CN108510481B - 基于图像处理的污水处理方法 - Google Patents

基于图像处理的污水处理方法 Download PDF

Info

Publication number
CN108510481B
CN108510481B CN201810239122.4A CN201810239122A CN108510481B CN 108510481 B CN108510481 B CN 108510481B CN 201810239122 A CN201810239122 A CN 201810239122A CN 108510481 B CN108510481 B CN 108510481B
Authority
CN
China
Prior art keywords
image
piecemeal
fish body
equipment
sundries
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201810239122.4A
Other languages
English (en)
Other versions
CN108510481A (zh
Inventor
杨明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kunji (Hubei) Network Security Technology Co., Ltd.
Original Assignee
Kunji (hubei) Network Security Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kunji (hubei) Network Security Technology Co Ltd filed Critical Kunji (hubei) Network Security Technology Co Ltd
Priority to CN201810239122.4A priority Critical patent/CN108510481B/zh
Publication of CN108510481A publication Critical patent/CN108510481A/zh
Application granted granted Critical
Publication of CN108510481B publication Critical patent/CN108510481B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K29/00—Other apparatus for animal husbandry
    • A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
    • A—HUMAN NECESSITIES
    • A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
    • A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
    • A01K63/00—Receptacles for live fish, e.g. aquaria; Terraria
    • A01K63/04—Arrangements for treating water specially adapted to receptacles for live fish
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • G01N33/186—Water using one or more living organisms, e.g. a fish
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Environmental Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Animal Husbandry (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种基于图像处理的污水处理系统，包括：计时设备，设置在养殖池内，用于提供计时操作；鱼体捕获设备，位于养殖池的上方，用于面向养殖池的水面进行现场拍摄，以获得并输出时间轴上连续的多帧现场池体图像；速率检测设备，与所述鱼体捕获设备连接，用于检测鱼体捕获设备的捕获帧速，以作为即时图像速率输出；分块处理设备，分别与所述速率检测设备和所述鱼体捕获设备连接，用于接收所述即时图像速率，还用于基于所述即时图像速率确定图像分块的大小。本发明还涉及一种基于图像处理的杂物去除方法。通过本发明，搭建了有针对性的鱼体的生命力检测机制以及相应的自适应杂物去除机制。

Description

基于图像处理的污水处理方法
技术领域
本发明涉及图像处理领域，尤其涉及一种基于图像处理的污水处理系统及方法。
背景技术
图像处理(image processing)，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组，该数组的元素称为像素，其值称为灰度值。图像处理技术一般包括图像压缩，增强和复原，匹配、描述和识别3个部分。
21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。数字图像处理，即用计算机对图像进行处理，其发展历史并不长。数字图像处理技术源于20 世纪20年代，当时通过海底电缆从英国伦敦到美国纽约传输了一幅照片，采用了数字压缩技术。首先数字图像处理技术可以帮助人们更客观、准确地认识世界，人的视觉系统可以帮助人类从外界获取3/4以上的信息，而图像、图形又是所有视觉信息的载体，尽管人眼的鉴别力很高，可以识别上千种颜色，但很多情况下，图像对于人眼来说是模糊的甚至是不可见的，通过图象增强技术，可以使模糊甚至不可见的图像变得清晰明亮。
在计算机中，按照颜色和灰度的多少可以将图像分为二值图像、灰度图像、索引图像和真彩色RGB图像四种基本类型。大多数图像处理软件都支持这四种类型的图像。
发明内容
本发明提供了一种基于图像处理的污水处理系统及方法，能够采用高复杂性的图像处理模式，实现对鱼体的生命力检测，并基于鱼体的当前生命力确定是否启动杂物去除设备对养殖池的水体进行杂物去除，从而在保证养殖池水体干净的同时，有效减少了杂物去除设备的耗电功率。
根据本发明的一方面，提供了一种基于图像处理的污水处理系统，所述系统包括：
计时设备，设置在养殖池内，用于提供计时操作；
鱼体捕获设备，位于养殖池的上方，用于面向养殖池的水面进行现场拍摄，以获得并输出时间轴上连续的多帧现场池体图像；
速率检测设备，与所述鱼体捕获设备连接，用于检测鱼体捕获设备的捕获帧速，以作为即时图像速率输出；
分块处理设备，分别与所述速率检测设备和所述鱼体捕获设备连接，用于接收所述即时图像速率，还用于基于所述即时图像速率确定图像分块的大小，其中，所述即时图像速率越大，确定的图像分块越小；
分块选择设备，与所述分块处理设备连接，用于接收预设时间间隔内的多帧现场池体图像，对每一帧现场池体图像执行基于所述分块处理设备确定的分块大小的分块，确定每一分块中各个像素点的Y分量数据的方差，对所述多帧现场池体图像中相同位置的图像分块的Y分量数据的方差进行均值计算，以确定颜色方差均值，将所有位置的图像分块的颜色方差均值进行大小排序，将颜色方差均值数值最大的三分之一的图像分块作为图像分块集合输出，其中，每一个像素点具有Y分量数据、U分量数据和V分量数据；
分块拼接设备，与所述分块选择设备连接，用于接收所述图像分块集合，对所述图像分块集合中的所有图像分块进行拼接操作，以获得拼接图案，并对所述拼接图案进行边缘平滑处理以获得边缘平滑图像；
游姿分析设备，与所述分块拼接设备连接，用于接收所述边缘平滑图像，并基于预设鱼体标准轮廓从所述边缘平滑图像中获取每一个鱼体子图像，将每一个鱼体子图像与鱼体基准游姿进行匹配，以识别每一个鱼体子图像对应的鱼体的当前翻身度，基于各个鱼体子图像对应的各个当前翻身度确定整体翻身度；其中，鱼体的当前翻身度是一个百分比值，且鱼体的当前翻身度越大，则鱼体的生命力越差。
根据本发明的另一方面，还提供了一种基于图像处理的杂物去除方法，所述方法包括：
使用计时设备，设置在养殖池内，用于提供计时操作；
使用鱼体捕获设备，位于养殖池的上方，用于面向养殖池的水面进行现场拍摄，以获得并输出时间轴上连续的多帧现场池体图像；
使用速率检测设备，与所述鱼体捕获设备连接，用于检测鱼体捕获设备的捕获帧速，以作为即时图像速率输出；
使用分块处理设备，分别与所述速率检测设备和所述鱼体捕获设备连接，用于接收所述即时图像速率，还用于基于所述即时图像速率确定图像分块的大小，其中，所述即时图像速率越大，确定的图像分块越小；
使用分块选择设备，与所述分块处理设备连接，用于接收预设时间间隔内的多帧现场池体图像，对每一帧现场池体图像执行基于所述分块处理设备确定的分块大小的分块，确定每一分块中各个像素点的Y分量数据的方差，对所述多帧现场池体图像中相同位置的图像分块的Y分量数据的方差进行均值计算，以确定颜色方差均值，将所有位置的图像分块的颜色方差均值进行大小排序，将颜色方差均值数值最大的三分之一的图像分块作为图像分块集合输出，其中，每一个像素点具有Y分量数据、U分量数据和V分量数据；
使用分块拼接设备，与所述分块选择设备连接，用于接收所述图像分块集合，对所述图像分块集合中的所有图像分块进行拼接操作，以获得拼接图案，并对所述拼接图案进行边缘平滑处理以获得边缘平滑图像；
使用游姿分析设备，与所述分块拼接设备连接，用于接收所述边缘平滑图像，并基于预设鱼体标准轮廓从所述边缘平滑图像中获取每一个鱼体子图像，将每一个鱼体子图像与鱼体基准游姿进行匹配，以识别每一个鱼体子图像对应的鱼体的当前翻身度，基于各个鱼体子图像对应的各个当前翻身度确定整体翻身度；其中，鱼体的当前翻身度是一个百分比值，且鱼体的当前翻身度越大，则鱼体的生命力越差。
由此可见，本发明至少具备以下几个关键发明点：
(1)搭建了针对性的鱼体的生命力检测机制，并基于鱼体的当前生命力确定是否启动杂物去除设备对养殖池的水体进行杂物去除，从而提高了基于图像处理的杂物去除的智能化水准；
(2)采用多帧数据统计的方式，利用某一分量数据信息量相对于其他分量数据更为丰富的特征，对待识别的图像数据进行针对性筛选，从而提高了图像处理的速度和效率。
具体实施方式
下面将对本发明的基于图像处理的污水处理系统及方法的实施方案进行详细说明。
水流运动可使养殖池中的每一个地方，如角落、裂缝、洞穴以及珊瑚周围的水都能够得到不停的更换。必须设法防止有水流静止的区域存在。水流的运动就能使无脊椎动物上的单细胞虫黄藻的代谢产物会因水流的运动被清除。而有机物的食物也会因水流作用被送到生物栖息地附近，使它们更容易摄食。因此，养殖池的水流是很重要的，用循环式水泵在养殖池中制造每小时至少5次的水流循环速度是较理想的，采用两个泵，使水流每6小时更换一次方向，并定时进行开关操作。
然而，当前养殖池的缺乏对养殖池的水体进行杂物去除的有效触发机制，导致养殖池的杂物去除控制带有一定的盲目性。
为了克服上述不足，本发明搭建了一种基于图像处理的污水处理系统及方法，能够实现基于图像处理的杂物去除的智能化控制。
首先，根据本发明实施方案示出的基于图像处理的污水处理系统包括：
计时设备，设置在养殖池内，用于提供计时操作；
鱼体捕获设备，位于养殖池的上方，用于面向养殖池的水面进行现场拍摄，以获得并输出时间轴上连续的多帧现场池体图像；
速率检测设备，与所述鱼体捕获设备连接，用于检测鱼体捕获设备的捕获帧速，以作为即时图像速率输出；
分块处理设备，分别与所述速率检测设备和所述鱼体捕获设备连接，用于接收所述即时图像速率，还用于基于所述即时图像速率确定图像分块的大小，其中，所述即时图像速率越大，确定的图像分块越小；
分块选择设备，与所述分块处理设备连接，用于接收预设时间间隔内的多帧现场池体图像，对每一帧现场池体图像执行基于所述分块处理设备确定的分块大小的分块，确定每一分块中各个像素点的Y分量数据的方差，对所述多帧现场池体图像中相同位置的图像分块的Y分量数据的方差进行均值计算，以确定颜色方差均值，将所有位置的图像分块的颜色方差均值进行大小排序，将颜色方差均值数值最大的三分之一的图像分块作为图像分块集合输出，其中，每一个像素点具有Y分量数据、U分量数据和V分量数据；
分块拼接设备，与所述分块选择设备连接，用于接收所述图像分块集合，对所述图像分块集合中的所有图像分块进行拼接操作，以获得拼接图案，并对所述拼接图案进行边缘平滑处理以获得边缘平滑图像；
游姿分析设备，与所述分块拼接设备连接，用于接收所述边缘平滑图像，并基于预设鱼体标准轮廓从所述边缘平滑图像中获取每一个鱼体子图像，将每一个鱼体子图像与鱼体基准游姿进行匹配，以识别每一个鱼体子图像对应的鱼体的当前翻身度，基于各个鱼体子图像对应的各个当前翻身度确定整体翻身度；其中，鱼体的当前翻身度是一个百分比值，且鱼体的当前翻身度越大，则鱼体的生命力越差；
杂物去除设备，分别与所述游姿分析设备和所述计时设备连接，用于在每隔预设时间间隔从所述游姿分析设备处获取一次整体翻身度，并在所述整体翻身度大于等于预设百分比阈值时，启动对养殖池的水体的杂物去除操作，还用于在所述整体翻身度小于预设百分比阈值时，关闭对养殖池的水体的杂物去除操作；
其中，所述杂物去除设备包括进水管道、出水管道、多层泡沫结构以及清理提醒装置，所述进水管道设置在养殖池的水面下，所述出水管道设置在养殖池的水面上，所述多层泡沫结构分别与所述进水管道和所述出水管道连接，用于将来自所述进水管道的水体去除杂物后通过所述出水管道流出。
接着，继续对本发明的基于图像处理的污水处理系统的具体结构进行进一步的说明。
所述基于图像处理的污水处理系统中还可以包括：
MMC存储设备，分别与所述杂物去除设备和所述清理提醒装置连接，用于存储所述预设百分比阈值和所述预设净洁度限值；
在所述基于图像处理的污水处理系统中：
所述MMC存储设备还与所述游姿分析设备连接，用于存储所述预设鱼体标准轮廓。
在所述基于图像处理的污水处理系统中：
所述清理提醒装置与所述多层泡沫结构连接，用于检测所述多层泡沫结构的净洁度；
其中，所述清理提醒装置还用于在所述多层泡沫结构的净洁度小于等于预设净洁度限值时，播放与更换泡沫结构对应的语音提醒文件。
在所述基于图像处理的污水处理系统中：
在所述分块选择设备中，当对每一帧现场池体图像执行基于所述分块处理设备确定的分块大小的分块之前，对每一帧现场池体图像先执行锐化处理，将执行锐化处理后的现场池体图像执行基于所述分块处理设备确定的分块大小的分块。
其次，根据本发明实施方案示出的基于图像处理的杂物去除方法包括：
使用计时设备，设置在养殖池内，用于提供计时操作；
使用鱼体捕获设备，位于养殖池的上方，用于面向养殖池的水面进行现场拍摄，以获得并输出时间轴上连续的多帧现场池体图像；
使用速率检测设备，与所述鱼体捕获设备连接，用于检测鱼体捕获设备的捕获帧速，以作为即时图像速率输出；
使用分块处理设备，分别与所述速率检测设备和所述鱼体捕获设备连接，用于接收所述即时图像速率，还用于基于所述即时图像速率确定图像分块的大小，其中，所述即时图像速率越大，确定的图像分块越小；
使用分块选择设备，与所述分块处理设备连接，用于接收预设时间间隔内的多帧现场池体图像，对每一帧现场池体图像执行基于所述分块处理设备确定的分块大小的分块，确定每一分块中各个像素点的Y分量数据的方差，对所述多帧现场池体图像中相同位置的图像分块的Y分量数据的方差进行均值计算，以确定颜色方差均值，将所有位置的图像分块的颜色方差均值进行大小排序，将颜色方差均值数值最大的三分之一的图像分块作为图像分块集合输出，其中，每一个像素点具有Y分量数据、U分量数据和V分量数据；
使用分块拼接设备，与所述分块选择设备连接，用于接收所述图像分块集合，对所述图像分块集合中的所有图像分块进行拼接操作，以获得拼接图案，并对所述拼接图案进行边缘平滑处理以获得边缘平滑图像；
使用游姿分析设备，与所述分块拼接设备连接，用于接收所述边缘平滑图像，并基于预设鱼体标准轮廓从所述边缘平滑图像中获取每一个鱼体子图像，将每一个鱼体子图像与鱼体基准游姿进行匹配，以识别每一个鱼体子图像对应的鱼体的当前翻身度，基于各个鱼体子图像对应的各个当前翻身度确定整体翻身度；其中，鱼体的当前翻身度是一个百分比值，且鱼体的当前翻身度越大，则鱼体的生命力越差；
使用杂物去除设备，分别与所述游姿分析设备和所述计时设备连接，用于在每隔预设时间间隔从所述游姿分析设备处获取一次整体翻身度，并在所述整体翻身度大于等于预设百分比阈值时，启动对养殖池的水体的杂物去除操作，还用于在所述整体翻身度小于预设百分比阈值时，关闭对养殖池的水体的杂物去除操作；
其中，所述杂物去除设备包括进水管道、出水管道、多层泡沫结构以及清理提醒装置，所述进水管道设置在养殖池的水面下，所述出水管道设置在养殖池的水面上，所述多层泡沫结构分别与所述进水管道和所述出水管道连接，用于将来自所述进水管道的水体去除杂物后通过所述出水管道流出。
接着，继续对本发明的基于图像处理的杂物去除方法的具体步骤进行进一步的说明。
在所述基于图像处理的杂物去除方法中，还可以包括：
使用MMC存储设备，分别与所述杂物去除设备和所述清理提醒装置连接，用于存储所述预设百分比阈值和所述预设净洁度限值；
在所述基于图像处理的杂物去除方法中：
所述MMC存储设备还与所述游姿分析设备连接，用于存储所述预设鱼体标准轮廓。
在所述基于图像处理的杂物去除方法中：
所述清理提醒装置与所述多层泡沫结构连接，用于检测所述多层泡沫结构的净洁度；
其中，所述清理提醒装置还用于在所述多层泡沫结构的净洁度小于等于预设净洁度限值时，播放与更换泡沫结构对应的语音提醒文件。
在所述基于图像处理的杂物去除方法中：
在所述分块选择设备中，当对每一帧现场池体图像执行基于所述分块处理设备确定的分块大小的分块之前，对每一帧现场池体图像先执行锐化处理，将执行锐化处理后的现场池体图像执行基于所述分块处理设备确定的分块大小的分块。
另外，所述游姿分析设备可采用DSP处理芯片来实现。DSP处理芯片的内部采用程序和数据分开的哈佛结构，具有专门的硬件乘法器，广泛采用流水线操作，提供特殊的DSP指令，可以用来快速的实现各种数字信号处理算法。
根据数字信号处理的要求，DSP处理芯片一般具有如下的一些主要特点：(1)在一个指令周期内可完成一次乘法和一次加法。(2)程序和数据空间分开，可以同时访问指令和数据。(3)片内具有快速RAM，通常可通过独立的数据总线在两块中同时访问。(4)具有低开销或无开销循环及跳转的硬件支持。(5)快速的中断处理和硬件I/O支持。(6)具有在单周期内操作的多个硬件地址产生器。(7)可以并行执行多个操作。 (8)支持流水线操作，使取指、译码和执行等操作可以重叠执行。
根据DSP处理芯片工作的数据格式来分类的。数据以定点格式工作的 DSP处理芯片称为定点DSP处理芯片，如TI公司的TMS320C1X/C2X、 TMS320C2XX/C5X、TMS320C54X/C62XX系列，AD公司的ADSP21XX 系列，AT&T公司的DSP16/16A，Motolora公司的MC56000等。以浮点格式工作的称为浮点DSP芯片，如TI公司的TMS320C3X/C4X/C8X，AD 公司的ADSP21XXX系列，AT&T公司的DSP32/32C，Motolora公司的 MC96002等。
不同浮点DSP处理芯片所采用的浮点格式不完全一样，有的DSP处理芯片采用自定义的浮点格式，如TMS320C3X，而有的DSP处理芯片则采用IEEE的标准浮点格式，如Motorola公司的MC96002、FUJITSU公司的MB86232和ZORAN公司的ZR35325等。
采用本发明的基于图像处理的污水处理系统及方法，针对现有技术中缺乏基于图像处理的杂物去除的启动触发机制的技术问题，通过采用多帧数据统计的方式，利用某一分量数据信息量相对于其他分量数据更为丰富的特征，对待识别的图像数据进行针对性筛选，从而提高了鱼体的生命力检测的精度，尤为重要的是，能够基于鱼体的当前生命力确定是否启动杂物去除设备对养殖池的水体进行杂物去除，从而解决了上述技术问题。
可以理解的是，虽然本发明已以较佳实施例披露如上，然而上述实施例并非用以限定本发明。对于任何熟悉本领域的技术人员而言，在不脱离本发明技术方案范围情况下，都可利用上述揭示的技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。

Claims (4)

1.一种基于图像处理的杂物去除方法，其特征在于，所述方法包括：
使用计时设备，设置在养殖池内，用于提供计时操作；
使用鱼体捕获设备，位于养殖池的上方，用于面向养殖池的水面进行现场拍摄，以获得并输出时间轴上连续的多帧现场池体图像；
使用速率检测设备，与所述鱼体捕获设备连接，用于检测鱼体捕获设备的捕获帧速，以作为即时图像速率输出；
使用分块处理设备，分别与所述速率检测设备和所述鱼体捕获设备连接，用于接收所述即时图像速率，还用于基于所述即时图像速率确定图像分块的大小，其中，所述即时图像速率越大，确定的图像分块越小；
使用分块选择设备，与所述分块处理设备连接，用于接收预设时间间隔内的多帧现场池体图像，对每一帧现场池体图像执行基于所述分块处理设备确定的分块大小的分块，确定每一分块中各个像素点的Y分量数据的方差，对所述多帧现场池体图像中相同位置的图像分块的Y分量数据的方差进行均值计算，以确定颜色方差均值，将所有位置的图像分块的颜色方差均值进行大小排序，将颜色方差均值数值最大的三分之一的图像分块作为图像分块集合输出，其中，每一个像素点具有Y分量数据、U分量数据和V分量数据；
使用分块拼接设备，与所述分块选择设备连接，用于接收所述图像分块集合，对所述图像分块集合中的所有图像分块进行拼接操作，以获得拼接图案，并对所述拼接图案进行边缘平滑处理以获得边缘平滑图像；
使用游姿分析设备，与所述分块拼接设备连接，用于接收所述边缘平滑图像，并基于预设鱼体标准轮廓从所述边缘平滑图像中获取每一个鱼体子图像，将每一个鱼体子图像与鱼体基准游姿进行匹配，以识别每一个鱼体子图像对应的鱼体的当前翻身度，基于各个鱼体子图像对应的各个当前翻身度确定整体翻身度；其中，鱼体的当前翻身度是一个百分比值，且鱼体的当前翻身度越大，则鱼体的生命力越差；
使用杂物去除设备，分别与所述游姿分析设备和所述计时设备连接，用于在每隔预设时间间隔从所述游姿分析设备处获取一次整体翻身度，并在所述整体翻身度大于等于预设百分比阈值时，启动对养殖池的水体的杂物去除操作，还用于在所述整体翻身度小于预设百分比阈值时，关闭对养殖池的水体的杂物去除操作；
其中，所述杂物去除设备包括进水管道、出水管道、多层泡沫结构以及清理提醒装置，所述进水管道设置在养殖池的水面下，所述出水管道设置在养殖池的水面上，所述多层泡沫结构分别与所述进水管道和所述出水管道连接，用于将来自所述进水管道的水体去除杂物后通过所述出水管道流出，所述清理提醒装置与所述多层泡沫结构连接，用于检测所述多层泡沫结构的净洁度；
其中，所述清理提醒装置还用于在所述多层泡沫结构的净洁度小于等于预设净洁度限值时，播放与更换泡沫结构对应的语音提醒文件。
2.如权利要求1所述的基于图像处理的杂物去除方法，其特征在于，还包括：
使用MMC存储设备，与所述杂物去除设备连接，用于存储所述预设百分比阈值和所述预设净洁度限值。
3.如权利要求2所述的基于图像处理的杂物去除方法，其特征在于：
所述MMC存储设备还与所述游姿分析设备连接，用于存储所述预设鱼体标准轮廓。
4.如权利要求3所述的基于图像处理的杂物去除方法，其特征在于：
在所述分块选择设备中，当对每一帧现场池体图像执行基于所述分块处理设备确定的分块大小的分块之前，对每一帧现场池体图像先执行锐化处理，将执行锐化处理后的现场池体图像执行基于所述分块处理设备确定的分块大小的分块。
CN201810239122.4A 2018-03-22 2018-03-22 基于图像处理的污水处理方法 Expired - Fee Related CN108510481B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810239122.4A CN108510481B (zh) 2018-03-22 2018-03-22 基于图像处理的污水处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810239122.4A CN108510481B (zh) 2018-03-22 2018-03-22 基于图像处理的污水处理方法

Publications (2)

Publication Number Publication Date
CN108510481A CN108510481A (zh) 2018-09-07
CN108510481B true CN108510481B (zh) 2019-02-01

Family

ID=63378073

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810239122.4A Expired - Fee Related CN108510481B (zh) 2018-03-22 2018-03-22 基于图像处理的污水处理方法

Country Status (1)

Country Link
CN (1) CN108510481B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110399774B (zh) * 2019-04-18 2021-05-25 张亦军 渔业监护管理系统
CN110476864B (zh) * 2019-09-17 2022-05-06 广东工业大学 一种智能鱼缸系统
CN113763362B (zh) * 2021-09-09 2022-05-31 无锡联友塑业有限公司 水下图像智能检测处理系统
CN114764861B (zh) * 2022-04-19 2022-10-28 江苏禹润水务研究院有限公司 一种基于计算机视觉的污水处理验证方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6159260A (ja) * 1984-08-31 1986-03-26 Toshiba Corp 水質検査装置
JPH0785082B2 (ja) * 1987-03-12 1995-09-13 株式会社日立製作所 水質異常検出装置
CN101520448B (zh) * 2009-03-31 2012-07-18 深圳市开天源自动化工程有限公司 水质污染预警方法
CN201421452Y (zh) * 2009-03-31 2010-03-10 深圳市开天源自动化工程有限公司 水质污染预警装置
CN101900688A (zh) * 2010-08-19 2010-12-01 潘海朗 基于图像中水生生物运动特征的水质监测方法
CN102339521A (zh) * 2011-06-14 2012-02-01 华南理工大学 利用水生生物行为图像提取的水源水突发污染的预警方法
CN102841187B (zh) * 2012-09-11 2014-10-29 深圳市开天源自动化工程有限公司 基于鱼类多样本统计的水质污染预警系统及预警方法
CN106442908B (zh) * 2016-09-09 2019-02-26 厦门大学 基于红色斑马鱼应激行为的水质异常检测与分级报警方法
CN106338590A (zh) * 2016-09-22 2017-01-18 首都师范大学 一种基于计算机视觉监测鱼类生命体征的水质监测方法
CN106932553A (zh) * 2017-04-12 2017-07-07 中国科学院生态环境研究中心 一种水质在线生物安全预警监测方法

Also Published As

Publication number Publication date
CN108510481A (zh) 2018-09-07

Similar Documents

Publication Publication Date Title
CN108510481B (zh) 基于图像处理的污水处理方法
CN105389549B (zh) 基于人体动作特征的对象识别方法及装置
CN107624189B (zh) 用于生成预测模型的方法和设备
CN104573625B (zh) 数据处理系统及其生成设备、和面部检测方法
CN108765278A (zh) 一种图像处理方法、移动终端及计算机可读存储介质
CN103262119A (zh) 用于对图像进行分割的方法和系统
CN110211093A (zh) 一种用于自动饮水机的出水控制方法
CN109858384A (zh) 人脸图像的捕捉方法、计算机可读存储介质及终端设备
CN110532883A (zh) 应用离线跟踪算法对在线跟踪算法进行改进
CN107883875A (zh) 自主式海参捕捞装置视觉检测定位装置及视觉检测定位方法
CN108782312A (zh) 基于图像处理的污水处理系统
CN109168003A (zh) 一种生成用于视频预测的神经网络模型的方法
CN108431751A (zh) 背景去除
CN109636788A (zh) 一种基于深度神经网络的ct图像胆结石智能检测模型
CN107851309A (zh) 一种图像增强方法及装置
CN111028318A (zh) 一种虚拟人脸合成方法、系统、装置和存储介质
CN108805838A (zh) 一种图像处理方法、移动终端及计算机可读存储介质
KR101121712B1 (ko) 시선 경로 제공장치
CN108363986A (zh) 基于改进Sobel算子的人脸速写系统和轮廓提取方法
CN116912739A (zh) 藕粉的加工控制系统及其方法
Zhang et al. Research on target detection and recognition algorithm of Eriocheir sinensis carapace
Pengying et al. Underwater fish classification of trout and grayling
CN112836706A (zh) 衣物颜色识别的处理方法、装置、设备及存储介质
CN110414596A (zh) 视频处理、模型训练方法和装置、存储介质及电子装置
CN109934342A (zh) 神经网络模型训练方法、深度图像修复方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20181213

Address after: 430000 Room B4-103, 1st-4th Floor, C2 Building, 1-4th Floor, Guanggu Enterprise Mansion, Phase 1-2 Guanshan Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province

Applicant after: Kunji (Hubei) Network Security Technology Co., Ltd.

Address before: 211135 Room 101, Unit 1, 1st Floor, 300 A Zhihui Road, Qilin Science and Technology Innovation Park, Jiangning District, Nanjing City, Jiangsu Province

Applicant before: Yang Ming

GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190201

Termination date: 20210322