王洁，蔡智英，王建初，魏东立，
申请(专利权)人：海宁市立洁环保有限公司，
类型：发明
国别省市：