【技术实现步骤摘要】
本专利技术涉及污水处理，具体涉及一种基于图像信息的絮凝过程智能投药控制方法。
技术介绍
1、原水未经处理直接供水会带来严重的健康和环境问题。原水可能含有有害微生物、重金属、农药残留等化学污染物，直接饮用会导致疾病和长期健康危害。同时未经处理的原水水质不稳定，容易受到环境变化和污染影响，还会导致供水管道内壁污染，加大维护成本，并对生态环境造成破坏。因此，必须经过严格的给水处理过程，确保水质达标，保障用水安全。
2、絮凝剂投加在给水处理中起着关键作用。它通过中和水中悬浮颗粒的电荷，使细小颗粒聚集成较大的絮状物，便于后续的沉淀和过滤过程。这不仅有效去除水中的浑浊物和有机物，还能显著降低水中的浊度和污染物含量，提高水质的透明度和纯净度。絮凝剂的投加优化了整个水处理流程，提升了处理效率，确保供水的安全和质量，为公共健康和环境保护提供了重要保障。
3、现有给水处理投药控制依赖人工投加而未利用图像信息存在诸多缺点。人工投加絮凝剂不仅效率低下，还容易因人为误差导致剂量不准确，影响处理效果和水质稳定性。此外，人工操作难以实时监测和调整，无法快速响应水质变化。而图像信息可以提供水质的实时视觉数据，帮助实现自动化和智能化控制，提高絮凝剂投加的精度和反应速度，从而优化处理效果，降低运行成本。
4、综上，现有技术中存在投药控制过程依赖于人工手动控制而未关注图像信息，导致无法确保投药量可以准确满足给水处理过程需求，存在给水处理出水不符合饮用水标准，限制了给水处理的效率和可靠性。
技术实现思路<
1、本专利技术的目的是提供一种基于图像信息的絮凝过程智能投药控制方法，以解决现有技术中投药控制仅依赖于人工手动控制，忽略图像信息对投药状态变化的导向作用，导致无法确保投药量可以准确满足给水处理过程需求，存在给水处理出水不符合饮用水标准，限制了给水处理的效率和可靠性的问题。
2、为实现上述目的，本专利技术采用如下技术方案，一种基于图像信息的絮凝过程智能投药控制方法，包括以下步骤：
3、s1、对进水水质指标采样获取进水水质监测数据集，对过程水质指标采样获取过程水质监测数据集，对出水水质指标采样获取出水水质监测数据集，对给水水处理设备进行设备数据采集，获取设备工况监测数据集；对沉淀池絮凝区的投药装置进行投药量监测，获取投药量监测数据集；对沉淀池絮凝区表面的视频文件进行视频监测，获取絮凝区表面状态图像数据集；
4、s2、将进水水质监测数据集，过程水质监测数据集，出水水质监测数据集，设备工况监测数据集和投药量监测数据集融合为水质工况投药融合数据集；将絮凝区表面状态图像数据集和投药量监测数据集融合为图像投药融合数据集；
5、s3、将水质工况投药融合数据集输入可调参数k近邻回归子模型中；将图像投药融合数据集输入可调参数的目标检测子模型中；
6、s4、将两个模型结果融合为可调参数图像信息融合模型，按照百分比误差归一化后的权重系数融合，所得可调参数融合模型嵌于给水处理投药设备的控制系统终端；
7、s5、根据所得可调参数图像信息融合模型，按照输出结果对给水水处理投药过程沉淀池絮凝区的投药设备的进行投药量控制。
8、进一步地，所述的s1中，进水水质监测数据集，过程水质监测数据集和设备工况监测数据集的监测时间为时刻t，出水水质监测数据集的监测时间为时刻t-1。
9、进一步地，所述的s1中，絮凝区表面状态图像数据集的获取方法为：对沉淀池絮凝区表面絮凝物特点进行多角度捕获，将好氧池视频态监测数据集通过通用目标监测算法提取出沉淀池絮凝区表面絮凝物数目、形态、相对大小、存在时间，构造絮凝区表面状态图像数据集。
10、进一步地，所述的s1中，数据处理的方法为：缺失值填充，异常值删除。
11、进一步地，所述的s2中，数据融合方法为：对数据集进行数据行和数据列对齐，数据间隔设置为最小采样时间。
12、进一步地，所述的s3中，k近邻回归子模型的构建方法为：首先，准备和预处理25％的数据集，将其划分为训练集、验证集和测试集；将训练数据存储起来，当有新数据需要预测时，算法计算新数据点与所有存储的训练数据点的距离；然后，选择距离最近的k个邻居，根据这些邻居的目标值来进行回归拟合；重复上述过程，直至损失函数百分比误差小于10％收敛或达到预定的训练轮数1000轮，同时输出可调参数。
13、进一步地，所述的s3中，目标检测子模型的构建方法为：首先，准备和预处理25％的数据集，将其划分为训练集、验证集和测试集；然后初始化网络权重，选择损失函数，优化器；在训练过程中，通过前向传播计算输出和损失值，再通过反向传播更新权重；多个训练周期内，使用多批次数据进行训练，并在每个周期后用验证集评估模型性能，调整超参数；重复上述过程，直至损失函数百分比误差小于10％收敛或达到预定的训练轮数1000轮，同时输出可调参数。
14、进一步地，所述的s5中，包括以下步骤：
15、s51、将图像信息融合模型的参数设置为临时的可调参数，将100％的融合数据输入图像信息融合模型，模型输出投药装置推荐投药量；
16、s52、控制模块根据模型推荐投药量对给水水处理投药过程沉淀池絮凝区的给水处理投药设备进行控制；
17、s53、根据数据采集装置对经由实时出水采样管采集的水样进行水质监测，获取出水水质，获取时刻t出水水质态监测数据集；
18、s54、判断水质指标是否达标，若水质指标达标，获取给水排放指令允许作为供水。
19、本专利技术的有益效果：
20、1、解决了现有技术中投药控制仅依赖于人工手动控制，忽略图像信息对投药状态变化的导向作用的问题，保投药量可以准确满足给水处理过程需求，提高了给水处理的效率和可靠性；
21、2、融合模型能够利用图像信息，根据实时和历史数据精确调整絮凝过程药剂投加量，通过大数据分析对水质进行实时监测和预测，提高水处理的精度和效率，降低运行成本和能源消耗。
本文档来自技高网...【技术保护点】
1.一种基于图像信息的絮凝过程智能投药控制方法，其特征在于，包括以下步骤：
2.根据权利要求1的一种基于图像信息的絮凝过程智能投药控制方法，其特征在于：所述的S1中，进水水质监测数据集，过程水质监测数据集和设备工况监测数据集的监测时间为时刻T，出水水质监测数据集的监测时间为时刻T-1。
3.根据权利要求1的一种基于图像信息的絮凝过程智能投药控制方法，其特征在于，所述的S1中，絮凝区表面状态图像数据集的获取方法为：对沉淀池絮凝区表面絮凝物特点进行多角度捕获，将好氧池视频态监测数据集通过通用目标监测算法提取出沉淀池絮凝区表面絮凝物数目、形态、相对大小、存在时间，构造絮凝区表面状态图像数据集。
4.根据权利要求1的一种基于图像信息的絮凝过程智能投药控制方法，其特征在于，所述的S1中，数据处理的方法为：缺失值填充，异常值删除。
5.根据权利要求1的一种基于图像信息的絮凝过程智能投药控制方法，其特征在于，所述的S2中，数据融合方法为：对数据集进行数据行和数据列对齐，数据间隔设置为最小采样时间。
6.根据权利要求1的一种基于图像信息
7.根据权利要求1的一种基于图像信息的絮凝过程智能投药控制方法，其特征在于，所述的S3中，目标检测子模型的构建方法为：首先，准备和预处理25％的数据集，将其划分为训练集、验证集和测试集；然后初始化网络权重，选择损失函数，优化器；在训练过程中，通过前向传播计算输出和损失值，再通过反向传播更新权重；多个训练周期内，使用多批次数据进行训练，并在每个周期后用验证集评估模型性能，调整超参数；重复上述过程，直至损失函数百分比误差小于10％收敛或达到预定的训练轮数1000轮，同时输出可调参数。
8.根据权利要求1的一种基于图像信息的絮凝过程智能投药控制方法，其特征在于，所述的S5中，包括以下步骤：
...【技术特征摘要】
1.一种基于图像信息的絮凝过程智能投药控制方法，其特征在于，包括以下步骤：
2.根据权利要求1的一种基于图像信息的絮凝过程智能投药控制方法，其特征在于：所述的s1中，进水水质监测数据集，过程水质监测数据集和设备工况监测数据集的监测时间为时刻t，出水水质监测数据集的监测时间为时刻t-1。
3.根据权利要求1的一种基于图像信息的絮凝过程智能投药控制方法，其特征在于，所述的s1中，絮凝区表面状态图像数据集的获取方法为：对沉淀池絮凝区表面絮凝物特点进行多角度捕获，将好氧池视频态监测数据集通过通用目标监测算法提取出沉淀池絮凝区表面絮凝物数目、形态、相对大小、存在时间，构造絮凝区表面状态图像数据集。
4.根据权利要求1的一种基于图像信息的絮凝过程智能投药控制方法，其特征在于，所述的s1中，数据处理的方法为：缺失值填充，异常值删除。
5.根据权利要求1的一种基于图像信息的絮凝过程智能投药控制方法，其特征在于，所述的s2中，数据融合方法为：对数据集进行数据行和数据列对齐，数据间隔设置为最小采样时间。
6.根据权利要求1的一种基于图像信息的絮凝过程智能...
【专利技术属性】
技术研发人员：王鸿程，王煜琪，殷万欣，宋云鹏，吕家强，李贺文，王爱杰，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：
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。