CN114663709A - 一种应急污水处理方法、装置及设备 - Google Patents
一种应急污水处理方法、装置及设备 Download PDFInfo
- Publication number
- CN114663709A CN114663709A CN202210394197.6A CN202210394197A CN114663709A CN 114663709 A CN114663709 A CN 114663709A CN 202210394197 A CN202210394197 A CN 202210394197A CN 114663709 A CN114663709 A CN 114663709A
- Authority
- CN
- China
- Prior art keywords
- information
- sewage
- processing
- historical
- sending
- 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 272
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims abstract description 94
- 230000002159 abnormal effect Effects 0.000 claims abstract description 47
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 35
- 238000003066 decision tree Methods 0.000 claims description 34
- 238000012795 verification Methods 0.000 claims description 20
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000013145 classification model Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000013138 pruning Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 description 9
- 239000003344 environmental pollutant Substances 0.000 description 6
- 231100000719 pollutant Toxicity 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 239000002351 wastewater Substances 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000010840 domestic wastewater Substances 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- UQSXHKLRYXJYBZ-UHFFFAOYSA-N iron oxide Inorganic materials [Fe]=O UQSXHKLRYXJYBZ-UHFFFAOYSA-N 0.000 description 1
- 235000021190 leftovers Nutrition 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- NDLPOXTZKUMGOV-UHFFFAOYSA-N oxo(oxoferriooxy)iron hydrate Chemical compound O.O=[Fe]O[Fe]=O NDLPOXTZKUMGOV-UHFFFAOYSA-N 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 235000013311 vegetables Nutrition 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- 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
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Economics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及污水处理技术领域，具体而言，涉及一种应急污水处理方法、装置及设备，所述方法包括将所述摄像头采集到的污水表面图像信息发送至图像处理模块进行处理，污水的种类信息；将所述现场工作人员检测得到的污水成分信息和污水的种类信息发送至异常分析模块进行分析，分析出污水成分的异常数据信息；然后将所述污水成分的异常数据信息发送至训练好的方案确定模块进行方案设计，其中基于历史方案确定的污水处理方案；发送第一命令，所述第一命令为提示工作人员按照第五信息调度污水处理设备的命令。本发明可以通过对于污水中异常成分进行分析，针对性的确定污水处理方案，简化了污水分类流程，快速确定污水处理方案。
Description
技术领域
本发明涉及污水处理技术领域，具体而言，涉及一种应急污水处理方法、装置及设备。
背景技术
污水中含有的有害物质过多，污水处理不达标就会危害生态系统，针对于不同的污水有着多种处理的方法，而对于污水的分类和识别，往往需要很长的时间，进而对于污水应急处理来说不确定因素太大，极易产生风险，并且往往污水处理方案需要多方讨论，具有很大的主观性，常常由于主观原因导致处理方案不对应，进而造成资源浪费，现需要一种能够简化污水分类流程并基于污水类别快速确定处理方案的方法来进行应急污水处理。
发明内容
本发明的目的在于提供一种应急污水处理方法、装置及设备，以改善上述问题。为了实现上述目的，本发明采取的技术方案如下：
一方面，本申请提供了一种应急污水处理方法，所述方法包括：获取第一信息、第二信息，所述第一信息为摄像头采集到的污水表面图像信息，所述第二信息为现场工作人员检测得到的污水成分信息；将所述第一信息发送至图像处理模块进行处理，得到第三信息，所述第三信息为污水的种类信息；将所述第二信息和所述第三信息发送至异常分析模块进行分析，得到第四信息，所述第四信息为污水成分的异常数据信息；将所述第四信息发送至训练好的方案确定模块进行处理，得到第五信息，所述第五信息为基于第四信息确定的污水处理方案；发送第一命令，所述第一命令为提示工作人员按照第五信息调度污水处理设备的命令。
第二方面，本申请实施例提供了一种应急污水处理装置，所述装置包括：第一获取单元，用于获取第一信息、第二信息，所述第一信息为摄像头采集到的污水表面图像信息，所述第二信息为现场工作人员检测得到的污水成分信息；第一处理单元，用于将所述第一信息发送至图像处理模块进行处理，得到第三信息，所述第三信息为污水的种类信息；第二处理单元，用于将所述第二信息和所述第三信息发送至异常分析模块进行分析，得到第四信息，所述第四信息为污水成分的异常数据信息；第三处理单元，用于将所述第四信息发送至训练好的方案确定模块进行处理，得到第五信息，所述第五信息为基于第四信息确定的污水处理方案；第一发送单元，用于发送第一命令，所述第一命令为提示工作人员按照第五信息调度污水处理设备的命令。
第三方面，本申请实施例提供了一种应急污水处理设备，所述设备包括存储器和处理器。存储器用于存储计算机程序；处理器用于执行所述计算机程序时实现上述应急污水处理方法的步骤。
第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述应急污水处理方法的步骤。
本发明的有益效果为：
本发明通过对污水进行快速分类，节约污水类别识别时间，并且通过对于污水中异常成分进行分析，针对性的确定污水处理方案，高效且快速对于应急污水进行处理，减少污水处理流程，节约资源，并且对于环境保护有着重大作用。
本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
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，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的一种应急污水处理方法流程示意图；
图2为本发明实施例中所述的一种应急污水处理装置结构示意图；
图3是本发明实施例中所述的一种应急污水处理设备结构示意图。
图中标记：701、第一获取单元；702、第一处理单元；703、第二处理单元；704、第三处理单元；705、第一发送单元；706、第二获取单元；707、第四处理单元；708、第五处理单元；709、第六处理单元；710、第一判断单元；7021、第一处理子单元；7022、第一聚类子单元；7023、第一分类子单元；70231、第一获取子单元；70232、第二处理子单元；70233、第三处理子单元；70234、第四处理子单元；70235、第五处理子单元；7031、第六处理子单元；7032、第一判断子单元；7033、第七处理子单元；7034、第二判断子单元；7035、第三判断子单元；7041、第二分类子单元；7042、第一训练子单元；7043、第二训练子单元；7044、第一发送子单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将集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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
如图1所示，本实施例提供了一种应急污水处理方法，其所述方法包括步骤S1、步骤S2、步骤S3、步骤S4和步骤S5。
步骤S1、获取第一信息、第二信息，所述第一信息为摄像头采集到的污水表面图像信息，所述第二信息为现场工作人员检测得到的污水成分信息；
可以理解的是上述步骤是在需要处理应急污水时，通过摄像头实时获取污水表面图像信息，进而将污水表面图像实时上传到系统内进行存储，以供本申请中的系统调用，并且现场的工作人员对应急污水进行简单化验，判断其污水内包含的污水成分信息，也实时上传至本申请中的系统内进行存储，以备调用。
步骤S2、将所述第一信息发送至图像处理模块进行处理，得到第三信息，所述第三信息为污水的种类信息；
可以理解的是上述步骤是在上传了信息后，系统对图像信息进行调用，并通过图像处理模块对污水表面的图像进行识别，以此来作为判断污水类型种类的依据之一，例如表面有菜叶、剩饭等可作为判断污水为生活污水的依据，而如果表面图像中有染料等颜色，可判断为印染厂废水，若有铁屑等杂质，可判断为工厂废水。
步骤S3、将所述第二信息和所述第三信息发送至异常分析模块进行分析，得到第四信息，所述第四信息为污水成分的异常数据信息；
可以理解的是上述步骤是为了对判断后的污水种类进行二次判断，防止表面判断错误导致方案设计出错，如果没有出错，则第四信息为无异常数据，如果出错，则出现异常数据，将异常数据发送至判断人员的通讯设备，由人员判断污水异常数据是否为该类别污水可能出现的成分，并且获取多个成分信息进行比对，判断是否为检验出错导致出现的异常数据，本申请还可以对污水成分进行分析与对比，进一步确定污水的种类，并且对于污水中的异常数据进行分析，可以反向推出工厂设备是否出现问题。
步骤S4、将所述第四信息发送至训练好的方案确定模块进行处理，得到第五信息，所述第五信息为基于第四信息确定的污水处理方案；
可以理解的是上述步骤通过对历史设计方案进行调用，重复训练方案训练模块，进而得到一个可以智能推荐设计方案的模型，减少人工决定处理方案的时间，并且减少人工决定方案的主观性，保障污水内有害物质完全被处理，进而达到合格排放标准。
步骤S5、发送第一命令，所述第一命令为提示工作人员按照第五信息调度污水处理设备的命令。
可以理解的是本发明通过对污水进行快速分类，节约污水类别识别时间，并且通过对于污水中异常成分进行分析，针对性的确定污水处理方案，高效且快速对于应急污水进行处理，减少污水处理流程，节约资源，并且对于环境保护有着重大作用。
可以理解的是应急污水为在工厂或者住宅楼改建或者扩建时原本的污水处理设备不能继续使用，此时需要处理的污水为应急污水，应急污水的处理时间紧，资金有限，往往与一般污水的处理方法不同，需要应急污水处理设备来进行处理，而应急污水处理设备有很多种，需要根据不同的污水来确定不同的应急污水处理设备。
可以理解的是例如在工厂需要处理应急污水时，本申请基于应急污水信息快速并针对工厂排放的污水的设计应急方案，对工厂排放的污水进行针对性降污，保障污水能够达到排放标准，进而基于应急方案来调用不同的应急污水处理设备，对应急污水进行处理，防止污染环境，而且针对性调用设备减少资源的浪费和成本。
在本公开的一种具体实施方式中，所述步骤S2包括步骤S21、步骤S22和步骤S23。
步骤S21、将所述污水表面图像信息进行污水特征识别，得到所述污水图像的特征识别结果；
可以理解的是本申请中的系统通过对污水表面图像进行特征识别，其中将与正常水不同的特征进行标记，确定污水特征的像素点范围。
步骤S22、基于所述污水图像的特征识别结果进行特征聚类，得到至少一个特征聚类簇，并调用所述至少一个特征聚类簇所对应的参数范围，计算每个特征聚类簇内的第一参数平均数；
本发明通过对污水特征的像素点范围进行聚类，其中将不同的范围聚为不同的簇，基于每个簇确定每个特征聚类簇的参数范围的平均像素值，进而基于像素值来确定特征颜色，并初步判断特征种类，例如红色可能为氧化铁。
步骤S23、将每个所述第一参数平均数发送至构建好的分类模型中进行分类处理，得到污水的种类信息。
可以理解的是本发明通过对不同的特征像素点的平均数与数据库内的数据进行对比，判断污水表面的污染物种类，并且通过污染物像素点范围确定污染物信息，进而得到污染物识别结果，将污染物进行分类，例如分为生活废水，工厂污水等种类，这样可以针对于污水进行净化，可有效快速分解污染物，减少处理流程。
在本公开的一种具体实施方式中，所述步骤S23包括步骤S231、步骤S232、步骤S233、步骤S234和步骤S235。
步骤S231、获取历史污水图像的特征识别结果，并基于聚类算法计算得到至少一个第二参数平均数，所述第二参数平均数为历史污水图像进行聚类得到的特征参数范围，进而计算得到的特征聚类簇内的参数平均数；
可以理解的是上述步骤是基于历史数据对分类模型进行训练，进而提高分类模型的识别准确率，保证分类模型能够准确分类，减少误差。
步骤S232、将至少一个所述第二参数平均数和历史污水图像进行映射，得到每个所述历史污水图像和每个所述第二参数平均数的对应关系；
可以理解的是本发明通过分类模型通过历史污水图像和第二参数平均数进行映射，保障每个污水类别和污水图像一一对应，进而保证每个污水图像能够准确分类。
步骤S233、将每个所述第二参数平均数基于哈希算法进行处理，得到每个所述第二参数平均数对应的哈希值；
步骤S234、基于SHA-256算法对全部所述哈希值进行拼接处理，得到拼接好的哈希值，并基于每个拼接好的哈希值构建分类数据库；
步骤S235、将所述每个所述历史污水表面图像和每个所述第二参数平均数的对应关系发送至分类数据库进行处理，得到构建好的分类模型，其中将所述对应关系与每个拼接好的哈希值进行对应，确定每个拼接好的哈希值与每个所述历史污水表面图像的关系，进而得到历史污水表面图像中污水的种类信息。
可以理解的是上述步骤通过将第二参数平均数采用哈希算法进行转化，对所有历史数据进行加密，保护客户的数据安全，防止采用本申请的客户由于数据流失造成财产损失，并且本发明通过哈希值转化减少了数据的计算量，大大优化了计算速度，提高了计算效率。
在本公开的一种具体实施方式中，所述步骤S3包括步骤S31、步骤S32、步骤S33、步骤S34和步骤S35。
步骤S31、基于CART算法对所述第三信息进行处理，得到CART决策树，对所述CART决策树进行随机剪枝处理，得到所述CART决策树的常量；
步骤S32、基于所述CART决策树的常量和基尼指数计算方法确定CART决策树内最优的子决策树，并基于所述CART决策树内最优的子决策树构建异常数据判断模型；
可以理解的是上述步骤是通过决策算法建立决策树判断模型，通过将污水的种类信息和污水表面信息进行决策树判断，确定污水成分是否与污水种类对应，若不对应，则确定其中的异常成分信息，上述步骤为第二次判断，有效减少第一次判断的误差和第一次判断的随机性，防止判断错误，减少造成资源浪费和由于污水未处理完成导致环境污染的可能性。
步骤S33、基于所述第三信息，得到所述第三信息中污水的种类信息对应的成分数据；
步骤S34、基于所述异常数据判断模型和所述第三信息中污水的种类信息对应的成分数据判断所述第二信息内是否具有异常数据，得到判断结果；
步骤S35、基于所述判断结果，得到污水成分的异常数据信息。
可以理解的是本发明通过调用所有的污水成分数据，并基于第二次判断得到的异常类别的污水，进而调用异常类别的污水成分信息，基于异常类别的污水成分信息，来针对性的设计污水处理方案，快速有效的处理污水，并且减少污水处理流程。本发明还可以将异常类别的污水成分信息和异常类别的污水发送至管理人员的通讯设备，进行第三次判断，防止由于数据错误造成误差，进而一直不能基于污水类别和污水成分信息设计出来方案。
在本公开的一种具体实施方式中，所述步骤S4包括步骤S41、步骤S42、步骤S43和步骤S44。
步骤S41、将预设的历史方案信息和预设的历史污水成分的异常结果信息，进行按照时间序列进行划分，得到训练集和验证集；
可以理解的是本发明基于时间的先后顺序对历史数据进行划分，将历史数据分为训练集和验证集，为后面的神经网络模型训练做准备。
步骤S42、将所述训练集基于LSTM神经网络进行训练，得到第一训练模型，所述第一训练模型为基于所述历史污水成分的异常结果信息预测所述历史方案信息的模型；
步骤S43、将所述验证集发送至所述第一训练模型进行验证，其中基于验证结果调整所述第一训练模型内的模型参数，直至第一训练模型得到的验证结果与预设的历史方案信息相同，得到训练好的方案确定模型；
可以理解的是本发明采用LSTM神经网络对训练集进行训练，预测每个方案处理应急污水的结果，并基于验证集进行验证，判断预测结果是否与验证集相同，如果不同则修改污水处理方案的参数，例如调整污水处理设备的数量等，并重复训练和调整，直至所有预测结果与验证集合相同，进而得到训练好的方案设计模型。
步骤S44、将所述第四信息发送至训练好的方案确定模型，得到污水处理方案。
可以理解的是上述步骤是为了通过历史数据来推演应急污水的处理方案，并基于每个成分数据调整方案内设备数量和先后顺序，进而保障应急污水中的异常成分得到清除，达到排放标准，并且由上述步骤可知本发明通过训练可以调整污水设备的数量，进而减少标准化应急污水的流程，得到不同污水的针对性方案。
在本公开的一种具体实施方式中，所述步骤S5之后还包括步骤S6、步骤S7、步骤S8、步骤S9和步骤S10。
步骤S6、获取第六信息，所述第六信息为处理后污水的表面图像信息；
可以理解的是本发明通过在污水待排放处设置图像获取设备，进而获取处理后污水的表面图像信息，并将该信息上传至图像预处理模块，进行保存和处理。
步骤S7、将所述第六信息和所述第一信息均进行尺寸归一化处理，并将所有归一化处理后得图像信息进行向量化处理，得到预处理后的第六信息和预处理后的第一信息；
步骤S8、基于增广拉格朗日法分别对预处理后的第六信息和预处理后的第一信息进行特征提取，得到第一特征数据和第二特征数据，所述第一特征数据为预处理后的第六信息的特征数据，所述第二特征数据为预处理后的第一信息的特征数据；
可以理解的是上述步骤是通过对处理后污水的表面图像信息和处理前的污水的表面图像信息进行预处理，其中将尺寸大小进行归一化处理，然后将预处理后的图像信息转化为向量。
可以理解的是上述步骤还利用增广拉格朗日法将预处理后的第六信息和第一信息分别进行数值优化，确定异常成分信息的对应的特征数据。
步骤S9、将所述第一特征数据和第二特征数据进行对比，得到特征变化量；
步骤S10、判断所述特征变化量是否大于预设的阈值，若所述所述特征变化量大于预设的阈值，则发送第二命令，所述第二命令为将处理后的污水进行成分对比的命令。
可以理解的是本发明通过对比污水处理前和处理后的特征数据，来确定污水的特征变化量，进而确定污水中的异常成分信息是否减少至阈值以下，进而判断应急污水是否达到可排放的标准。
实施例2
如图2所示，本实施例提供了一种应急污水处理装置，所述装置包括第一获取单元701、第一处理单元702、第二处理单元703、第三处理单元704和第一发送单元705。
第一获取单元701，用于获取第一信息、第二信息，所述第一信息为摄像头采集到的污水表面图像信息，所述第二信息为现场工作人员检测得到的污水成分信息；
第一处理单元702，用于将所述第一信息发送至图像处理模块进行处理，得到第三信息，所述第三信息为污水的种类信息；
第二处理单元703，用于将所述第二信息和所述第三信息发送至异常分析模块进行分析，得到第四信息，所述第四信息为污水成分的异常数据信息；
第三处理单元704，用于将所述第四信息发送至训练好的方案确定模块进行处理，得到第五信息，所述第五信息为基于第四信息确定的污水处理方案；
第一发送单元705，用于发送第一命令，所述第一命令为提示工作人员按照第五信息调度污水处理设备的命令。
在本公开的一种具体实施方式中，所述第一处理单元702包括第一处理子单元7021、第一聚类子单元7022和第一分类子单元7023。
第一处理子单元7021，用于将所述污水表面图像信息进行污水特征识别，得到所述污水图像的特征识别结果；
第一聚类子单元7022，用于基于所述污水图像的特征识别结果进行特征聚类，得到至少一个特征聚类簇，并调用所述至少一个特征聚类簇所对应的参数范围，计算每个特征聚类簇内的第一参数平均数；
第一分类子单元7023，用于将每个所述第一参数平均数发送至构建好的分类模型中进行分类处理，得到污水的种类信息。
在本公开的一种具体实施方式中，所述第一分类子单元7023包括第一获取子单元70231、第二处理子单元70232、第三处理子单元70233、第四处理子单元70234和第五处理子单元70235。
第一获取子单元70231，用于获取历史污水图像的特征识别结果，并基于聚类算法计算得到至少一个第二参数平均数，所述第二参数平均数为历史污水图像进行聚类得到的特征参数范围，进而计算得到的特征聚类簇内的参数平均数；
第二处理子单元70232，用于将至少一个所述第二参数平均数和历史污水图像进行映射，得到每个所述历史污水图像和每个所述第二参数平均数的对应关系；
第三处理子单元70233，用于将每个所述第二参数平均数基于哈希算法进行处理，得到每个所述第二参数平均数对应的哈希值；
第四处理子单元70234，用于基于SHA-256算法对全部所述哈希值进行拼接处理，得到拼接好的哈希值，并基于每个拼接好的哈希值构建分类数据库；
第五处理子单元70235，用于将所述每个所述历史污水表面图像和每个所述第二参数平均数的对应关系发送至分类数据库进行处理，得到构建好的分类模型，其中将所述对应关系与每个拼接好的哈希值进行对应，确定每个拼接好的哈希值与每个所述历史污水表面图像的关系，进而得到历史污水表面图像中污水的种类信息。
在本公开的一种具体实施方式中，所述第二处理单元703包括第六处理子单元7031、第一判断子单元7032、第七处理子单元7033、第二判断子单元7034和第三判断子单元7035。
第六处理子单元7031，用于基于CART算法对所述第三信息进行处理，得到CART决策树，对所述CART决策树进行随机剪枝处理，得到所述CART决策树的常量；
第一判断子单元7032，用于基于所述CART决策树的常量和基尼指数计算方法确定CART决策树内最优的子决策树，并基于所述CART决策树内最优的子决策树构建异常数据判断模型；
第七处理子单元7033，用于基于所述第三信息，得到所述第三信息中污水的种类信息对应的成分数据；
第二判断子单元7034，用于基于所述异常数据判断模型和所述第三信息中污水的种类信息对应的成分数据判断所述第二信息内是否具有异常数据，得到判断结果；
第三判断子单元7035，用于基于所述判断结果，得到污水成分的异常数据信息。
在本公开的一种具体实施方式中，所述第三处理单元704包括第二分类子单元7041、第一训练子单元7042、第二训练子单元7043和第一发送子单元7044。
第二分类子单元7041，用于将预设的历史方案信息和预设的历史污水成分的异常结果信息，进行按照时间序列进行划分，得到训练集和验证集；
第一训练子单元7042，用于将所述训练集基于LSTM神经网络进行训练，得到第一训练模型，所述第一训练模型为基于所述历史污水成分的异常结果信息预测所述历史方案信息的模型；
第二训练子单元7043，用于将所述验证集发送至所述第一训练模型进行验证，其中基于验证结果调整所述第一训练模型内的模型参数，直至第一训练模型得到的验证结果与预设的历史方案信息相同，得到训练好的方案确定模型；
第一发送子单元7044，用于将所述第四信息发送至训练好的方案确定模型，得到污水处理方案。
在本公开的一种具体实施方式中，所述第一发送单元705之后还包括第二获取单元706、第四处理单元707、第五处理单元708、第六处理单元709和第一判断单元710。
第二获取单元706，用于获取第六信息，所述第六信息为处理后污水的表面图像信息；
第四处理单元707，用于将所述第六信息和所述第一信息均进行尺寸归一化处理，并将所有归一化处理后得图像信息进行向量化处理，得到预处理后的第六信息和预处理后的第一信息；
第五处理单元708，用于基于增广拉格朗日法分别对预处理后的第六信息和预处理后的第一信息进行特征提取，得到第一特征数据和第二特征数据，所述第一特征数据为预处理后的第六信息的特征数据，所述第二特征数据为预处理后的第一信息的特征数据；
第六处理单元709，用于将所述第一特征数据和第二特征数据进行对比，得到特征变化量；
第一判断单元710，用于判断所述特征变化量是否大于预设的阈值，若所述所述特征变化量大于预设的阈值，则发送第二命令，所述第二命令为将处理后的污水进行成分对比的命令。
需要说明的是，关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
实施例3
相应于上面的方法实施例，本公开实施例还提供了一种应急污水处理设备，下文描述的一种应急污水处理设备与上文描述的一种应急污水处理方法可相互对应参照。
图3是根据一示例性实施例示出的一种应急污水处理设备800的框图。如图3所示，该应急污水处理设备800可以包括：处理器801，存储器802。该应急污水处理设备800还可以包括多媒体组件803，输入/输出(I/O)接口804，以及通信组件805中的一者或多者。
其中，处理器801用于控制该应急污水处理设备800的整体操作，以完成上述的应急污水处理方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该应急污水处理设备800的操作，这些数据例如可以包括用于在该应急污水处理设备800上操作的任何应用程序或方法的指令，以及应用程序相关的数据，例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器，用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该应急污水处理设备800与其他设备之间进行有线或无线通信。无线通信，例如Wi-Fi，蓝牙，近场通信(Near FieldCommunication，简称NFC)，2G、3G或4G，或它们中的一种或几种的组合，因此相应的该通信组件805可以包括：Wi-Fi模块，蓝牙模块，NFC模块。
在一示例性实施例中，应急污水处理设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的一种应急污水处理方法。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述的应急污水处理方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器802，上述程序指令可由应急污水处理设备800的处理器801执行以完成上述的应急污水处理方法。
实施例4
相应于上面的方法实施例，本公开实施例还提供了一种可读存储介质，下文描述的一种可读存储介质与上文描述的一种应急污水处理方法可相互对应参照。
一种可读存储介质，可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例的应急污水处理方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种应急污水处理方法，其特征在于，包括：
获取第一信息、第二信息，所述第一信息为摄像头采集到的污水表面图像信息，所述第二信息为现场工作人员检测得到的污水成分信息；
将所述第一信息发送至图像处理模块进行处理，得到第三信息，所述第三信息为污水的种类信息；
将所述第二信息和所述第三信息发送至异常分析模块进行分析，得到第四信息，所述第四信息为污水成分的异常数据信息；
将所述第四信息发送至训练好的方案确定模块进行处理，得到第五信息，所述第五信息为基于第四信息确定的污水处理方案；
发送第一命令，所述第一命令为提示工作人员按照第五信息调度污水处理设备的命令。
2.根据权利要求1所述的应急污水处理方法，其特征在于，将所述第一信息发送至图像处理模块进行处理，得到第三信息，所述第三信息为污水的种类信息，包括：
将所述污水表面图像信息进行污水特征识别，得到所述污水图像的特征识别结果；
基于所述污水图像的特征识别结果进行特征聚类，得到至少一个特征聚类簇，并调用所述至少一个特征聚类簇所对应的参数范围，计算每个特征聚类簇内的第一参数平均数；
将每个所述第一参数平均数发送至构建好的分类模型中进行分类处理，得到污水的种类信息。
3.根据权利要求2所述的应急污水处理方法，其特征在于，所述分类模型的构建方法，包括：
获取历史污水图像的特征识别结果，并基于聚类算法计算得到至少一个第二参数平均数，所述第二参数平均数为历史污水图像进行聚类得到的特征参数范围，进而计算得到的特征聚类簇内的参数平均数；
将至少一个所述第二参数平均数和历史污水图像进行映射，得到每个所述历史污水图像和每个所述第二参数平均数的对应关系；
将每个所述第二参数平均数基于哈希算法进行处理，得到每个所述第二参数平均数对应的哈希值；
基于SHA-256算法对全部所述哈希值进行拼接处理，得到拼接好的哈希值，并基于每个拼接好的哈希值构建分类数据库；
将所述每个所述历史污水表面图像和每个所述第二参数平均数的对应关系发送至分类数据库进行处理，得到构建好的分类模型，其中将所述对应关系与每个拼接好的哈希值进行对应，确定每个拼接好的哈希值与每个所述历史污水表面图像的关系，进而得到历史污水表面图像中污水的种类信息。
4.根据权利要求1所述的应急污水处理方法，其特征在于，将所述第二信息和所述第三信息发送至异常分析模块进行分析，得到第四信息，包括：
基于CART算法对所述第三信息进行处理，得到CART决策树，对所述CART决策树进行随机剪枝处理，得到所述CART决策树的常量；
基于所述CART决策树的常量和基尼指数计算方法确定CART决策树内最优的子决策树，并基于所述CART决策树内最优的子决策树构建异常数据判断模型；
基于所述第三信息，得到所述第三信息中污水的种类信息对应的成分数据；
基于所述异常数据判断模型和所述第三信息中污水的种类信息对应的成分数据判断所述第二信息内是否具有异常数据，得到判断结果；
基于所述判断结果，得到污水成分的异常数据信息。
5.根据权利要求1所述的应急污水处理方法，其特征在于，将所述第四信息发送至训练好的方案确定模块进行处理，得到第五信息，包括：
将预设的历史方案信息和预设的历史污水成分的异常结果信息，进行按照时间序列进行划分，得到训练集和验证集；
将所述训练集基于LSTM神经网络进行训练，得到第一训练模型，所述第一训练模型为基于所述历史污水成分的异常结果信息预测所述历史方案信息的模型；
将所述验证集发送至所述第一训练模型进行验证，其中基于验证结果调整所述第一训练模型内的模型参数，直至第一训练模型得到的验证结果与预设的历史方案信息相同，得到训练好的方案确定模型；
将所述第四信息发送至训练好的方案确定模型，得到污水处理方案。
6.一种应急污水处理装置，其特征在于，包括：
第一获取单元，用于获取第一信息、第二信息，所述第一信息为摄像头采集到的污水表面图像信息，所述第二信息为现场工作人员检测得到的污水成分信息；
第一处理单元，用于将所述第一信息发送至图像处理模块进行处理，得到第三信息，所述第三信息为污水的种类信息；
第二处理单元，用于将所述第二信息和所述第三信息发送至异常分析模块进行分析，得到第四信息，所述第四信息为污水成分的异常数据信息；
第三处理单元，用于将所述第四信息发送至训练好的方案确定模块进行处理，得到第五信息，所述第五信息为基于第四信息确定的污水处理方案；
第一发送单元，用于发送第一命令，所述第一命令为提示工作人员按照第五信息调度污水处理设备的命令。
7.根据权利要求6所述的应急污水处理装置，其特征在于，所述装置包括：
第一处理子单元，用于将所述污水表面图像信息进行污水特征识别，得到所述污水图像的特征识别结果；
第一聚类子单元，用于基于所述污水图像的特征识别结果进行特征聚类，得到至少一个特征聚类簇，并调用所述至少一个特征聚类簇所对应的参数范围，计算每个特征聚类簇内的第一参数平均数；
第一分类子单元，用于将每个所述第一参数平均数发送至构建好的分类模型中进行分类处理，得到污水的种类信息。
8.根据权利要求7所述的应急污水处理装置，其特征在于，所述装置包括：
第一获取子单元，用于获取历史污水图像的特征识别结果，并基于聚类算法计算得到至少一个第二参数平均数，所述第二参数平均数为历史污水图像进行聚类得到的特征参数范围，进而计算得到的特征聚类簇内的参数平均数；
第二处理子单元，用于将至少一个所述第二参数平均数和历史污水图像进行映射，得到每个所述历史污水图像和每个所述第二参数平均数的对应关系；
第三处理子单元，用于将每个所述第二参数平均数基于哈希算法进行处理，得到每个所述第二参数平均数对应的哈希值；
第四处理子单元，用于基于SHA-256算法对全部所述哈希值进行拼接处理，得到拼接好的哈希值，并基于每个拼接好的哈希值构建分类数据库；
第五处理子单元，用于将所述每个所述历史污水表面图像和每个所述第二参数平均数的对应关系发送至分类数据库进行处理，得到构建好的分类模型，其中将所述对应关系与每个拼接好的哈希值进行对应，确定每个拼接好的哈希值与每个所述历史污水表面图像的关系，进而得到历史污水表面图像中污水的种类信息。
9.根据权利要求6所述的应急污水处理装置，其特征在于，所述装置还包括：
第六处理子单元，用于基于CART算法对所述第三信息进行处理，得到CART决策树，对所述CART决策树进行随机剪枝处理，得到所述CART决策树的常量；
第一判断子单元，用于基于所述CART决策树的常量和基尼指数计算方法确定CART决策树内最优的子决策树，并基于所述CART决策树内最优的子决策树构建异常数据判断模型；
第七处理子单元，用于基于所述第三信息，得到所述第三信息中污水的种类信息对应的成分数据；
第二判断子单元，用于基于所述异常数据判断模型和所述第三信息中污水的种类信息对应的成分数据判断所述第二信息内是否具有异常数据，得到判断结果；
第三判断子单元，用于基于所述判断结果，得到污水成分的异常数据信息。
10.一种应急污水处理设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述应急污水处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210394197.6A CN114663709B (zh) | 2022-04-14 | 2022-04-14 | 一种应急污水处理方法、装置及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210394197.6A CN114663709B (zh) | 2022-04-14 | 2022-04-14 | 一种应急污水处理方法、装置及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114663709A true CN114663709A (zh) | 2022-06-24 |
| CN114663709B CN114663709B (zh) | 2022-11-15 |
Family
ID=82035186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210394197.6A Active CN114663709B (zh) | 2022-04-14 | 2022-04-14 | 一种应急污水处理方法、装置及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114663709B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116854300A (zh) * | 2023-07-23 | 2023-10-10 | 杭州回水科技股份有限公司 | 一种活性炭吸附过滤的污水处理系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107091913A (zh) * | 2017-05-18 | 2017-08-25 | 安徽恩测检测技术有限公司 | 一种基于无线传感技术的污水监测系统 |
| KR101917200B1 (ko) * | 2018-04-30 | 2018-11-09 | (주) 이베스트엔지니어링 | 드론을 이용한 하폐수 처리 장치의 방류수 수질 모니터링 방법 |
| CN109030765A (zh) * | 2018-08-16 | 2018-12-18 | 吴秋雨 | 一种基于大数据的农业沟渠污水检测系统 |
| CN109019715A (zh) * | 2018-08-20 | 2018-12-18 | 山东润智能科技有限公司 | 医疗污水处理安全立体监测云平台、系统及其方法 |
| US20190359510A1 (en) * | 2018-05-23 | 2019-11-28 | Beijing University Of Technology | Cooperative optimal control method and system for wastewater treatment process |
| CN112051378A (zh) * | 2020-10-15 | 2020-12-08 | 唐琪林 | 一种污水排放实时监测方法及系统 |
| CN113688577A (zh) * | 2021-10-22 | 2021-11-23 | 江苏拓邦环保科技有限公司 | 一种家用生活污水处理及再利用的方法及装置 |
| CN114203262A (zh) * | 2021-12-08 | 2022-03-18 | 陕西盛康实业发展有限公司 | 一种基于可循环清洁压裂液体系的污水利用方法及系统 |
| CN114332668A (zh) * | 2020-09-29 | 2022-04-12 | 中国电信股份有限公司 | 污水检测识别方法、装置和系统、服务器和存储介质 |
-
2022
- 2022-04-14 CN CN202210394197.6A patent/CN114663709B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107091913A (zh) * | 2017-05-18 | 2017-08-25 | 安徽恩测检测技术有限公司 | 一种基于无线传感技术的污水监测系统 |
| KR101917200B1 (ko) * | 2018-04-30 | 2018-11-09 | (주) 이베스트엔지니어링 | 드론을 이용한 하폐수 처리 장치의 방류수 수질 모니터링 방법 |
| US20190359510A1 (en) * | 2018-05-23 | 2019-11-28 | Beijing University Of Technology | Cooperative optimal control method and system for wastewater treatment process |
| CN109030765A (zh) * | 2018-08-16 | 2018-12-18 | 吴秋雨 | 一种基于大数据的农业沟渠污水检测系统 |
| CN109019715A (zh) * | 2018-08-20 | 2018-12-18 | 山东润智能科技有限公司 | 医疗污水处理安全立体监测云平台、系统及其方法 |
| CN114332668A (zh) * | 2020-09-29 | 2022-04-12 | 中国电信股份有限公司 | 污水检测识别方法、装置和系统、服务器和存储介质 |
| CN112051378A (zh) * | 2020-10-15 | 2020-12-08 | 唐琪林 | 一种污水排放实时监测方法及系统 |
| CN113688577A (zh) * | 2021-10-22 | 2021-11-23 | 江苏拓邦环保科技有限公司 | 一种家用生活污水处理及再利用的方法及装置 |
| CN114203262A (zh) * | 2021-12-08 | 2022-03-18 | 陕西盛康实业发展有限公司 | 一种基于可循环清洁压裂液体系的污水利用方法及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116854300A (zh) * | 2023-07-23 | 2023-10-10 | 杭州回水科技股份有限公司 | 一种活性炭吸附过滤的污水处理系统 |
| CN116854300B (zh) * | 2023-07-23 | 2024-02-13 | 杭州回水科技股份有限公司 | 一种活性炭吸附过滤的污水处理系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114663709B (zh) | 2022-11-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111176990A (zh) | 基于数据决策的测试数据生成方法、装置、计算机设备 | |
| CN110008082B (zh) | 异常任务智能监测方法、装置、设备及存储介质 | |
| CN109871807B (zh) | 人脸图像处理方法和装置 | |
| CN112329811A (zh) | 异常账号识别方法、装置、计算机设备和存储介质 | |
| US20170146975A1 (en) | Operator and manufacturing quality traceability | |
| CN112509583A (zh) | 一种基于调度操作票系统的辅助监督方法及系统 | |
| CN114663709B (zh) | 一种应急污水处理方法、装置及设备 | |
| CN108681871B (zh) | 一种提示信息的方法、终端设备及计算机可读存储介质 | |
| CN111241544A (zh) | 一种恶意程序识别方法、装置、电子设备及存储介质 | |
| CN111582341A (zh) | 用户异常操作预测方法及装置 | |
| CN110909224A (zh) | 一种基于人工智能的敏感数据自动分类识别方法及系统 | |
| CN111784665A (zh) | 基于傅里叶变换的oct图像质量评估方法、系统及装置 | |
| CN111553241A (zh) | 掌纹的误匹配点剔除方法、装置、设备及存储介质 | |
| CN105162931B (zh) | 一种通信号码的分类方法及装置 | |
| CN110969261A (zh) | 基于加密算法的模型构建方法及相关设备 | |
| CN110659997A (zh) | 数据聚类识别方法、装置、计算机系统及可读存储介质 | |
| CN114238402A (zh) | 告警数据处理方法、装置、存储介质以及电子设备 | |
| CN117058518B (zh) | 基于yolo改进的深度学习目标检测方法、装置和计算机设备 | |
| CN111931186B (zh) | 软件风险识别方法及装置 | |
| CN113435753A (zh) | 高危行业中企业风险判定方法、装置、设备及介质 | |
| CN110855474B (zh) | Kqi数据的网络特征提取方法、装置、设备及存储介质 | |
| US20230034061A1 (en) | Method for managing proper operation of base station and system applying the method | |
| CN113362069A (zh) | 风控模型的动态调整方法、装置、设备及可读存储介质 | |
| CN109003254B (zh) | 基于逻辑回归覆冰检测方法、装置、设备、系统及介质 | |
| CN107995239B (zh) | 光谱数据优化方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |