CN113049593A - 一种利用智能成像与识别技术实现在线生物监测的方法 - Google Patents
一种利用智能成像与识别技术实现在线生物监测的方法 Download PDFInfo
- Publication number
- CN113049593A CN113049593A CN202110358562.3A CN202110358562A CN113049593A CN 113049593 A CN113049593 A CN 113049593A CN 202110358562 A CN202110358562 A CN 202110358562A CN 113049593 A CN113049593 A CN 113049593A
- Authority
- CN
- China
- Prior art keywords
- microscope
- microorganisms
- water sample
- vertical arm
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 238000003384 imaging method Methods 0.000 title claims abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 44
- 244000005700 microbiome Species 0.000 claims description 27
- 238000001514 detection method Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 13
- 239000010802 sludge Substances 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 6
- 230000017525 heat dissipation Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 230000008054 signal transmission Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000007865 diluting Methods 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 239000000428 dust Substances 0.000 claims description 3
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000004062 sedimentation Methods 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 239000010865 sewage Substances 0.000 description 21
- 230000008569 process Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000008394 flocculating agent Substances 0.000 description 1
- 238000005189 flocculation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 238000007431 microscopic evaluation Methods 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 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
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/02—Devices for withdrawing samples
- G01N1/10—Devices for withdrawing samples in the liquid or fluent state
- G01N1/14—Suction devices, e.g. pumps; Ejector devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/38—Diluting, dispersing or mixing samples
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
Abstract
本发明公开了一种利用智能成像与识别技术实现在线生物监测的方法，包括外壳体，外壳体上设有显微镜组件，显微镜组件包括显微镜立臂，显微镜立臂设置在底座上，底座上设有自动扫描载物平台，显微镜立臂上端设有高清摄像相机，显微镜立臂上端下方安装有物镜，且高清摄像相机设置在物镜上方，外壳体上还设有控制器，本发明结构简单，操作方便，利用计算机视觉中物体检测的算法，能简单直观、自动化的记录并分析污水中微生物情况，并且能够实时在线观测污水状态。
Description
技术领域
本发明涉及生物监测技术领域，具体为一种利用智能成像与识别技术实现在线生物监测的方法。
背景技术
为了了解污水中微生物状况，传统方法是通过人工镜检来观测并记录其中的微生物数目，从而来指示污水状态。传统方法耗时耗力，而且过程繁琐。
当前，人工镜检是广泛使用的用于判断活性污泥性状的检测技术，在利用人工镜检技术的同时结合两个指标：生物反应池水中溶解氧DO值和污泥浓度MLSS值，来推测微生物种群的生存状态和数目，从而达成对活性污泥性状监测的目的。然而，人工镜检需要人工进行采样和预处理，同时需要花费大量时间进行人工识别。这些条件限制了人工镜检在污水处理环节中的应用，而人工镜检最大的问题在于：其检测对象仅针对于某取样时刻采集到的少量污水，特定的取样时间无法充分体现一定时间内活性污泥的变化趋势，而少量的水样也很难体现活性污泥的总体情况；由于人工采集水样、人工预处理以及人工识别等步骤，以及水样在从污水处理厂运至实验室所耽搁的时间，采用人工镜检分析得出的结果并不具有即时性；缺乏量化的水质判断标准——目前主要通过人工检测污水采样，主观判断水质。没有可量化的水质判断标准，例如根据每毫升水样中微生物的种群、数量等条件，判断污水处于哪个处理阶段等等；无法做到7/24小时不间断自动化实时监测、无法提供上级主管单位实时的反映城市污水处理系统的各项运行参数及出水水质。
而目前所利用的图像识别技术主要存在以下几点问题：摄像设备并非专业显微摄像设备，无法自动设置曝光、自动调节焦距因而只能拍摄人眼可识别的大颗粒物；光源多采用自然光或者发光二极管直接照射或反射，光源利用效率低下，难以通过微调提高效率；不存在预处理单元，无法通过自动化的处理手段提高对于观测对象的拍摄质量；没有显微放大功能，无法针对微生物个体进行准确、清晰的拍摄，图像采集分辨率低；图像的平滑处理、阈值分割和去噪操作效果不佳，仅能针对混凝絮凝工艺或活性污泥中的絮凝体（即仅体积参量）进行识别；识别的准确度不高，无法精确的识别开各种微生物，并且漏检的情况比较严重；识别的速度比较慢，无法达到实时的效果。
发明内容
本发明的目的在于提供一种利用智能成像与识别技术实现在线生物监测的方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种利用智能成像与识别技术实现在线生物监测装置, 包括外壳体，所述外壳体上设有显微镜组件，所述显微镜组件包括显微镜立臂，所述显微镜立臂设置在底座上，所述底座上设有自动扫描载物平台，所述自动扫描载物平台上放置待检生物；所述显微镜立臂上端设有高清摄像相机，所述显微镜立臂上端下方安装有物镜，且所述高清摄像相机设置在物镜上方，所述外壳体上还设有控制器，所述控制器内设有微处理器、图像采集模块、存储模块、算法模块和信号传输模块，所述高清摄像相机通过图像采集模块连接微处理器，所述微处理分别连接存储模块、算法模块，所述微处理器通过信号传输模块连接监测终端。
优选的，所述外壳体后端设有散热窗口，所述散热窗口内侧设有防尘网，所述外壳体后端还安装有数据传输接口。
优选的，一种利用智能成像与识别技术实现在线生物监测的方法，其特征在于：包括以下步骤：
A、采样点采样：选择在生物反应池与二次沉淀池之间设置采样点，通过采水泵抽取水样并以一定水头输送到预处理单元；
B、水样预处理：在预处理单元对水样进行稀释以及搅拌，提高水体中活性污泥的分散度和均匀度；
C、水样检测：利用具有自动调节曝光、焦距的智能显微成像装置对以一定流速通过检测区域的水样进行一次或多次成像；
D、图像预处理：根据拍摄的图片，对图片中的微生物进行标注，采用矩形的形式，将微生物显示标注出来，同时标注类别，最终生成一个包含标注文件的微生物数据库；
E、将标注好的数据，输入到深度学习的训练算法中，采用的深度学习的方法是retinanet,网络的基础架构是resnet101,让算法自己学习微生物的特征；
F、检测微生物：运行训练好的模型，模型可以自动检测图片中的微生物，然后统计检测的数量和种类发送至监测终端，从而预测水质的好坏。
与现有技术相比，本发明的有益效果是：本发明结构简单，操作方便，利用计算机视觉中物体检测的算法，能简单直观、自动化的记录并分析污水中微生物情况，并且能够实时在线观测污水状态。本发明的方法实现了将IT技术、光学技术与污水处理相结合，直接对水体中微生物进行观察分析，以此判断污水处理流程的合理性并对污水处理中的各项参数进行反馈调节；本发明的监测方法可以替代人工镜检和污泥浓度计，同时与BOD、COD等水质参数互补，有效提高了污水处理的效率，降低了出水水质检测的成本。
附图说明
图1为本发明结构示意图；
图2为本发明装置后视图；
图3为本发明控制原理框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-3，本发明提供一种技术方案：一种利用智能成像与识别技术实现在线生物监测装置, 包括外壳体1，所述外壳体1上设有显微镜组件，所述显微镜组件包括显微镜立臂2，所述显微镜立臂2设置在底座3上，所述底座3上设有自动扫描载物平台4，所述自动扫描载物平台4上放置待检生物；所述显微镜立臂2上端设有高清摄像相机5，所述显微镜立臂2上端下方安装有物镜6，且所述高清摄像相机5设置在物镜6上方，所述外壳体1上还设有控制器，所述控制器内设有微处理器7、图像采集模块8、存储模块9、算法模块10和信号传输模块11，所述高清摄像相机5通过图像采集模块8连接微处理器7，所述微处理器7分别连接存储模块9、算法模块10，所述微处理器7通过信号传输模块11连接监测终端12；外壳体1后端设有散热窗口13，所述散热窗口13内侧设有防尘网，所述外壳体1后端还安装有数据传输接口14。
工作原理：一种利用智能成像与识别技术实现在线生物监测的方法，包括以下步骤：
A、采样点采样：选择在生物反应池与二次沉淀池之间设置采样点，通过采水泵抽取水样并以一定水头输送到预处理单元；
B、水样预处理：在预处理单元对水样进行稀释以及搅拌，提高水体中活性污泥的分散度和均匀度；
C、水样检测：利用具有自动调节曝光、焦距的智能显微成像装置对以一定流速通过检测区域的水样进行一次或多次成像；
D、图像预处理：根据拍摄的图片，对图片中的微生物进行标注，采用矩形的形式，将微生物显示标注出来，同时标注类别，最终生成一个包含标注文件的微生物数据库；
E、将标注好的数据，输入到深度学习的训练算法中，采用的深度学习的方法是retinanet,网络的基础架构是resnet101,让算法自己学习微生物的特征；
F、检测微生物：运行训练好的模型，模型可以自动检测图片中的微生物，然后统计检测的数量和种类发送至监测终端，从而预测水质的好坏。
综上所述，本发明结构简单，操作方便，利用计算机视觉中物体检测的算法，能简单直观、自动化的记录并分析污水中微生物情况，并且能够实时在线观测污水状态。本发明的方法实现了将IT技术、光学技术与污水处理相结合，直接对水体中微生物进行观察分析，以此判断污水处理流程的合理性并对污水处理中的各项参数进行反馈调节；本发明的监测方法可以替代人工镜检和污泥浓度计，同时与BOD、COD等水质参数互补，有效提高了污水处理的效率，降低了出水水质检测的成本。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (3)
1.一种利用智能成像与识别技术实现在线生物监测装置, 包括外壳体（1），其特征在于：所述外壳体（1）上设有显微镜组件，所述显微镜组件包括显微镜立臂（2），所述显微镜立臂（2）设置在底座（3）上，所述底座（3）上设有自动扫描载物平台（4），所述自动扫描载物平台（4）上放置待检生物；所述显微镜立臂（2）上端设有高清摄像相机（5），所述显微镜立臂（2）上端下方安装有物镜（6），且所述高清摄像相机（5）设置在物镜（6）上方，所述外壳体（1）上还设有控制器，所述控制器内设有微处理器（7）、图像采集模块（8）、存储模块（9）、算法模块（10）和信号传输模块（11），所述高清摄像相机（5）通过图像采集模块（8）连接微处理器（7），所述微处理器（7）分别连接存储模块（9）、算法模块（10），所述微处理器（7）通过信号传输模块（11）连接监测终端（12）。
2.根据权利要求1所述的一种利用智能成像与识别技术实现在线生物监测装置，其特征在于：所述外壳体（1）后端设有散热窗口（13），所述散热窗口（13）内侧设有防尘网，所述外壳体（1）后端还安装有数据传输接口（14）。
3.一种利用智能成像与识别技术实现在线生物监测的方法，其特征在于：包括以下步骤：
A、采样点采样：选择在生物反应池与二次沉淀池之间设置采样点，通过采水泵抽取水样并以一定水头输送到预处理单元；
B、水样预处理：在预处理单元对水样进行稀释以及搅拌，提高水体中活性污泥的分散度和均匀度；
C、水样检测：利用具有自动调节曝光、焦距的智能显微成像装置对以一定流速通过检测区域的水样进行一次或多次成像；
D、图像预处理：根据拍摄的图片，对图片中的微生物进行标注，采用矩形的形式，将微生物显示标注出来，同时标注类别，最终生成一个包含标注文件的微生物数据库；
E、将标注好的数据，输入到深度学习的训练算法中，采用的深度学习的方法是retinanet,网络的基础架构是resnet101,让算法自己学习微生物的特征；
F、检测微生物：运行训练好的模型，模型可以自动检测图片中的微生物，然后统计检测的数量和种类发送至监测终端，从而预测水质的好坏。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110358562.3A CN113049593A (zh) | 2021-04-02 | 2021-04-02 | 一种利用智能成像与识别技术实现在线生物监测的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110358562.3A CN113049593A (zh) | 2021-04-02 | 2021-04-02 | 一种利用智能成像与识别技术实现在线生物监测的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113049593A true CN113049593A (zh) | 2021-06-29 |
Family
ID=76517259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110358562.3A Pending CN113049593A (zh) | 2021-04-02 | 2021-04-02 | 一种利用智能成像与识别技术实现在线生物监测的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113049593A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114724142A (zh) * | 2022-04-02 | 2022-07-08 | 四川大学 | 一种基于卷积神经网络的污水处理指示性微生物图像识别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477630A (zh) * | 2009-02-17 | 2009-07-08 | 吴俊� | 智能化水处理微生物机器视觉辨识系统和方法 |
| CN109470701A (zh) * | 2018-12-18 | 2019-03-15 | 江苏镭博智能科技有限公司 | 一种水处理在线生物监测的方法 |
| CN110888230A (zh) * | 2019-11-28 | 2020-03-17 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种智能生物显微镜 |
| CN111443028A (zh) * | 2020-04-26 | 2020-07-24 | 长江流域水环境监测中心 | 一种基于ai技术的浮游藻类自动监测设备与方法 |
-
2021
- 2021-04-02 CN CN202110358562.3A patent/CN113049593A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101477630A (zh) * | 2009-02-17 | 2009-07-08 | 吴俊� | 智能化水处理微生物机器视觉辨识系统和方法 |
| CN109470701A (zh) * | 2018-12-18 | 2019-03-15 | 江苏镭博智能科技有限公司 | 一种水处理在线生物监测的方法 |
| CN110888230A (zh) * | 2019-11-28 | 2020-03-17 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种智能生物显微镜 |
| CN111443028A (zh) * | 2020-04-26 | 2020-07-24 | 长江流域水环境监测中心 | 一种基于ai技术的浮游藻类自动监测设备与方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114724142A (zh) * | 2022-04-02 | 2022-07-08 | 四川大学 | 一种基于卷积神经网络的污水处理指示性微生物图像识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sieracki et al. | Detection, enumeration, and sizing of planktonic bacteria by image-analyzed epifluorescence microscopy | |
| Beyenal et al. | Quantifying biofilm structure: facts and fiction | |
| CA2047876C (en) | Method and apparatus for investigating and controlling an object | |
| AU2017220648A1 (en) | Microscope assembly | |
| CN103630473B (zh) | 活性污泥在线计算机图像分析预警系统及方法 | |
| CN108507625A (zh) | 一种整合物联网的水体浮游生物智能监测平台和方法 | |
| WO2012027617A2 (en) | Systems and methods for detecting normal levels of bacteria in water using a multiple angle light scattering (mals) instrument | |
| Guez et al. | Real time in situ microscopy for animal cell-concentration monitoring during high density culture in bioreactor | |
| CN113049593A (zh) | 一种利用智能成像与识别技术实现在线生物监测的方法 | |
| JPH05332915A (ja) | 水圏監視装置及び浄化装置 | |
| CN114170598B (zh) | 菌落高度扫描成像装置、可辨别非典型菌落的菌落自动计数设备及方法 | |
| CN114349188A (zh) | 污水处理生化工艺中自适应智能控氧的方法 | |
| WO2017030138A1 (ja) | 水処理槽活性汚泥状態評価装置用治具、これを用いた水処理槽活性汚泥状態評価装置および状態評価方法 | |
| CN1538177A (zh) | 基于图像处理技术的混凝过程絮体检测及优化控制系统 | |
| CN109470701A (zh) | 一种水处理在线生物监测的方法 | |
| CN208207889U (zh) | 一种农业育种中柞蚕卵计数装置 | |
| CN114518362A (zh) | 精子质量分析装置、系统、方法及可读存储介质 | |
| CN115050023A (zh) | 一种基于卷积神经网络的进水风险类型识别方法 | |
| Belini et al. | Label-free detection and enumeration of Giardia cysts in agitated suspensions using in situ microscopy | |
| CN1437025A (zh) | 智能显微图像分析仪 | |
| JPH0636188B2 (ja) | 画像計測装置 | |
| CN114152557A (zh) | 基于图像分析的血细胞计数方法和系统 | |
| CN218938097U (zh) | 一种活性污泥生物相的自动采样连续检测装置 | |
| Stelzer | Automated system for sampling, counting, and biological analysis of rotifer populations | |
| CN115330349B (zh) | 一种基于图像采集的水产养殖尾水处理系统和方法 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210629 |