CN115353181B - 一种用于造纸废水的凝絮剂剂量智能投放方法 - Google Patents

一种用于造纸废水的凝絮剂剂量智能投放方法 Download PDF

Info

Publication number
CN115353181B
CN115353181B CN202211266303.9A CN202211266303A CN115353181B CN 115353181 B CN115353181 B CN 115353181B CN 202211266303 A CN202211266303 A CN 202211266303A CN 115353181 B CN115353181 B CN 115353181B
Authority
CN
China
Prior art keywords
wastewater
flocculation
image
area
value
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
CN202211266303.9A
Other languages
English (en)
Other versions
CN115353181A (zh
Inventor
郭明新
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.)
Nantong Haiyang Energy Saving Environmental Protection Technology Co ltd
Original Assignee
Nantong Haiyang Energy Saving Environmental Protection Technology Co ltd
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 Nantong Haiyang Energy Saving Environmental Protection Technology Co ltd filed Critical Nantong Haiyang Energy Saving Environmental Protection Technology Co ltd
Priority to CN202211266303.9A priority Critical patent/CN115353181B/zh
Publication of CN115353181A publication Critical patent/CN115353181A/zh
Application granted granted Critical
Publication of CN115353181B publication Critical patent/CN115353181B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • C02F1/5209—Regulation methods for flocculation or precipitation
    • 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
    • C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • C—CHEMISTRY; METALLURGY
    • C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
    • C02F2103/00—Nature of the water, waste water, sewage or sludge to be treated
    • C02F2103/26—Nature of the water, waste water, sewage or sludge to be treated from the processing of plants or parts thereof
    • C02F2103/28—Nature of the water, waste water, sewage or sludge to be treated from the processing of plants or parts thereof from the paper or cellulose industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Environmental & Geological Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Computing Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Separation Of Suspended Particles By Flocculating Agents (AREA)

Abstract

本发明涉及废水处理技术领域，具体涉及一种用于造纸废水的凝絮剂剂量智能投放方法。该方法采集造纸废水在整体凝絮沉絮过程中的所有废水图像，根据废水图像之间的灰度差异得到沉絮完成后的第一帧废水图像，称为目标废水图像；通过分析每一帧废水图像中的絮状体的数量获取凝絮完成后的最后一帧废水图像，称为第一废水图像；结合目标废水图像中的沉絮面积和第一废水图像中的絮状体面积得到凝絮沉絮过程中的沉絮量，结合沉絮时间、沉絮量和目标废水图像对应的灰度差异值计算对应凝絮剂剂量下的凝絮沉絮评价指标，对凝絮剂剂量进行调控。通过逐渐添加固定量的凝絮剂使得造纸废水在剂量最少的情况下到达最佳的凝絮沉絮效果。

Description

一种用于造纸废水的凝絮剂剂量智能投放方法
技术领域
本发明涉及废水处理技术领域，具体涉及一种用于造纸废水的凝絮剂剂量智能投放方法。
背景技术
造纸过程中会产生很多的造纸废水，在处理这些废水的工艺中有一道工艺是废水脱色处理，即加入脱色凝絮剂，等待脱色剂与废水沉淀，然而凝絮剂的剂量是很重要的，凝絮剂的剂量过多可能会减少脱色效果，甚至可能造成阻塞过滤器或管道的后果，凝絮剂过少可能导致脱色不完全。现有工厂一般只凭经验添加一定量的凝絮剂，并不能很好的达到即能脱色完全，又可以节省脱色凝絮剂的效果。
发明内容
为了解决上述技术问题，本发明的目的在于提供一种用于造纸废水的凝絮剂剂量智能投放方法，所采用的技术方案具体如下：
设置拍摄时间间隔获取造纸废水在整个凝絮沉絮过程中的所有废水图像，根据相邻所述废水图像之间的灰度差异得到沉絮完成后的第一帧废水图像，将其称为目标废水图像；
对每一帧所述废水图像进行灰度化得到灰度图像，分别获取灰度图像的灰度直方图以得到凝絮过程中絮状体的多个灰度级，根据所述灰度级将灰度图像进行多个絮状体区域的划分，设置DBSCAN聚类算法的初始聚类半径，由所述初始聚类半径对当前絮状体区域中的像素点进行聚类，得到多个聚类簇，根据聚类簇的簇内差异计算所述初始聚类半径的第一聚类效果评价指标，根据每个聚类簇的最小椭圆面积和簇内像素点的数量获取第二聚类效果指标；结合第一聚类效果评价指标和第二聚类效果指标得到所述初始聚类半径的聚类评价值，通过改变初始聚类半径获取每次聚类后的所述聚类评价值，由所述聚类评价值得到优先聚类半径；利用优先聚类半径对当前絮状体区域进行聚类，得到絮状体的数量；根据每个絮状体区域中絮状体的数量，得到每帧灰度图像所对应絮状体的数量总和，由所述数量总和得到凝絮完成时所对应的最后一帧所述废水图像，将其称为第一废水图像；
获取所述第一废水图像中的絮状体面积以及所述目标废水图像中的沉絮面积，结合所述絮状体面积和所述沉絮面积得到该凝絮沉絮过程中的沉絮量；基于所述目标废水图像获取沉絮时间和灰度差异值，结合所述沉絮时间、所述沉絮量和所述灰度差异值计算对应凝絮剂剂量下的凝絮沉絮评价指标；根据所述凝絮沉絮评价指标对所述凝絮剂剂量进行调控。
进一步地，所述根据相邻所述废水图像之间的灰度差异变化得到沉絮完成后的第一帧废水图像的方法，包括：
将每一帧所述废水图像进行灰度化处理，得到对应的灰度图像，分别计算每一帧所述废水图像所对应灰度图像的平均灰度值，基于拍摄的时间顺序，分别计算第一帧废水图像与后续每一帧废水图像对应灰度图像之间的灰度差异，获取灰度差异最大且后续灰度差异变化不明显所对应的所述废水图像即为造纸废水沉絮完成后的所述第一帧废水图像。
进一步地，所述根据聚类簇的簇内差异计算所述初始聚类半径的第一聚类效果评价指标的方法，包括：
计算当前絮状体区域中每个聚类簇的平均灰度值，分别计算聚类簇中每个像素点的灰度值与对应平均灰度值的差值，得到每个聚类簇的差值之和，对所述差值之和进行相加得到当前絮状体区域的第一评价值；
分别计算当前絮状体区域中任意两个聚类簇的平均灰度值的第一差值，将第一差值相加得到第二评价值，将第一评价值与第二评价值之间的比值作为第一聚类效果评价指标。
进一步地，所述根据每个聚类簇的最小椭圆面积和簇内像素点的数量获取第二聚类效果指标的方法，包括：
在所述初始聚类半径下，通过改变minpts值，计算每次聚类下每个聚类簇的最小椭圆面积与簇内像素点的数量的比值，以及聚类簇的数量，结合所述聚类簇的数量和比值计算每个聚类簇的聚类效果值，获取所述聚类效果值大于效果阈值的聚类簇所对应的比值，以计算比值的平均值，将平均值作为第二聚类效果指标。
进一步地，所述由所述数量总和得到凝絮完成时所对应的最后一帧所述废水图像的方法，包括：
获取每一帧所述废水图像对应的絮状体的所述数量总和，将絮状体的所述数量总和的最大值所对应的所述废水图像作为所述第一废水图像。
进一步地，所述获取所述第一废水图像中的絮状体面积的方法，包括：
根据所述第一废水图像中每个所述絮状体区域的絮状体的数量计算所述絮状体区域对应絮状体的平均数量值；
根据每个聚类簇的第一面积计算每个絮状体区域的第一面积均值，结合所述第一废水图像中所述絮状体区域的数量和每个所述絮状体区域的所述第一面积均值得到每个絮状体区域的平均面积均值；
将所述平均数量值、所述平均面积均值和所述絮状体区域的数量进行相乘得到所述絮状体面积。
进一步地，所述目标废水图像中的沉絮面积的获取方法，包括：
利用大津阈值法对所述目标废水图像进行区域分割以得到该图像中沉絮区域的沉絮面积。
进一步地，所述基于所述目标废水图像获取沉絮时间和灰度差异值的方法，包括：
根据所述目标废水图像的采集时间和第一帧所述废水图像的采集时间之间的时间间隔得到该凝絮沉絮过程的所述沉絮时间；
根据所述目标废水图像对应灰度图像的平均灰度值和第一帧所述废水图像对应灰度图像的平均灰度值，计算其差值，将所述差值作为所述灰度差异值。
进一步地，所述根据所述凝絮沉絮评价指标对所述凝絮剂剂量进行调控的方法，包括：
设置每次添加的固定凝絮剂剂量，获得每次添加固定凝絮剂剂量下整个凝絮沉絮过程对应的凝絮沉絮评价指标，以凝絮剂剂量为横坐标，凝絮沉絮评价指标为纵坐标构建直角坐标系，从而得到凝絮沉絮评价指标的变化曲线，当变化曲线逐渐趋于平稳状态时，平稳状态下凝絮剂剂量最少的即为最佳凝絮剂剂量；如果变化曲线突然下降，说明固定凝絮剂剂量的设置不合适，需要进行相对应的调整。
进一步地，所述沉絮量是由所述絮状体面积和所述沉絮面积之间的乘积得到的。
本发明实施例至少具有如下有益效果：通过分析每次添加固定凝絮剂剂量后造纸废水在凝絮沉絮过程中的凝絮沉絮评价指标，根据凝絮沉絮评价指标的变化一方面可以准确获取凝絮沉絮效果最好所对应的最佳凝絮剂剂量，另一方面可以调整固定凝絮剂剂量的值使得造纸废水在剂量最少的情况下到达最佳的凝絮沉絮效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种用于造纸废水的凝絮剂剂量智能投放方法的步骤流程图；
图2为本发明实施例所提供的关于废水图像所对应的灰度直方图的示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种用于造纸废水的凝絮剂剂量智能投放方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种用于造纸废水的凝絮剂剂量智能投放方法的具体方案。
本发明实施例所针对的具体场景为：在造纸工厂的造纸废水处理中进行凝絮沉絮环节时，对同一批造纸废水进行凝絮剂剂量的调整，且废水的pH 值已经调整结束，只针对凝絮剂的添加后的过程。
请参阅图1，其示出了本发明一个实施例提供的一种用于造纸废水的凝絮剂剂量智能投放方法的步骤流程图，该方法包括以下步骤：
步骤S001，设置拍摄时间间隔获取造纸废水在凝絮沉絮过程中的所有废水图像，根据相邻废水图像之间的灰度差异得到沉絮完成后的第一帧废水图像，将其称为目标废水图像。
具体的，利用高速相机对造纸废水的整个凝絮沉絮过程进行图像采集，设置相机的拍摄时间间隔，进而采样多帧废水图像，且每一帧废水图像对应一个采样时间，将每一帧废水图像进行灰度化处理，得到对应的灰度图像。
进一步地，根据每帧灰度图像的灰度差异变化获取造纸废水沉絮完成后的第一张废水图像，该方法为：分别计算每一帧废水图像所对应灰度图像的平均灰度值，基于拍摄的时间顺序，分别计算第一帧废水图像与后续每一帧废水图像对应灰度图像之间的灰度差异，获取灰度差异最大且后续灰度差异变化不明显所对应的废水图像即为造纸废水沉絮完成后的第一张废水图像，且将该图像称为目标废水图像。
步骤S002，通过分析每一帧废水图像中的絮状体的数量获取凝絮完成后的最后一阵废水图像，称为第一废水图像。
具体的，在凝絮过程中会产生很多的絮状体，即脱色剂与液体中物质组合为絮状体，根据凝絮过程中产生的絮状体获取造纸废水凝絮完成所对应的最后一帧废水图像，其具体过程为：
（1）分别获取每一帧灰度图像的灰度直方图，根据灰度直方图对每帧灰度图像进行区域划分。
具体的，如图2所示，本发明实施例提供了一张灰度直方图，通过该图可以看到图像对应的灰度变化呈单峰状态，这是由于液体在褪色过程中，液体的灰度值依旧占据灰度图像的主要部分，而在图像一侧的一些小波峰，是絮状体在灯光下拍摄得到的灰度值，由于絮状体离相机的距离不同以及絮状体之间对光的遮挡程度不同，造成了絮状体的灰度值范围也不同，因此根据灰度直方图进行灰度级划分，进而根据划分的灰度级对相对应的灰度图像进行多个絮状体区域划分。
（2）基于划分好的絮状体区域，利用DBSCAN聚类算法对每个絮状体区域进行聚类，进而能够得到每个絮状体区域中絮状体的数量。
具体的，设置DBSCAN聚类算法的初始聚类半径，由初始聚类半径对每个絮状体区域中的像素点进行聚类，得到多个聚类簇。
根据聚类簇中簇内差异最小原则获取评价指标，以絮状体区域
Figure DEST_PATH_IMAGE001
为例，计算该区域中每个聚类簇所对应的平均灰度值，同时计算该区域中所有聚类簇的总体平均灰度值，分别计算聚类簇中每个像素点的灰度值与对应平均灰度值的差值，得到每个聚类簇的差值之和，对差值之和进行相加得到絮状体区域
Figure 846524DEST_PATH_IMAGE001
的第一评价值w。
根据类间差异最大原则获取第二评价值b：分别计算当前絮状体区域中任意两个聚类簇的平均灰度值的第一差值，将第一差值相加得到第二评价值b。
以第一评价值为分子、第二评价值为分母的比值作为絮状体区域
Figure 938239DEST_PATH_IMAGE001
的第一聚类效果评价指标。
由于本发明旨在将絮状体进行聚类，而根据絮状体外形特征，即可根据获取的聚类结果中的聚类簇是否接近椭圆获取评价指标，而考虑到根据聚类簇在进行椭圆拟合时，由于絮状体的絮状特征，在絮状体边缘处由于其絮状特征产生的细小凸出絮状线，可能会使絮状体在进行椭圆拟合时，拟合效果不好，进而导致误认聚类效果不好。故本发明将聚类簇中较为偏离的像素点排离聚类簇，将去除掉这些像素点的聚类簇进行椭圆拟合，根据拟合效果获取第二聚类效果评价指标，具体为：
在初始聚类半径下，通过将上述聚类的minpts值减1，得到新minpts值，使用初始聚类半径和新minpts值对每个聚类簇进行新聚类，以根据新聚类后的聚类簇密度去除絮状体杂乱边缘的影响。由于minpts选取的值过大，可能会使得杂乱边缘去除效果不好，而minpts选取的值过小，可能会使整个聚类簇向中心收缩，使得新聚类所获取的椭圆拟合度失去意义，因此计算每个聚类簇在新聚类下的聚类效果值：获取新聚类下聚类簇的最小椭圆面积和对应簇内像素点的数量，以最小椭圆面积为分母、簇内像素点的数量为分子得到比值，统计新聚类下的聚类簇的数量，结合聚类簇的数量和比值计算每个聚类簇的聚类效果值，获取聚类效果值大于效果阈值的聚类簇所对应的比值，以计算比值的平均值，将平均值作为第二聚类效果指标。
其中聚类效果值
Figure 869286DEST_PATH_IMAGE002
的计算公式为：
Figure 810566DEST_PATH_IMAGE004
其中，
Figure DEST_PATH_IMAGE005
为聚类簇的数量；
Figure 185395DEST_PATH_IMAGE006
为新聚类下聚类簇的最小椭圆面积；
Figure DEST_PATH_IMAGE007
为聚类下最小椭圆面积对应簇内像素点的数量。
Figure 833414DEST_PATH_IMAGE008
越大，说明则说明其拟合椭圆效果越好，h越大时，表示去除的杂乱边缘分布越散乱，越符合絮状体周围均有杂乱小絮状体的特征，即所求p越大，则说明对应聚类效果越好。设置阈值φ=0.9，即当所求p大于阈值φ时，此时对应新minpts值为优选minpts值。
通过对minpts值进行减一处理，至此获取聚类效果值p大于效果阈值φ下每个聚类簇所对应的比值
Figure 200941DEST_PATH_IMAGE008
，计算比值的平均值，将平均值作为第二聚类效果指标。
结合第一聚类效果评价指标和第二聚类效果指标得到所述初始聚类半径的聚类评价值，其中聚类评价值的获取方法为：将第一聚类效果指标乘以第二聚类效果指标的倒数，得到目标乘积，根据目标乘积得到聚类评价值，聚类评价值和目标乘积的和为1。
为了使得聚类结果更加准确，也即是絮状体的数量更加准确，通过调整初始聚类半径来获取絮状体的最佳数量，即通过改变初始聚类半径获取每次聚类后的聚类评价值，设置评价阈值，当聚类评价值大于评价阈值时，对应聚类半径为优先聚类半径，利用优先聚类半径对絮状体区域
Figure 130982DEST_PATH_IMAGE001
进行聚类，得到絮状体的数量。
（3）通过步骤（2）能够得到一帧灰度图像中每个絮状体区域所对应的絮状体的数量，统计一帧灰度图像中絮状体的数量总和。
（4）通过步骤（1）至步骤（3）能够得到每帧灰度图像所对应的絮状体的数量总和，根据絮状体的数量总和获取凝絮完成所对应的最后一帧废水图像。
具体的，随着时间变化，絮状体的数量也在不断的多，当絮状体的数量达到某一值时，表示造纸废水凝絮完成即将开始沉絮，沉絮过程中絮状体的数量开始减少，直至沉絮完成时，絮状体的数量不再发生变化，因此将絮状体的数量总和的最大值所对应的废水图像作为第一废水图像。
步骤S003，结合目标废水图像的沉絮面积第一废水图像中的絮状体面积得到凝絮沉絮过程中的沉絮量；结合沉絮时间、沉絮量和目标废水图像与第一帧废水图像之间的灰度差异值计算对应凝絮剂剂量下的凝絮沉絮评价指标；由凝絮沉絮评价指标对凝絮剂剂量进行调控。
具体的，由步骤S002得到第一废水图像中每个絮状体区域对应絮状体的最佳数量，进而得到根据每个絮状体区域的絮状体的最佳数量计算絮状体区域对应絮状体的平均数量值，将其记为
Figure DEST_PATH_IMAGE009
。同时由最佳聚类半径获取每个絮状体区域中的最佳聚类簇，获取每个聚类簇的第一面积以得到该絮状体区域的第一面积均值，进而获取每个絮状体区域的第一面积均值，由第一面积均值和第一废水图像中絮状体区域的数量计算每个絮状体的平均面积均值，则平均面积均值的计算公式为：
Figure DEST_PATH_IMAGE011
其中，
Figure 468423DEST_PATH_IMAGE012
为平均面积均值；
Figure DEST_PATH_IMAGE013
为第
Figure 534730DEST_PATH_IMAGE014
个絮状体区域的第一面积均值；
Figure DEST_PATH_IMAGE015
为絮状体区域的数量。
结合第一废水图像所对应的絮状体区域中絮状体的平均数量均值、平均面积均值和絮状体区域的数量计算该图像中的絮状体面积
Figure 197793DEST_PATH_IMAGE016
，则絮状体面积
Figure 411867DEST_PATH_IMAGE016
的计算公式为：
Figure DEST_PATH_IMAGE017
。
进一步地，利用大津阈值法对目标废水图像进行区域分割以得到该图像中沉絮区域的沉絮面积
Figure 615316DEST_PATH_IMAGE018
。结合凝絮后的絮状体面积
Figure 50976DEST_PATH_IMAGE016
和沉絮完成后的沉絮面积
Figure 245459DEST_PATH_IMAGE018
得到该凝絮沉絮过程中的沉絮量，即
Figure DEST_PATH_IMAGE019
。
根据目标废水图像的采集时间和第一帧废水图像的采集时间之间的时间间隔得到该凝絮沉絮过程的沉絮时间T，同时获取目标废水图像与第一帧废水图像对应灰度图像之间的灰度差异值，即分别计算目标废水图像对应灰度图像中的平均灰度值和第一帧废水图像对应灰度图像的平均灰度值，然后获取平均灰度值之间的差值，将其差值作为灰度差异值。
结合沉絮时间T、沉絮量S和灰度差异值
Figure 320732DEST_PATH_IMAGE020
计算该凝絮沉絮过程中所使用的凝絮剂剂量喜爱的凝絮沉絮评价指标
Figure DEST_PATH_IMAGE021
，则凝絮沉絮评价指标的计算公式为：
Figure DEST_PATH_IMAGE023
需要说明的是，凝絮沉絮前后对应图像的灰度差异越大，凝絮沉絮评价指标越大，且沉絮量越多、沉絮时间越短，表示凝絮沉絮的沉絮效果越好，说明了凝絮剂剂量的投放越适合。
为了保证造纸废水在凝絮沉絮过程的效果更好，且避免凝絮剂剂量添加过量，本发明实施例通过设置每次添加的固定凝絮剂剂量，且凝絮剂剂量从零开始通过逐渐添加固定凝絮剂剂量使得凝絮沉絮过程的效果达到最佳，该方法为：获得每次添加固定凝絮剂剂量下整个凝絮沉絮过程对应的凝絮沉絮评价指标，以凝絮剂剂量为横坐标，凝絮沉絮评价指标为纵坐标构建直角坐标系，从而得到凝絮沉絮评价指标的变化曲线，当变化曲线逐渐趋于平稳状态时，平稳状态下凝絮剂剂量最少的即为最佳凝絮剂剂量；如果变化曲线突然下降，也即是存在相邻的凝絮沉絮评价指标之间突然出现降低，则说明固定凝絮剂剂量的设定不合适，需要进行相对应的调整，以使得造纸废水的整个凝絮沉絮过程的结果达到最优。
需要说明的是，当凝絮沉絮评价指标突然出现降低是因为凝絮剂的剂量过多造成的。
综上所述，本发明实施例提供了一种用于造纸废水的凝絮剂剂量智能投放方法，该方法采集造纸废水在整体凝絮沉絮过程中的所有废水图像，根据废水图像之间的灰度差异得到沉絮完成后的第一帧废水图像，称为目标废水图像；通过分析每一帧废水图像中的絮状体的数量获取凝絮完成后的最后一帧废水图像，称为第一废水图像；结合目标废水图像中的沉絮面积和第一废水图像中的絮状体面积得到凝絮沉絮过程中的沉絮量，结合沉絮时间、沉絮量和目标废水图像与第一帧废水图像之间的灰度差异值计算对应凝絮剂剂量下的凝絮沉絮评价指标，由凝絮沉絮评价指标对凝絮剂剂量进行调控。基于凝絮沉絮评价指标不仅可以准确获取凝絮沉絮效果最好所对应的最佳凝絮剂剂量，还能调整固定凝絮剂剂量的值使得造纸废水在剂量最少的情况下到达最佳的凝絮沉絮效果。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书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。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，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。

Claims (9)

1.一种用于造纸废水的凝絮剂剂量智能投放方法，其特征在于，该方法包括：
设置拍摄时间间隔获取造纸废水在整个凝絮沉絮过程中的所有废水图像，根据相邻所述废水图像之间的灰度差异得到沉絮完成后的第一帧废水图像，将其称为目标废水图像；
对每一帧所述废水图像进行灰度化得到灰度图像，分别获取灰度图像的灰度直方图以得到凝絮过程中絮状体的多个灰度级，根据所述灰度级将灰度图像进行多个絮状体区域的划分，设置DBSCAN聚类算法的初始聚类半径，由所述初始聚类半径对当前絮状体区域中的像素点进行聚类，得到多个聚类簇，根据聚类簇的簇内差异计算所述初始聚类半径的第一聚类效果评价指标，根据每个聚类簇的最小椭圆面积和簇内像素点的数量获取第二聚类效果指标；结合第一聚类效果评价指标和第二聚类效果指标得到所述初始聚类半径的聚类评价值，通过改变初始聚类半径获取每次聚类后的所述聚类评价值，由所述聚类评价值得到优先聚类半径；利用优先聚类半径对当前絮状体区域进行聚类，得到絮状体的数量；根据每个絮状体区域中絮状体的数量，得到每帧灰度图像所对应絮状体的数量总和，由所述数量总和得到凝絮完成时所对应的最后一帧所述废水图像，将其称为第一废水图像；
获取所述第一废水图像中的絮状体面积以及所述目标废水图像中的沉絮面积，结合所述絮状体面积和所述沉絮面积得到该凝絮沉絮过程中的沉絮量；基于所述目标废水图像获取沉絮时间和灰度差异值，结合所述沉絮时间、所述沉絮量和所述灰度差异值计算对应凝絮剂剂量下的凝絮沉絮评价指标；根据所述凝絮沉絮评价指标对所述凝絮剂剂量进行调控；
所述根据每个聚类簇的最小椭圆面积和簇内像素点的数量获取第二聚类效果指标的方法，包括：
在所述初始聚类半径下，通过改变minpts值，计算每次聚类下每个聚类簇的最小椭圆面积与簇内像素点的数量的比值，以及聚类簇的数量，结合所述聚类簇的数量和比值计算每个聚类簇的聚类效果值，获取所述聚类效果值大于效果阈值的聚类簇所对应的比值，以计算比值的平均值，将平均值作为第二聚类效果指标。
2.如权利要求1所述的一种用于造纸废水的凝絮剂剂量智能投放方法，其特征在于，所述根据相邻所述废水图像之间的灰度差异变化得到沉絮完成后的第一帧废水图像的方法，包括：
将每一帧所述废水图像进行灰度化处理，得到对应的灰度图像，分别计算每一帧所述废水图像所对应灰度图像的平均灰度值，基于拍摄的时间顺序，分别计算第一帧废水图像与后续每一帧废水图像对应灰度图像之间的灰度差异，获取灰度差异最大且后续灰度差异变化不明显所对应的所述废水图像即为造纸废水沉絮完成后的所述第一帧废水图像。
3.如权利要求1所述的一种用于造纸废水的凝絮剂剂量智能投放方法，其特征在于，所述根据聚类簇的簇内差异计算所述初始聚类半径的第一聚类效果评价指标的方法，包括：
计算当前絮状体区域中每个聚类簇的平均灰度值，分别计算聚类簇中每个像素点的灰度值与对应平均灰度值的差值，得到每个聚类簇的差值之和，对所述差值之和进行相加得到当前絮状体区域的第一评价值；
分别计算当前絮状体区域中任意两个聚类簇的平均灰度值的第一差值，将第一差值相加得到第二评价值，将第一评价值与第二评价值之间的比值作为第一聚类效果评价指标。
4.如权利要求1所述的一种用于造纸废水的凝絮剂剂量智能投放方法，其特征在于，所述由所述数量总和得到凝絮完成时所对应的最后一帧所述废水图像的方法，包括：
获取每一帧所述废水图像对应的絮状体的所述数量总和，将絮状体的所述数量总和的最大值所对应的所述废水图像作为所述第一废水图像。
5.如权利要求1所述的一种用于造纸废水的凝絮剂剂量智能投放方法，其特征在于，所述获取所述第一废水图像中的絮状体面积的方法，包括：
根据所述第一废水图像中每个所述絮状体区域的絮状体的数量计算所述絮状体区域对应絮状体的平均数量值；
根据每个聚类簇的第一面积计算每个絮状体区域的第一面积均值，结合所述第一废水图像中所述絮状体区域的数量和每个所述絮状体区域的所述第一面积均值得到每个絮状体区域的平均面积均值；
将所述平均数量值、所述平均面积均值和所述絮状体区域的数量进行相乘得到所述絮状体面积。
6.如权利要求1所述的一种用于造纸废水的凝絮剂剂量智能投放方法，其特征在于，所述目标废水图像中的沉絮面积的获取方法，包括：
利用大津阈值法对所述目标废水图像进行区域分割以得到该图像中沉絮区域的沉絮面积。
7.如权利要求1所述的一种用于造纸废水的凝絮剂剂量智能投放方法，其特征在于，所述基于所述目标废水图像获取沉絮时间和灰度差异值的方法，包括：
根据所述目标废水图像的采集时间和第一帧所述废水图像的采集时间之间的时间间隔得到该凝絮沉絮过程的所述沉絮时间；
根据所述目标废水图像对应灰度图像的平均灰度值和第一帧所述废水图像对应灰度图像的平均灰度值，计算其差值，将所述差值作为所述灰度差异值。
8.如权利要求1所述的一种用于造纸废水的凝絮剂剂量智能投放方法，其特征在于，所述根据所述凝絮沉絮评价指标对所述凝絮剂剂量进行调控的方法，包括：
设置每次添加的固定凝絮剂剂量，获得每次添加固定凝絮剂剂量下整个凝絮沉絮过程对应的凝絮沉絮评价指标，以凝絮剂剂量为横坐标，凝絮沉絮评价指标为纵坐标构建直角坐标系，从而得到凝絮沉絮评价指标的变化曲线，当变化曲线逐渐趋于平稳状态时，平稳状态下凝絮剂剂量最少的即为最佳凝絮剂剂量；如果变化曲线突然下降，说明固定凝絮剂剂量的设置不合适，需要进行相对应的调整。
9.如权利要求1所述的一种用于造纸废水的凝絮剂剂量智能投放方法，其特征在于，所述沉絮量是由所述絮状体面积和所述沉絮面积之间的乘积得到的。
CN202211266303.9A 2022-10-17 2022-10-17 一种用于造纸废水的凝絮剂剂量智能投放方法 Active CN115353181B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211266303.9A CN115353181B (zh) 2022-10-17 2022-10-17 一种用于造纸废水的凝絮剂剂量智能投放方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211266303.9A CN115353181B (zh) 2022-10-17 2022-10-17 一种用于造纸废水的凝絮剂剂量智能投放方法

Publications (2)

Publication Number Publication Date
CN115353181A CN115353181A (zh) 2022-11-18
CN115353181B true CN115353181B (zh) 2022-12-30

Family

ID=84008476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211266303.9A Active CN115353181B (zh) 2022-10-17 2022-10-17 一种用于造纸废水的凝絮剂剂量智能投放方法

Country Status (1)

Country Link
CN (1) CN115353181B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115760852B (zh) * 2023-01-06 2023-04-14 青岛市城市规划设计研究院 一种海洋污水排放处理方法
CN115953727B (zh) * 2023-03-15 2023-06-09 浙江天行健水务有限公司 一种絮体沉降速率检测方法、系统、电子设备及介质
CN117023741B (zh) * 2023-08-14 2024-03-19 佛山市禅城区供水有限公司 一种絮凝过程中的多参数负荷复合水处理方法及系统
CN116823834B (zh) * 2023-08-30 2023-11-24 江苏锡澄环境科学研究院有限公司 基于机器视觉电泳线排放的废水处理等级检测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021146240A (ja) * 2020-03-17 2021-09-27 オルガノ株式会社 水処理システム、制御装置、水処理方法およびプログラム
JP2022036055A (ja) * 2020-08-20 2022-03-04 パナソニック株式会社 排水処理状態監視装置および監視方法
CN113743424B (zh) * 2021-09-15 2023-06-27 昆明理工大学 全尾砂动态絮凝沉降中絮体动态沉降分散程度定量表征方法
CN114663405B (zh) * 2022-03-27 2022-12-06 扬州市苏灵农药化工有限公司 用于农药生产企业的废水处理控制方法
CN114663684A (zh) * 2022-04-08 2022-06-24 陕西誉锦源实业有限公司 一种絮凝反应实时智能分析的方法、系统及运算设备
CN115147617B (zh) * 2022-09-06 2022-11-22 聊城集众环保科技有限公司 基于计算机视觉的污水处理智能监控方法

Also Published As

Publication number Publication date
CN115353181A (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
CN115353181B (zh) 一种用于造纸废水的凝絮剂剂量智能投放方法
CN114663405B (zh) 用于农药生产企业的废水处理控制方法
CN111966053A (zh) 一种智能絮凝剂决策系统
CN115147617B (zh) 基于计算机视觉的污水处理智能监控方法
CN114494210B (zh) 基于图像处理的塑料膜生产缺陷检测方法及系统
CN107705314A (zh) 一种基于灰度分布的多物体图像分割方法
CN114663684A (zh) 一种絮凝反应实时智能分析的方法、系统及运算设备
CN116310845B (zh) 一种用于污水处理的智能监测系统
CN116977329B (zh) 一种基于机器视觉的光伏板栅线检测方法
CN114926436A (zh) 一种用于周期性花纹织物的缺陷检测方法
CN116416252B (zh) 一种勃姆石生产工艺废水沉降图像检测方法
CN115496692B (zh) 一种润滑油磨粒图像增强方法
CN115760852B (zh) 一种海洋污水排放处理方法
CN115294106B (zh) 一种乳胶溶液中颗粒的均匀度检测方法
CN109145848A (zh) 一种麦穗计数方法
CN112101352A (zh) 水下矾花状态识别方法及监测装置、计算机设备和存储介质
CN112883824A (zh) 一种用于智能采血的手指静脉特征识别装置及其识别方法
CN117422712B (zh) 基于图像滤波处理的塑料母粒视觉检测方法及系统
CN110111322A (zh) 一种基于图像的隧道病害识别系统
CN114169403A (zh) 混凝图片的拍摄装置、拍摄方法及控制絮凝的加药方法
CN102938053A (zh) 一种基于计算机视觉的甘蔗特征提取与识别方法
CN113850792A (zh) 一种基于计算机视觉的细胞分类计数方法及系统
CN115082489B (zh) 一种有色丝评估方法
CN115165710B (zh) 细胞的快速扫描方法和装置
CN114863313A (zh) 一种基于图像识别的水处理过程监控方法

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
GR01 Patent grant
GR01 Patent grant