A/O池泡沫线位置实时检测方法、系统及存储介质技术方案

技术编号:40499276 阅读:34 留言:0更新日期:2024-02-26 19:26
本发明专利技术属于污水处理领域,具体涉及一种A/O池泡沫线位置实时检测方法、系统及存储介质。本发明专利技术的检测方法是通过在Yolov5x的骨干网络中融合挤压‑激励注意力机制来增强泡沫线特征的提取能力,采用SPPCSPC结构来加强浅层与深层信息的融合,以解决泡沫线检测过程中易受背景干扰的问题,引入Focal_GIOU Loss提供更精确的边界框预测,从而进一步提高泡沫线检测精度,在此模型基础上,可获得一条可作为参考基准的最佳A/O池边沿的拟合曲线,借助此拟合曲线,对被检测图像上中泡沫是否溢出作出实时的判断及报警。结果表明,该方法的准确率达到98.9%,可满足实际应用下的检测精度与实时性要求。

【技术实现步骤摘要】

本专利技术属于污水处理领域,具体涉及一种a/o池泡沫线位置实时检测方法、系统及存储介质,尤其涉及一种基于图像处理与深度学习技术,针对a/o池内无规则、不断变化的泡沫线进行实时检测的方法、系统及存储介质。


技术介绍

1、在对生活垃圾填埋场渗滤液进行生化预处理时,在a/o池中会堆积大量的泡沫,在接近反应池边沿的位置,如不及时处理会出现泡沫溢出的情况,这就需要做出及时准确有效的判断,但是传统的人工检测依旧采取目测的方法,无法准确快速的检测与定位泡沫溢出的地点;同时这种检测方法还容易受到周围建筑、天气、以及被泡沫线与反应池边沿短暂接触所误导等影响,容易产生误判,测量速度与精度都无法保证,无法满足现有的实际生产需求。

2、目前,虽然公开了一些水位线检测的方法或手段,但这些检测方法或手段大多基于水尺,然而水尺自身的宽度导致其只能在一段相对于平缓的区域发挥作用,且极易受到周围环境的影响。对于a/o池中不断翻涌的泡沫,泡沫线是无规则、不断变化的,一段区域的水尺刻度不具有参考作用。因此,如何实现无人化的泡沫线实时在线准确检测以及实时判断泡沫线是否溢出报警成为当下本文档来自技高网...

【技术保护点】

1.A/O池泡沫线位置实时检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的A/O池泡沫线位置实时检测方法,其特征在于,所述对获取的原始图像进行剪切—旋转—拼接的预处理过程,具体包括以下过程:

3.根据权利要求2所述的A/O池泡沫线位置实时检测方法,其特征在于,所述采用数据增强的方法获得训练集样本与测试集样本,具体过程为:对预处理后的图像进行数据增强以扩大训练样本,所述数据增强包括但不限于椒盐噪声、高斯模糊、昏暗、增亮、向下平移与左右翻转,从而得到训练集样本与测试集样本,且训练集样本的图像数量大于测试集样本的图像数量。

4.根据权利要求3所...

【技术特征摘要】

1.a/o池泡沫线位置实时检测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的a/o池泡沫线位置实时检测方法,其特征在于,所述对获取的原始图像进行剪切—旋转—拼接的预处理过程,具体包括以下过程:

3.根据权利要求2所述的a/o池泡沫线位置实时检测方法,其特征在于,所述采用数据增强的方法获得训练集样本与测试集样本,具体过程为:对预处理后的图像进行数据增强以扩大训练样本,所述数据增强包括但不限于椒盐噪声、高斯模糊、昏暗、增亮、向下平移与左右翻转,从而得到训练集样本与测试集样本,且训练集样本的图像数量大于测试集样本的图像数量。

4.根据权利要求3所述的a/o池泡沫线位置实时检测方法,其特征在于,所述对获得的训练集样本与测试集样本进行数据标注,以获得分别代表泡沫线与a/o池边沿的矩形标注框,具体包括如下的过程:

5.根据权利要求4所述的a/o池泡沫线位置实时检测方法,其特征在于,所述定位损失函数focal_giou loss采用如下公式来计算:

6.根据权利要求5所述的a/o池泡沫线位置实时检测方法,其特征在于,所述步骤s5中对优化后的深度学习模型进行训练的过程中,设置迭代批量大小为300...

【专利技术属性】
技术研发人员:徐玉斌吴仪豪唐梓豪
申请(专利权)人:太原科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1