CN114956287B - 一种污水除磷方法 - Google Patents
一种污水除磷方法 Download PDFInfo
- Publication number
- CN114956287B CN114956287B CN202210668266.8A CN202210668266A CN114956287B CN 114956287 B CN114956287 B CN 114956287B CN 202210668266 A CN202210668266 A CN 202210668266A CN 114956287 B CN114956287 B CN 114956287B
- Authority
- CN
- China
- Prior art keywords
- flocculation
- monitoring
- image
- dephosphorization
- flocs
- 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
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
- C02F1/5236—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities using inorganic agents
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Chemical & Material Sciences (AREA)
- Inorganic Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Organic Chemistry (AREA)
- Separation Of Suspended Particles By Flocculating Agents (AREA)
- Removal Of Specific Substances (AREA)
Abstract
本发明公开了一种污水除磷方法,包括:向絮凝沉淀池中投放除磷药剂;所述除磷药剂中包含有絮凝成分;对所述絮凝沉淀池下的目标监控水域从两个不同的拍摄角度进行周期性的拍摄,每次拍摄均得到两张监控图像;根据所述两张监控图像,利用图像处理方法确定水体中絮体的絮凝信息;所述絮凝信息包括:絮体体积和/或絮体浓度;根据所述絮凝信息监控所述除磷药剂的反应过程,以参考所述絮凝信息进行污水除磷。本发明能够实时监控除磷药剂的反应过程,从而参考监控过程中的絮凝信息实现污水除磷。
Description
技术领域
本发明属于污水处理领域,具体涉及一种污水除磷方法。
背景技术
随着人类对自然资源开发活动的日益增加,使大量含磷物质的生活污水、工业废水排入江河湖海中,增加了水体营养物质的负荷,其直接后果为水体富营养化。水体富营养化会影响水中植物的光合作用,可能造成溶解氧的过饱和,致使水中有机物质在厌氧条件分解产生的有害气体,造成鱼类大量死亡;此外,富营养化水中含有硝酸盐和亚硝酸盐,人畜长期饮用这些物质含量超过一定标准的水也会中毒致病。
污水中的含磷物质可以通过化学和生物两种方法去除,由于生物除磷工艺通常难以保证出水总磷稳定地达到0.5mg/L标准的要求,因此往往还需要向水中投放除磷药剂,从而通过化学除磷的方式来辅助除磷。
但是,由于污水来源不同,污水中磷的含量不同,除磷剂的使用量有所不同;除磷药剂投加量不足会造成磷去除率不高,或者达不到沉降点;投加量过大则会出现产泥量过高,以及污泥中的无机金属盐含量过高从而增加处理难度。因此通常需要根据投放除磷剂前后的污水取样检测分析结果分别来判断除磷药剂投加量和除磷效果,而多次取样检测分析会比较繁琐,十分不便。此外,若采用人工肉眼观察水体表面的颜色以及浑浊度来判断,虽然更为方便,但判断结果受个人的主观因素影响较大,存在判断失误的可能。
发明内容
为了解决现有技术中存在的上述问题,本发明提供了一种污水除磷方法。本发明要解决的技术问题通过以下技术方案实现:
一种污水除磷方法,包括:
向絮凝沉淀池中投放除磷药剂;所述除磷药剂中包含有絮凝成分;
对所述絮凝沉淀池下的目标监控水域从两个不同的拍摄角度进行周期性的拍摄,每次拍摄均得到两张监控图像;
根据所述两张监控图像,利用图像处理方法确定水体中絮体的絮凝信息;所述絮凝信息包括:絮体体积和/或絮体浓度;
根据所述絮凝信息监控所述除磷药剂的反应过程,以参考所述絮凝信息进行污水除磷。
优选地,所述除磷药剂按质量百分比包括:硫酸亚铁15%~25%、硫酸铝7%~13%、聚合硫酸铁3%~7%、硅藻土1~3%,硅酸钠0.7~1.3%,其余为水。
优选地,所述除磷药剂按质量百分比包括:硫酸亚铁20%、硫酸铝10%、聚合硫酸铁5%、硅藻土2%,硅酸钠1%,其余为水。
优选地,所述除磷药剂的制备方法包括:
将硫酸亚铁与硫酸铝混合,然后加入水搅拌均匀,得到混合溶液A;
将聚合硫酸铁和硅藻土分别加入所述混合溶液A中并搅拌均匀,得到混合溶液B;
向所述混合溶液B中加入硅酸钠,并使硅酸钠充分溶解,得到混合溶液C;
对所述混合溶液C依次进行沉淀和过滤,然后取上清液作为制备完成的所述除磷药剂。
优选地,根据所述两张监控图像,利用图像处理方法确定水体中絮体的絮凝信息的方式包括:
对任一张监控图像进行图像分割,并根据分割结果确定絮体的面积信息;
根据所述两张监控图像确定絮体的深度信息;
根据所述絮体的面积信息以及所述絮体的深度信息,估算絮体体积和絮体浓度。
优选地,根据所述絮体的面积信息以及所述絮体的深度信息,估算絮体体积的方式,包括:
根据所述絮体的面积信息以及所述絮体的深度信息,计算三维絮体体积;
将所述三维絮体体积转换为实际的絮体体积。
优选地,所述污水除磷方法还包括:
对所述两张监控图像进行去噪,得到两张去噪图像;
根据所述两张去噪图像与对应的去噪前的监控图像间的差异,对所述絮体浓度进行修正。
优选地,对任一张监控图像进行图像分割,包括:
利用简单线性迭代聚类法对任一张监控图像进行超像素分割,得到超像素分割结果;
根据所述任一张监控图像,利用大津阈值法确定一参考阈值;
基于所述参考阈值判断所述超像素分割结果中的每个超像素是否对应絮体,并根据判断结果确定絮体图像。
优选地,所述污水除磷方法还包括:
在对所述絮凝沉淀池下的目标监控水域从两个不同的拍摄角度进行周期性的拍摄时,利用一辅助光源对所述目标监控水域从上至下进行垂直照射。
优选地,所述辅助光源,包括:与所述目标监控水域的顶面大小相匹配的灯组。
本发明的有益效果:
本发明提供的污水除磷方法中,采用的除磷药剂中包含有絮凝成分,这样,便可以采用图像监控的方式来对水体中的絮凝情况进行监控,并通过图像处理方法来监控水体中絮体的絮凝信息,从而可以根据絮凝信息实时监控除磷药剂的反应过程,进而参考监控过程中的絮凝信息实现污水除磷。这样,可以有效减小取样检测的次数,操作简便;并且,由于监控的是水下,比人工观察水面获得的信息更准确,同时也降低了因个人主观因素而导致误判的可能性。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种污水除磷方法的示意图;
图2是本发明实施例中除磷药剂的添加工序的示意图;
图3是本发明实施例中在絮凝沉淀池中设置固定的目标监测水域的示意图;
图4是本发明实施例中在絮凝沉淀池中变换目标监测水域的示意图;
图5是本发明实施例中在拍摄监控图像时向目标监测水域补光的示意图;
图6是本发明实施例中在拍摄监控图像时,利用灯组向目标监测水域补光的示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述,但本发明的实施方式不限于此。
为了在污水处理过程中能够精确控制出水总磷,本发明实施例提供了一种污水除磷方法,如图1所示,该方法包括以下步骤:
S10:向絮凝沉淀池中投放除磷药剂;该除磷药剂中包含有絮凝成分。
现有技术中,污水处理的生物池包括厌氧池、缺氧池、好氧池三个阶段。普通除磷药剂最佳的投加点为生物池出水,也就是好氧池的出水;投放普通除磷药剂后,含有普通除磷药剂的水进入二沉池中进行反应、沉降。
但是,由于普通除磷药剂的主要成分都溶于水,只能通过取样检测的方法来判断除磷剂投加量和除磷效果。因此,本发明实施例中投放的除磷药剂中含有絮凝成分,由于絮凝成分在除磷药剂中所占的成分比例是一定的,这样就可以通过感测水体中的絮凝信息来间接监控除磷药剂的反应过程。
另外,由于二沉池中污泥量较大,很难直接观测到絮凝情况,因此,如图2所示,本发明实施例中在二沉池后增设了一个絮凝沉淀池;由于从二沉池中引入絮凝沉淀池的水是经过沉淀后的上层清水,因此向该絮凝沉淀池中投放含有絮凝成分的除磷药剂后,可以有效地观测到絮凝信息。此外,在除磷药剂中添加絮凝成分,可以进一步强化除磷药剂的混凝效果,加快絮体的沉淀,使得该絮凝沉淀池的出水更加清澈。
示例性的,该步骤S10中可用的除磷药剂按质量百分比包括:硫酸亚铁15%~25%、硫酸铝7%~13%、聚合硫酸铁3%~7%、硅藻土1~3%,硅酸钠0.7~1.3%,其余为水。其中,硅藻土和硅酸钠为该除磷药剂中的絮凝成分。
在一个具体的实施例中,该步骤S10中使用的除磷药剂按质量百分比可以包括:硫酸亚铁20%、硫酸铝10%、聚合硫酸铁5%,硅藻土2%,硅酸钠1%,其余为水。
S20:对絮凝沉淀池下的目标监控水域从两个不同的拍摄角度进行周期性的拍摄,每次拍摄均得到两张监控图像。
其中,目标监控水域是位于絮凝沉淀池水下的一处观测区域,优选设置在絮凝沉淀池中下方(如图3所示),以便更好地对水下的沉降情况进行观测。
在一种实现方式中,目标监控水域是固定不变的,在该目标监控水域附近设有两个具有固定视差的防水照相机,照相机外接防水通信线缆,这样就可以把从水下拍摄的监控图像送入监控室的计算机中进行处理和分析。
在另一种实现方式中,目标监控水域可以随着两个具有固定视差的防水照相机的位置移动而相应移动,移动方式如图4所示,从而可以对整个絮凝沉淀池进行多点观测。
该步骤中,从两个不同的拍摄角度进行拍摄,主要是为了形成一定的视差,以便后续进行图像处理时使用。
另外,拍摄周期可以根据除磷药剂与水体的反应进程设定,例如以分钟为单位进行拍摄,或者2~10分钟进行一次拍摄这都是可以的。
S30:根据两张监控图像,利用图像处理方法确定水体中絮体的絮凝信息,该絮凝信息包括:絮体体积和/或絮体浓度。
可以理解的是,能够从监控图像中获取的与絮体的絮凝状态相关的任何信息都是絮凝信息,如絮体体积、絮体浓度、絮体面积、絮体颜色以及监控图像本身等等。虽然人工观察监控图像也可以大致了解絮体体积和絮体浓度,但由于并非是人工肉眼直接观测,与实际的絮体体积和浓度等信息始终存在出入。并且,由于是水下拍摄的因素,因光线折射等因素也会使得人工观察监控图像所了解的絮凝信息不够准确。因此,为了便于后续能够参考准确且直观的絮凝信息来控制污水除磷,本发明实施例选用了其中絮体体积和/或絮体浓度来作为主要监控参数。
其中,絮体体积可以包括监控图像中每个絮体的体积,絮体浓度则是整张监控图像中所包含絮体的浓度。
该步骤中,根据两张监控图像,利用图像处理方法确定水体中絮体的絮凝信息的方式,包括:
(1)对任一张监控图像进行图像分割,并根据分割结果确定絮体的面积信息。
可以理解的是,这里对监控图像进行图像分割,主要是为了将监控图像中对应絮体的影像从水域对应的背景影像中分割出来。在实际应用中,实现图像分割的具体方式存在多种,为了使说明书的布局清晰,后续对本发明实施例中实现图像分割的方式进行举例说明。
完成图像分割后,对应每个絮体的像素点在监控图像中所占据的区域,即是该絮体的面积信息。
(2)根据两张监控图像确定絮体的深度信息。
具体的,根据两张监控图像计算图像深度信息,可以得到一张深度图;具体实现方式与现有技术中利用双目摄像头测量深度的方式相同,此处不再进行赘述。
得到深度图之后,参考步骤(1)中的图像分割结果,便可以从深度图中提取出絮体的深度信息,即可以得到每个絮体的面积信息中所包含的各个像素点对应的深度。
(3)根据絮体的面积信息以及絮体的深度信息,估算絮体体积和絮体浓度。
具体的,根据絮体的面积信息以及絮体的深度信息,通过积分运算便可以得到三维絮体体积,此时该体积相当于是一个三维模型的体积,因此可利用预先测定的两个摄像机的取景范围与实际场景范围的大小比例关系,将该三维絮体体积转换为实际的絮体体积。然后,用所有絮体的絮体体积之和除以已知的目标监控水域的体积,便可以得到絮体浓度。
S40:根据絮凝信息监控除磷药剂的反应过程,以参考絮凝信息进行污水除磷。
具体的,通过周期性获取的絮凝信息,了解絮体体积是否在逐渐增大以及絮体浓度是否在逐渐增加,以此来确定除磷药剂是否正常起效。举例而言,若发现絮体体积达到一定大小后不再变化,而絮体浓度却在持续增加,则说明除磷药剂中的絮凝成分的浓度不够,因此可考虑增加絮凝成分的使用量。若在较短的时间内(远小于正常的沉降周期)便发现絮体体积和絮体浓度均在达到一定值之后不再变化,则说明除磷药剂已经反应完毕,可以考虑继续投放除磷药剂。若在正常的沉降周期左右发现絮体体积和絮体浓度均在达到一定值且不再有明显变化,则可以继续进入下一处理工序。
另外,若发现絮体体积随时间增长正常增长,但絮体浓度却始终不够时,可能是除磷药剂在池内分布不均匀,导致目标监测水域内的除磷药剂量小,此时可以考虑更换目标监测水域。
本发明实施例提供的污水除磷方法中,采用的除磷药剂中包含有絮凝成分,这样,便可以采用图像监控的方式来对水体中的絮凝情况进行监控,并通过图像处理方法来监控水体中絮体的絮凝信息,从而可以根据絮凝信息实时监控除磷药剂的反应过程,进而参考监控过程中的絮凝信息实现污水除磷。这样,可以有效减小取样检测的次数,操作简便;并且,由于监控的是水下,比人工观察水面获得的信息更准确,因此本发明实施例同时也降低了因个人主观因素而导致误判的可能性。
可选地,在一种实现方式中,本发明实施例提供的污水除磷方法还可以包括:
对两张监控图像进行去噪,得到两张去噪图像;
根据两张去噪图像与对应的去噪前的监控图像间的差异,对絮体浓度进行修正。
可以理解的是,除了肉眼清晰可辨的絮体,水体中还可能存在着一些微小的絮体,尽管其肉眼可见,但可能因其尺寸过小而被图像分割算法识别为图像背景,从而无法被计入絮体浓度中。这些微小絮体的特点是分散排布,尺寸较小,与水体对应像素的值存在较大差异,这些特点和噪声近似。因此,本发明实施例通过对监控图像进行去噪,从而将这些“类噪声”识别出来,将其计入絮体浓度中,实现对絮体浓度的精确监控。
在具体修正絮体浓度时,针对每张去噪图像,将其与对应的监控图像作差,得到差异图像;然后,对得到的两张差异图像取交集,以便筛除真正的噪声点,由此得到仅包含“类噪声”的差异图像;然后,统计该差异图像中像素值不为空的像素点的个数,将统计的个数归入絮体的面积信息中,即对絮体的面积信息进行修正,进而基于修正后的絮体的面积信息依次修正絮体体积和絮体浓度。其中,由于新归入絮体的面积信息的像素点没有对应的深度信息,且被当做“类噪声”的絮体的尺寸都很小,因此可以直接为这些没有深度信息的像素点赋予一个参考的较小深度。
该实现方式中,对监控图像进行去噪的方式存在多种,如高斯滤波、量化去噪以及非局部均值去噪等等。
示例性的,在一种实现方式中,为了提高“类噪声”的去噪效果,本发明实施例中对监控图像进行去噪的方式,可以包括:
(1)对监控图像进行傅里叶变换,得到频域图像;
(2)求取频域图像中所有像素的梯度绝对值的平均值,作为查表依据;
(3)根据量化系数与查表依据的预设对应关系,确定所求取的平均值对应的量化系数;
(4)利用所确定的量化系数对频域图像进行均匀量化去噪,得到频域去噪图像;
该步骤具体是将频域图像中每个像素值均除以量化系数。
(5)对频域去噪图像进行傅里叶逆变换,得到去噪后的监控图像。
其中,为了使去噪过程更适用于去除“类噪声”,上述预设对应关系可以通过下述方式获得:
(a)在不同亮度、投放不同剂量的除磷药剂以及投放不同剂量的絮凝剂的多种变换条件下,对实验水域进行多次拍摄,得到多个样本图像。
(b)变换不同的量化系数对样本图像进行均匀量化去噪实验;其中,在每次实验中,计算样本图像中所有像素的梯度绝对值的平均值,并在对样本图像去噪后按照统一标准对去噪效果进行评价;
这样,可以得到大量的平均值a与评价指标p对应的数据a-p。
(c)根据评价结果筛选去噪效果优良的实验数据;
具体的,根据标准,利用p值对去噪效果不理想的实验数据进行筛除,从而得到去噪效果较佳的a-p;
(d)根据所筛选的实验数据,制定上述预设对应关系。
具体的,对上一步骤(d)中筛选出的a-p进行统计或择优,便可以得到不同的a中所推荐使用的p。
其中,步骤(b)中使用的评价标准可以时常用的评价去噪效果的峰值信噪比(PSNR,Peak signal to noise ratio),当然并不局限于此。
可选地,在另一种实现方式中,本发明实施例提供的污水除磷方法还可以包括:
在对絮凝沉淀池下的目标监控水域从两个不同的拍摄角度进行周期性的拍摄时,利用一辅助光源对该目标监控水域从上至下进行照射。
参见图5所示,使用辅助光源对目标监控水域从上至下进行照射,一方面可以为目标监控水域进行补光,使得拍摄的监控图像更为清晰;另一方面,由于辅助光源是从上至下垂直照射目标监控水域的,因此两个照相机接收到的光线是均匀的,可以减弱从水面上折射照进来的、角度未知的自然光线对两个照相机的成像效果的影响,从而使两个照相机的成像差异中少包含一些因接收自然光线不均匀而导致的图像差异,以尽量保留因视差导致的成像差异。
优选地,为了更好地为目标监测水域补光,如图6所示,上述辅助光源可以包括:与目标监控水域的顶面大小相匹配的灯组。这样,照射到目标监测水域的光线更加均匀,两个照相机的成像效果更好,从而更好地保留两者因视差导致的成像差异。
下面,对本发明实施例中实现图像分割的具体实现方式进行举例说明。示例性的,在一种实现方式中,对监控图像进行图像分割,可以包括:
(1)根据监控图像,利用大津阈值法确定一分割阈值;
具体的,假如用w0表示絮体对应像素的点数占图像比例,其平均灰度用u0表示,用w1表示水对应像素的点数占图像比例,其平均灰度用u1表示;将阈值T从最小灰度值遍历到最大灰度值,当遍历中的某个T值使得方差δ=w0*w1*(u0-u1)*(u0-u1)最大时,此时的T即为大津阈值法所确定的分割阈值。
(2)采用分割阈值对任一张监控图像进行分割,得到图像分割结果。
具体的,若监控图像中的像素点的值大于参考阈值,则该像素点对应的是絮体,若不大于分割阈值,则该像素点应的是水。
在另一种实现方式中,为了获得更精确的图像分割结果,减少像素值在分割阈值附近的像素点被误分割的概率,对监控图像进行图像分割,可以包括:
(1)利用简单线性迭代聚类法对任一张监控图像进行超像素分割,得到超像素分割结果;
其中,简单线性迭代聚类法对图像进行超像素分割的主要过程是将彩色图像转化为CIELab颜色空间和XY坐标下的5维特征向量,然后对5维特征向量构造距离度量标准,对图像像素进行局部聚类,具体实现方式可参见相关现有技术,本发明实施例不再赘述。其中,CIELab是CIE(Commission International Eclairage,国际照明委员会)的一个颜色系统。
(2)根据该张监控图像,利用大津阈值法确定一参考阈值;
这里确定参考阈值的方式和上文中确定分割阈值的方式相同。
(3)基于该参考阈值判断超像素分割结果中的每个超像素是否对应絮体,并根据判断结果确定图像分割结果;
具体的,若超像素中的像素均值大于参考阈值,则该超像素对应的是一个絮体,若超像素中的像素均值不大于参考阈值,则该超像素对应的是水。
可以理解的是,先进行超像素分割,可以将用阈值难以划归分类的像素点划归到正确的分类中,这样,再使用参考阈值对超像素进行分类判别,可以有效提高图像分割结果的精确度。
以上,完成对本发明实施例提供的污水除磷方法的详细说明。
本说明书及其附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反,它们仅是本发明的一些方面相一致的方法的例子。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管在此结合各实施例对本申请进行了描述,然而,在实施所要求保护的本申请过程中,本领域技术人员通过查看所述附图、公开内容、以及所附权利要求书,可理解并实现所述公开实施例的其他变化。在说明书中,“包括”(comprising)一词不排除其他组成部分或步骤,“一”或“一个”不排除多个的情况。相互不同的实施例中记载了某些措施,但这并不表示这些措施不能组合起来产生良好的效果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (6)
1.一种污水除磷方法,其特征在于,包括:
向絮凝沉淀池中投放除磷药剂;所述除磷药剂中包含有絮凝成分;
对所述絮凝沉淀池下的目标监控水域从两个不同的拍摄角度进行周期性的拍摄,每次拍摄均得到两张监控图像;
根据所述两张监控图像,利用图像处理方法确定水体中絮体的絮凝信息;所述絮凝信息包括:絮体体积和/或絮体浓度;
根据所述絮凝信息监控所述除磷药剂的反应过程,以参考所述絮凝信息进行污水除磷;
其中,根据所述两张监控图像,利用图像处理方法确定水体中絮体的絮凝信息的方式包括:
对任一张监控图像进行图像分割,并根据分割结果确定絮体的面积信息;
根据所述两张监控图像确定絮体的深度信息;
根据所述絮体的面积信息以及所述絮体的深度信息,估算絮体体积和絮体浓度;
对所述两张监控图像进行去噪,得到两张去噪图像;
根据所述两张去噪图像与对应的去噪前的监控图像间的差异,对所述絮体浓度进行修正;
其中,对监控图像进行去噪的方式包括:
对监控图像进行傅里叶变换,得到频域图像;
求取频域图像中所有像素的梯度绝对值的平均值,作为查表依据;
根据量化系数与查表依据的预设对应关系,确定所求取的平均值对应的量化系数;
利用所确定的量化系数对频域图像进行均匀量化去噪,得到频域去噪图像;
对频域去噪图像进行傅里叶逆变换,得到去噪后的监控图像;
根据所述絮体的面积信息以及所述絮体的深度信息,估算絮体体积的方式,包括:根据所述絮体的面积信息以及所述絮体的深度信息,计算三维絮体体积;将所述三维絮体体积转换为实际的絮体体积;
对任一张监控图像进行图像分割,包括:利用简单线性迭代聚类法对任一张监控图像进行超像素分割,得到超像素分割结果;根据所述任一张监控图像,利用大津阈值法确定一参考阈值;基于所述参考阈值判断所述超像素分割结果中的每个超像素是否对应絮体,并根据判断结果确定絮体图像。
2.根据权利要求1所述的污水除磷方法,其特征在于,所述除磷药剂按质量百分比包括:硫酸亚铁15%~25%、硫酸铝7%~13%、聚合硫酸铁3%~7%、硅藻土1~3%,硅酸钠0.7~1.3%,其余为水。
3.根据权利要求2所述的污水除磷方法,其特征在于,所述除磷药剂按质量百分比包括:硫酸亚铁20%、硫酸铝10%、聚合硫酸铁5%、硅藻土2%,硅酸钠1%,其余为水。
4.根据权利要求2或3所述的污水除磷方法,其特征在于,所述除磷药剂的制备方法包括:
将硫酸亚铁与硫酸铝混合,然后加入水搅拌均匀,得到混合溶液A;
将聚合硫酸铁和硅藻土分别加入所述混合溶液A中并搅拌均匀,得到混合溶液B;
向所述混合溶液B中加入硅酸钠,并使硅酸钠充分溶解,得到混合溶液C;
对所述混合溶液C依次进行沉淀和过滤,然后取上清液作为制备完成的所述除磷药剂。
5.根据权利要求1所述的污水除磷方法,其特征在于,所述污水除磷方法还包括:
在对所述絮凝沉淀池下的目标监控水域从两个不同的拍摄角度进行周期性的拍摄时,利用一辅助光源对所述目标监控水域从上至下进行垂直照射。
6.根据权利要求5所述的污水除磷方法,其特征在于,所述辅助光源,包括:与所述目标监控水域的顶面大小相匹配的灯组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668266.8A CN114956287B (zh) | 2022-06-14 | 2022-06-14 | 一种污水除磷方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210668266.8A CN114956287B (zh) | 2022-06-14 | 2022-06-14 | 一种污水除磷方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114956287A CN114956287A (zh) | 2022-08-30 |
CN114956287B true CN114956287B (zh) | 2023-08-29 |
Family
ID=82961047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210668266.8A Active CN114956287B (zh) | 2022-06-14 | 2022-06-14 | 一种污水除磷方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114956287B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4783269A (en) * | 1986-04-10 | 1988-11-08 | Hitachi, Ltd. | Injection control system of flocculating agent |
JPH08309399A (ja) * | 1995-05-22 | 1996-11-26 | Sumitomo Heavy Ind Ltd | 汚泥凝集処理装置 |
CN1597547A (zh) * | 2004-09-20 | 2005-03-23 | 哈尔滨工业大学 | 一种用于水处理的絮凝投药分形在线检测装置及检测方法 |
CN203231980U (zh) * | 2013-04-26 | 2013-10-09 | 济南大学 | 一种混凝絮体图像目标定位追踪组合系统 |
CN103708592A (zh) * | 2013-12-23 | 2014-04-09 | 华东交通大学 | 一种基于机器视觉的新型水处理方法及其装置 |
CN104835164A (zh) * | 2015-05-11 | 2015-08-12 | 京东方科技集团股份有限公司 | 一种双目摄像头深度图像的处理方法及装置 |
CN107179265A (zh) * | 2017-07-06 | 2017-09-19 | 中国矿业大学(北京) | 煤泥水混凝过程中絮体动态特征参数提取系统及方法 |
CN108928904A (zh) * | 2018-08-20 | 2018-12-04 | 陕西清坞环保科技有限公司 | 一种高效复合除磷剂及其制备方法 |
CN112456621A (zh) * | 2020-11-24 | 2021-03-09 | 四川齐力绿源水处理科技有限公司 | 一种絮凝智能加药控制系统及控制方法 |
CN112919605A (zh) * | 2021-03-24 | 2021-06-08 | 四川康信科创农业有限公司 | 基于图像采集的污水处理系统及方法 |
CN113716806A (zh) * | 2021-09-07 | 2021-11-30 | 中冶赛迪技术研究中心有限公司 | 一种煤化工废水处理装置及工艺 |
CN216236545U (zh) * | 2021-09-07 | 2022-04-08 | 中冶赛迪技术研究中心有限公司 | 一种煤化工废水处理装置 |
CN114545985A (zh) * | 2022-04-21 | 2022-05-27 | 神美科技有限公司 | 一种基于絮体特征监测及过程反馈的加药系统及方法 |
-
2022
- 2022-06-14 CN CN202210668266.8A patent/CN114956287B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4783269A (en) * | 1986-04-10 | 1988-11-08 | Hitachi, Ltd. | Injection control system of flocculating agent |
JPH08309399A (ja) * | 1995-05-22 | 1996-11-26 | Sumitomo Heavy Ind Ltd | 汚泥凝集処理装置 |
CN1597547A (zh) * | 2004-09-20 | 2005-03-23 | 哈尔滨工业大学 | 一种用于水处理的絮凝投药分形在线检测装置及检测方法 |
CN203231980U (zh) * | 2013-04-26 | 2013-10-09 | 济南大学 | 一种混凝絮体图像目标定位追踪组合系统 |
CN103708592A (zh) * | 2013-12-23 | 2014-04-09 | 华东交通大学 | 一种基于机器视觉的新型水处理方法及其装置 |
CN104835164A (zh) * | 2015-05-11 | 2015-08-12 | 京东方科技集团股份有限公司 | 一种双目摄像头深度图像的处理方法及装置 |
CN107179265A (zh) * | 2017-07-06 | 2017-09-19 | 中国矿业大学(北京) | 煤泥水混凝过程中絮体动态特征参数提取系统及方法 |
CN108928904A (zh) * | 2018-08-20 | 2018-12-04 | 陕西清坞环保科技有限公司 | 一种高效复合除磷剂及其制备方法 |
CN112456621A (zh) * | 2020-11-24 | 2021-03-09 | 四川齐力绿源水处理科技有限公司 | 一种絮凝智能加药控制系统及控制方法 |
CN112919605A (zh) * | 2021-03-24 | 2021-06-08 | 四川康信科创农业有限公司 | 基于图像采集的污水处理系统及方法 |
CN113716806A (zh) * | 2021-09-07 | 2021-11-30 | 中冶赛迪技术研究中心有限公司 | 一种煤化工废水处理装置及工艺 |
CN216236545U (zh) * | 2021-09-07 | 2022-04-08 | 中冶赛迪技术研究中心有限公司 | 一种煤化工废水处理装置 |
CN114545985A (zh) * | 2022-04-21 | 2022-05-27 | 神美科技有限公司 | 一种基于絮体特征监测及过程反馈的加药系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114956287A (zh) | 2022-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Amaral et al. | Activated sludge monitoring of a wastewater treatment plant using image analysis and partial least squares regression | |
Mesquita et al. | Activated sludge characterization through microscopy: A review on quantitative image analysis and chemometric techniques | |
Khan et al. | Digital image processing and analysis for activated sludge wastewater treatment | |
CN112903349A (zh) | 城市河道沉积物中微塑料提取、检测方法 | |
CN115147617B (zh) | 基于计算机视觉的污水处理智能监控方法 | |
KR100889997B1 (ko) | 영상처리를 이용한 선박 밸러스트 워터 검사 장치 및 그방법 | |
CN112919605A (zh) | 基于图像采集的污水处理系统及方法 | |
Yu et al. | Applying Online Image Analysis to Simultaneously Evaluate the Removals of Suspended Solids and Color from Textile Wastewater in Chemical Flocculated Sedimentation. | |
CN114956287B (zh) | 一种污水除磷方法 | |
KR20190063188A (ko) | 실시간 영상 분석을 이용한 정수 처리 제어 방법 | |
Benens et al. | Evaluation of different shape parameters to distinguish between flocs and filaments in activated sludge images | |
CN108801361B (zh) | 一种理化生物结合的水质监测装置 | |
JP7261033B2 (ja) | 観察装置、観察方法、及びプログラム | |
CN115410016B (zh) | 基于图像频域分析的微生物污水池污水高效处理方法 | |
Yu et al. | Simultaneously monitoring the particle size distribution, morphology and suspended solids concentration in wastewater applying digital image analysis (DIA) | |
Yu | On-line evaluating the SS removals for chemical coagulation using digital image analysis and artificial neural networks | |
Nakaya et al. | Tracing morphological characteristics of activated sludge flocs by using a digital microscope and their effects on sludge dewatering and settling | |
CN117036250B (zh) | 一种基于视觉算法的絮体沉降性能判断方法及装置 | |
JPS63269043A (ja) | 凝集物の画像認識装置 | |
JPH032037B2 (zh) | ||
Gnida | Use of DAIME for characterisation of activated sludge flocs | |
Mullins | Applications of image processing for performance assessment of wastewater treatment plants | |
Daraei et al. | Continuous floc image analyser (C-FIA) for tracking floc particle dynamics during coagulation–flocculation–settling processes | |
Liyanage et al. | System to Improve the Quality of Water Resources in Sri Lanka Using Machine Learning and Image Processing | |
JPH0462798B2 (zh) |
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 |