CN112508899A - 一种基于图像处理的污水预处理方法 - Google Patents

一种基于图像处理的污水预处理方法 Download PDF

Info

Publication number
CN112508899A
CN112508899A CN202011376358.6A CN202011376358A CN112508899A CN 112508899 A CN112508899 A CN 112508899A CN 202011376358 A CN202011376358 A CN 202011376358A CN 112508899 A CN112508899 A CN 112508899A
Authority
CN
China
Prior art keywords
sewage
image
sewage treatment
neural network
method based
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.)
Withdrawn
Application number
CN202011376358.6A
Other languages
English (en)
Inventor
唐梦洁
余婷婷
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.)
Xi'an Wanmuchun Information Technology Co ltd
Original Assignee
Xi'an Wanmuchun Information 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 Xi'an Wanmuchun Information Technology Co ltd filed Critical Xi'an Wanmuchun Information Technology Co ltd
Priority to CN202011376358.6A priority Critical patent/CN112508899A/zh
Publication of CN112508899A publication Critical patent/CN112508899A/zh
Withdrawn legal-status Critical Current

Links

Images

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
    • G06T7/0004—Industrial image inspection
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F1/00—Treatment of water, waste water, or sewage
    • C02F1/001—Processes for the treatment of water whereby the filtration technique is of importance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Chemical & Material Sciences (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computing Systems (AREA)
  • Hydrology & Water Resources (AREA)
  • Organic Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Data Mining & Analysis (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于图像处理的污水预处理方法，具体按以下步骤实施：步骤1，获取污水图像，进行初步处理；步骤2，将经步骤1处理后的污水图像输入卷积神经网络进行特征提取；步骤3，将经步骤2提取的特征再次输入卷积神经网络中进行匹配；步骤4，经步骤3匹配后进行污水处理；在污水处理前进行预处理，进行判断是否需要进行大颗粒污染物的过滤，通过卷积神经网络进行预判断，判断效率高，而且经过判断后可以对污水处理有初步的除杂安排，节省了污水处理过程，减小能耗。

Description

一种基于图像处理的污水预处理方法
技术领域
本发明属于污水处理技术领域，涉及一种基于图像处理的污水预处理方法。
背景技术
污水处理(sewage treatment，wastewater treatment)：为使污水达到排入某一水体或再次使用的水质要求对其进行净化的过程,污水处理被广泛应用于建筑、农业、交通、能源、石化、环保、城市景观、医疗、餐饮等各个领域，也越来越多地走进寻常百姓的日常生活；关于水污染的话题不断被提起，特别是地下水污染问题，按污水来源分类，污水处理一般分为生产污水处理和生活污水处理。生产污水包括工业污水、农业污水以及医疗污水等，而生活污水就是日常生活产生的污水，是指各种形式的无机物和有机物的复杂混合物，包括：漂浮和悬浮的大小固体颗粒；胶状和凝胶状扩散物；纯溶液；处理污水的方法很多，一般可归纳为物理法、化学法和生物法等，现有的污水处理厂存在较多严重的问题，如资金不足\成本高\效率低等大问题，普遍效率不足70％，低的只有40％，污水处理成本能耗情况：基本都是高能耗\低效率。
发明内容
本发明的目的是提供一种基于图像处理的污水预处理方法，解决了现有污水处理中存在的高能耗问题。
本发明所采用的技术方案是，一种基于图像处理的污水预处理方法，具体按以下步骤实施：
步骤1，获取污水图像，进行初步处理；
步骤2，将经步骤1处理后的污水图像输入卷积神经网络进行特征提取；
步骤3，将经步骤2提取的特征再次输入卷积神经网络中进行匹配；
步骤4，经步骤3匹配后进行污水处理。
本发明的特点还在于：
其中步骤1的具体内容包括：
将获取的污水图像进行灰度，灰度后图像的像素值分布在[0，255]之间，然后将灰度后的污水图像进行分割，分割成若干小尺寸图像；
其中步骤2中特征提取的具体过程为：
步骤2.1，首先将经步骤1处理后的图像进行归一化处理；
步骤2.2，建立卷积层，然后将经步骤2.1归一化处理后的图像进行特征提取；
步骤2.3，建立池化层，将经步骤2.2提取的特征图像进行特征选择和信息过滤；
步骤2.4，建立全连接层，将经池化后的特征图像进行非线性组合；
步骤2.5，建立输出层，将经步骤2.5处理后的图像通过输出层进行输出，得到分类结果；
其中步骤2.1中，将经经步骤1处理后的图像的像素值进行归一化至[0，1]；
其中步骤3的具体过程为：
首先，搜集数据集，所述数据集为含有大块污染物的各类污水图像，数据集中图像数量不小于1000，然后将数据集输入至提前建立好的卷积神经网络中，将经步骤2提取的特征图像与提前输入的数据集在卷积神经网络中进行对比；
其中步骤4中，将经步骤3匹配结束后，若匹配度大于50％，则首先需要对污水进行大块污染物过滤，然后再进行颗粒污染物和离子污染物的处理；
反之，则直接进行颗粒污染物和离子污染物的处理。
本发明的有益效果是：
本发明的一种基于图像处理的污水预处理方法，在污水处理前进行预处理，进行判断是否需要进行大颗粒污染物的过滤，通过卷积神经网络进行预判断，判断效率高，而且经过判断后可以对污水处理有初步的除杂安排，节省了污水处理过程，减小能耗。
附图说明
图1是本发明的一种基于图像处理的污水预处理方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明公开了一种基于图像处理的污水预处理方法，如图1所示，具体按以下步骤实施：
步骤1，获取污水图像，进行初步处理：
将获取的污水图像进行灰度，灰度后图像的像素值分布在[0，255]之间，然后将灰度后的污水图像进行分割，分割成若干小尺寸图像；
步骤2，将经步骤1处理后的污水图像输入卷积神经网络进行特征提取：
步骤2.1，首先将经步骤1处理后的图像进行归一化处理，将经经步骤1处理后的图像的像素值进行归一化至[0，1]；
步骤2.2，建立卷积层，然后将经步骤2.1归一化处理后的图像进行特征提取；
步骤2.3，建立池化层，将经步骤2.2提取的特征图像进行特征选择和信息过滤；
步骤2.4，建立全连接层，将经池化后的特征图像进行非线性组合；
步骤2.5，建立输出层，将经步骤2.5处理后的图像通过输出层进行输出，得到分类结果；
步骤3，将经步骤2提取的特征再次输入卷积神经网络中进行匹配：
首先，搜集数据集，所述数据集为含有大块污染物的各类污水图像，数据集中图像数量不小于1000，然后将数据集输入至提前建立好的卷积神经网络中，将经步骤2提取的特征图像与提前输入的数据集在卷积神经网络中进行对比；
步骤4，经步骤3匹配后进行污水处理：
经步骤3匹配结束后，若匹配度大于50％，则首先需要对污水进行大块污染物过滤，然后再进行颗粒污染物和离子污染物的处理；
反之，则直接进行颗粒污染物和离子污染物的处理。
本发明的一种基于图像处理的污水预处理方法的工作原理为：
首先，污水的物质含量多种多样，有大颗粒污染物、重金属离子等等，进行预处理是非常有必要的，将排入处理池的污水首先进行预处理，判断其是否含有需要进行大颗粒污染物的去除，通过卷积神经网络进行判断，建立卷积神经网络是，搜集若干污水的图像数据，针对各种情况的污水进行图像摄取，然后输入至神经网络中作为对比，然后通过实时排入的污水数据进行判断，采集排入污水的多个样本图，然后进行检测，将污水中含有大颗粒污染物作为提取特征，综合多个样本图进行提取，然后与提前输入至神经网络中的图像进行匹配，匹配度达到一定的比例，则认为需要进行大颗粒污染物的处理，若没有达到，则认为无需进行大颗粒污染物的处理，现实中，并非所有的污染水都需要大颗粒污染物的去除，个别类型的污水本就不含大颗粒污染物，如果不经判断直接进入现有的污水处理装置，首先就会造成能耗的增加，处理繁琐，进行判断之后，可以选择跳过其中的大颗粒污染物处理的步骤，节省了处理时间，而且省时省力。

Claims (6)

1.一种基于图像处理的污水预处理方法，其特征在于，具体按以下步骤实施：
步骤1，获取污水图像，进行初步处理；
步骤2，将经步骤1处理后的污水图像输入卷积神经网络进行特征提取；
步骤3，将经步骤2提取的特征再次输入卷积神经网络中进行匹配；
步骤4，经步骤3匹配后进行污水处理。
2.根据权利要求1所述的一种基于图像处理的污水处理方法，其特征在于，所述步骤1的具体内容包括：
将获取的污水图像进行灰度，灰度后图像的像素值分布在[0，255]之间，然后将灰度后的污水图像进行分割，分割成若干小尺寸图像。
3.根据权利要求1所述的一种基于图像处理的污水处理方法，其特征在于，所述步骤2中特征提取的具体过程为：
步骤2.1，首先将经步骤1处理后的图像进行归一化处理；
步骤2.2，建立卷积层，然后将经步骤2.1归一化处理后的图像进行特征提取；
步骤2.3，建立池化层，将经步骤2.2提取的特征图像进行特征选择和信息过滤；
步骤2.4，建立全连接层，将经池化后的特征图像进行非线性组合；
步骤2.5，建立输出层，将经步骤2.5处理后的图像通过输出层进行输出，得到分类结果。
4.根据权利要求2或3所述的一种基于图像处理的污水处理方法，其特征在于，所述步骤2.1中，将经经步骤1处理后的图像的像素值进行归一化至[0，1]。
5.根据权利要求1所述的一种基于图像处理的污水处理方法，其特征在于，所述步骤3的具体过程为：
首先，搜集数据集，所述数据集为含有大块污染物的各类污水图像，数据集中图像数量不小于1000，然后将数据集输入至提前建立好的卷积神经网络中，将经步骤2提取的特征图像与提前输入的数据集在卷积神经网络中进行对比。
6.根据权利要求1所述的一种基于图像处理的污水处理方法，其特征在于，所述步骤4中，将经步骤3匹配结束后，若匹配度大于50％，则首先需要对污水进行大块污染物过滤，然后再进行颗粒污染物和离子污染物的处理；
反之，则直接进行颗粒污染物和离子污染物的处理。
CN202011376358.6A 2020-11-30 2020-11-30 一种基于图像处理的污水预处理方法 Withdrawn CN112508899A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011376358.6A CN112508899A (zh) 2020-11-30 2020-11-30 一种基于图像处理的污水预处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011376358.6A CN112508899A (zh) 2020-11-30 2020-11-30 一种基于图像处理的污水预处理方法

Publications (1)

Publication Number Publication Date
CN112508899A true CN112508899A (zh) 2021-03-16

Family

ID=74969603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011376358.6A Withdrawn CN112508899A (zh) 2020-11-30 2020-11-30 一种基于图像处理的污水预处理方法

Country Status (1)

Country Link
CN (1) CN112508899A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115557550A (zh) * 2022-08-31 2023-01-03 达斯玛环境科技（北京）有限公司 一种污水预处理方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115557550A (zh) * 2022-08-31 2023-01-03 达斯玛环境科技（北京）有限公司 一种污水预处理方法及系统
CN115557550B (zh) * 2022-08-31 2024-02-23 达斯玛环境科技（北京）有限公司 一种污水预处理方法及系统

Similar Documents

Publication Publication Date Title
CN109325403B (zh) 一种基于图像识别的水域污染识别治理方法和系统
CN101913745A (zh) 一种污水厂污泥中重金属的脱除工艺
CN105254119A (zh) 一种采用大数据管理模式进行污水处理的工艺
CN114506933B (zh) 一种污水多级处理系统
CN115115288B (zh) 一种化工厂污水处理结果评估方法
CN105274025A (zh) 一种重金属污水处理的复合菌群及其处理工艺
CN102583916A (zh) 一种去除污泥中重金属的方法
CN112508899A (zh) 一种基于图像处理的污水预处理方法
CN109734236A (zh) 一种垃圾渗滤液正渗透浓缩工艺
CN110470810A (zh) 水质监控方法和装置
CN106430746A (zh) 一种采用电絮凝预处理天然气采出水的工艺
CN105461177A (zh) 一种处理垃圾渗滤液的方法
CN117800539A (zh) 一种高效去除焦化废水中重金属的工艺方法
CN116692975A (zh) 湿法石煤提钒的工业尾水循环利用方法及其系统
Song et al. Extracellular polymeric substances and bound water drastically affect bioleached sludge dewaterability at low temperature
CN109748465A (zh) 垃圾渗滤液生物处理工艺
CN211497038U (zh) 一种靶向纳米微粒絮凝处理系统
CN111573976B (zh) 一种古生物实验室污水处理方法
CN212151867U (zh) 一种污水深度处理系统
CN106698805A (zh) 一种污水处理的节能工艺流程
CN116693136B (zh) 一种银矿加工废水循环处理系统
CN204237681U (zh) 一种高效工业废水末端水除砷设备
CN212151911U (zh) 一种选矿废水深度处理回用装置
CN217127185U (zh) 电镀废水重金属铜回收处理装置
CN209242842U (zh) 一种小水量废水零排放处理设备

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
WW01 Invention patent application withdrawn after publication

Application publication date: 20210316

WW01 Invention patent application withdrawn after publication