CN115330349B - 一种基于图像采集的水产养殖尾水处理系统和方法 - Google Patents

一种基于图像采集的水产养殖尾水处理系统和方法 Download PDF

Info

Publication number
CN115330349B
CN115330349B CN202211017612.2A CN202211017612A CN115330349B CN 115330349 B CN115330349 B CN 115330349B CN 202211017612 A CN202211017612 A CN 202211017612A CN 115330349 B CN115330349 B CN 115330349B
Authority
CN
China
Prior art keywords
video stream
tail water
aquaculture
image
qualified
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
Application number
CN202211017612.2A
Other languages
English (en)
Other versions
CN115330349A (zh
Inventor
李志斐
谢俊
卢卓殷
程香菊
王广军
龚望宝
张凯
夏耘
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Pearl River Fisheries Research Institute CAFS
Original Assignee
Pearl River Fisheries Research Institute CAFS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Pearl River Fisheries Research Institute CAFS filed Critical Pearl River Fisheries Research Institute CAFS
Priority to CN202211017612.2A priority Critical patent/CN115330349B/zh
Publication of CN115330349A publication Critical patent/CN115330349A/zh
Application granted granted Critical
Publication of CN115330349B publication Critical patent/CN115330349B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F1/00—Measuring the volume flow or mass flow of fluid or fluent solid material wherein the fluid passes through a meter in a continuous flow
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/18—Water
    • 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
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Data Mining & Analysis (AREA)
  • Mining & Mineral Resources (AREA)
  • Agronomy & Crop Science (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Animal Husbandry (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Fluid Mechanics (AREA)
  • Image Analysis (AREA)
  • Separation Of Suspended Particles By Flocculating Agents (AREA)

Abstract

本发明提供了一种基于图像采集的水产养殖尾水处理系统，其特征在于，包括：粗沉淀过程图像采集模块：用于采集并识别水产养殖区域排放的尾水加入微生物类絮凝剂后的第一图像是否粗沉淀合格，确定第一识别结果；过滤过程图像采集模块：用于当所述第一识别结果为合格时，过滤坝过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果；排出过程图像采集模块：用于当所述第二识别结果为合格时，通过预设的尾水检测装置，检查水产养殖尾水是否达标，并在达标后排出。本发明利用人工智能技术实现对水产养殖区域尾水处理程度的识别，保障尾水在达标后排出，减少对环境的危害。

Description

一种基于图像采集的水产养殖尾水处理系统和方法
技术领域
本发明涉及人工智能技术领域，特别涉及一种基于图像采集的水产养殖尾水处理系统。
背景技术
随着我国水产养殖业的快速发展，水产养殖方式从传统粗放型向现代规模化、集约化转变，高密度、集约化养殖技术模式在提升了产量的同时也增加了环境污染的风险，加上存在养殖尾水任意排放的问题，致使养殖尾水污染日益严重，逐渐引起了业界的广泛关注。据研究，养殖系统投入的营养物质仅有30％左右为养殖生物利用，其余散布于养殖系统中。当前，我省水产养殖尾水大多还是直排，受纳水体反作用于养殖系统，导致养殖水质进一步恶化、养殖病害频发、产品质量下降，严重影响水产养殖业健康可持续发展。养殖尾水处理技术已成为水产养殖可持续领域的研究热点，近几年全国陆续开展了池塘养殖尾水综合治理技术试点，其中，连片池塘“三池两坝”、复合人工湿地、池塘底排污、工程化循环水等尾水处理模式为现行主流模式，然而这些模式处理后的尾水效果缺乏智能化监测，为了更智能地监测处理后的尾水，基于图像采集的方法为我们提供了一种更快捷的监测方式。
本发明基于图像采集对尾水处理进行行之有效的检测，从源头上减少对环境的破坏，在经过经粗沉淀和过滤过程的图像对比确定达到合格效果后排出，实现养殖用水的无害化处理。本发明具有成本低、简操作、易推广、效率高等优点，对于保护海洋环境、水产品安全生产具有重要的意义。
发明内容
本发明提供一种基于图像采集的水产养殖尾水处理系统，用以解决上述背景技术中出现的情况。
本发明提供一种基于图像采集的水产养殖尾水处理系统，包括：
粗沉淀过程图像采集模块：用于采集并识别水产养殖区域排放的尾水加入微生物类后的第一图像是否粗沉淀合格，确定第一识别结果；
过滤过程图像采集模块：用于当所述第一识别结果为合格时，过滤坝过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果；
排出过程图像采集模块：用于当所述第二识别结果为合格时，通过预设的尾水检测装置，检查水产养殖尾水是否达标，并在达标后排出。
作为本技术方案的一种实施例，所述粗沉淀过程图像采集模块，包括：
第一视频流单元，用于当水产养殖区域排放的尾水加入微生物类絮凝剂后，定期监测并采集水产控制区域的第一视频流；
识别单元，用于识别所述第一视频流中的水体状态的动态变化特征；
第一图像单元，用于通过所述动态变化特征，对当前位置的视频流进行取帧，确定加入微生物类絮凝剂后的水产养殖尾水对应的第一图像；
第一识别结果单元，用于对所述第一图像进行比对和识别，确定是否过滤合格，确定第一识别结果。
作为本技术方案的一种实施例，所述过滤过程图像采集模块，包括：
第二单元，用于当所述第一识别结果为合格时，启动过滤坝，并利用所述过滤坝过滤水产养殖尾水上的悬浮物，并根据设的周期，采集在水产养殖尾水的过滤过程中的第二视频流；
分布特征单元，用于识别所述水产养殖尾水的过滤过程中的视频流中的悬浮物的分布特征；
第二图像单元，用于通过所述分布特征，对水产养殖尾水的过滤过程中的第二视频流进行动态取帧，确定过滤后的水产养殖尾水对应的第二图像；
第二识别结果单元，用于对所述第二图像进行比对和识别，确定过滤坝过滤后的水产养殖尾水是否过滤合格，确定第二识别结果。
作为本技术方案的一种实施例，所述尾水检测装置至少包括水流量检测仪、悬浮物检测仪、pH计、COD监测仪、浊度分析仪、和氨氮浓度测定仪。
本发明提供一种基于图像采集的水产养殖尾水处理方法，包括：
采集并识别水产养殖区域排放的尾水加入微生物类絮凝剂后的第一图像是否粗沉淀合格，确定第一识别结果；
当所述第一识别结果为合格时，过滤坝过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果；
当所述第二识别结果为合格时，通过预设的尾水检测装置，检查水产养殖尾水是否达标，并在达标后排出。
作为本技术方案的一种实施例，所述采集并识别水产养殖区域排放的尾水加入微生物类絮凝剂后的第一图像是否粗沉淀合格，确定第一识别结果，包括：
当水产养殖区域排放的尾水加入微生物类絮凝剂后，定期监测并采集水产控制区域的第一视频流；
识别所述第一视频流中的水体状态的动态变化特征；
通过所述动态变化特征，对当前位置的视频流进行取帧，确定加入微生物类絮凝剂后的水产养殖尾水对应的第一图像；
对所述第一图像进行比对和识别，确定是否过滤合格，确定第一识别结果。
作为本技术方案的一种实施例，所述当所述第一识别结果为合格时，过滤坝过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果，包括：
当所述第一识别结果为合格时，启动过滤坝，并利用所述过滤坝过滤水产养殖尾水上的悬浮物，并根据设的周期，采集在水产养殖尾水的过滤过程中的第二视频流；
分布特征单元，用于识别所述水产养殖尾水的过滤过程中的视频流中的悬浮物的分布特征；
通过所述分布特征，对水产养殖尾水的过滤过程中的第二视频流进行动态取帧，确定过滤后的水产养殖尾水对应的第二图像；
对所述第二图像进行比对和识别，确定过滤后的水产养殖尾水是否过滤合格，确定第二识别结果。
作为本技术方案的一种实施例，所述第一视频流单元，包括：
所述第一视频流单元定期监测并采集水产控制区域的第一视频流，所述定期监测频率是通过识别单元历史识别到的所述第一视频流中的水体状态的动态变化特征来决定的，其具体步骤包括，
步骤A1：识别单元利用公式(1)根据本次采集到的所述第一视频流得到所述第一视频流中的水体状态的动态变化值
其中D(K)表示第K次(即本次)采集到的所述第一视频流中的水体状态的动态变化值；H[(K_a),(i,j)]表示第K次采集到的所述第一视频流中第a帧图像的第i行第j列像素点的像素值；H[(K_a+1),(i,j)]表示第K次采集到的所述第一视频流中第a+1帧图像的第i行第j列像素点的像素值；G{}表示非零检验函数，若括号内的数值为非零数则函数值为1，若括号内的数值为零则函数值为0；n表示所述第一视频流中任意一帧图像的任意一列的像素点总个数；m表示所述第一视频流中任意一帧图像的任意一行的像素点总个数；T表示采集所述第一视频流的固定时长；f(K)表示第K次采集所述第一视频流的定期监测频率；
步骤A2：利用公式(2)根据识别单元历史识别到的所述第一视频流中的水体状态的动态变化值得到每次识别到的所述第一视频流对应的定期监测频率的权重
其中W(k)表示第k次采集所述第一视频流的定期监测频率的权重；D(k)表示利用步骤A1计算得到的第k次采集到的所述第一视频流中的水体状态的动态变化值；
步骤A3：利用公式(3)根据每次识别到的所述第一视频流对应的定期监测频率以及其定期监测频率对应的权重得到下一次采集所述第一视频流的定期监测频率值
其中f(K+1)表示第K+1次(即下一次)采集所述第一视频流的定期监测频率；
根据上述步骤和公式计算得到的f(K+1)控制系统在下一次采集所述第一视频流时的定期监测频率为f(K+1)。
本发明的其它特征和优点将在随后的说明书中阐述，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而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
在附图中：
图1为本发明实施例中一种基于图像采集的水产养殖尾水处理系统模块流程图；
图2为本发明实施例中一种基于图像采集的水产养殖尾水处理系统模块流程图；
图3为本发明实施例中一种基于图像采集的水产养殖尾水处理系统模块流程图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
需说明的是，当部件被称为“固定于”或“设置于”另一个部件，它可以直接在另一个部件上或者间接在该另一个部件上。当一个部件被称为是“连接于”另一个部件，它可以是直接或者间接连接至该另一个部件上。
需要理解的是，术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序，“多个”的含义是两个或两个以上，除非另有明确具体的限定。而且，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、物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、物品或者设备所固有的要素。
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。
实施例1：
根据附图1所示，本发明实施例提供了一种基于图像采集的水产养殖尾水处理系统，包括：
粗沉淀过程图像采集模块：用于采集并识别水产养殖区域排放的尾水加入微生物类絮凝剂后的第一图像是否粗沉淀合格，确定第一识别结果；
过滤过程图像采集模块：用于当所述第一识别结果为合格时，过滤坝过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果；
排出过程图像采集模块：用于当所述第二识别结果为合格时，通过预设的尾水检测装置，检查水产养殖尾水是否达标，并在达标后排出。
上述技术方案的工作原理和有益效果为：
本技术方案中，粗沉淀过程图像采集模块用于采集并识别水产养殖区域排放的尾水加入微生物类絮凝剂后的第一图像是否粗沉淀合格，确定第一识别结果；过滤过程图像采集模块用于当第一识别结果为合格时，过滤坝过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果；排出过程图像采集模用于当第二识别结果为合格时，通过预设的尾水检测装置，检查水产养殖尾水是否达标，并在达标后排出。通过利用人工智能技术实现对水产养殖尾水处理程度的识别，保障尾水在达标后排出，有效减少对环境的危害。
实施例2：
根据附图2所示，在一个实施例中，所述粗沉淀过程图像采集模块，包括：
第一视频流单元，用于当水产养殖区域排放的尾水加入微生物类絮凝剂后，定期监测并采集水产控制区域的第一视频流；
识别单元，用于识别所述第一视频流中的水体状态的动态变化特征；
第一图像单元，用于通过所述动态变化特征，对当前位置的视频流进行取帧，确定加入微生物类絮凝剂后的水产养殖尾水对应的第一图像；
第一识别结果单元，用于对所述第一图像进行比对和识别，确定是否过滤合格，确定第一识别结果。
上述技术方案的工作原理和有益效果为：
本技术方案中，第一视频流单元用于当水产养殖区域排放的尾水加入微生物类絮凝剂后，定期监测并采集水产控制区域的第一视频流；识别单元用于识别所述第一视频流中的水体状态的动态变化特征；第一图像单元用于通过所述动态变化特征，对当前位置的视频流进行取帧，确定加入微生物类絮凝剂后的水产养殖尾水对应的第一图像；第一识别结果单元用于对所述第一图像进行比对和识别，确定是否过滤合格，确定第一识别结果。通过采集视频流，确定粗沉淀过程的实时图像，对工艺过程的效果进行严格把控，确保粗沉淀结果合格。
实施例3：
在一个实施例中，所述过滤过程图像采集模块，包括：
第二单元，用于当所述第一识别结果为合格时，启动过滤坝，并利用所述过滤坝过滤水产养殖尾水上的悬浮物，并根据设的周期，采集在水产养殖尾水的过滤过程中的第二视频流；
分布特征单元，用于识别所述水产养殖尾水的过滤过程中的视频流中的悬浮物的分布特征；
第二图像单元，用于通过所述分布特征，对水产养殖尾水的过滤过程中的第二视频流进行动态取帧，确定过滤后的水产养殖尾水对应的第二图像；
第二识别结果单元，用于对所述第二图像进行比对和识别，确定过滤后的水产养殖尾水是否过滤合格，确定第二识别结果。
上述技术方案的工作原理和有益效果为：
本技术方案中，第二单元用于当第一识别结果为合格时，启动过滤坝，并利用过滤坝过滤水产养殖尾水上的悬浮物，并根据设的周期，采集在水产养殖尾水的过滤过程中的第二视频流；分布特征单元用于识别水产养殖尾水的过滤过程中的视频流中的悬浮物的分布特征；第二图像单元用于通过分布特征，对水产养殖尾水的过滤过程中的第二视频流进行动态取帧，确定过滤后的水产养殖尾水对应的第二图像；第二识别结果单元用于述第二图像进行比对和识别，确定过滤后的水产养殖尾水是否过滤合格，确定第二识别结果。通过识别悬浮物分布特征，提高过滤过程识别结果的科学性，同时更加准确，实现人力无法达到的效果。
实施例4：
根据附图3所示，在一个实施例中，所述尾水检测装置至少包括水流量检测仪、悬浮物检测仪、pH计、COD监测仪、浊度分析仪、和氨氮浓度测定仪。
上述技术方案的工作原理和有益效果为：
本技术方案中，尾水检测装置至少包括水流量检测仪、悬浮物检测仪、pH计、COD监测仪、浊度分析仪、和氨氮浓度测定仪，通过多参数获取，保障过滤结果各项指标的完成度，加强过滤有效性。
实施例5：
本发明实施例提供了一种基于图像采集的水产养殖尾水处理方法，包括：采集并识别水产养殖区域排放的尾水加入微生物类絮凝剂后的第一图像是否粗沉淀合格，确定第一识别结果；
当所述第一识别结果为合格时，过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果；
当所述第二识别结果为合格时，通过预设的尾水检测装置，检查水产养殖尾水是否达标，并在达标后排出。
上述技术方案的工作原理和有益效果为：
本技术方案中，采集并识别水产养殖区域排放的尾水加入微生物类絮凝剂后的第一图像是否粗沉淀合格，确定第一识别结果；当第一识别结果为合格时，过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果；当第二识别结果为合格时，通过预设的尾水检测装置，检查水产养殖尾水是否达标，并在达标后排出。
实施例6：
在一个实施例中，所述采集并识别水产养殖区域排放的尾水加入微生物类絮凝剂后的第一图像是否粗沉淀合格，确定第一识别结果，包括：
当水产养殖区域排放的尾水加入微生物类絮凝剂后，定期监测并采集水产控制区域的第一视频流；
识别所述第一视频流中的水体状态的动态变化特征；
通过所述动态变化特征，对当前位置的视频流进行取帧，确定加入微生物类絮凝剂后的水产养殖尾水对应的第一图像；
对所述第一图像进行比对和识别，确定是否过滤合格，确定第一识别结果。
上述技术方案的工作原理和有益效果为：
本技术方案中，当水产养殖区域排放的尾水加入微生物类絮凝剂后，定期监测并采集水产控制区域的第一视频流；识别第一视频流中的水体状态的动态变化特征；通过动态变化特征，对当前位置的视频流进行取帧，确定加入微生物类絮凝剂后的水产养殖尾水对应的第一图像；对第一图像进行比对和识别，确定是否过滤合格，确定第一识别结果。
实施例7：
在一个实施例中，所述当所述第一识别结果为合格时，过滤坝过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果，包括：
当所述第一识别结果为合格时，启动过滤坝，并利用所述过滤坝过滤水产养殖尾水上的悬浮物，并根据设的周期，采集在水产养殖尾水的过滤过程中的第二视频流；
分布特征单元，用于识别所述水产养殖尾水的过滤过程中的视频流中的悬浮物的分布特征；
通过所述分布特征，对水产养殖尾水的过滤过程中的第二视频流进行动态取帧，确定过滤后的水产养殖尾水对应的第二图像；
对所述第二图像进行比对和识别，确定过滤后的水产养殖尾水是否过滤合格，确定第二识别结果。
上述技术方案的工作原理和有益效果为：
本技术方案中，当第一识别结果为合格时，启动过滤坝，并利用过滤坝过滤水产养殖尾水上的悬浮物，并根据设的周期，采集在水产养殖尾水的过滤过程中的第二视频流；识别水产养殖尾水的过滤过程中的视频流中的悬浮物的分布特征；通过分布特征，对水产养殖尾水的过滤过程中的第二视频流进行动态取帧，确定过滤后的水产养殖尾水对应的第二图像；对第二图像进行比对和识别，确定过滤后的水产养殖尾水是否过滤合格，确定第二识别结果。
实施例8：
在一个实施例中，所述第一视频流单元，包括：
所述第一视频流单元定期监测并采集水产养殖区域的第一视频流，所述定期监测频率是通过识别单元历史识别到的所述第一视频流中的水体状态的动态变化特征来决定的，其具体步骤包括，
步骤A1：识别单元利用公式(1)根据本次采集到的所述第一视频流得到所述第一视频流中的水体状态的动态变化值
其中D(K)表示第K次(即本次)采集到的所述第一视频流中的水体状态的动态变化值；H[(K_a),(i,j)]表示第K次采集到的所述第一视频流中第a帧图像的第i行第j列像素点的像素值；H[(K_a+1),(i,j)]表示第K次采集到的所述第一视频流中第a+1帧图像的第i行第j列像素点的像素值；G{}表示非零检验函数，若括号内的数值为非零数则函数值为1，若括号内的数值为零则函数值为0；n表示所述第一视频流中任意一帧图像的任意一列的像素点总个数；m表示所述第一视频流中任意一帧图像的任意一行的像素点总个数；T表示采集所述第一视频流的固定时长；f(K)表示第K次采集所述第一视频流的定期监测频率；
步骤A2：利用公式(2)根据识别单元历史识别到的所述第一视频流中的水体状态的动态变化值得到每次识别到的所述第一视频流对应的定期监测频率的权重
其中W(k)表示第k次采集所述第一视频流的定期监测频率的权重；D(k)表示利用步骤A1计算得到的第k次采集到的所述第一视频流中的水体状态的动态变化值；
步骤A3：利用公式(3)根据每次识别到的所述第一视频流对应的定期监测频率以及其定期监测频率对应的权重得到下一次采集所述第一视频流的定期监测频率值
其中f(K+1)表示第K+1次(即下一次)采集所述第一视频流的定期监测频率；
根据上述步骤和公式计算得到的f(K+1)控制系统在下一次采集所述第一视频流时的定期监测频率为f(K+1)。
上述技术方案的工作原理和有益效果为：
本技术方案中，利用步骤A1的公式(1)根据本次采集到的所述第一视频流得到所述第一视频流中的水体状态的动态变化值，从而知晓每次采集的所述第一视频流的动态变化快慢情况，便于对后续的采集进行自动的控制调整；然后利用步骤A2的公式(2)根据识别单元历史识别到的所述第一视频流中的水体状态的动态变化值得到每次识别到的所述第一视频流对应的定期监测频率的权重，从而利用权重的作用使得后续自动控制调整的采集频率可以保证即不会造成无用数据的累积，又不会大量丢失动态变化的情况，达到最佳的动态平衡效果；最后利用步骤A3的公式(3)根据每次识别到的所述第一视频流对应的定期监测频率以及其定期监测频率对应的权重得到下一次采集所述第一视频流的定期监测频率值，进而利用公式进行量化实现自动控制频率的效果，体现了系统的智能化以及自动化的特点。

Claims (5)

1.一种基于图像采集的水产养殖尾水处理系统，其特征在于，包括：
粗沉淀过程图像采集模块：用于采集并识别水产养殖区域排放的尾水加入微生物类絮凝剂后的第一图像是否粗沉淀合格，确定第一识别结果；
过滤过程图像采集模块：用于当所述第一识别结果为合格时，过滤坝过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果；
排出过程图像采集模块：用于当所述第二识别结果为合格时，通过预设的尾水检测装置，检查水产养殖尾水是否达标，并在达标后排出；
所述粗沉淀过程图像采集模块，包括：
第一视频流单元，用于当水产养殖区域排放的尾水加入微生物类絮凝剂后，定期监测并采集水产控制区域的第一视频流；
识别单元，用于识别所述第一视频流中的水体状态的动态变化特征；
第一图像单元，用于通过所述动态变化特征，对当前位置的视频流进行取帧，确定加入微生物类絮凝剂后的水产养殖尾水对应的第一图像；
第一识别结果单元，用于对所述第一图像进行比对和识别，确定是否过滤合格，确定第一识别结果；
所述第一视频流单元定期监测并采集水产控制区域的第一视频流，定期监测频率是通过识别单元历史识别到的所述第一视频流中的水体状态的动态变化特征来决定的，其具体步骤包括，
步骤A1：识别单元利用公式(1)根据本次采集到的所述第一视频流得到所述第一视频流中的水体状态的动态变化值：
其中D(k)表示第k次采集到的所述第一视频流中的水体状态的动态变化值；H[(k_a),(i,j)]表示第k次采集到的所述第一视频流中第a帧图像的第i行第j列像素点的像素值；H[(k_a+1),(i,j)]表示第k次采集到的所述第一视频流中第a+1帧图像的第i行第j列像素点的像素值；G{}表示非零检验函数，若括号内的数值为非零数则函数值为1，若括号内的数值为零则函数值为0；n表示所述第一视频流中任意一帧图像的任意一列的像素点总个数；m表示所述第一视频流中任意一帧图像的任意一行的像素点总个数；T表示采集所述第一视频流的固定时长；f(k)表示第k次采集所述第一视频流的定期监测频率；
步骤A2：利用公式(2)根据识别单元历史识别到的所述第一视频流中的水体状态的动态变化值得到每次识别到的所述第一视频流对应的定期监测频率的权重：
其中W(k)表示第k次采集所述第一视频流的定期监测频率的权重；D(k)表示利用步骤A1计算得到的第k次采集到的所述第一视频流中的水体状态的动态变化值；
步骤A3：利用公式(3)根据每次识别到的所述第一视频流对应的定期监测频率以及其定期监测频率对应的权重得到下一次采集所述第一视频流的定期监测频率值：
其中f(k+1)表示第k+1次采集所述第一视频流的定期监测频率；
根据上述步骤和公式计算得到的f(k+1)，第一视频流单元下一次采集所述第一视频流时的定期监测频率为f(k+1)。
2.根据权利要求1所述的一种基于图像采集的水产养殖尾水处理系统，其特征在于，所述过滤过程图像采集模块，包括：
第二单元，用于当所述第一识别结果为合格时，启动过滤坝，并利用所述过滤坝过滤水产养殖尾水上的悬浮物，并根据设的周期，采集在水产养殖尾水的过滤过程中的第二视频流；
分布特征单元，用于识别所述水产养殖尾水的过滤过程中的视频流中的悬浮物的分布特征；
第二图像单元，用于通过所述分布特征，对水产养殖尾水的过滤过程中的第二视频流进行动态取帧，确定过滤后的水产养殖尾水对应的第二图像；
第二识别结果单元，用于对所述第二图像进行比对和识别，确定过滤后的水产养殖尾水是否过滤合格，确定第二识别结果。
3.根据权利要求1所述的一种基于图像采集的水产养殖尾水处理系统，其特征在于，所述尾水检测装置至少包括水流量检测仪、悬浮物检测仪、pH计、COD监测仪、浊度分析仪、和氨氮浓度测定仪。
4.一种基于图像采集的水产养殖尾水处理方法，其特征在于，包括：
采集并识别水产养殖区域排放的尾水加入微生物类絮凝剂后的第一图像是否粗沉淀合格，确定第一识别结果；
当所述第一识别结果为合格时，过滤坝过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果；
当所述第二识别结果为合格时，通过预设的尾水检测装置，检查水产养殖尾水是否达标，并在达标后排出；
所述采集并识别水产养殖区域排放的尾水加入微生物类絮凝剂后的第一图像是否粗沉淀合格，确定第一识别结果，包括：
当水产养殖区域排放的尾水加入微生物类絮凝剂后，定期监测并采集水产控制区域的第一视频流；
识别所述第一视频流中的水体状态的动态变化特征；
通过所述动态变化特征，对当前位置的视频流进行取帧，确定加入微生物类絮凝剂后的水产养殖尾水对应的第一图像；
对所述第一图像进行比对和识别，确定是否过滤合格，确定第一识别结果；
第一视频流的定期监测频率是通过识别单元历史识别到的所述第一视频流中的水体状态的动态变化特征来决定的，其具体步骤包括，
步骤A1：识别单元利用公式(1)根据本次采集到的所述第一视频流得到所述第一视频流中的水体状态的动态变化值
其中D(k)表示第k次采集到的所述第一视频流中的水体状态的动态变化值；H[(k_a),(i,j)]表示第k次采集到的所述第一视频流中第a帧图像的第i行第j列像素点的像素值；H[(k_a+1),(i,j)]表示第k次采集到的所述第一视频流中第a+1帧图像的第i行第j列像素点的像素值；G{}表示非零检验函数，若括号内的数值为非零数则函数值为1，若括号内的数值为零则函数值为0；n表示所述第一视频流中任意一帧图像的任意一列的像素点总个数；m表示所述第一视频流中任意一帧图像的任意一行的像素点总个数；T表示采集所述第一视频流的固定时长；f(k)表示第k次采集所述第一视频流的定期监测频率；
步骤A2：利用公式(2)根据识别单元历史识别到的所述第一视频流中的水体状态的动态变化值得到每次识别到的所述第一视频流对应的定期监测频率的权重
其中W(k)表示第k次采集所述第一视频流的定期监测频率的权重；D(k)表示利用步骤A1计算得到的第k次采集到的所述第一视频流中的水体状态的动态变化值；
步骤A3：利用公式(3)根据每次识别到的所述第一视频流对应的定期监测频率以及其定期监测频率对应的权重得到下一次采集所述第一视频流的定期监测频率值：
其中f(k+1)表示第k+1次采集所述第一视频流的定期监测频率；根据上述步骤和公式计算得到的f(k+1)，下一次采集所述第一视频流时的定期监测频率为f(k+1)。
5.根据权利要求4所述的一种基于图像采集的水产养殖尾水处理方法，其特征在于，所述当所述第一识别结果为合格时，过滤坝过滤水产养殖尾水上的悬浮物，采集并识别水产养殖尾水的过滤过程的第二图像，并判断第二图像的过滤程度是否合格，确定第二识别结果，包括：
当所述第一识别结果为合格时，启动过滤坝，并利用所述过滤坝过滤水产养殖尾水上的悬浮物，并根据设的周期，采集在水产养殖尾水的过滤过程中的第二视频流；
分布特征单元，用于识别所述水产养殖尾水的过滤过程中的视频流中的悬浮物的分布特征；
通过所述分布特征，对水产养殖尾水的过滤过程中的第二视频流进行动态取帧，确定过滤后的水产养殖尾水对应的第二图像；
对所述第二图像进行比对和识别，确定过滤后的水产养殖尾水是否过滤合格，确定第二识别结果。
CN202211017612.2A 2022-08-23 2022-08-23 一种基于图像采集的水产养殖尾水处理系统和方法 Active CN115330349B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211017612.2A CN115330349B (zh) 2022-08-23 2022-08-23 一种基于图像采集的水产养殖尾水处理系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211017612.2A CN115330349B (zh) 2022-08-23 2022-08-23 一种基于图像采集的水产养殖尾水处理系统和方法

Publications (2)

Publication Number Publication Date
CN115330349A CN115330349A (zh) 2022-11-11
CN115330349B true CN115330349B (zh) 2023-11-03

Family

ID=83925135

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211017612.2A Active CN115330349B (zh) 2022-08-23 2022-08-23 一种基于图像采集的水产养殖尾水处理系统和方法

Country Status (1)

Country Link
CN (1) CN115330349B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100855170B1 (ko) * 2008-06-19 2008-08-28 (주)한동알앤씨 하수관 감시 시스템
CN110414334A (zh) * 2019-06-20 2019-11-05 浙江大学 一种基于无人机巡视的智能水质识别方法
CN113336332A (zh) * 2021-05-27 2021-09-03 杭州师范大学钱江学院 一种基于远程操控的水体富营养化控制系统及控制方法
CN113588650A (zh) * 2021-09-30 2021-11-02 武汉市中卫寰宇医疗系统工程有限公司 医用污水净化监测系统
CN114387455A (zh) * 2022-01-11 2022-04-22 广州市云景信息科技有限公司 一种基于人工智能的污水排放实时监测方法、系统及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100855170B1 (ko) * 2008-06-19 2008-08-28 (주)한동알앤씨 하수관 감시 시스템
CN110414334A (zh) * 2019-06-20 2019-11-05 浙江大学 一种基于无人机巡视的智能水质识别方法
CN113336332A (zh) * 2021-05-27 2021-09-03 杭州师范大学钱江学院 一种基于远程操控的水体富营养化控制系统及控制方法
CN113588650A (zh) * 2021-09-30 2021-11-02 武汉市中卫寰宇医疗系统工程有限公司 医用污水净化监测系统
CN114387455A (zh) * 2022-01-11 2022-04-22 广州市云景信息科技有限公司 一种基于人工智能的污水排放实时监测方法、系统及设备

Also Published As

Publication number Publication date
CN115330349A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
CN117035514B (zh) 一种基于云平台的污水处理综合管控系统
CN115330349B (zh) 一种基于图像采集的水产养殖尾水处理系统和方法
CN115594324A (zh) 一种基于智能温控系统的水产养殖废水处理方法
CN114349188A (zh) 污水处理生化工艺中自适应智能控氧的方法
CN208370699U (zh) 一种鱼缸换水及净水系统
DE202022101095U1 (de) Intelligentes integriertes Überwachungssystem zur Messung der Wasserqualität auf der Basis von IoT-Sensoren
CN117342689B (zh) 一种污水厂智能脱氮方法及系统
CN102183910A (zh) 通过变频调速在线检测活性污泥微生物比耗氧速率的方法
CN117786584A (zh) 基于大数据分析的畜牧业水源污染监测预警方法及系统
JP7032485B2 (ja) 水処理又は汚泥処理システムの運転制御方法
CN101385912A (zh) 一种自动化混凝投药系统
JP4900556B2 (ja) 排水処理プラントの運転管理方法
CN115728196A (zh) 基于絮体沉降性能的絮凝沉淀在线监控分析系统及方法
JPH05172728A (ja) 水圏観察、監視及び浄化システム
Arelli et al. Application of image analysis in activated sludge to evaluate correlations between settleability and features of flocs and filamentous species
CN115676935A (zh) 一种基于纳米水处理技术的河道净化处理方法
CN217148887U (zh) 一种aao工艺碳源投加控制系统
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
CN107540100A (zh) 一种基于our的活性污泥膨胀预警分析系统及其使用方法
CN113138261A (zh) 一种淡水河流水源污染检测方法
CN111732283A (zh) 一种污水净化处理系统
CN113023947A (zh) 一种基于反渗透膜设备的沼液浓缩系统
WO1992001223A1 (en) Continuous rbcod measurement
CN108889025A (zh) 一种智能化自动循环过滤的污水循环处理装置及其工作方法
JPS6253792A (ja) 微生物相検出装置

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Li Zhifei

Inventor after: Xie Jun

Inventor after: Lu Zhuoyin

Inventor after: Cheng Xiangju

Inventor after: Wang Guangjun

Inventor after: Gong Wangbao

Inventor after: Zhang Kai

Inventor after: Xia Yun

Inventor before: Li Zhifei

Inventor before: Xie Jun

Inventor before: Lu Zhuoyin

Inventor before: Cheng Xiangju

Inventor before: Wang Guangjun

Inventor before: Gong Wangbao

Inventor before: Zhang Kai

Inventor before: Xia Yun