CN116311089B - 一种基于图像处理的污水水质数据智能分析方法和系统 - Google Patents

一种基于图像处理的污水水质数据智能分析方法和系统 Download PDF

Info

Publication number
CN116311089B
CN116311089B CN202310600952.6A CN202310600952A CN116311089B CN 116311089 B CN116311089 B CN 116311089B CN 202310600952 A CN202310600952 A CN 202310600952A CN 116311089 B CN116311089 B CN 116311089B
Authority
CN
China
Prior art keywords
sewage
water quality
value
sim
images
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
CN202310600952.6A
Other languages
English (en)
Other versions
CN116311089A (zh
Inventor
梁燕茹
袁建斌
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.)
Guangdong Ocean University
Original Assignee
Guangdong Ocean University
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 Guangdong Ocean University filed Critical Guangdong Ocean University
Priority to CN202310600952.6A priority Critical patent/CN116311089B/zh
Publication of CN116311089A publication Critical patent/CN116311089A/zh
Application granted granted Critical
Publication of CN116311089B publication Critical patent/CN116311089B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • 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
    • 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
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及数据分析领域，本发明提供了一种基于图像处理的污水水质数据智能分析方法和系统，布置高速摄像机于污水排放口，通过高速摄像机捕捉多张污水图像，将多张污水图像进行预处理，得到多个分析样本，利用多个分析样本计算水质分形基量，基于水质分形基量对多张污水图像进行水质数据的特征提取。所述方法能够实现对污水水质数据的智能分析，提供了一种有效的手段来评估和监测污水的水质状况，通过量化图像中的关键像素特征，利用水质分形基量提取出污水图像中与水质相关的核心数据，同时，还能够及时发现水质异常情况，高效地对污水水质进行监测和评估，为水质数据分析提供有力的支持和决策依据。

Description

一种基于图像处理的污水水质数据智能分析方法和系统
技术领域
本发明涉及数据分析领域，特别涉及一种基于图像处理的污水水质数据智能分析方法。
背景技术
污水水质数据智能分析是指利用目前主流的数据处理技术或算法对污水样本中的水质参数进行智能化分析和处理的过程。通过采集污水的图像样本或化学样本，获取到有关于水体质量指标的各种数据，如悬浮物浓度、颗粒特征、氨氮含量、总磷含量等，并应用图像处理、模式识别、机器学习或深度学习等技术，对数据样本进行解析、分类、回归和预测，从而为水质分析提供高质量的数据支持。
在环境保护和水资源管理等领域，污水水质数据智能分析有着较为广阔的应用前景，如在水环境的监测与预警中能够通过对水体中污水水质数据的智能分析，及时发现水质异常、水污染事件和生态风险，同时能够用于研究水环境变化趋势、水污染机理和环境影响评估，为水资源的调控和决策提供科学的制定依据。
在传统的污水水质数据分析的应用方面，往往存在水质数据处理繁琐、处理方法耗时较长、大规模数据的实时分析需求难以满足等等问题，无法解决污水水质监测与管理所需要的高时效性和高准确性问题。
现有专利CN115436374B公开了一种基于物联网的渗滤液污水监测系统：包括图像分析模块、气体分析模块、渗滤液分析模块以及控制终端，设置图像分析模块获取垃圾堆积产生的渗滤液的图像，并通过使用CNN神经网络模型分析渗滤液为污水的概率；尽管其先经过图像分析，再经过气体分析，最后分析液体的层层筛选的方式，提高了渗滤液的检测准确度，然而在污水的实时快速扩散过程中，大量的污水图像内往往存在着复杂、多变的像素特征，其中高污染的水体特征会随着水流的快速排放而消失，而通过抓取视频帧以及利用神经网络训练模型的方式并不能较好地得到准确的水质数据，因为污水图像中存在大量易干扰、非关键的像素特征，这些像素特征对监测结果的影响往往是决定性的，因此，提出一种通过高速摄像机、图像处理技术结合数据分析算法，从而实现对污水水质数据的自动化分析和处理，是提高污水水质数据分析的效率和准确性的关键。
发明内容
本发明的目的在于提出一种基于图像处理的污水水质数据智能分析方法，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
本发明提供了一种基于图像处理的污水水质数据智能分析方法和系统，布置高速摄像机于污水排放口，通过高速摄像机捕捉多张污水图像，将多张污水图像进行预处理，得到多个分析样本，利用多个分析样本计算水质分形基量，基于水质分形基量对多张污水图像进行水质数据的特征提取。所述方法能够实现对污水水质数据的智能分析，提供了一种有效的手段来评估和监测污水的水质状况，通过量化图像中的关键像素特征，利用水质分形基量提取出污水图像中与水质相关的核心数据，同时，还能够及时发现水质异常情况，高效地对污水水质进行监测和评估，为水质数据分析提供有力的支持和决策依据。
为了实现上述目的，根据本发明的一方面，提供一种基于图像处理的污水水质数据智能分析方法，所述方法包括以下步骤。
S100，布置高速摄像机于污水排放口，通过高速摄像机捕捉多张污水图像；
S200，将多张污水图像进行预处理，得到多个分析样本；
S300，利用多个分析样本计算水质分形基量；
S400，基于水质分形基量对多张污水图像进行水质数据的特征提取。
进一步地，步骤S100中，布置高速摄像机于污水排放口，通过高速摄像机捕捉多张污水图像的方法为：将高速摄像机设置于污水排放口的一侧，使得高速摄像机的镜头相向于污水排放口（即高速摄像机的镜头正对于污水排放口的出水面，以便拍摄经过污水排放口流出的污水），在污水经过污水排放口而排出的过程中，通过高速摄像机以T秒的捕捉间隔对污水排放口进行拍摄，从而得到N张污水图像，以所述N张污水图像作为多张污水图像；其中，所述T设置为区间[1,5]中的任意一个整数。
进一步地，步骤S200中，将多张污水图像进行数据预处理，得到多个分析样本的方法具体为：
将N张污水图像转化为N个图像矩阵，所述图像矩阵的基本组成单元为像素，每个像素具有相应的像素值，以sew(i)表示N个图像矩阵中的第i个图像矩阵，则i的取值范围为i=1,2,…,N；记sew(i)内所有像素的像素平均值为mean(i)，则有N个像素平均值mean(1),mean(2),…,mean(N)，记M1=[mean(1)+mean(2)+…+mean(N)]/N（即M1等于所述N个像素平均值的平均值）；M1是N个像素平均值mean(1),mean(2),…,mean(N)的平均值；
设置变量j，j的取值范围与i的取值范围一致；
定义第一算法为：以sew(j)表示当前变量j的值在N个图像矩阵中所对应的第j个图像矩阵，以A(j)表示当前sew(j)内像素值最大的像素所对应的像素值，以B(j)表示当前sew(j)内像素值最小的像素所对应的像素值，通过第一等式计算出当前sew(j)所对应的vas(j)的值，如果vas(j)的值大于0，则将当前的sew(j)作为分析样本；
其中，所述第一等式为：vas(j)=|A(j)-B(j)|－|[A(j)-B(j)]/2－M1|；vas(j)是由第一等式计算得到的第一数值；
在第一算法中将变量j的值从j=1遍历至j=N，从而得到多个分析样本。
本步骤的有益效果为：由于污水经污水排放口流出的速度较快，通过高速摄像机对出水截面的瞬间捕捉得到的多张污水图像，并不能全部作为分析样本，多张污水图像中普遍存在大量的非关键样张，非关键样张对后续数据计算的精度以及分析结果的准确与否都存在重要影响，因此，为使后续的水质分析更准确，同时集中分析样本中的核心像素特征，本步骤的方法，通过利用高度污染的水体中会呈现粗糙、不规则或颗粒状的像素特征，结合图像矩阵中每个像素的特点，通过放大这些特征而筛选出分析样本，分析样本中能够反映出污水的污染程度，在后续的水质数据分析中与污水中的水体质量数据具有高关联度。
可选地，将多张污水图像进行预处理，得到多个分析样本的方法还可以为：将N张污水图像转化为N个图像矩阵，以所述N个图像矩阵作为多个分析样本。
进一步地，步骤S300中，利用多个分析样本计算水质分形基量的方法具体为：
记多个分析样本的数量为N1个，以Ana(i1)表示N1个分析样本中的第i1个分析样本，则i1的取值范围为i1=1,2,…,N1；
设置变量j1，j1的取值范围与i1的取值范围一致；
定义第二算法为：以Ana(j1)表示当前j1的值在N1个分析样本中所对应的第j1个分析样本，以C(j1)表示当前Ana(j1)内所有像素的像素平均值，在Ana(j1)内将像素值大于C(j1)的像素记为第二像素，则第二像素存在多个，记所有第二像素的数量为N2，以fac(i2)表示N2个第二像素中的第i2个第二像素，则i2=1,2,…,N2；从fac(1)到fac(N2)，依次对每个第二元素执行一遍第三算法，共执行N2次，从而得到N2个集合res_(1)[],res_(2)[],…,res_(N2)[]；分别以dep(1)、dep(2)、…、dep(N2)表示集合res_(1)[]、res_(2)[]、…、res_(N2)[]内所有元素的总和，记dep(1),dep(2),…,dep(N2)中的最大值为evi(j1)；
在第二算法中将变量j1的值从j1=1遍历至j1=N1，从而得到N1个值evi(1),evi(2),…,evi(N1)，以这N1个值的平均值作为水质分形基量。
进一步地，所述第三算法的执行步骤为：以fac(j2)表示N2个第二像素中的第j2个第二像素，j2的取值范围与i2的取值范围一致，创建一个空白的集合res_(j2)[]，记当前fac(j2)的像素值为unl，以unl的8邻域作为第一邻域，则第一邻域中存在8个像素；记sov(x)为第一邻域内8个像素中的任意一个像素的像素值，如果sov(x)满足第一条件时，则将该sov(x)加入集合res_(j2)[]中；
所述第一条件为：；式中，r为累加变量，kkt(r)表示第一邻域内的第r个像素，r的取值范围为r=1,2,…,8。
本步骤的有益效果为：由于污水在排放的过程中，不同时刻捕捉到的污水图像对污水水质的判断都存在参与性影响，当污水排放处的污水流速较高时，污水中的水质特征在像素层面上会快速消失于高速的水流中，因此需要通过高速摄像机对出水瞬间进行快速抓拍，然而快速抓拍得到的大量图像会引起动态模糊或特征漂移，对于污水中的污染物或浑浊物难以清晰地界定得到，因此，为消除上述现象，本步骤的方法通过综合考虑多个分析样本的像素信息，利用多个分析样本计算水质分形基量，通过遍历N1个分析样本以及比较像素值之间的差异来判断筛选出分析样本的分形特征，较高的水质分形基量往往代表着分析样本中存在着复杂、多变的像素特征，而较低的水质分形基量往往代表着较为均匀、简单的像素特征。通过分析和综合多个样本从而得到水质分形基量，可以更准确地推断出水质状况的变化和趋势，提高水质分析的准确性和可靠性，帮助准确评估污水的水质状况。
进一步地，步骤S400中，基于水质分形基量对多张污水图像进行水质数据的特征提取的方法为：记ima(i)为N张污水图像的第i张污水图像，则i=1,2,…,N，以sim(i)作为ima(i)的水质特征量，依次计算N张污水图像的N个水质特征量sim(1),sim(2),…,sim(N)，以N个水质特征量sim(1),sim(2),…,sim(N)作为水质数据的特征提取。
其中，sim(i)的计算方法为：
；
式中，k为累加变量，k的取值范围为[1,imaL(i)]，imaL(i)表示ima(i)内的所有特征元素的数量，pie(k)为ima(i)内所有特征元素中的第k个特征元素，Frac为水质分形基量的值；
ima(i)内的所有特征元素是指ima(i)内的所有元素值大于ave(i)的元素，ave(i)表示ima(i)内所有元素的元素值的平均值。
本步骤的有益效果为：通过基于水质分形基量对多张污水图像进行水质数据的特征提取，从多个图像中提取水质特征量，进而用于水质数据的特征分析和评估，在计算sim(i)时，水质分形基量Frac作为一个重要参数被引入，每个特征元素pie(k)的值越接近水质分形基量Frac，sim(i)则会越大，通过利用图像中与水质相关的特征元素，量化污水图像中的水质特征，为污水处理和监测提供高价值的数据支持。
进一步地，步骤S400中，基于水质分形基量对多张污水图像进行水质数据的特征提取，还包括：按照随机取样的方法，在N个水质特征量sim(1),sim(2),…,sim(N)选取R个水质特征量，记Asim=[sim(1)+sim(2)+…+sim(N)]/N（即均值），Asim是N个水质特征量sim(1),sim(2),…,sim(N)的均值，如果这R个水质特征量中的任意两个水质特征量的差值的绝对值大于Asim，则通过控制终端发送报警信号至污水管理处，所述报警信号至少包括污水排放口的经纬度位置、多张污水图像中的任意一张图像以及多张污水图像中的任意一张图像的拍摄时间；
其中，控制终端与高速摄像机通过有线方式连接，控制终端发送报警信号的方式为有线/无线。
本步骤的有益效果为：基于水质分形基量，对多张污水图像进行水质数据的特征提取，通过计算任意选定的水质特征量从而进行异常检测和报警，有助于发现污水水质异常情况并采取相应的措施，实现污水水质异常的自动检测和报警功能，同时，还能够快速识别出异常情况，并及时通知污水管理处，提高污水水质状况的监测效果，确保高污染水体能够被及时处理。
本发明还提供了一种基于图像处理的污水水质数据智能分析系统，所述一种基于图像处理的污水水质数据智能分析系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现一种基于图像处理的污水水质数据智能分析方法中的步骤，所述基于图像处理的污水水质数据智能分析系统可以运行于桌上型计算机、笔记本电脑、移动电话、手提电话、平板电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：
图像捕捉单元，用于通过高速摄像机捕捉多张污水图像；
图像处理单元，用于将多张污水图像进行预处理，得到多个分析样本；
样本计算单元，用于利用多个分析样本计算水质分形基量；
特征提取单元，用于基于水质分形基量对多张污水图像进行水质数据的特征提取。
本发明的有益效果为：所述方法能够实现对污水水质数据的智能分析，提供了一种有效的手段来评估和监测污水的水质状况，通过量化图像中的关键像素特征，利用水质分形基量提取出污水图像中与水质相关的核心数据，同时，还能够及时发现水质异常情况，高效地对污水水质进行监测和评估，为水质数据分析提供有力的支持和决策依据。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，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他的附图，在附图中：
图1所示为一种基于图像处理的污水水质数据智能分析方法的流程图；
图2所示为一种基于图像处理的污水水质数据智能分析系统的系统结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，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或者隐含指明所指示的技术特征的先后关系。
如图1所示为根据本发明的一种基于图像处理的污水水质数据智能分析方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种基于图像处理的污水水质数据智能分析方法。
本发明提出一种基于图像处理的污水水质数据智能分析方法，所述方法包括以下步骤：
S100，布置高速摄像机于污水排放口，通过高速摄像机捕捉多张污水图像；
S200，将多张污水图像进行预处理，得到多个分析样本；
S300，利用多个分析样本计算水质分形基量；
S400，基于水质分形基量对多张污水图像进行水质数据的特征提取。
进一步地，步骤S100中，布置高速摄像机于污水排放口，通过高速摄像机捕捉多张污水图像的方法为：将高速摄像机设置于污水排放口的一侧，使得高速摄像机的镜头相向于污水排放口（即高速摄像机的镜头正对于污水排放口的出水面，以便拍摄经过污水排放口流出的污水），在污水经过污水排放口而排出的过程中，通过高速摄像机以T秒的捕捉间隔对污水排放口进行拍摄，从而得到N张污水图像，以所述N张污水图像作为多张污水图像；其中，所述T设置为区间[1,5]中的任意一个整数。
进一步地，步骤S200中，将多张污水图像进行数据预处理，得到多个分析样本的方法具体为：
将N张污水图像转化为N个图像矩阵，所述图像矩阵的基本组成单元为像素，每个像素具有相应的像素值，以sew(i)表示N个图像矩阵中的第i个图像矩阵，则i的取值范围为i=1,2,…,N；记sew(i)内所有像素的像素平均值为mean(i)，则有N个像素平均值mean(1),mean(2),…,mean(N)，记M1=[mean(1)+mean(2)+…+mean(N)]/N（即M1等于所述N个像素平均值的平均值）；M1是N个像素平均值mean(1),mean(2),…,mean(N)的平均值；
设置变量j，j的取值范围与i的取值范围一致；
定义第一算法为：以sew(j)表示当前变量j的值在N个图像矩阵中所对应的第j个图像矩阵，以A(j)表示当前sew(j)内像素值最大的像素所对应的像素值，以B(j)表示当前sew(j)内像素值最小的像素所对应的像素值，通过第一等式计算出当前sew(j)所对应的vas(j)的值，如果vas(j)的值大于0，则将当前的sew(j)作为分析样本；
其中，所述第一等式为：vas(j)=|A(j)-B(j)|－|[A(j)-B(j)]/2－M1|；vas(j)是由第一等式计算得到的第一数值；
在第一算法中将变量j的值从j=1遍历至j=N，从而得到多个分析样本。
可选地，将多张污水图像进行预处理，得到多个分析样本的方法还可以为：将N张污水图像转化为N个图像矩阵，以所述N个图像矩阵作为多个分析样本。
进一步地，步骤S300中，利用多个分析样本计算水质分形基量的方法具体为：
记多个分析样本的数量为N1个，以Ana(i1)表示N1个分析样本中的第i1个分析样本，则i1的取值范围为i1=1,2,…,N1；
设置变量j1，j1的取值范围与i1的取值范围一致；
定义第二算法为：以Ana(j1)表示当前j1的值在N1个分析样本中所对应的第j1个分析样本，以C(j1)表示当前Ana(j1)内所有像素的像素平均值，在Ana(j1)内将像素值大于C(j1)的像素记为第二像素，则第二像素存在多个，记所有第二像素的数量为N2，以fac(i2)表示N2个第二像素中的第i2个第二像素，则i2=1,2,…,N2；从fac(1)到fac(N2)，依次对每个第二元素执行一遍第三算法，共执行N2次，从而得到N2个集合res_(1)[],res_(2)[],…,res_(N2)[]；分别以dep(1)、dep(2)、…、dep(N2)表示集合res_(1)[]、res_(2)[]、…、res_(N2)[]内所有元素的总和，记dep(1),dep(2),…,dep(N2)中的最大值为evi(j1)；
在第二算法中将变量j1的值从j1=1遍历至j1=N1，从而得到N1个值evi(1),evi(2),…,evi(N1)，以这N1个值的平均值作为水质分形基量。
水质分形基量作为衡量污水中水体特征的指标，在分析样本中通过对多个像素值进行比较以及计算而得到，基于像素的相对关系和像素值的统计特征，水质分形基量能够有效地表征污水的水质状况，同时利用多个分析样本，提高水质分析算法的稳定性和准确性，量化水质数据中的像素结构、浑浊物特征和分形维度等水质信息，从而提供对水质特征的客观评估。
进一步地，所述第三算法的执行步骤为：以fac(j2)表示N2个第二像素中的第j2个第二像素，j2的取值范围与i2的取值范围一致，创建一个空白的集合res_(j2)[]，记当前fac(j2)的像素值为unl，以unl的8邻域作为第一邻域，则第一邻域中存在8个像素；记sov(x)为第一邻域内8个像素中的任意一个像素的像素值，如果sov(x)满足第一条件时，则将该sov(x)加入集合res_(j2)[]中；
所述第一条件为：；式中，r为累加变量，kkt(r)表示第一邻域内的第r个像素，r的取值范围为r=1,2,…,8。
进一步地，步骤S400中，基于水质分形基量对多张污水图像进行水质数据的特征提取的方法为：记ima(i)为N张污水图像的第i张污水图像，则i=1,2,…,N，以sim(i)作为ima(i)的水质特征量，依次计算N张污水图像的N个水质特征量sim(1),sim(2),…,sim(N)，以N个水质特征量sim(1),sim(2),…,sim(N)作为水质数据的特征提取。
其中，sim(i)的计算方法为：
；
式中，k为累加变量，k的取值范围为[1,imaL(i)]，imaL(i)表示ima(i)内的所有特征元素的数量，pie(k)为ima(i)内所有特征元素中的第k个特征元素，Frac为水质分形基量的值；
ima(i)内的所有特征元素是指ima(i)内的所有元素值大于ave(i)的元素，ave(i)表示ima(i)内所有元素的元素值的平均值。
进一步地，步骤S400中，基于水质分形基量对多张污水图像进行水质数据的特征提取，还包括：按照随机取样的方法，在N个水质特征量sim(1),sim(2),…,sim(N)选取R个水质特征量，记Asim=[sim(1)+sim(2)+…+sim(N)]/N（即均值），Asim是N个水质特征量sim(1),sim(2),…,sim(N)的均值，如果这R个水质特征量中的任意两个水质特征量的差值的绝对值大于Asim，则通过控制终端发送报警信号至污水管理处，所述报警信号至少包括污水排放口的经纬度位置、多张污水图像中的任意一张图像以及多张污水图像中的任意一张图像的拍摄时间；
其中，控制终端与高速摄像机通过有线方式连接，控制终端发送报警信号的方式为有线/无线。
所述一种基于图像处理的污水水质数据智能分析系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于图像处理的污水水质数据智能分析方法实施例中的步骤，所述一种基于图像处理的污水水质数据智能分析系统可以运行于桌上型计算机、笔记本电脑、移动电话、手提电话、平板电脑、掌上电脑及云端数据中心等计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群。
本发明的实施例提供的一种基于图像处理的污水水质数据智能分析系统，如图2所示，该实施例的一种基于图像处理的污水水质数据智能分析系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于图像处理的污水水质数据智能分析方法实施例中的步骤，所述处理器执行所述计算机程序运行在以下系统的单元中：
图像捕捉单元，用于通过高速摄像机捕捉多张污水图像；
图像处理单元，用于将多张污水图像进行预处理，得到多个分析样本；
样本计算单元，用于利用多个分析样本计算水质分形基量；
特征提取单元，用于基于水质分形基量对多张污水图像进行水质数据的特征提取。
所述一种基于图像处理的污水水质数据智能分析系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中。所述一种基于图像处理的污水水质数据智能分析系统包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种基于图像处理的污水水质数据智能分析方法及系统的示例，并不构成对一种基于图像处理的污水水质数据智能分析方法及系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种基于图像处理的污水水质数据智能分析系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立元器件门电路或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种基于图像处理的污水水质数据智能分析系统的控制中心，利用各种接口和线路连接整个一种基于图像处理的污水水质数据智能分析系统的各个分区域。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种基于图像处理的污水水质数据智能分析方法及系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card ,SMC)，安全数字(Secure Digital ,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明提供了一种基于图像处理的污水水质数据智能分析方法和系统，布置高速摄像机于污水排放口，通过高速摄像机捕捉多张污水图像，将多张污水图像进行预处理，得到多个分析样本，利用多个分析样本计算水质分形基量，基于水质分形基量对多张污水图像进行水质数据的特征提取。所述方法能够实现对污水水质数据的智能分析，提供了一种有效的手段来评估和监测污水的水质状况，通过量化图像中的关键像素特征，利用水质分形基量提取出污水图像中与水质相关的核心数据，同时，还能够及时发现水质异常情况，高效地对污水水质进行监测和评估，为水质数据分析提供有力的支持和决策依据。尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。

Claims (5)

1.一种基于图像处理的污水水质数据智能分析方法，其特征在于，所述方法包括以下步骤：
S100，布置高速摄像机于污水排放口，通过高速摄像机捕捉多张污水图像；
S200，将多张污水图像进行预处理，得到多个分析样本；
S300，利用多个分析样本计算水质分形基量；
S400，基于水质分形基量对多张污水图像进行水质数据的特征提取；
其中，步骤S200中，将多张污水图像进行数据预处理，得到多个分析样本的方法具体为：
将N张污水图像转化为N个图像矩阵，所述图像矩阵的基本组成单元为像素，每个像素具有相应的像素值，以sew(i)表示N个图像矩阵中的第i个图像矩阵，则i的取值范围为i=1,2,…,N；记sew(i)内所有像素的像素平均值为mean(i)，则有N个像素平均值mean(1),mean(2),…,mean(N)，记M1=[mean(1)+mean(2)+…+mean(N)]/N；M1是N个像素平均值mean(1),mean(2),…,mean(N)的平均值；
设置变量j，j的取值范围与i的取值范围一致；
定义第一算法为：以sew(j)表示当前变量j的值在N个图像矩阵中所对应的第j个图像矩阵，以A(j)表示当前sew(j)内像素值最大的像素所对应的像素值，以B(j)表示当前sew(j)内像素值最小的像素所对应的像素值，通过第一等式计算出当前sew(j)所对应的vas(j)的值，如果vas(j)的值大于0，则将当前的sew(j)作为分析样本；
其中，所述第一等式为：vas(j)=|A(j)-B(j)|－|[A(j)-B(j)]/2－M1|；vas(j)是由第一等式计算得到的第一数值；
在第一算法中将变量j的值从j=1遍历至j=N，从而得到多个分析样本；
步骤S300中，利用多个分析样本计算水质分形基量的方法具体为：
记多个分析样本的数量为N1个，以Ana(i1)表示N1个分析样本中的第i1个分析样本，则i1的取值范围为i1=1,2,…,N1；
设置变量j1，j1的取值范围与i1的取值范围一致；
定义第二算法为：以Ana(j1)表示当前j1的值在N1个分析样本中所对应的第j1个分析样本，以C(j1)表示当前Ana(j1)内所有像素的像素平均值，在Ana(j1)内将像素值大于C(j1)的像素记为第二像素，则第二像素存在多个，记所有第二像素的数量为N2，以fac(i2)表示N2个第二像素中的第i2个第二像素，则i2=1,2,…,N2；从fac(1)到fac(N2)，依次对每个第二元素执行一遍第三算法，共执行N2次，从而得到N2个集合res_(1)[ ],res_(2)[ ],…,res_(N2)[ ]；分别以dep(1)、dep(2)、…、dep(N2)表示集合res_(1)[ ]、res_(2)[ ]、…、res_(N2)[ ]内所有元素的总和，记dep(1),dep(2),…,dep(N2)中的最大值为evi(j1)；
在第二算法中将变量j1的值从j1=1遍历至j1=N1，从而得到N1个值evi(1),evi(2),…,evi(N1)，以这N1个值的平均值作为水质分形基量；
所述第三算法的执行步骤为：以fac(j2)表示N2个第二像素中的第j2个第二像素，j2的取值范围与i2的取值范围一致，创建一个空白的集合res_(j2)[ ]，记当前fac(j2)的像素值为unl，以unl的8邻域作为第一邻域，则第一邻域中存在8个像素；记sov(x)为第一邻域内8个像素中的任意一个像素的像素值，如果sov(x)满足第一条件时，则将该sov(x)加入集合res_(j2)[ ]中；
所述第一条件为：；式中，r为累加变量，kkt(r)表示第一邻域内的第r个像素，r的取值范围为r=1,2,…,8。
2.根据权利要求1所述的一种基于图像处理的污水水质数据智能分析方法，其特征在于，步骤S100中，布置高速摄像机于污水排放口，通过高速摄像机捕捉多张污水图像的方法为：将高速摄像机设置于污水排放口的一侧，使得高速摄像机的镜头相向于污水排放口，在污水经过污水排放口而排出的过程中，通过高速摄像机以T秒的捕捉间隔对污水排放口进行拍摄，从而得到N张污水图像，以所述N张污水图像作为多张污水图像；其中，所述T设置为区间[1,5]中的任意一个整数。
3.根据权利要求1所述的一种基于图像处理的污水水质数据智能分析方法，其特征在于，步骤S400中，基于水质分形基量对多张污水图像进行水质数据的特征提取的方法为：记ima(i)为N张污水图像的第i张污水图像，则i=1,2,…,N，以sim(i)作为ima(i)的水质特征量，依次计算N张污水图像的N个水质特征量sim(1),sim(2),…,sim(N)，以N个水质特征量sim(1),sim(2),…,sim(N)作为水质数据的特征提取；
其中，sim(i)的计算方法为：
；
式中，k为累加变量，k的取值范围为[1,imaL(i)]，imaL(i)表示ima(i)内的所有特征元素的数量，pie(k)为ima(i)内所有特征元素中的第k个特征元素，Frac为水质分形基量的值；
ima(i)内的所有特征元素是指ima(i)内的所有元素值大于ave(i)的元素，ave(i)表示ima(i)内所有元素的元素值的平均值。
4.根据权利要求1所述的一种基于图像处理的污水水质数据智能分析方法，其特征在于，步骤S400中，基于水质分形基量对多张污水图像进行水质数据的特征提取，还包括：按照随机取样的方法，在N个水质特征量sim(1),sim(2),…,sim(N)选取R个水质特征量，记Asim=[sim(1)+sim(2)+…+sim(N)]/N，Asim是N个水质特征量sim(1),sim(2),…,sim(N)的均值；如果这R个水质特征量中的任意两个水质特征量的差值的绝对值大于Asim，则通过控制终端发送报警信号至污水管理处，所述报警信号至少包括污水排放口的经纬度位置、多张污水图像中的任意一张图像以及多张污水图像中的任意一张图像的拍摄时间；
其中，控制终端与高速摄像机通过有线方式连接，控制终端发送报警信号的方式为有线/无线。
5.一种基于图像处理的污水水质数据智能分析系统，其特征在于，所述一种基于图像处理的污水水质数据智能分析系统包括：处理器、存储器及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-4中任一项所述的一种基于图像处理的污水水质数据智能分析方法中的步骤，所述一种基于图像处理的污水水质数据智能分析系统运行于桌上型计算机、笔记本电脑、掌上电脑或云端数据中心的计算设备中。
CN202310600952.6A 2023-05-26 2023-05-26 一种基于图像处理的污水水质数据智能分析方法和系统 Active CN116311089B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310600952.6A CN116311089B (zh) 2023-05-26 2023-05-26 一种基于图像处理的污水水质数据智能分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310600952.6A CN116311089B (zh) 2023-05-26 2023-05-26 一种基于图像处理的污水水质数据智能分析方法和系统

Publications (2)

Publication Number Publication Date
CN116311089A CN116311089A (zh) 2023-06-23
CN116311089B true CN116311089B (zh) 2023-08-25

Family

ID=86826243

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310600952.6A Active CN116311089B (zh) 2023-05-26 2023-05-26 一种基于图像处理的污水水质数据智能分析方法和系统

Country Status (1)

Country Link
CN (1) CN116311089B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116976680B (zh) * 2023-09-22 2023-12-26 广东海洋大学深圳研究院 一种天然气水合物钻采井筒的压力预警方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798529A (zh) * 2020-07-08 2020-10-20 常州市君杰水务科技有限公司 基于图像识别的管网自由出流流量在线监测方法
CN115174859A (zh) * 2022-07-05 2022-10-11 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) 一种城镇生活污水处理厂运营监控的预警装置和方法
CN115552217A (zh) * 2020-09-07 2022-12-30 奥加诺株式会社 流下装置、水质检查系统及水质检查方法
CN115980050A (zh) * 2022-12-15 2023-04-18 深圳市万物云科技有限公司 排水口的水质检测方法、装置、计算机设备及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111798529A (zh) * 2020-07-08 2020-10-20 常州市君杰水务科技有限公司 基于图像识别的管网自由出流流量在线监测方法
CN115552217A (zh) * 2020-09-07 2022-12-30 奥加诺株式会社 流下装置、水质检查系统及水质检查方法
CN115174859A (zh) * 2022-07-05 2022-10-11 生态环境部华南环境科学研究所(生态环境部生态环境应急研究所) 一种城镇生活污水处理厂运营监控的预警装置和方法
CN115980050A (zh) * 2022-12-15 2023-04-18 深圳市万物云科技有限公司 排水口的水质检测方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
3G技术在绍兴污水处理厂视频监控系统中的应用;任健;王炜;黄华明;科技通报(第07期);全文 *

Also Published As

Publication number Publication date
CN116311089A (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
WO2021184727A1 (zh) 数据异常检测方法、装置、电子设备及存储介质
CN107256225B (zh) 一种基于视频分析的热度图生成方法及装置
CN110659659A (zh) 一种智能识别和预警害虫的方法及系统
AU2017250159A1 (en) Video recording method, server, system, and storage medium
CN116311089B (zh) 一种基于图像处理的污水水质数据智能分析方法和系统
CN109671020A (zh) 图像处理方法、装置、电子设备和计算机存储介质
CN110738235A (zh) 肺结核判定方法、装置、计算机设备及存储介质
WO2022105227A1 (zh) 一种确定空气质量的方法及装置
Su et al. A novel forgery detection algorithm for video foreground removal
CN110672323A (zh) 一种基于神经网络的轴承健康状态评估方法及装置
CN111191601A (zh) 同行用户识别方法、装置、服务器及存储介质
CN112580668A (zh) 一种背景欺诈检测方法、装置及电子设备
CN112989932A (zh) 基于改进原型网络的少样本森林火灾烟雾识别方法及装置
CN114650361A (zh) 拍摄模式确定方法、装置、电子设备和存储介质
CN110428402B (zh) 图像篡改识别方法、装置、计算机设备及存储介质
CN112434717B (zh) 一种模型训练方法及装置
Zhang et al. Densely connected convolutional networks with attention long short-term memory for estimating PM2. 5 values from images
CN116863286A (zh) 一种双流目标检测方法及其模型搭建方法
CN115759291B (zh) 一种基于集成学习的空间非线性回归方法及系统
CN112364918A (zh) 异常识别方法、终端和计算机可读存储介质
CN115150840B (zh) 一种基于深度学习的移动网络流量预测方法
CN115112661B (zh) 一种缺陷检测方法、装置、计算机设备和存储介质
CN105187821A (zh) 一种视频质量智能诊断分析系统
CN116343039A (zh) 一种环境监测方法及装置
CN113033500B (zh) 动作片段检测方法、模型训练方法及装置

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