CN113888526B - 基于微生物的废气处理方法及系统 - Google Patents
基于微生物的废气处理方法及系统 Download PDFInfo
- Publication number
- CN113888526B CN113888526B CN202111227047.8A CN202111227047A CN113888526B CN 113888526 B CN113888526 B CN 113888526B CN 202111227047 A CN202111227047 A CN 202111227047A CN 113888526 B CN113888526 B CN 113888526B
- Authority
- CN
- China
- Prior art keywords
- waste gas
- microorganism
- function
- unit
- image matrix
- 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.)
- Active
Links
- 239000002912 waste gas Substances 0.000 title claims abstract description 113
- 244000005700 microbiome Species 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000001954 sterilising effect Effects 0.000 claims abstract description 31
- 238000004659 sterilization and disinfection Methods 0.000 claims abstract description 31
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000007599 discharging Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 55
- 238000012544 monitoring process Methods 0.000 claims description 48
- 239000011159 matrix material Substances 0.000 claims description 41
- 230000006870 function Effects 0.000 claims description 39
- 238000005070 sampling Methods 0.000 claims description 34
- 238000001514 detection method Methods 0.000 claims description 28
- 238000007781 pre-processing Methods 0.000 claims description 20
- 239000007789 gas Substances 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000009471 action Effects 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 8
- 239000000945 filler Substances 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 7
- 239000001963 growth medium Substances 0.000 claims description 7
- 238000012856 packing Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000007921 spray Substances 0.000 claims description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims 1
- 239000003546 flue gas Substances 0.000 claims 1
- 230000000813 microbial effect Effects 0.000 abstract description 16
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000003860 storage Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 9
- 239000002609 medium Substances 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000002440 industrial waste Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 239000010815 organic waste Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/34—Chemical or biological purification of waste gases
- B01D53/74—General processes for purification of waste gases; Apparatus or devices specially adapted therefor
- B01D53/84—Biological processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Environmental & Geological Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- General Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Molecular Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明实施例的方法中提出了一种基于微生物的废气处理方法及系统,设置了废气监测单元、预处理单元、微生物监测单元、灭菌单元和微生物处理单元,首先对废气的浓度进行评估,当废气浓度较大时通过预处理单元的多个子单元进行处理,然后再进行废气的微生物浓度检测,当微生物浓度较大时废气通过灭菌单元进行处理后,再进入微生物处理单元进行处理再排放。本发明的技术方案解决了现有技术微生物废气处理只能处理低浓度废气的情况,可结合算法分析根据废气浓度自行调整处理流程,提高了微生物废气处理的适用范围。
Description
【技术领域】
本发明涉及环保技术领域,尤其涉及一种基于微生物的废气处理方法及系统。
【背景技术】
微生物废气实质是附着在滤料介质中的微生物在适宜的环境条件下,利用废气中的有机成分作为碳源和能源,维持其生命活动,并将有机物分解为二氧化碳、水、无机盐和生物质等无害的物质。但是由于处理效率以及废气成分的复杂程度,微生物处理主要适用于低浓度有机废气的治理,在针对常温或者低温废气中本身携带微生物的情况,现有的基于微生物的废气处理装置和设备没有很好的解决方法。
【发明内容】
有鉴于此,本发明实施例提供了一种基于微生物的废气处理方法及系统。
第一方面,本发明实施例提供了一种基于微生物的废气处理方法,所述方法包括:
S1、废气监测单元对单位时间内进入的废气进行热信号采集后,对所述热信号数据进行预处理后形成初始图像矩阵,所述初始图像矩阵通过废气监测模型处理后输出检测结果;
S2、预处理单元根据所述检测结果对子预处理单元进行调整后对进入的废气进行预处理,预处理后的废气输入微生物监测单元;
S3、微生物监测单元对微生物浓度进行评估,若微生物浓度超过预设阈值则将废气输入灭菌单元进行灭菌后再输入微生物处理单元,否则直接将废气输入微生物处理单元。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述对热信号数据进行预处理后形成初始图像矩阵,具体包括:
构建预处理模型:
其中,Q*为标准图像矩阵,Qπk为第k轮优化后所对应的初始图像矩阵,μ为初始状态分布,φμ,σ为初始状态分布μ下基于变量σ的覆盖度,k为当前优化的轮数,Lmax为前k轮优化中最大的损失值,n为每轮采集热信号数据样本的数量,ξ*为的模型函数族的维度,α*为模型函数族的光滑系数,A和C均为常数,γ为以热信号数据样本为变量的模型函数族;
每轮随机采集n个热信号数据样本,通过预处理模型计算后比较左项和右项的大小,若左项≤右项,则输出Qπk形成初始图像矩阵,否则,进入下一轮的热信号数据样本采集,采集后通过预处理模型计算后比较左项和右项的大小,不断循环迭代,直至左项≤右项,计算停止并输出Qπk形成初始图像矩阵。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述初始图像矩阵通过废气监测模型处理后输出检测结果,具体包括:
建立基于初始图像矩阵的学习模型:其中,t∈{1,2,3,...,T},T为采样步数,θt为采样步数为t时对应的变参数,c(xt,at)为不同策略下每步采样的代价的集合,为在最优策略π*下每步采样的代价;
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述变参数θt的计算公式为:其中,θt为采样步数为t时对应的变参数,θt-1为采样步数为t-1时对应的变参数,α为调节参数且α∈(0,1),B为训练库中随机采集的小批量集合,Z(s,a)为基于状态s和动作a的最小二乘解,Wt(s,a)为采样步数为t时基于状态s和动作a的价值函数。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述微生物监测单元对微生物浓度进行评估,具体包括:
空白检测培养基置于微生物监测单元废气管道指定时间内转移至显微镜模块进行显微拍照,对照片进行去噪处理、背景去除处理、对比度补偿处理以及二值化处理后,通过图像识别算法对微生物对应的像素点进行估计与计算,实现对微生物浓度进行评估。
第二方面,本发明实施例提供了一种基于微生物的废气处理系统,所述系统包括:
废气监测单元、预处理单元、微生物监测单元、灭菌单元和微生物处理单元;
所述废气监测单元通过管道连接预处理单元,所述预处理单元包括多个通过管道串联的子预处理单元,每个子预处理单元之间均接有电动阀,通过控制电动阀的开关接入不同数量的子预处理单元进行预处理;
然后将预处理后的废气输入微生物监测单元,微生物监测单元通过空白检测培养基进行微生物采集,通过拍照、照片处理和算法评估后得出微生物浓度;
并根据微生物浓度判断是否启用灭菌单元,若启用则废气输入灭菌单元进行灭菌后再输入微生物处理单元,否则直接将废气直接进入微生物处理单元进行处理后排出。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述系统还包括:
处理单元,所述处理单元至少包括:
第一处理模块,用于接收废气监测单元单位时间内进入的废气进行热信号采集,并对所述热信号数据进行预处理后形成初始图像矩阵,通过废气监测模型对所述初始图像矩阵处理后输出检测结果;
第二处理模块,用于根据第一处理输出的检测结果,向对应电动阀发出对应的电信号,通过控制对应电动阀的开闭,来对子单元进行调整后对进入的废气进行预处理,预处理后的废气输入微生物监测单元;
第三处理模块,用于对微生物浓度进行评估,向对应电动阀发出对应的电信号,来控制对应电动阀的开闭,若微生物浓度超过预设阈值则将废气输入灭菌单元进行灭菌后再输入微生物处理单元,否则直接将废气输入微生物处理单元。
如上所述的方面和任一可能的实现方式,进一步提供一种实现方式,所述预处理单元包括喷淋组件和多层填料结构,所述填料结构至少包括活性炭层、鲍尔环层;所述微生物处理单元的填料结构为三层复合生物填料。
上述技术方案中的一个技术方案具有如下有益效果:
本发明实施例的方法中提出了一种基于微生物的废气处理方法及系统,设置了废气监测单元、预处理单元、微生物监测单元、灭菌单元和微生物处理单元,首先对废气的浓度进行评估,当废气浓度较大时通过预处理单元的多个子单元进行处理,然后再进行废气的微生物浓度检测,当微生物浓度较大时废气通过灭菌单元进行处理后,再进入微生物处理单元进行处理再排放。本发明的技术方案解决了现有技术微生物废气处理只能处理低浓度废气的情况,可结合算法分析根据废气浓度自行调整处理流程,提高了微生物废气处理的适用范围。
【附图说明】
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例所提供的基于微生物的废气处理方法的流程示意图;
图2是本发明实施例所提供的基于微生物的废气处理系统的结构示意图。
图3是本发明实施例所提供的处理单元的功能框图。
【具体实施方式】
为使本发明的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然,所描述的实施例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。
请参考图1,其为本发明实施例所提供的基于微生物的废气处理方法的流程示意图,如图所示,该方法包括以下步骤:
S1、废气监测单元对单位时间内进入的废气进行热信号采集后,对所述热信号数据进行预处理后形成初始图像矩阵,所述初始图像矩阵通过废气监测模型处理后输出检测结果;
S2、预处理单元根据所述检测结果对子预处理单元进行调整后对进入的废气进行预处理,预处理后的废气输入微生物监测单元;
S3、微生物监测单元对微生物浓度进行评估,若微生物浓度超过预设阈值则将废气输入灭菌单元进行灭菌后再输入微生物处理单元,否则直接将废气输入微生物处理单元。
基于微生物的废气处理系统在进行废气处理时,并不会只面对低浓度废气的情况,若直接处理高浓度废气,一会造成废气处理不完全,二会加速损耗微生物填料。故本发明实施例增加了废气浓度估计的步骤,并在废气浓度较高时通过预处理单元降低废气浓度后再进行后续的处理的步骤。低温废气中可能会携带微生物,这些微生物的存在可能会对微生物填料的处理造成干扰,加速损耗微生物填料,若检测到废气中微生物浓度较高,则会进行一步微生物的灭菌处理,使得本发明实施例的技术方案使用更为广泛,适用于不同领域的工业废气处理。
S1中,所述对热信号数据进行预处理后形成初始图像矩阵,具体包括:
构建预处理模型:
其中,Q*为标准图像矩阵,Qπk为第k轮优化后所对应的初始图像矩阵,μ为初始状态分布,φμ,σ为初始状态分布μ下基于变量σ的覆盖度,k为当前优化的轮数,Lmax为前k轮优化中最大的损失值,n为每轮采集热信号数据样本的数量,ξ*为的模型函数族的维度,α*为模型函数族的光滑系数,A和C均为常数,γ为以热信号数据样本为变量的模型函数族;
每轮随机采集n个热信号数据样本,通过预处理模型计算后比较左项和右项的大小,若左项≤右项,则输出Qπk形成初始图像矩阵,否则,进入下一轮的热信号数据样本采集,采集后通过预处理模型计算后比较左项和右项的大小,不断循环迭代,直至左项≤右项,计算停止并输出Qπk形成初始图像矩阵。
此步骤是通过预处理模型将热信号处理为初始图像矩阵的形式,以便可以对初始图像进行强化学习处理,从而输出强化学习结果,实现对废气浓度的估计。
S1中,所述初始图像矩阵通过废气监测模型处理后输出检测结果,具体包括:
建立基于初始图像矩阵的学习模型:其中,t∈{1,2,3,...,T},T为采样步数,θt为采样步数为t时对应的变参数,c(xt,at)为不同策略下每步采样的代价的集合,为在最优策略π*下每步采样的代价。
上述学习模型求解起来较为困难,于是将该学习模型一分为三,分解为U函数、V函数和Q函数,具体如下:
对U函数、V函数和Q函数分别进行求解计算再求和即可以得到学习模型。
对U函数、V函数和Q函数分别进行E次迭代求解后输出通过如下公式计算出检测结果:其中ω为修正常数,T为偏移量,σ为E次迭代结果的平均波动,η为E次迭代结果的最大波动。ω为一个经验参数,计算出的检测结果为一个正整数,即对应着预处理所需的子单元的数量。
其中,变参数θt的计算公式为:其中,θt为采样步数为t时对应的变参数,θt-1为采样步数为t-1时对应的变参数,α为调节参数且α∈(0,1),B为训练库中随机采集的小批量集合,Z(s,a)为基于状态s和动作a的最小二乘解,Wt(s,a)为采样步数为t时基于状态s和动作a的价值函数。
具体的,微生物监测单元对微生物浓度进行评估,具体包括:
空白检测培养基置于微生物监测单元废气管道指定时间内转移至显微镜模块进行显微拍照,对照片进行去噪处理、背景去除处理、对比度补偿处理以及二值化处理后,通过图像识别算法对微生物对应的像素点进行估计与计算,实现对微生物浓度进行评估。
进一步地,请参考图2,图2是本发明实施例所提供的基于微生物的废气处理系统的结构示意图,所述系统包括:
废气监测单元210、预处理单元220、微生物监测单元230、灭菌单元240和微生物处理单元250;
废气监测单元210通过管道连接预处理单元,所述预处理单元包括多个通过管道串联的子预处理单元,每个子预处理单元之间均接有电动阀,通过控制电动阀的开关接入不同数量的子预处理单元进行预处理;根据公式的计算结果确定子预处理单元的个数,然后调整子预处理单元之间电动阀的开闭。
预处理后的废气输入微生物监测单元,微生物监测单元通过空白检测培养基进行微生物采集,通过拍照、照片处理和算法评估后得出微生物浓度。具体的,空白检测培养基置于微生物监测单元废气管道指定时间内转移至显微镜模块进行显微拍照,对照片进行去噪处理、背景去除处理、对比度补偿处理以及二值化处理后,通过图像识别算法对微生物对应的像素点进行估计与计算,实现对微生物浓度进行评估。
根据微生物浓度判断是否启用灭菌单元,若启用则打开微生物监测单元和灭菌单元之间的电动阀,并开启灭菌单元,则废气输入灭菌单元进行灭菌后再输入微生物处理单元,否则直接将废气直接进入微生物处理单元进行处理后排出。
所述预处理单元包括喷淋组件和多层填料结构,所述填料结构至少包括活性炭层、鲍尔环层;所述微生物处理单元的填料结构为三层复合生物填料。
本发明实施例的方法中提出了一种基于微生物的废气处理方法及系统,设置了废气监测单元、预处理单元、微生物监测单元、灭菌单元和微生物处理单元,首先对废气的浓度进行评估,当废气浓度较大时通过预处理单元的多个子单元进行处理,然后再进行废气的微生物浓度检测,当微生物浓度较大时废气通过灭菌单元进行处理后,再进入微生物处理单元进行处理再排放。本发明的技术方案解决了现有技术微生物废气处理只能处理低浓度废气的情况,可结合算法分析根据废气浓度自行调整处理流程,提高了微生物废气处理的适用范围。
请参考图3,其为本发明实施例所提供的处理单元的功能框图,所述处理单元至少包括:
第一处理模块310,用于接收废气监测单元单位时间内进入的废气进行热信号采集,并对所述热信号数据进行预处理后形成初始图像矩阵,通过废气监测模型对所述初始图像矩阵处理后输出检测结果;
第二处理模块320,用于根据第一处理输出的检测结果,向对应电动阀发出对应的电信号,通过控制对应电动阀的开闭,来对子单元进行调整后对进入的废气进行预处理,预处理后的废气输入微生物监测单元;
第三处理模块330,用于对微生物浓度进行评估,向对应电动阀发出对应的电信号,来控制对应电动阀的开闭,若微生物浓度超过预设阈值则将废气输入灭菌单元进行灭菌后再输入微生物处理单元,否则直接将废气输入微生物处理单元。
由于本实施例中的处理单元的各模块能够执行图1所示的方法,本实施例未详细描述的部分,可参考对图1的相关说明。
在硬件层面,该处理单元可以包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该装置还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
上述实施例阐明的处理单元和处理模块,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。
为了描述的方便,描述以上处理单元时以功能分为各种单元或模块分别描述。当然,在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得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计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (4)
1.一种基于微生物的废气处理方法,其特征在于,所述方法包括:
S1、废气监测单元对单位时间内进入的废气进行热信号采集后,对所述热信号数据进行预处理后形成初始图像矩阵,所述初始图像矩阵通过废气监测模型处理后输出检测结果;
S2、预处理单元根据所述检测结果对子预处理单元进行调整后对进入的废气进行预处理,预处理后的废气输入微生物监测单元;
S3、微生物监测单元对微生物浓度进行评估,若微生物浓度超过预设阈值则将废气输入灭菌单元进行灭菌后再输入微生物处理单元,否则直接将废气输入微生物处理单元;
对所述热信号数据进行预处理后形成初始图像矩阵,具体包括:
构建预处理模型:
其中,Q*为标准图像矩阵,Qπk为第k轮优化后所对应的初始图像矩阵,μ为初始状态分布,φμ,σ为初始状态分布μ下基于变量σ的覆盖度,k为当前优化的轮数,Lmax为前k轮优化中最大的损失值,n为每轮采集热信号数据样本的数量,ξ*为的模型函数族的维度,α*为模型函数族的光滑系数,A和C均为常数,γ为以热信号数据样本为变量的模型函数族;
每轮随机采集n个热信号数据样本,通过预处理模型计算后比较左项和右项的大小,若左项≤右项,则输出Qπk形成初始图像矩阵,否则,进入下一轮的热信号数据样本采集,采集后通过预处理模型计算后比较左项和右项的大小,不断循环迭代,直至左项≤右项,计算停止并输出Qπk形成初始图像矩阵;
所述初始图像矩阵通过废气监测模型处理后输出检测结果,具体包括:
建立基于初始图像矩阵的学习模型:其中,t∈{1,2,3,...,T},T为采样步数,θt为采样步数为t时对应的变参数,c(xt,at)为不同策略下每步采样的代价的集合,为在最优策略π*下每步采样的代价;
2.根据权利要求1所述的基于微生物的废气处理方法,其特征在于,所述微生物监测单元对微生物浓度进行评估,具体包括:
空白检测培养基置于微生物监测单元废气管道指定时间内转移至显微镜模块进行显微拍照,对照片进行去噪处理、背景去除处理、对比度补偿处理以及二值化处理后,通过图像识别算法对微生物对应的像素点进行估计与计算,实现对微生物浓度进行评估。
3.一种基于微生物的废气处理系统,其特征在于,所述系统包括:
废气监测单元、预处理单元、微生物监测单元、灭菌单元和微生物处理单元;
所述废气监测单元通过管道连接预处理单元,所述预处理单元包括多个通过管道串联的子预处理单元,每个子预处理单元之间均接有电动阀,通过控制电动阀的开关接入不同数量的子预处理单元进行预处理;
然后将预处理后的废气输入微生物监测单元,微生物监测单元通过空白检测培养基进行微生物采集,通过拍照、照片处理和算法评估后得出微生物浓度;
并根据微生物浓度判断是否启用灭菌单元,若启用则废气输入灭菌单元进行灭菌后再输入微生物处理单元,否则直接将废气直接进入微生物处理单元进行处理后排出;
所述系统还包括:
处理单元,所述处理单元至少包括:
第一处理模块,用于接收废气监测单元单位时间内进入的废气进行热信号采集,并对所述热信号数据进行预处理后形成初始图像矩阵,通过废气监测模型对所述初始图像矩阵处理后输出检测结果;
第二处理模块,用于根据第一处理输出的检测结果,向对应电动阀发出对应的电信号,通过控制对应电动阀的开闭,来对子单元进行调整后对进入的废气进行预处理,预处理后的废气输入微生物监测单元;
第三处理模块,用于对微生物浓度进行评估,向对应电动阀发出对应的电信号,来控制对应电动阀的开闭,若微生物浓度超过预设阈值则将废气输入灭菌单元进行灭菌后再输入微生物处理单元,否则直接将废气输入微生物处理单元;
对所述热信号数据进行预处理后形成初始图像矩阵,具体包括:
构建预处理模型:
其中,Q*为标准图像矩阵,Qπk为第k轮优化后所对应的初始图像矩阵,μ为初始状态分布,φμ,σ为初始状态分布μ下基于变量σ的覆盖度,k为当前优化的轮数,Lmax为前k轮优化中最大的损失值,n为每轮采集热信号数据样本的数量,ξ*为的模型函数族的维度,α*为模型函数族的光滑系数,A和C均为常数,γ为以热信号数据样本为变量的模型函数族;
每轮随机采集n个热信号数据样本,通过预处理模型计算后比较左项和右项的大小,若左项≤右项,则输出Qπk形成初始图像矩阵,否则,进入下一轮的热信号数据样本采集,采集后通过预处理模型计算后比较左项和右项的大小,不断循环迭代,直至左项≤右项,计算停止并输出Qπk形成初始图像矩阵;
所述初始图像矩阵通过废气监测模型处理后输出检测结果,具体包括:
建立基于初始图像矩阵的学习模型:其中,t∈{1,2,3,...,T},T为采样步数,θt为采样步数为t时对应的变参数,c(xt,at)为不同策略下每步采样的代价的集合,为在最优策略π*下每步采样的代价;
4.根据权利要求3所述的基于微生物的废气处理系统,其特征在于,所述预处理单元包括喷淋组件和多层填料结构,所述填料结构至少包括活性炭层、鲍尔环层;所述微生物处理单元的填料结构为三层复合生物填料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111227047.8A CN113888526B (zh) | 2021-10-21 | 2021-10-21 | 基于微生物的废气处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111227047.8A CN113888526B (zh) | 2021-10-21 | 2021-10-21 | 基于微生物的废气处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113888526A CN113888526A (zh) | 2022-01-04 |
CN113888526B true CN113888526B (zh) | 2022-09-23 |
Family
ID=79004078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111227047.8A Active CN113888526B (zh) | 2021-10-21 | 2021-10-21 | 基于微生物的废气处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888526B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114931854B (zh) * | 2022-05-31 | 2023-05-26 | 北京实力伟业环保科技有限公司 | 一种微生物净化废气的系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107833187A (zh) * | 2017-10-27 | 2018-03-23 | 中国农业大学 | 一种基于孢子计数的设施蔬菜病害预警方法及系统 |
CN109126379A (zh) * | 2018-09-24 | 2019-01-04 | 天津大学 | 一种空气净化系统及空气净化方法 |
CN110263856A (zh) * | 2019-06-20 | 2019-09-20 | 北京实力伟业环保科技有限公司 | 基于物联网的风机故障评价方法、系统及设备 |
CN111795761A (zh) * | 2020-06-24 | 2020-10-20 | 菲尼克斯(上海)环境控制技术有限公司 | 一种基于强化学习模型的预测机柜进风温度的方法 |
CN113483431A (zh) * | 2021-06-29 | 2021-10-08 | 山东工业职业学院 | 一种室内空气微生物自动监测处理装置 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20070065565A (ko) * | 2005-12-20 | 2007-06-25 | 주식회사 한스환경엔지니어링 | 미생물을 이용한 악취 및 폐가스 정화처리장치 |
CA3045439A1 (en) * | 2016-05-09 | 2017-11-16 | Charles Howard CELLA | Methods and systems for the industrial internet of things |
CN105870942B (zh) * | 2016-05-18 | 2022-04-29 | 中国电力科学研究院 | 一种基于近似动态规划算法的一次调频附加学习控制方法 |
CN107096374B (zh) * | 2017-05-12 | 2020-06-30 | 南京科技职业学院 | 一种强化生物滴滤塔处理甲苯废气的方法 |
CN108943963A (zh) * | 2018-07-26 | 2018-12-07 | 陈永妙 | 一种智能化的覆膜机自动控制系统 |
KR102551358B1 (ko) * | 2018-09-21 | 2023-07-04 | 삼성전자주식회사 | 냉장고 내 객체의 상태와 관련된 정보를 제공하는 방법 및 시스템 |
CN110784507B (zh) * | 2019-09-05 | 2022-12-09 | 贵州人和致远数据服务有限责任公司 | 人口信息数据的融合方法及系统 |
CN110740356B (zh) * | 2019-10-16 | 2020-12-18 | 杭州泰一指尚科技有限公司 | 基于区块链的直播数据的监控方法及系统 |
CN110743169B (zh) * | 2019-10-19 | 2021-03-30 | 陈幸福 | 基于区块链的防作弊方法及系统 |
CN111414850A (zh) * | 2020-03-19 | 2020-07-14 | 张福娟 | 一种生物医疗废弃物分类处理快速消毒装置及其使用方法 |
CN112957906A (zh) * | 2021-03-04 | 2021-06-15 | 北京实力伟业环保科技有限公司 | 一种废气生物净化系统 |
CN112905599B (zh) * | 2021-03-18 | 2022-10-14 | 南京邮电大学 | 基于端到端的分布式深度哈希检索方法 |
-
2021
- 2021-10-21 CN CN202111227047.8A patent/CN113888526B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107833187A (zh) * | 2017-10-27 | 2018-03-23 | 中国农业大学 | 一种基于孢子计数的设施蔬菜病害预警方法及系统 |
CN109126379A (zh) * | 2018-09-24 | 2019-01-04 | 天津大学 | 一种空气净化系统及空气净化方法 |
CN110263856A (zh) * | 2019-06-20 | 2019-09-20 | 北京实力伟业环保科技有限公司 | 基于物联网的风机故障评价方法、系统及设备 |
CN111795761A (zh) * | 2020-06-24 | 2020-10-20 | 菲尼克斯(上海)环境控制技术有限公司 | 一种基于强化学习模型的预测机柜进风温度的方法 |
CN113483431A (zh) * | 2021-06-29 | 2021-10-08 | 山东工业职业学院 | 一种室内空气微生物自动监测处理装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113888526A (zh) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111126870B (zh) | 利用集成主成分分析的污水处理过程异常工况检测方法 | |
CN113888526B (zh) | 基于微生物的废气处理方法及系统 | |
CN112417765B (zh) | 一种基于改进师生网络模型的污水处理过程故障检测方法 | |
Mirbagheri et al. | Performance evaluation and modeling of a submerged membrane bioreactor treating combined municipal and industrial wastewater using radial basis function artificial neural networks | |
CN112820322B (zh) | 一种基于自监督对比学习的半监督音频事件标注方法 | |
CN117309067B (zh) | 水资源实时监控方法、系统和电子设备 | |
Yetilmezsoy et al. | Adaptive neuro-fuzzy inference-based modeling of a full-scale expanded granular sludge bed reactor treating corn processing wastewater | |
CN116630967A (zh) | 基于改进ConvNeXt网络模型的SEM图像自动分类方法、电子装置 | |
Tan et al. | Selective feature reinforcement network for robust remote fault diagnosis of wind turbine bearing under non-ideal sensor data | |
CN116415119A (zh) | 基于熵混叠和特征增强的燃气异常信号检测方法及系统 | |
CN116405139A (zh) | 一种基于Informer的频谱预测模型和方法 | |
Salles et al. | Fault Detection in Wastewater Treatment Plants: Application of Autoencoders Models with Streaming Data | |
CN117171675B (zh) | 基于多源数据的水环境微生物检测方法、系统及介质 | |
CN112508899A (zh) | 一种基于图像处理的污水预处理方法 | |
CN117111450B (zh) | 环境污染处理设备的智能控制方法及系统 | |
CN108298665B (zh) | 提高污水净化可靠性的方法 | |
Chaouch et al. | Enhanced multivariate process monitoring for biological wastewater treatment plants | |
CN117575017A (zh) | 一种污水处理过程的概率推理模型构建方法及其系统 | |
CN108318434B (zh) | 一种污水净化的监测方法 | |
CN117195133A (zh) | 能碳异常处理方法、装置和电子设备 | |
Wang et al. | Extraction of operation characteristics in mechanical systems using genetic morphological filter | |
CN117275615B (zh) | 一种明胶生产废水智能处理方法及系统 | |
Luccarini et al. | Artificial Intelligence based rules for event recognition and control applied to SBR systems | |
CN118084222A (zh) | 用于污水处理的智能曝气方法及设备 | |
Kabuba | Deterministic and Neural Network Study of Cobalt and Copper Removal from Contaminated Water |
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 |