CN112834450A - 一种传感器、污水测定的系统和方法 - Google Patents
一种传感器、污水测定的系统和方法 Download PDFInfo
- Publication number
- CN112834450A CN112834450A CN202011625337.3A CN202011625337A CN112834450A CN 112834450 A CN112834450 A CN 112834450A CN 202011625337 A CN202011625337 A CN 202011625337A CN 112834450 A CN112834450 A CN 112834450A
- Authority
- CN
- China
- Prior art keywords
- sewage
- branch
- cleaning
- cleaning agent
- water
- 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.)
- Granted
Links
- 239000010865 sewage Substances 0.000 title claims abstract description 267
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 181
- 239000012459 cleaning agent Substances 0.000 claims description 99
- 238000004140 cleaning Methods 0.000 claims description 91
- 238000005406 washing Methods 0.000 claims description 46
- 238000001514 detection method Methods 0.000 claims description 41
- 238000011010 flushing procedure Methods 0.000 claims description 38
- 239000007788 liquid Substances 0.000 claims description 38
- 239000011159 matrix material Substances 0.000 claims description 27
- 239000008237 rinsing water Substances 0.000 claims description 26
- 239000002351 wastewater Substances 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 11
- 238000005192 partition Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 16
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 15
- 229910052760 oxygen Inorganic materials 0.000 description 15
- 239000001301 oxygen Substances 0.000 description 15
- 239000000126 substance Substances 0.000 description 15
- 239000007787 solid Substances 0.000 description 9
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 8
- 239000000243 solution Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 239000010802 sludge Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 239000012086 standard solution Substances 0.000 description 5
- 239000008399 tap water Substances 0.000 description 5
- 235000020679 tap water Nutrition 0.000 description 5
- VEXZGXHMUGYJMC-UHFFFAOYSA-N Hydrochloric acid Chemical compound Cl VEXZGXHMUGYJMC-UHFFFAOYSA-N 0.000 description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 4
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000011109 contamination Methods 0.000 description 4
- 239000012153 distilled water Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000003344 environmental pollutant Substances 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 229910052757 nitrogen Inorganic materials 0.000 description 4
- 229910052698 phosphorus Inorganic materials 0.000 description 4
- 239000011574 phosphorus Substances 0.000 description 4
- 231100000719 pollutant Toxicity 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 239000007921 spray Substances 0.000 description 4
- 238000003911 water pollution Methods 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 3
- 238000002835 absorbance Methods 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000012535 impurity Substances 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000002834 transmittance Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- -1 NO3- Chemical compound 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000008367 deionised water Substances 0.000 description 2
- 229910021641 deionized water Inorganic materials 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- JEGUKCSWCFPDGT-UHFFFAOYSA-N h2o hydrate Chemical compound O.O JEGUKCSWCFPDGT-UHFFFAOYSA-N 0.000 description 2
- 229910052500 inorganic mineral Inorganic materials 0.000 description 2
- 239000011707 mineral Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 125000001477 organic nitrogen group Chemical group 0.000 description 2
- 230000001590 oxidative effect Effects 0.000 description 2
- 239000002504 physiological saline solution Substances 0.000 description 2
- 239000008213 purified water Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- VEQPNABPJHWNSG-UHFFFAOYSA-N Nickel(2+) Chemical compound [Ni+2] VEQPNABPJHWNSG-UHFFFAOYSA-N 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 150000001412 amines Chemical class 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 238000005842 biochemical reaction Methods 0.000 description 1
- 230000007227 biological adhesion Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- BFGKITSFLPAWGI-UHFFFAOYSA-N chromium(3+) Chemical compound [Cr+3] BFGKITSFLPAWGI-UHFFFAOYSA-N 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- PXHVJJICTQNCMI-UHFFFAOYSA-N nickel Substances [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 1
- 150000002823 nitrates Chemical class 0.000 description 1
- 229910000069 nitrogen hydride Inorganic materials 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 239000007800 oxidant agent Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 241001148471 unidentified anaerobic bacterium Species 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种传感器、污水测定的系统和污水测定的方法,向待测定的污水发射光,和接收光经过污水后所产生的光,并转换为电信号,根据所述电信号计算第一方式的污水参数,以及获取污水的图像数据,根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数,再使用所述第二方式的污水参数校准所述第一方式的污水参数。因此一些例子中这样测定的污水参数更加准确。一些例子中,这能够对传感器自动校准,改进了市面上的污水测定用的一些传感器需要定期人工校准的缺点。
Description
技术领域
本发明涉及一种传感器、污水测定的系统和污水测定的方法。
背景技术
随着城市化、工业化的不断提速,我国水环境已遭到严重破坏并有继续恶化的趋势。工作污水的排放不但严重影响着居民的日常生活,而且破坏了大自然的生态平衡。因此需要对污水进行监测。
发明内容
本发明提供一种传感器、污水测定的系统和污水测定的方法,下面具体说明。
根据第一方面,一种实施例中提供一种传感器,包括:
传感器壳体,所述传感器器壳体上相对设置有两个镜片;
发射光源,设置于所述传感器壳体,用于通过所述传感器壳体其中的一个镜片向待测定的污水发射光;所述发射光源至少发射包括波长为254nm的紫外光和365nm的紫外参比光的光束;
接收部件,设置于所述传感器壳体,用于通过所述传感器壳体的另一个镜片接收光经过污水后所产生的光,并转换为电信号;
清洗组件,用于清洗所述两个镜片;所述清洗组件包括清洗剂容器、冲洗水容器、供液管路和清洗部;所述清洗剂容器用于存放清洗镜片的清洗剂,所述冲洗水容器用于存放冲洗镜片的冲洗水;所述供液管路用于将所述清洗剂容器、冲洗水容器与所述清洗部相连;所述供液管路包括多条支路,以及设置于支路上的阀门组件和压力源,所述阀门组件用于打开或关闭支路,所述压力源用于产生液体在支路中流动的压力;所述清洗部用于通过出射清洗剂或冲洗水来清洗所述两个镜片;
图像获取部件,设置于所述传感器壳体,用于获取污水的图像数据;所述图像获取部件包括摄像头;
处理器,设置于所述传感器壳体;其中:
所述处理器用于根据所述电信号计算第一方式的污水参数;
所述处理器还用于根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数;具体地,所述处理器对所述污水的图像数据进行预处理、分区探测和特征识别,以将所述污水的图像数据转化为数据矩阵,并将所述数据矩阵输入所述污水分析模型,以得到所述第二方式的污水参数;其中所述污水分析模型通过以下方式建立:获取测试集,所述测试集中的数据为污水的图像数据的数据矩阵,数据的标签为人工测定的污水参数,利用所述训练集,训练得到所述污水分析模型;
所述处理器使用所述第二方式的污水参数校准所述第一方式的污水参数,并输出。
根据第二方面,一种实施例中提供一种污水测定的系统,包括:
水箱,所述水箱包括进水口和出水口,所述进水口用于供污水进入,所述出水口用于供污水排出;
放置于所述水箱内的传感器,用于测定一种或多种污水参数;所述传感器包括传感器壳体,设置于所述传感器壳体内的发射光源和接收部件,以及在所述传感器器壳体上相对设置的两个镜片;所述发射光源用于通过所述传感器壳体其中的一个镜片向待测定的污水发射光;所述接收部件用于通过所述传感器壳体的另一个镜片接收光经过污水后所产生的光,并转换为电信号;
放置于所述水箱内的图像获取部件,用于获取污水的图像数据;
处理器,用于根据所述电信号计算第一方式的污水参数;所述处理器还用于根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数;所述处理器使用所述第二方式的污水参数校准所述第一方式的污水参数,并输出。
一实施例中,所述发射光源至少发射包括波长为254nm的紫外光和365nm的紫外参比光的光束。
一实施例中,所述污水测定的系统,还包括清洗组件,用于清洗所述两个镜片;所述清洗组件包括清洗剂容器、冲洗水容器、供液管路和清洗部;所述清洗剂容器用于存放清洗镜片的清洗剂,所述冲洗水容器用于存放冲洗镜片的冲洗水;所述供液管路用于将所述清洗剂容器、冲洗水容器与所述清洗部相连;所述供液管路包括多条支路,以及设置于支路上的阀门组件和压力源,所述阀门组件用于打开或关闭支路,所述压力源用于产生液体在支路中流动的压力;所述清洗部用于通过出射清洗剂或冲洗水来清洗所述两个镜片。
一实施例中,所述污水测定的系统:
所述阀门组件包括多个电磁阀;所述压力源包括第一泵;所述多条支路包括清洗剂支路、冲洗水支路和总出水支路;所述清洗剂支路设置有电磁阀,并且所述清洗剂支路的一端与清洗剂容器连接,另一端与所述第一泵连接;所述冲洗水支路设置有电磁阀,并且所述冲洗水支路的一端与冲洗水容器连接,另一端与所述第一泵连接;所述总出水支路的一端与所述清洗部连接,另一端与所述第一泵连接;
或者,
所述阀门组件包括多个电磁阀;所述压力源包括第一泵和第二泵;所述多条支路包括清洗剂第一支路、清洗剂第二支路、冲洗水第一支路和冲洗水第二支路;所述清洗剂第一支路设置有电磁阀,并且所述清洗剂第一支路的一端与清洗剂容器连接,另一端与所述第一泵连接;所述清洗剂第二支路的一端与所述清洗部连接,另一端与所述第一泵连接;所述冲洗水第一支路设置有电磁阀,并且所述冲洗水第一支路的一端与冲洗水容器连接,另一端与所述第二泵连接;所述冲洗水第二支路的一端与所述清洗部连接,另一端与所述第二泵连接。
一实施例中,所述图像获取部件包括摄像头。
一实施例中,所述处理器对所述污水的图像数据进行预处理、分区探测和特征识别,以将所述污水的图像数据转化为数据矩阵,并将所述数据矩阵输入所述污水分析模型,以得到所述第二方式的污水参数;其中所述污水分析模型通过以下方式建立:获取测试集,所述测试集中的数据为污水的图像数据的数据矩阵,数据的标签为人工测定的污水参数,利用所述训练集,训练得到所述污水分析模型。
根据第三方面,一种实施例中提供一种污水测定的方法,包括:
控制向待测定的污水发射光;
控制接收光经过污水后所产生的光,并转换为电信号;
根据所述电信号计算第一方式的污水参数;
获取污水的图像数据;
根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数;
使用所述第二方式的污水参数校准所述第一方式的污水参数,并输出。
一实施例中,所述根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数,包括:
对所述污水的图像数据进行预处理、分区探测和特征识别,以将所述污水的图像数据转化为数据矩阵;
将所述数据矩阵输入所述污水分析模型,以得到所述第二方式的污水参数;
其中所述污水分析模型通过以下方式建立:
获取测试集,所述测试集中的数据为污水的图像数据的数据矩阵,数据的标签为人工测定的污水参数;
利用所述训练集,训练得到所述污水分析模型。
根据第四方面,一种实施例提供一种计算机可读存储介质,包括程序,所述程序能够被处理器执行以实现如本文中任一实施例所述的方法。
依据上述实施例的传感器、污水测定的系统、污水测定的方法和计算机可读存储介质,向待测定的污水发射光,和接收光经过污水后所产生的光,并转换为电信号,根据所述电信号计算第一方式的污水参数,以及获取污水的图像数据,根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数,再使用所述第二方式的污水参数校准所述第一方式的污水参数。因此一些例子中这样测定的污水参数更加准确。一些例子中,这能够对传感器自动校准,改进了市面上的污水测定用的一些传感器需要定期人工校准的缺点。
附图说明
图1为一种实施例的污水测定的系统的结构示意图;
图2为一种实施例的污水测定的系统的结构示意图;
图3为一种实施例的传感器的结构示意图;
图4为一种实施例的光照射水体的示意图;
图5为一种实施例的污水测定的系统的结构示意图;
图6为一种实施例的光照射水体的示意图;
图7为一种实施例的光照射水体的示意图;
图8为一种实施例的传感器的结构示意图;
图9为一种实施例的传感器的结构示意图;
图10为一种实施例的污水测定的方法的流程图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
目前有通过在线仪表来测定污水参数的方案,也有通过试剂来测定污水参数的方案,这些测定方案的优点在于测定结果比较精确,缺点在于成本较高并且实效性不好——即出结果比较慢。目前有利用传感器来测定污水的方案,这种方案的优点在于无需试剂即可完成测定,因此测定方案无污染,更经济环保,另外传感器尺寸小巧,安装比较,并且时效性好;这种方案的缺点在于,由于是对污水进行测定,因此传感器比较容易受到腐蚀,尤其是当污水的污染物浓度比较高的时候,这导致常常每隔几小时就需要更换新的传感器。因此,如何获得比较准确地对污水进行测定,是技术人员一直所追求的。
另外,市面上的诸如化学需氧量COD传感器等需要定期人工校准,不妨以COD传感器为例,市面上一般是定期通过以下方式——浊度补偿校准、主测量COD校准或两点校准,来对COD传感器进行定期校准。
浊度补偿校准:
①零点校准:用烧杯量取适量零浊度液,倒入传感器的储液腔室中,3~5分钟待数值稳定后进行零点校准。校准后倒出液体并用自来水清洗储液腔室。
②斜率校准:将200NTU标准溶液倒入传感器的储液腔室中,3~5分钟待数值稳定后进行斜率校准。校准后倒出液体并用自来水清洗储液腔室。
主测量COD校准:
①准确称量0.8503g的KHP放入1000mL的烧瓶。用蒸馏水或去离子水并灌注直到最高刻度.此溶液为1000mg/L浓度的COD溶液。
②取500mL此溶液注入1000mL量程的烧瓶里,然后用蒸馏水或去离子水灌至最高刻度。摇匀后COD浓度为500mg/L。
③用黑色玻璃瓶保存此浓缩标准液并低温储存防止其分解。稀释的标准液需要在准备好后24小时内使用。
校准步骤(2点校准)
①将传感器放入纯水(蒸馏水或去离子水)中并确认所有的光路都浸没在水下大于2cm且无气泡。注意:不可使用自来水。
②将传感器放入500mg/L COD溶液内按照附录命令进行斜率校准。
本发明一些实施中,物理上使用光照射,传感器全光谱接收,将经过污水的光转换为电信号,以测定污水不同的参数;另一个方面,通过机器学习的影像识别来得出污水不同的参数,以校准物理传感器得到的污水参数;具体地,影像识别可以是通过深度学习的方式对污水图像进行图像识别测定污水中COD浓度,以化学需氧量COD为例,可以采集各种COD浓度下的原始污水图像,对原始图像进行图像强化获取高颜色亮度对比的增强图像以及对原始图像灰度化的图像,将人工测定的COD浓度设定为标签,搭建深度学习算法模型框架,利用上述数据训练用于识别污水图像测定COD浓度的算法模型,利用训练好的模型测定新的污水图像,并跟物理传感器测定的数值进行对比,调整物理传感器的测定值使其接近算法模型的测定值,以此达到校准的目的。
因此,一些例子中,本发明测定的污水参数更加准确。一些例子中,本发明能够对传感器自动校准,改进了市面上的诸如COD传感器需要定期人工校准的缺点。
请参照图1,一些实施例中公开了一种污水测定的系统包括水箱10、传感器30、图像获取部件40和处理器90,下面具体说明。
水箱10包括进水口11和出水口12,进水口11用于供污水进入,出水口12用于供污水排出。一些实施例中,请参照图2,水箱10的进水口11设置有可打开和关闭的阀门11a,出水口12也设置有可打开和关闭的阀门12a,例如阀门11a和阀门12a都为电磁阀。通过控制进水口11的阀门11a和出水口12的阀门12a的打开和关闭,就可以使得污水进入或排出水箱10。另外,为了便于引入污水和排出污水,一些实施例中,进水口11可以设置于水箱10的顶部或侧壁靠上的位置,而出水口12可以设置于水箱的底部或侧壁靠下的位置。
为了不干扰传感器30对于污水的测定和图像获取部件40对污水图像的采集,一些实施例中,水箱10不透光,例如由不透光材料制成,再例如水箱10可以由玻璃制成,然后在内壁设置一层不透光材料。
传感器30放置于水箱内10,用于测定一种或多种污水参数,例如COD参、TN参数、TP参数、NH3-N参数、SS参数、DO参数和MLSS参数中的一种或多种。
在对传感器30进行说明前,先对各参数进行说明。
COD参数,即化学需氧量(Chemical Oxygen Demand),是以化学方法测量水样中需要被氧化的还原性物质的量。水样在一定条件下,以氧化1升水样中还原性物质所消耗的氧化剂的量为指标,折算成每升水样全部被氧化后,需要的氧的毫克数,以mg/L表示。COD量反映了水中受还原性物质污染的程度,通常,COD量越高,水质污染越严重。
TN参数,即总氮量(Total Nitrogen),是水中各种形态无机和有机氮的总量,往往包括NO3-、NO2-和NH4+等无机氮和蛋白质、氨基酸和有机胺等有机氮,以每升水含氮毫克数计算。TN量常被用来表示水体受营养物质污染的程度,一般数值越高,水质污染越严重。
TP参数,即总磷量(Total Phosphorus),是污水中以无机态和有机态存在的磷的总和。TP量是衡量水污染程度的指标之一,一般数值越大,水质污染程度越高。
NH3-N参数,即氨氮浓度,氨氮的含量是衡量水质的一个重要标准,以毫克/升表示,如果氨氮含量高的话,可能导致水体富营养化。
SS参数,即悬浮物浓度,(Suspended Solids),是指悬浮在水中的固体物质的含量,包括不溶于水中的无机物、有机物及泥砂、黏土、微生物等。SS量是衡量水污染程度的指标之一,一般数值越高,水质污染越严重。
DO参数,即溶解氧浓度(dissolved oxygen),是指溶解在水里氧的量,是衡量水体自净能力的一个指标,用每升水里氧气的毫克数表示。DO量与空气中氧的分压、水的温度都有密切关系,在自然情况下,空气中的含氧量变动不大,故水温是主要的因素,水温愈低,水中溶解氧的含量愈高。但当水体受到有机物污染,耗氧严重,溶解氧得不到及时补充,水体中的厌氧菌就会很快繁殖,有机物因腐败而使水体变黑、发臭,由此来说明水体污染严重,自净能力弱,甚至失去自净能力。
MLSS参数,即混合液悬浮固体浓度(mixed liquid suspended solids),也就是混合液污泥浓度,它表示的是在曝气池单位容积混合液内所含有的活性污泥固体物的总重量(mg/L),污泥浓度指的是生化反应的池子里的活性污泥的含量,活性污泥中含有大量的微生物。一般情况下,污泥浓度越高,微生物越多,那可以分解消耗的污染物就越多,反应效率越快。
以上是污水的一些参数说明,本领域技术人员可以理解地,上述参数只是用于举例,并不用于限定本申请的传感器所测定的污水参数只能是上面的参数。研究表明,许多溶解于水中的有机物对光例如紫外光具有吸收作用。因此,可以通过污水对光的透射或散射的程度,来测定水中相应污染物的含量。
下面对本申请的传感器30进行进一步的说明。
请参照图3,传感器30包括传感器壳体31、发射光源32、接收部件33和两个镜片34,发射光源32和接收部件33都设置于传感器壳体31内,而所述两个镜片34则在传感器壳体31上相对设置,这使得发射光源32用于通过传感器壳体31其中的一个镜片34向待测定的污水发射光,接收部件33用于通过传感器壳体31的另一个镜片34接收光经过污水后所产生的光——例如散射光、折射光或透射光,并转换为电信号,该电信号就表征了污水中相应参数的含量。图3是传感器30的一种结构,传感器壳体31可以大致呈“凹”字形,两个镜片34分别设置于“凹”字形下陷处的两个相对面。
一些实施例中,发射光源32至少发射包括波长为254nm的紫外光和365nm的紫外参比光的光束。通过这两个波长的光,能够对光路衰减进行补偿并在一定程度上消除颗粒状悬浮物杂质的干扰,即能自动对光路衰减及浊度影响进行补偿,从而实现更稳定可靠的测量值。
一些实施例中,发射光源32照射待测定的污水,接收部件33可以进行全光普接收,以测定污水不同的参数;换句话说,接收部件33是全光谱式的光电接收部件。发射光源32发射一组光束后,这组光束在通过待测定的污水后,接收部件33测量全光谱范围内波长的光束强度。
每种溶解在水体中的分子会吸收特定波长下的波长,水体中物质浓度不同,吸光度不同。下表是污水中参数能够吸收的光的波长的对应关系。
参数 | 符号 | 波长(nm) |
化学需氧量 | COD | 254 |
硝酸盐 | NO3-N | 220 |
总磷 | TP | 700 |
浊度 | NTU | 365 |
色度 | Colour | 350 |
铁 | Fe | 508 |
铬 | Cr | 425 |
铅 | Pb | 405 |
铜 | Cu | 300 |
镍 | Ni | 232 |
请参照图4,根据朗伯-比尔定律,A=lg(1/T)=Kbc;其中A为吸光度;T为透射比(透光度),是水体的出射光强度Io与入射光强度Ii之比;K为摩尔吸光系数,它与吸收物质的性质及入射光的波长λ有关;c为吸光物质的浓度,单位为mol/L;b为吸收层厚度,单位为cm。
因此,得到水体中物质例如对紫外及可见光的吸收线性,从而得出物质不同浓度标准曲线的线性模型,从而可以吸光度计算出水体中物质的浓度。
传感器30在测定污水时,需要直接接触到污水,这使得其镜片34会受到诸如生物附着和颗粒包裹等,从而在镜片34结垢,这会导致测定结果不准确甚至错误。这也是导致常常每隔几小时就需要更换新的传感器的重要原因之一。
请参照图5,一些实施例中引入清洗组件50来解决这个问题,下面对清洗组件50进行说明。
清洗组件50用于清洗传感器30的镜片34。具体地,清洗组件50包括清洗剂容器51、冲洗水容器52、清洗部53和供液管路54。
清洗剂容器51用于存放清洗镜片的清洗剂,清洗剂例如可以是一些可以溶解污水垢的液体例如盐酸等。冲洗水容器52用于存放冲洗镜片的冲洗水,例如自来水、生理盐水、蒸馏水、矿泉水或纯净水等。具体清洗时,可以是先通清洗剂来冲洗或浸泡镜片34,然后再通过冲洗水冲洗镜片34。
清洗部53用于通过出射清洗剂或冲洗水来清洗传感器30的镜片34。例如清洗部53可以包括一个喷头,通过喷头将液体喷出到镜片34上。一些例子中,清洗部53和传感器30都设置于水箱10内,以使得清洗部53出射的清洗剂和冲洗水能够射向传感器30的两个镜头34。另一些例子中,清洗部53也可以设置于传感器壳体51上,以使得清洗部53出射的清洗剂和冲洗水能够射向传感器30的两个镜头34。
供液管路54用于将清洗剂容器51、冲洗水容器52与所述清洗部53相连,即将清洗剂容器51与所述清洗部53连接,以及将冲洗水容器52与所述清洗部53连接。供液管路24包括多条支路,以及设置于支路上的阀门组件和压力源,阀门组件用于打开或关闭支路,压力源用于产生液体在支路中流动的压力。供液管路54有多种现实方式,下面具体说明。
请参照图6,为供液管路21实现的一种实施例。在这种实施例中,阀门组件包括多个电磁阀;压力源包括第一泵P1;所述多条支路包括清洗剂支路61、冲洗水支路62和总出水支路63。清洗剂支路61设置有电磁阀例如电磁阀SV01,并且清洗剂支路61的一端与清洗剂容器51连接,另一端与第一泵P1连接。冲洗水支路62设置有电磁阀例如电磁阀SV02,并且冲洗水支路62的一端与冲洗水容器52连接,另一端与第一泵P1连接。总出水支路63的一端与清洗部53连接,另一端与第一泵P1连接。
工作时,电磁阀SV01打开,电磁阀SV02关闭,通过第一泵P1提供的动力或者说压力,就可以使得清洗剂容器51中的清洗剂经过清洗剂支路61和总出水支路63到达清洗部53,并通过清洗部53喷向传感器30的镜片34;类似地,电磁阀SV01关闭,电磁阀SV02打开,通过第一泵P1提供的动力或者说压力,就可以使得冲洗水容器52中的冲洗水经过冲洗水支路62和总出水支路63到达清洗部53,并通过清洗部53喷向传感器30的镜片34。
请参照图7,为供液管路21实现的另一种实施例。在这种实施例中,阀门组件包括多个电磁阀;压力源包括第一泵P1和第二泵P2;所述多条支路包括清洗剂第一支路64、清洗剂第二支路65、冲洗水第一支路66和冲洗水第二支路67。清洗剂第一支路64设置有电磁阀例如电磁阀SV01,并且清洗剂第一支路64的一端与清洗剂容器51连接,另一端与第一泵P1连接;清洗剂第二支路65的一端与清洗部53连接,另一端与第一泵P1连接。冲洗水第一支路66设置有电磁阀例如电磁阀SV02,并且冲洗水第一支路66的一端与冲洗水容器52连接,另一端与第二泵P2连接;冲洗水第二支路67的一端与清洗部53连接,另一端与第二泵P2连接。
工作时,电磁阀SV01打开,通过第一泵P1提供的动力或者说压力,就可以使得清洗剂容器51中的清洗剂经过清洗剂第一支路64和清洗剂第二支路65到达清洗部53,并通过清洗部53喷向传感器30的镜片34。类似地,电磁阀SV02打开,通过第二泵P2提供的动力或者说压力,就可以使得冲洗水容器52中的冲洗水经过冲洗水第一支路66和冲洗水第二支路67到达清洗部53,并通过清洗部53喷向传感器30的镜片34。
总的来说,清洗组件50在对传感器30的镜片34清洗时,可以先通过清洗剂来冲洗或浸泡传感器30的镜片34,然后再通过冲洗水对传感器30的镜片34进行冲洗,以将所结的垢和残留在镜片34上的清洗剂冲洗掉,这些清洗后的液体可以通过水箱10的出水口12排出。一些例子中,可以重复执行清洗剂的清洗和冲洗水的冲洗若干次,例如两次,先使用清洗剂进行清洗,再使用冲洗水进行冲洗,再使用清洗剂进行清洗,再使用冲洗水进行冲洗。
整个污水测定的传感器系统在工作时,通过水箱10的进水口11引入待测定的污水,然后传感器30在水箱内对污水进行测定,每隔一定时间,对传感器30进行一次清洗——例如每隔30分钟进行一次清洗,本领域技术人员可以理解地,清洗前会先通过水箱10的出水口12将水箱10内的污水排出,然后再通过清洗组件50对传感器30进行清洗,清洗完成后,污水测定的传感器系统又可以接着引入污水来进行测定。
图像获取部件40用于获取污水的图像数据。图像获取部件40可以设置于水箱10内。图像获取部件40可以包括摄像头,通过摄像头来对污水进行拍照,从而获取污水的图像数据。一些实施例中,还可以额外提供一为拍摄提供光照的光源,一些实施中,也可以利用发射光源32作为拍摄的光源。
处理器90用于根据传感器30的电信号计算第一方式的污水参数。这是通过物理的传感器30来计算得到污水参数。
处理器90还可以利用人工智能算法结合高清影像技术,对污水的影像进行特征识别、机器学习和模型建立,进而对污水质量进行实时分析,对各种污水的质量进行计算和预警。
本发明将视觉检查应用在污水处理过程,根据水的颜色、透光度、污浊度等各种视觉特性对水质进行分析判断,尤其是工厂用户,由于其原料、工序等较为稳定,造成水体视觉特性变化的污染物成分基本固定,可以找出某一视觉特性与污染物成分状态的关联性。计算机视觉技术可以高效地对污水影像进行实时分析,利用相关算法,通过预处理、分区探测、特征识别等步骤将获取到的影像转化为一系列数据矩阵。人工智能机器学习算法可以将这些特征数据与传感器测得各种数据进行关联分析,训练出数据模型,用来进行各种指标的分析预测。这种大数据、多维度的机器学习是人工智能技术的最高效应用。
以用于COD等污水参数的监测为例,经过2到4周左右的学习建模周期即可利用相对低成本的高清影像传感系统来校正甚至代替高成本的紫外光等传感器。
因此,一些实施例中,处理器90用于根据污水的图像数据和一污水分析模型,获取第二方式的污水参数;一些具体的实施例中,处理器90对污水的图像数据进行预处理、分区探测和特征识别,以将所述污水的图像数据转化为数据矩阵,并将所述数据矩阵输入所述污水分析模型,以得到所述第二方式的污水参数。这里的预处理可以是对图像进行强化以获得高对比度的增强图像。
一些实施例中,污水分析模型通过以下方式建立:获取测试集,所述测试集中的数据为污水的图像数据的数据矩阵,数据的标签为人工测定的污水参数,利用所述训练集,训练得到所述污水分析模型。
上述说明书处理器90计算得到第一方式和第二方式的污水参数。
一些例子中,针对同一现场的污水,同时使用紫外光传感器检测与影象识别两种实时水质监测技术,本发明一些实施例通过人工智能技术的运算分析可以互相补偿测量结果,并且调试完成以后能够自动校准,改进了市面上的诸如COD传感器需要定期人工校准的缺点。
因此,一些实施中,处理器90计算得到第一方式和第二方式的污水参数,并使用所述第二方式的污水参数校准所述第一方式的污水参数,并输出。
通过一个数值来校准另一个数值可以有多种方式,例如当第一方式的污水参数的检测结果偏高时——即第一方式的污水参数的检测结果大于第二方式的污水参数的检测结果,可以引入一0至1之间的系数来对传感器的检测结果(即第一方式的污水参数的检测结果)进行校准;当第一方式的污水参数的检测结果偏低时——即第一方式的污水参数的检测结果小于第二方式的污水参数的检测结果,可以引入一大于1的系数来对传感器的检测结果(即第一方式的污水参数的检测结果)进行校准。
以上是污水测定的系统的一些说明。
本发明一些实施例还公开了一种集成式的传感器,下面具体说明。
请参照图8和图9,集成式的传感器包括传感器壳体31、发射光源32、接收部件33、图像获取部件40和处理器90,一些实施例中还可以包括清洗组件50;下面具体说明。
传感器器壳体31上相对设置有两个镜片34,发射光源32用于通过传感器壳体31其中的一个镜片34向待测定的污水发射光,接收部件33用于通过传感器壳体31的另一个镜片34接收光经过污水后所产生的光——例如散射光、折射光或透射光,并转换为电信号,该电信号就表征了污水中相应参数的含量。一些实施例中,发射光源32至少发射包括波长为254nm的紫外光和365nm的紫外参比光的光束。通过这两个波长的光,能够对光路衰减进行补偿并在一定程度上消除颗粒状悬浮物杂质的干扰,即能自动对光路衰减及浊度影响进行补偿,从而实现更稳定可靠的测量值。
图像获取部件40用于获取污水的图像数据。图像获取部件40可以包括摄像头,通过摄像头来对污水进行拍照,从而获取污水的图像数据。一些实施例中,还可以额外提供一为拍摄提供光照的光源,一些实施中,也可以利用发射光源32作为拍摄的光源。
清洗组件50用于清洗传感器30的镜片34。具体地,清洗组件50包括清洗剂容器51、冲洗水容器52、清洗部53和供液管路54。清洗剂容器51用于存放清洗镜片的清洗剂,清洗剂例如可以是一些可以溶解污水垢的液体例如盐酸等。冲洗水容器52用于存放冲洗镜片的冲洗水,例如自来水、生理盐水、蒸馏水、矿泉水或纯净水等。具体清洗时,可以是先通清洗剂来冲洗或浸泡镜片34,然后再通过冲洗水冲洗镜片34。清洗部53用于通过出射清洗剂或冲洗水来清洗传感器30的镜片34。例如清洗部53可以包括一个喷头,通过喷头将液体喷出到镜片34上。一些例子中,清洗部53和传感器30都设置于水箱10内,以使得清洗部53出射的清洗剂和冲洗水能够射向传感器30的两个镜头34。另一些例子中,清洗部53也可以设置于传感器壳体51上,以使得清洗部53出射的清洗剂和冲洗水能够射向传感器30的两个镜头34。供液管路54用于将清洗剂容器51、冲洗水容器52与所述清洗部53相连,即将清洗剂容器51与所述清洗部53连接,以及将冲洗水容器52与所述清洗部53连接。供液管路24包括多条支路,以及设置于支路上的阀门组件和压力源,阀门组件用于打开或关闭支路,压力源用于产生液体在支路中流动的压力。供液管路54有多种现实方式,下面具体说明。
上文图6,为供液管路21实现的一种实施例。在这种实施例中,阀门组件包括多个电磁阀;压力源包括第一泵P1;所述多条支路包括清洗剂支路61、冲洗水支路62和总出水支路63。清洗剂支路61设置有电磁阀例如电磁阀SV01,并且清洗剂支路61的一端与清洗剂容器51连接,另一端与第一泵P1连接。冲洗水支路62设置有电磁阀例如电磁阀SV02,并且冲洗水支路62的一端与冲洗水容器52连接,另一端与第一泵P1连接。总出水支路63的一端与清洗部53连接,另一端与第一泵P1连接。工作时,电磁阀SV01打开,电磁阀SV02关闭,通过第一泵P1提供的动力或者说压力,就可以使得清洗剂容器51中的清洗剂经过清洗剂支路61和总出水支路63到达清洗部53,并通过清洗部53喷向传感器30的镜片34;类似地,电磁阀SV01关闭,电磁阀SV02打开,通过第一泵P1提供的动力或者说压力,就可以使得冲洗水容器52中的冲洗水经过冲洗水支路62和总出水支路63到达清洗部53,并通过清洗部53喷向传感器30的镜片34。
上文图7,为供液管路21实现的另一种实施例。在这种实施例中,阀门组件包括多个电磁阀;压力源包括第一泵P1和第二泵P2;所述多条支路包括清洗剂第一支路64、清洗剂第二支路65、冲洗水第一支路66和冲洗水第二支路67。清洗剂第一支路64设置有电磁阀例如电磁阀SV01,并且清洗剂第一支路64的一端与清洗剂容器51连接,另一端与第一泵P1连接;清洗剂第二支路65的一端与清洗部53连接,另一端与第一泵P1连接。冲洗水第一支路66设置有电磁阀例如电磁阀SV02,并且冲洗水第一支路66的一端与冲洗水容器52连接,另一端与第二泵P2连接;冲洗水第二支路67的一端与清洗部53连接,另一端与第二泵P2连接。工作时,电磁阀SV01打开,通过第一泵P1提供的动力或者说压力,就可以使得清洗剂容器51中的清洗剂经过清洗剂第一支路64和清洗剂第二支路65到达清洗部53,并通过清洗部53喷向传感器30的镜片34。类似地,电磁阀SV02打开,通过第二泵P2提供的动力或者说压力,就可以使得冲洗水容器52中的冲洗水经过冲洗水第一支路66和冲洗水第二支路67到达清洗部53,并通过清洗部53喷向传感器30的镜片34。
处理器90用于根据接收部件33的电信号计算第一方式的污水参数;处理器90还用于根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数;具体地,所述处理器对所述污水的图像数据进行预处理、分区探测和特征识别,以将所述污水的图像数据转化为数据矩阵,并将所述数据矩阵输入所述污水分析模型,以得到所述第二方式的污水参数;其中所述污水分析模型通过以下方式建立:获取测试集,所述测试集中的数据为污水的图像数据的数据矩阵,数据的标签为人工测定的污水参数,利用所述训练集,训练得到所述污水分析模型。处理器90使用所述第二方式的污水参数校准所述第一方式的污水参数,并输出。
通过一个数值来校准另一个数值可以有多种方式,例如当第一方式的污水参数的检测结果偏高时——即第一方式的污水参数的检测结果大于第二方式的污水参数的检测结果,可以引入一0至1之间的系数来对传感器的检测结果(即第一方式的污水参数的检测结果)进行校准;当第一方式的污水参数的检测结果偏低时——即第一方式的污水参数的检测结果小于第二方式的污水参数的检测结果,可以引入一大于1的系数来对传感器的检测结果(即第一方式的污水参数的检测结果)进行校准。
集成式的传感器将传感器壳体31、发射光源32、接收部件33、图像获取部件40和处理器90等集成;集成式的传感器中的射光源32、接收部件33、图像获取部件40和处理器90,也可以参照污水测定的系统中相应部件的描述。
请参照图10,本发明一些实施例中还公开了一种污水测定的方法,包括以下步骤:
步骤100:控制向待测定的污水发射光。
一些实施例中,步骤100至少发射包括波长为254nm的紫外光和365nm的紫外参比光的光束。通过这两个波长的光,能够对光路衰减进行补偿并在一定程度上消除颗粒状悬浮物杂质的干扰,即能自动对光路衰减及浊度影响进行补偿,从而实现更稳定可靠的测量值。
步骤110:控制接收光经过污水后所产生的光,并转换为电信号。
步骤110中光经过污水后所产生的光,可以是散射光、折射光或透射光。
步骤120:根据所述电信号计算第一方式的污水参数。
由于电信号表征了污水中相应参数的含量,因此可以根据电信号来计算污水参数。
步骤130:获取污水的图像数据。
例如步骤130可以通过摄像头来对污水进行拍照,从而获取污水的图像数据。一些实施例中,还可以额外提供一为拍摄提供光照的光源,一些实施中,也可以利用步骤100中的光作为拍摄的光源。
步骤140:根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数。
一些实施例中,步骤140可以对所述污水的图像数据进行预处理、分区探测和特征识别,以将所述污水的图像数据转化为数据矩阵;再将所述数据矩阵输入所述污水分析模型,以得到所述第二方式的污水参数。
步骤140中所涉及到的污水分析模型通过以下方式建立:获取测试集,所述测试集中的数据为污水的图像数据的数据矩阵,数据的标签为人工测定的污水参数;利用所述训练集,训练得到所述污水分析模型。
步骤150:使用所述第二方式的污水参数校准所述第一方式的污水参数,并输出。
通过一个数值来校准另一个数值可以有多种方式,例如当第一方式的污水参数的检测结果偏高时——即第一方式的污水参数的检测结果大于第二方式的污水参数的检测结果,可以引入一0至1之间的系数来对传感器的检测结果(即第一方式的污水参数的检测结果)进行校准;当第一方式的污水参数的检测结果偏低时——即第一方式的污水参数的检测结果小于第二方式的污水参数的检测结果,可以引入一大于1的系数来对传感器的检测结果(即第一方式的污水参数的检测结果)进行校准。
本文参照了各种示范实施例进行说明。然而,本领域的技术人员将认识到,在不脱离本文范围的情况下,可以对示范性实施例做出改变和修正。例如,各种操作步骤以及用于执行操作步骤的组件,可以根据特定的应用或考虑与系统的操作相关联的任何数量的成本函数以不同的方式实现(例如一个或多个步骤可以被删除、修改或结合到其他步骤中)。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。另外,如本领域技术人员所理解的,本文的原理可以反映在计算机可读存储介质上的计算机程序产品中,该可读存储介质预装有计算机可读程序代码。任何有形的、非暂时性的计算机可读存储介质皆可被使用,包括磁存储设备(硬盘、软盘等)、光学存储设备(CD至ROM、DVD、Blu Ray盘等)、闪存和/或诸如此类。这些计算机程序指令可被加载到通用计算机、专用计算机或其他可编程数据处理设备上以形成机器,使得这些在计算机上或其他可编程数据处理装置上执行的指令可以生成实现指定的功能的装置。这些计算机程序指令也可以存储在计算机可读存储器中,该计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定的方式运行,这样存储在计算机可读存储器中的指令就可以形成一件制造品,包括实现指定功能的实现装置。计算机程序指令也可以加载到计算机或其他可编程数据处理设备上,从而在计算机或其他可编程设备上执行一系列操作步骤以产生一个计算机实现的进程,使得在计算机或其他可编程设备上执行的指令可以提供用于实现指定功能的步骤。
虽然在各种实施例中已经示出了本文的原理,但是许多特别适用于特定环境和操作要求的结构、布置、比例、元件、材料和部件的修改可以在不脱离本披露的原则和范围内使用。以上修改和其他改变或修正将被包含在本文的范围之内。
前述具体说明已参照各种实施例进行了描述。然而,本领域技术人员将认识到,可以在不脱离本披露的范围的情况下进行各种修正和改变。因此,对于本披露的考虑将是说明性的而非限制性的意义上的,并且所有这些修改都将被包含在其范围内。同样,有关于各种实施例的优点、其他优点和问题的解决方案已如上所述。然而,益处、优点、问题的解决方案以及任何能产生这些的要素,或使其变得更明确的解决方案都不应被解释为关键的、必需的或必要的。本文中所用的术语“包括”和其任何其他变体,皆属于非排他性包含,这样包括要素列表的过程、方法、文章或设备不仅包括这些要素,还包括未明确列出的或不属于该过程、方法、系统、文章或设备的其他要素。此外,本文中所使用的术语“耦合”和其任何其他变体都是指物理连接、电连接、磁连接、光连接、通信连接、功能连接和/或任何其他连接。
具有本领域技术的人将认识到,在不脱离本发明的基本原理的情况下,可以对上述实施例的细节进行许多改变。因此,本发明的范围应仅由权利要求确定。
Claims (10)
1.一种传感器,其特征在于,包括:
传感器壳体,所述传感器器壳体上相对设置有两个镜片;
发射光源,设置于所述传感器壳体,用于通过所述传感器壳体其中的一个镜片向待测定的污水发射光;所述发射光源至少发射包括波长为254nm的紫外光和365nm的紫外参比光的光束;
接收部件,设置于所述传感器壳体,用于通过所述传感器壳体的另一个镜片接收光经过污水后所产生的光,并转换为电信号;
清洗组件,用于清洗所述两个镜片;所述清洗组件包括清洗剂容器、冲洗水容器、供液管路和清洗部;所述清洗剂容器用于存放清洗镜片的清洗剂,所述冲洗水容器用于存放冲洗镜片的冲洗水;所述供液管路用于将所述清洗剂容器、冲洗水容器与所述清洗部相连;所述供液管路包括多条支路,以及设置于支路上的阀门组件和压力源,所述阀门组件用于打开或关闭支路,所述压力源用于产生液体在支路中流动的压力;所述清洗部用于通过出射清洗剂或冲洗水来清洗所述两个镜片;
图像获取部件,设置于所述传感器壳体,用于获取污水的图像数据;所述图像获取部件包括摄像头;
处理器,设置于所述传感器壳体;其中:
所述处理器用于根据所述电信号计算第一方式的污水参数;
所述处理器还用于根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数;具体地,所述处理器对所述污水的图像数据进行预处理、分区探测和特征识别,以将所述污水的图像数据转化为数据矩阵,并将所述数据矩阵输入所述污水分析模型,以得到所述第二方式的污水参数;其中所述污水分析模型通过以下方式建立:获取测试集,所述测试集中的数据为污水的图像数据的数据矩阵,数据的标签为人工测定的污水参数,利用所述训练集,训练得到所述污水分析模型;
所述处理器使用所述第二方式的污水参数校准所述第一方式的污水参数,并输出。
2.一种污水测定的系统,其特征在于,包括:
水箱,所述水箱包括进水口和出水口,所述进水口用于供污水进入,所述出水口用于供污水排出;
放置于所述水箱内的传感器,用于测定一种或多种污水参数;所述传感器包括传感器壳体,设置于所述传感器壳体内的发射光源和接收部件,以及在所述传感器器壳体上相对设置的两个镜片;所述发射光源用于通过所述传感器壳体其中的一个镜片向待测定的污水发射光;所述接收部件用于通过所述传感器壳体的另一个镜片接收光经过污水后所产生的光,并转换为电信号;
放置于所述水箱内的图像获取部件,用于获取污水的图像数据;
处理器,用于根据所述电信号计算第一方式的污水参数;所述处理器还用于根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数;所述处理器使用所述第二方式的污水参数校准所述第一方式的污水参数,并输出。
3.如权利要求2所述的系统,其特征在于,所述发射光源至少发射包括波长为254nm的紫外光和365nm的紫外参比光的光束。
4.如权利要求2所述的系统,其特征在于,还包括清洗组件,用于清洗所述两个镜片;所述清洗组件包括清洗剂容器、冲洗水容器、供液管路和清洗部;所述清洗剂容器用于存放清洗镜片的清洗剂,所述冲洗水容器用于存放冲洗镜片的冲洗水;所述供液管路用于将所述清洗剂容器、冲洗水容器与所述清洗部相连;所述供液管路包括多条支路,以及设置于支路上的阀门组件和压力源,所述阀门组件用于打开或关闭支路,所述压力源用于产生液体在支路中流动的压力;所述清洗部用于通过出射清洗剂或冲洗水来清洗所述两个镜片。
5.如权利要求4所述的系统,其特征在于:
所述阀门组件包括多个电磁阀;所述压力源包括第一泵;所述多条支路包括清洗剂支路、冲洗水支路和总出水支路;所述清洗剂支路设置有电磁阀,并且所述清洗剂支路的一端与清洗剂容器连接,另一端与所述第一泵连接;所述冲洗水支路设置有电磁阀,并且所述冲洗水支路的一端与冲洗水容器连接,另一端与所述第一泵连接;所述总出水支路的一端与所述清洗部连接,另一端与所述第一泵连接;
或者,
所述阀门组件包括多个电磁阀;所述压力源包括第一泵和第二泵;所述多条支路包括清洗剂第一支路、清洗剂第二支路、冲洗水第一支路和冲洗水第二支路;所述清洗剂第一支路设置有电磁阀,并且所述清洗剂第一支路的一端与清洗剂容器连接,另一端与所述第一泵连接;所述清洗剂第二支路的一端与所述清洗部连接,另一端与所述第一泵连接;所述冲洗水第一支路设置有电磁阀,并且所述冲洗水第一支路的一端与冲洗水容器连接,另一端与所述第二泵连接;所述冲洗水第二支路的一端与所述清洗部连接,另一端与所述第二泵连接。
6.如权利要求2所述的系统,其特征在于,所述图像获取部件包括摄像头。
7.如权利要求2至6中任一项所述的系统,其特征在于,所述处理器对所述污水的图像数据进行预处理、分区探测和特征识别,以将所述污水的图像数据转化为数据矩阵,并将所述数据矩阵输入所述污水分析模型,以得到所述第二方式的污水参数;其中所述污水分析模型通过以下方式建立:获取测试集,所述测试集中的数据为污水的图像数据的数据矩阵,数据的标签为人工测定的污水参数,利用所述训练集,训练得到所述污水分析模型。
8.一种污水测定的方法,其特征在于,包括:
控制向待测定的污水发射光;
控制接收光经过污水后所产生的光,并转换为电信号;
根据所述电信号计算第一方式的污水参数;
获取污水的图像数据;
根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数;
使用所述第二方式的污水参数校准所述第一方式的污水参数,并输出。
9.如权利要求8所述的污水测定的方法,其特征在于,所述根据所述污水的图像数据和一污水分析模型,获取第二方式的污水参数,包括:
对所述污水的图像数据进行预处理、分区探测和特征识别,以将所述污水的图像数据转化为数据矩阵;
将所述数据矩阵输入所述污水分析模型,以得到所述第二方式的污水参数;
其中所述污水分析模型通过以下方式建立:
获取测试集,所述测试集中的数据为污水的图像数据的数据矩阵,数据的标签为人工测定的污水参数;
利用所述训练集,训练得到所述污水分析模型。
10.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求8或9所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625337.3A CN112834450B (zh) | 2020-12-31 | 2020-12-31 | 一种传感器、污水测定的系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625337.3A CN112834450B (zh) | 2020-12-31 | 2020-12-31 | 一种传感器、污水测定的系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112834450A true CN112834450A (zh) | 2021-05-25 |
CN112834450B CN112834450B (zh) | 2024-04-16 |
Family
ID=75924419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011625337.3A Active CN112834450B (zh) | 2020-12-31 | 2020-12-31 | 一种传感器、污水测定的系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112834450B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116692971A (zh) * | 2023-06-30 | 2023-09-05 | 戴思乐科技集团有限公司 | 一种智能水质管理一体机的控制方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005291994A (ja) * | 2004-04-01 | 2005-10-20 | Oki Electric Ind Co Ltd | 水質監視システム |
JP2006300858A (ja) * | 2005-04-25 | 2006-11-02 | Toshiba Corp | 水質検査装置 |
CN201503394U (zh) * | 2009-04-20 | 2010-06-09 | 成都海兰天澄科技有限公司 | 实时检测水体化学需氧量仪器 |
KR20100069368A (ko) * | 2008-12-16 | 2010-06-24 | (주)에이엔티이십일 | 무선 통신 및 자동 보정 기능을 갖춘 오폐수 처리 장치 |
KR101364726B1 (ko) * | 2013-09-06 | 2014-02-20 | 김철 | 다기능 슬러지 계면농도 측정장치 |
CN103645161A (zh) * | 2013-11-16 | 2014-03-19 | 中山欧麦克仪器设备有限公司 | 一种浊度检测装置 |
EP2746751A1 (de) * | 2012-12-18 | 2014-06-25 | Zentrum für biomedizinische Technologie der Donau- Universität Krems | Vorrichtung zur optischen Überwachung eines Parameters einer Flüssigkeitsprobe |
US20180156730A1 (en) * | 2016-11-23 | 2018-06-07 | Ysi, Inc. | Dual function fluorometer-absorbance sensor |
CN109187534A (zh) * | 2018-08-01 | 2019-01-11 | 江苏凯纳水处理技术有限公司 | 水质检测方法及其水样图像识别装置 |
CN111855584A (zh) * | 2020-07-30 | 2020-10-30 | 剑科云智(深圳)科技有限公司 | 一种废水测定的传感器系统 |
CN112101352A (zh) * | 2020-09-10 | 2020-12-18 | 广州深视未来智能科技有限责任公司 | 水下矾花状态识别方法及监测装置、计算机设备和存储介质 |
-
2020
- 2020-12-31 CN CN202011625337.3A patent/CN112834450B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005291994A (ja) * | 2004-04-01 | 2005-10-20 | Oki Electric Ind Co Ltd | 水質監視システム |
JP2006300858A (ja) * | 2005-04-25 | 2006-11-02 | Toshiba Corp | 水質検査装置 |
KR20100069368A (ko) * | 2008-12-16 | 2010-06-24 | (주)에이엔티이십일 | 무선 통신 및 자동 보정 기능을 갖춘 오폐수 처리 장치 |
CN201503394U (zh) * | 2009-04-20 | 2010-06-09 | 成都海兰天澄科技有限公司 | 实时检测水体化学需氧量仪器 |
EP2746751A1 (de) * | 2012-12-18 | 2014-06-25 | Zentrum für biomedizinische Technologie der Donau- Universität Krems | Vorrichtung zur optischen Überwachung eines Parameters einer Flüssigkeitsprobe |
KR101364726B1 (ko) * | 2013-09-06 | 2014-02-20 | 김철 | 다기능 슬러지 계면농도 측정장치 |
CN103645161A (zh) * | 2013-11-16 | 2014-03-19 | 中山欧麦克仪器设备有限公司 | 一种浊度检测装置 |
US20180156730A1 (en) * | 2016-11-23 | 2018-06-07 | Ysi, Inc. | Dual function fluorometer-absorbance sensor |
CN109187534A (zh) * | 2018-08-01 | 2019-01-11 | 江苏凯纳水处理技术有限公司 | 水质检测方法及其水样图像识别装置 |
CN111855584A (zh) * | 2020-07-30 | 2020-10-30 | 剑科云智(深圳)科技有限公司 | 一种废水测定的传感器系统 |
CN112101352A (zh) * | 2020-09-10 | 2020-12-18 | 广州深视未来智能科技有限责任公司 | 水下矾花状态识别方法及监测装置、计算机设备和存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116692971A (zh) * | 2023-06-30 | 2023-09-05 | 戴思乐科技集团有限公司 | 一种智能水质管理一体机的控制方法及系统 |
CN116692971B (zh) * | 2023-06-30 | 2024-04-02 | 戴思乐科技集团有限公司 | 一种智能水质管理一体机的控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112834450B (zh) | 2024-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vanrolleghem et al. | On-line monitoring equipment for wastewater treatment processes: state of the art | |
Brodnjak-Vončina et al. | Chemometrics characterisation of the quality of river water | |
CN101512321B (zh) | 用于探测水中的活浮游生物细胞的方法和装置 | |
Anderson | Turbidity 6.7 | |
Bieroza et al. | Classification and calibration of organic matter fluorescence data with multiway analysis methods and artificial neural networks: an operational tool for improved drinking water treatment | |
CN101329251B (zh) | 化学需氧量、生物需氧量检测装置 | |
CN104977263A (zh) | 水质多参数监测仪及其监测方法 | |
KR102311657B1 (ko) | 하폐수 처리 스마트 관리 시스템 | |
CN201051071Y (zh) | 化学需氧量、生物需氧量检测装置 | |
CN102841060A (zh) | 一种在线水质快速检测系统及其检测方法 | |
CN115078667A (zh) | 一种基于物联网技术的工业污水排放处理在线监测分析预警系统 | |
CN112834450B (zh) | 一种传感器、污水测定的系统和方法 | |
Gunatilaka et al. | A brief review of chemical and biological continuous monitoring of rivers in Europe and Asia | |
CN112179897A (zh) | 一种氨氮在线监测仪流路系统及其分析方法 | |
Wang et al. | Monitoring DOM in drinking water supply systems using DOC, COD Mn, UV and fluorescence measurements | |
TWI477760B (zh) | 一種量測水中成分及其濃度之變動光徑量測裝置及其量測方法 | |
Eskin et al. | Real-time water quality monitoring of an artificial lake using a portable, affordable, simple, arduino-based open source sensor | |
Caffrey et al. | Factors affecting the maximum depth of colonization by submersed macrophytes in Florida lakes | |
CN107367476A (zh) | 评估水的生物降解能力的方法和系统以及其在水处理中的应用 | |
CN117233340A (zh) | 一种有机污染物浓度的检测方法及系统 | |
Amrita et al. | Analysing the water quality parameters from traditional to modern methods in aquaculture | |
CN211785495U (zh) | 一种多参数水质综合监测系统 | |
CN111855584B (zh) | 一种废水测定的传感器系统 | |
KR200281690Y1 (ko) | 계량관을 구비하는 중크롬산칼륨법에 의한 시오디 측정장치 | |
CN214201162U (zh) | 一种在线实时污水指标检测系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |