CN116812998A - 基于絮凝图像分析的混凝剂投放流量确定方法和装置 - Google Patents
基于絮凝图像分析的混凝剂投放流量确定方法和装置 Download PDFInfo
- Publication number
- CN116812998A CN116812998A CN202310449073.8A CN202310449073A CN116812998A CN 116812998 A CN116812998 A CN 116812998A CN 202310449073 A CN202310449073 A CN 202310449073A CN 116812998 A CN116812998 A CN 116812998A
- Authority
- CN
- China
- Prior art keywords
- flocculation
- coagulant
- average
- average value
- effect evaluation
- 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.)
- Pending
Links
- 238000005189 flocculation Methods 0.000 title claims abstract description 399
- 230000016615 flocculation Effects 0.000 title claims abstract description 399
- 239000000701 coagulant Substances 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000010191 image analysis Methods 0.000 title claims abstract description 27
- 230000000694 effects Effects 0.000 claims abstract description 129
- 239000010865 sewage Substances 0.000 claims abstract description 119
- 238000011156 evaluation Methods 0.000 claims description 122
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000000605 extraction Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 13
- 230000014759 maintenance of location Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 239000002351 wastewater Substances 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000011282 treatment Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000005345 coagulation Methods 0.000 description 7
- 230000015271 coagulation Effects 0.000 description 7
- 238000010606 normalization Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 4
- 239000003513 alkali Substances 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004065 wastewater treatment Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001311 chemical methods and process Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000003440 toxic substance Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Separation Of Suspended Particles By Flocculating Agents (AREA)
Abstract
本发明公开了一种基于絮凝图像分析的混凝剂投放流量确定方法和装置。该方法包括：对各污水絮凝图像集合进行特征提取获取絮凝特征参数；根据絮凝特征参数构建各污水絮凝图像集合匹配的絮凝特征参数曲线；根据絮凝特征参数曲线获取各混凝剂投放流量所对应的污水絮凝特征值；根据污水絮凝特征值确定各混凝剂投放流量所对应的絮凝评分，并将絮凝评分最高的混凝剂投放流量作为目标投放流量。通过获取各混凝剂投放流量下所采集的污水絮凝图像集合，并对所采集的图像进行特征提取，并根据所提取的絮凝特征参数确定各混凝剂投放流量下所对应的絮凝评分，从而在无需用户参与的情况下就可以高效准确的获取到絮凝效果最佳时所对应的目标投放流量。
Description
技术领域
本发明实施例涉及自动化设备、图像处理技术、视觉检测与数据分析、化工技术等领域，尤其涉及一种基于絮凝图像分析的混凝剂投放流量确定方法和装置。
背景技术
工业生产所产生的废水中含有大量的有毒物质，在排放前需要经过一系列的化工工艺处理，而絮凝是废水处理流程中的一个关键环境。针对废水处理的絮凝性能分析，目前国内大部分的厂家都是采用烧杯实验或者测量出水COD浓度的方式。
但是上述两种方式都过于依靠操作人员的主观经验判断，非常容易造成误判，进而导致在实际的废水絮凝处理过程中，不仅会出现絮凝剂投入过量或不足的问题，并且在这个过程中也需要消耗大量的人力和物力。
发明内容
本发明实施例提供一种基于絮凝图像分析的混凝剂投放流量确定方法和装置，以实现确定絮凝效果最佳的情况下所需要的混凝剂投放量。
第一方面，本发明实施例提供了一种基于絮凝图像分析的混凝剂投放流量确定方法，包括：
获取各混凝剂投放流量下所采集的污水絮凝图像集合，其中，所述污水絮凝图像集合中包括指定帧数的污水絮凝图像；
对各所述污水絮凝图像集合进行特征提取获取絮凝特征参数；
根据所述絮凝特征参数构建各所述污水絮凝图像集合匹配的絮凝特征参数曲线；
根据所述絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标；
根据所述絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，并将絮凝评分最高的混凝剂投放流量作为目标投放流量。
第二方面，本发明实施例提供了一种基于絮凝图像分析的混凝剂投放流量确定装置，包括：
污水絮凝图像集合获取模块，用于获取各混凝剂投放流量下所采集的污水絮凝图像集合，其中，所述污水絮凝图像集合中包括指定帧数的污水絮凝图像；
絮凝特征参数提取模块，用于对各所述污水絮凝图像集合进行特征提取获取絮凝特征参数；
絮凝特征参数曲线构建模块，用于根据所述絮凝特征参数构建各所述污水絮凝图像集合匹配的絮凝特征参数曲线；
絮凝效果评价指标获取模块，用于根据所述絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标；
目标投放流量确定模块，用于根据所述絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，并将絮凝评分最高的混凝剂投放流量作为目标投放流量。
第三方面，本发明实施例提供了计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述的方法。
第四方面，本发明实施例提供了一种计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述方法。
附图说明
图1是本发明实施例一提供的一种基于絮凝图像分析的混凝剂投放流量确定方法的流程图；
图2是本发明实施例一提供的基于絮凝图像分析的混凝剂投放流量确定方法的应用系统结构示意图；
图3是本发明实施例二提供的一种基于絮凝图像分析的混凝剂投放流量确定方法的流程图；
图4是本发明实施例三提供的一种基于絮凝图像分析的混凝剂投放流量确定装置的结构示意图；
图5是本发明实施例四提供的一种计算机设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种基于絮凝图像分析的混凝剂投放流量确定方法的流程图，本实施例可适用于对混凝剂投放流量进行确定的情况，该方法可以由基于絮凝图像分析的混凝剂投放流量确定装置来执行，该装置可以由软件和/或硬件的方式实现，方法包括：
步骤S101，获取各混凝剂投放流量下所采集的污水絮凝图像集合。
具体的说，如图2所示，为本实施方式中基于絮凝图像分析的混凝剂投放流量确定方法的应用系统结构示意图，该应用系统包括絮凝槽3、助凝槽1和沉淀槽12。并且在助凝槽上方设置有从上往下拍摄的相机8，相机8采集助凝槽11中水体的絮凝图像，并通过以太网发送给与相机相连的上位机1，上位机1则根据所采集的图像进行处理，由于针对每个混凝剂投放流量上位机1都会获取对应的污水絮凝图像集合，因此针对每个污水混凝图像集合中的图像进行分析处理，可以确定出在哪个混凝剂投放流量下的混凝效果是最好的。
在一个具体实现中，以获取一组污水絮凝图像集合的具体方式进行说明，在启动应用系统后，开启污水计量泵19，混凝剂计量泵7、电动搅拌机6和相机8，同时预先设定絮凝槽3中的PH值。通过污水计量泵19将污水桶17中的待处理污水泵入絮凝槽3，控制柜2将污水流量数据发送到上位机1进行记录，污水流量记为变量Q1，通过混凝剂计量泵7将混凝剂储蓄桶16中的混凝剂泵入絮凝槽3进行絮凝反应，控制柜2将混凝剂流量数据发送到上位机1进行记录，混凝剂流量记为变量Q2，絮凝槽3上方的电动搅拌机6对絮凝槽3中的污水进行搅拌，使污水与混凝剂充分接触反应，控制柜2将电动搅拌机6的转速数据发送到上位机1进行记录，搅拌机转速记为变量Q3。另外，通过PH计4检测絮凝槽3内的PH值，若絮凝槽3内的PH值与预先设定的PH值存在偏差，则开启碱液储蓄桶18上的碱液计量泵5，将碱液泵入絮凝槽3调节其PH值，使之稳定在预设的PH值大小，同时控制柜2将预设的PH值数据发送到上位机1进行记录，PH值记为变量Q4。本实施方式中之所以要控制絮凝槽3内的PH值，是因为絮凝剂与污水在指定的PH值下才能进行絮凝反应。可以预先设定絮凝槽3与助凝槽11的水力停留时间为T，其中，T可以是900秒，当然本实施方式中仅是举例说明，而并不对T的具体数值进行限定，则经过时间T后，与混凝剂充分反应后的污水流入助凝槽11，此时系统开启助凝剂计量泵10将助凝剂储蓄桶13中的助凝剂泵入助凝槽11进行助凝反应。同时助凝槽11上方的电动搅拌机6对助凝槽11中的污水进行搅拌，搅拌机转速可以是Q3，使污水与助凝剂充分接触反应，控制柜2将助凝剂流量数据发送到上位机1进行记录，助凝剂流量记为变量Q5。
其中，污水在助凝槽11中与助凝剂充分反应后小絮体会聚集形成大絮体，经过时间2T后，系统控制助凝槽11上方设置的相机8采集助凝槽11中水体的污水絮凝图像。本实施方式中可以设置相机采集帧率为F，例如，F＝10fps，已知各槽体的水力停留时间为T，则所采集的污水絮凝图像的总帧数为Sf＝F*T＝10*900＝9000帧，每一帧图像可以记为IMGi(i＝1，2，....Sf)，并将各污水絮凝图像构成污水絮凝图像集合，而上位机1则接收相机8通过以太网连接方式发送的污水絮凝图像集合。并且污水在助凝槽11中与助凝剂充分反应后，流入沉淀槽12进行絮体的沉淀，通过淤泥滤网15过滤后流入出水储蓄桶14，实现固液分离。上述方式为一个混凝剂投放流量下获取对应的污水絮凝图像集合的过程说明，为了获得在哪个混凝剂投放流量下絮凝效果最佳，可以保持污水流量Q1、搅拌机转速Q3、PH值Q4和助凝剂流量Q5不变，改变混凝剂流量Q2，重复上述过程，从而获取到各混凝剂投放流量下所采集的污水絮凝图像集合。
步骤S102，对各污水絮凝图像集合进行特征提取获取絮凝特征参数。
可选的，对各污水絮凝图像集合进行特征提取获取絮凝特征参数，包括：对各污水絮凝图像集合中的每帧污水絮凝图像进行去噪处理，获取去噪后的灰度化污水絮凝图像；对灰度化污水絮凝图像进行图像增强获取增强图像，并对增强图像进行二值化处理，获取絮体和背景分割的二值化图像；对二值化图像进行连通域标识操作获取絮体的絮体个数、分形维数、平均周长和平均面积；将絮体个数、分形维数、平均周长和平均面积作为各污水絮凝图像集合中每帧污水絮凝图像的絮凝特征参数。
其中，本实施方式中上位机1在获取到各混凝剂投放流量下所采集的污水絮凝图像集合后，会对所采集的污水絮凝图像集合进行图像处理，针对一组污水絮凝图像集合的处理方式为：对污水絮凝图像集合中的每帧污水絮凝图像进行去噪，具体是对每帧污水絮凝图像进行灰度化和快速中值滤波算法处理，从而得到去噪后的灰度化污水絮凝图像。使用Retinex算法对灰度化污水絮凝图像进行图像增强获取增强图像，使得图像中的细节更加突出，并对增强图像进行二值化处理，获取絮体和背景分割的二值化图像。使用数学形态学分析方法对二值化图像进行处理，获取简化后的二值化图像，从而在保持絮体基本形状的同时，去除不相干的结构，使得图像变得更加清晰。使用连通域识别算法对简化后的二值化图像进行连通域标识操作，以获取每帧图像中絮体的平均面积、平均周长、分形维数、絮体个数，并分别用IMGi|AM、IMGi|AP、IMGi|FD和IMGi|FN进行表示，其中，i表示图像的帧标识，并且i的取值范围为{1,2,...Sf}进行表示。当然，本实施方式中仅是举例说明，主要能够真实有效的反映絮凝效果则都是在本申请的保护范围内，本实施方式中并不对絮凝特征参数的具体类型进行限定。
步骤S103，根据絮凝特征参数构建各污水絮凝图像集合匹配的絮凝特征参数曲线。
具体的说，本实施方式中在获取到各污水絮凝图像集合的絮凝特征参数后，针对各污水絮凝图像集合会以总帧数Sf为横轴，絮凝特征参数为纵轴，建立对应的絮凝特征参数曲线图，例如，关于絮体个数的曲线、分形维数的曲线、平均周长的曲线和平均面积的曲线。其中，本实施方式中通过将絮凝特征参数进行图示化展示后，可以对曲线进行处理以获取到更具有代表性的絮凝效果评价指标。
步骤S104，根据絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标。
可选的，根据絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标，包括：采用滑动窗口按照指定步长在各污水絮凝图像集合匹配的絮凝特征参数曲线上进行滑动确定窗口数量；计算各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值；根据各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值，获取各混凝剂投放流量所对应的絮凝效果评价指标。
可选的，根据各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值，获取各混凝剂投放流量所对应的絮凝效果评价指标，包括：从各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值中，筛选出第一类型絮凝效果评价指标，其中，第一类型絮凝效果评价指标包括最大絮体个数平均值、最大分形维数平均值、最大平均周长平均值和最大平均面积平均值；计算各相邻窗口的絮体个数平均值增长率、分形维数平均值增长率、平均周长平均值增长率和平均面积平均值增长率；从各窗口下的絮体个数平均值增长率、分形维数平均值增长率、平均周长平均值增长率和平均面积平均值增长率中，筛选出第二类型絮凝效果评价指标，其中，第二类型絮凝效果评价指标包括最大絮体个数平均值增长率、最大分形维数平均值增长率、最大平均周长平均值增长率和最大平均面积平均值增长率；获取达到最大平均面积平均值的第一时间以及达到最大平均面积平均值增长率的第二时间，并将第一时间和第二时间作为第三类型絮凝效果评价指标；将第一类型絮凝效果评价指标、第二类型絮凝效果评价指标和第三类型絮凝效果评价指标作为各混凝剂投放流量所对应的絮凝效果评价指标。
具体的说，在获取到絮凝特征参数曲线之后，可以使用大小为W，步长为L的滑动窗口分别对四种絮凝特征参数组成的曲线进行处理，当W＝50,L＝25时，可以获取窗口的数量Sw＝(Sf-W)/L+1＝(9000-50)/25+1＝359，由于在一个窗口中涵盖了多帧图像的絮凝特征参数，因此可以计算每个窗口的四种絮凝特征参数的平均值，例如，将每个窗口中的平均面积平均值、平均周长平均值、分形维数平均值和絮体个数平均值，分别用IMGj|A-AM、IMGj|A-AP、IMGj|A-FD和IMGj|A-FN进行表示，其中,j用于表示窗口的标识，并且j的取值范围为{j＝1,2,...Sw}。本实施方式中从各窗口中分别取上述各数值的最大值，从而获取到最大平均面积平均值、最大平均周长平均值、最大分形维数平均值和最大絮体个数平均值，并分别用IMG|MAX-A-AM、IMG|MAX-A-AP、IMG|MAX-A-FD和IMG|MAX-A-FN进行表示，并将上述所获取的四个数值称为第一类型絮凝效果评价指标。
其中，本实施方式中还会针对各絮凝特征参数曲线，计算各相邻窗口的增长率，包括个数平均值增长率、分形维数平均值增长率、平均周长平均值增长率和平均面积平均值增长率。以平均面积平均值增长率的计算公式IMGj|GR-AM＝(IMGj|A-AM-IMGj-1|A-AM)/L(j＝2,3,...Sw)进行说明，第j个窗口的平均面积平均值增长率等于第j个窗口的平均面积平均值减去第j-1个窗口的平均面积平均值，并将差值除以窗口的步长。平均周长平均值增长率、分形维数平均值增长率和个数平均值增长率的计算方式与此大致相同，并且分别用IMGj|GR-AP、IMGj|GR-FD、IMGj|GR-FN进行表示。本实施方式中从各窗口中分别取上述各数值的最大值，从而获取到最大平均面积平均值增长率、最大平均周长平均值增长率、最大分形维数平均值增长率和最大絮体个数平均值增长率，并分别用IMG|MAX-GR-AM、IMG|MAX-GR-AP、IMG|MAX-GR-FD和IMG|MAX-GR-FN进行表示，并将上述所获取的四个数值称为第二类型絮凝效果评价指标。另外，本实施方式中还会获取IMGj|A-AM达到最大值IMG|MAX-A-AM的第一时间，并用T|MAX-A-AM进行表示；同时获取IMGj|GR-AM达到最大值IMG|MAX-GR-AM的第二时间，并用T|MAX-GR-AM进行表示，将并将第一时间和第二时间作为第三类型絮凝效果评价指标。
综上，本实施方式中针对每次混凝剂投放流量下的污水絮凝图像集合进行处理，分别获取到10个絮凝效果评价指标，分别是最大平均面积平均值用IMG|MAX-A-AM、最大平均周长平均值IMG|MAX-A-AP、最大分形维数平均值IMG|MAX-A-FD、最大絮体个数平均值IMG|MAX-A-FN、最大平均面积平均值增长率IMG|MAX-GR-AM、最大平均周长平均值增长率IMG|MAX-GR-AP、最大分形维数平均值增长率IMG|MAX-GR-FD、最大絮体个数平均值增长率IMG|MAX-GR-FN、达到最大值IMG|MAX-A-AM的第一时间T|MAX-A-AM以及达到最大值IMG|MAX-GR-AM的第二时间T|MAX-GR-AM。
步骤S105，根据絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，并将絮凝评分最高的混凝剂投放流量作为目标投放流量。
可选的，根据絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，包括：根据各混凝剂投放流量所对应的絮凝效果评价指标构建絮凝效果评价指标矩阵；对絮凝效果评价指标矩阵进行主成分分析获取各混凝剂投放流量所对应的主成分；根据主成分确定各混凝剂投放流量所对应的絮凝评分。
可选的，对絮凝效果评价指标矩阵进行主成分分析获取各混凝剂投放流量所对应的主成分，包括：对絮凝效果评价指标矩阵按列计算均值和标准差，获取标准化矩阵；确定标标准化矩阵的协方差矩阵，并计算协方差矩阵的特征值，其中，特征值与絮凝效果评价指标的数量相同；根据特征值确定各絮凝效果评价指标的贡献率，并将贡献率大于指定阈值的絮凝效果评价指标进行保留获取主成分。
具体的说，本实施方式中在获取到不同混凝剂投放流量下所对应的10个絮凝效果评价指标之后，可以将每次混凝剂投放流量下所获取的10个絮凝效果评价指标构建絮凝效果评价指标矩阵，如下公式(1)所示：
其中，n为投放混凝剂投放流量的次数，p为絮凝效果评价指标的数量，在实际应用中絮凝效果评价指标的数量较多时，可以采用使用主成分分析法对上述多次试验获得的絮凝效果评价指标矩阵进行分析，主成分分析是一种降维算法，它能将多个指标转换为少数几个主成分，这些主成分是原始变量的线性组合，且彼此之间互不相关，其能反映出原始数据的大部分信息。
值得一提的是，本实施方式中在对絮凝效果评价指标矩阵进行主成分分析时，不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，具体是对絮凝效果评价指标矩阵按列计算均值和标准差，获取标准化矩阵，如下公式(2)所示：
其中，原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价，由于关于数据标准化的具体原理并不是本申请的重点，因此本实施方式中不再进行赘述。在获取到标准化矩阵之后，可以确定标准化矩阵的协方差矩阵，并计算协方差矩阵的特征值和特征向量，例如，所获取的特征值为：λ1≥λ2≥…≥λp≥0，对应的特征向量分别为/>由于关于协方差计算以及协方差矩阵的特征值计算方式不是本申请的重点，因此本实施方式中不再进行赘述。
具体的说，本实施方式会取累计贡献率超过85％的特征值所对应的第一、第二、...、第m(m<＝p)个主成分，第i个主成分为：Fi＝a1iX1+a2iX2+…+apiXp(i＝1,2,…,m)。将每个样本的p个絮凝效果评价指标(标准化之后的)代入m个主成分各自的表达式Fi中，即可计算出每个样本各自的m个主成分得分。得到每个样本各自的m个主成分得分后，计算m个主成分所占的权重，从而计算每个样本的综合得分。例如，通过上述方式得到了3个主成分，则每个样本都有三个主成分得分F1、F2和F3。三个主成分各自的特征值为λ1、λ2和λ3，则计算综合得分时，第一个主成分的权重为w1＝λ1/(λ1+λ2+λ3)，w2和w3以此类推，则综合得分的计算公式为：F＝w1F1+w2F2+w3F3，在得到综合得分之后，则可以将综合得分作为该次混凝剂投放流量所对应的絮凝评分。由于哪组实验所得的综合得分越高，我们认为这次实验的絮凝效果越好，其所对应的混凝剂的流量就越佳。从而针对每次混凝剂投放流量在得到絮凝评分之后，可以将絮凝评分最高的混凝剂投放流量作为目标投放流量记为Q2Opt。
需要说明的是，为了使得出的试验结果更具有可靠性和合理性，进一步优化混凝剂流量Q2的最佳值，采用线性插值法对前面多次试验得到的混凝剂目标投放流量Q2Opt进行线性差值，即在前面多次试验的基础上，取Q2Opt与其左值的中间值和与其右值的中间值作为混凝剂流量Q2的值，再进行两次试验，同样对试验结果进行主成分分析，计算综合得分，将这两次试验的综合得分与Q2Opt的综合得分进行比较，取综合得分最大者对应的混凝剂流量Q2为新的目标投放流量，从而进一步优化了混凝剂投放流量Q2的最佳值，为絮凝性能分析提供量化指标，可作为实际污水处理过程的初始投加量指导。
本实施方式通过获取各混凝剂投放流量下所采集的污水絮凝图像集合，并对所采集的图像进行特征提取，并根据所提取的絮凝特征参数确定各混凝剂投放流量下所对应的絮凝评分，从而在无需用户参与的情况下就可以高效准确的获取到絮凝效果最佳时所对应的目标投放流量。
实施例二
图2为本发明实施例二提供的一种基于絮凝图像分析的混凝剂投放流量确定方法的流程图，本实施例以上述实施例为基础，在确定出目标投放流量之后，还包括：获取混凝剂的原始浓度、进行絮凝反应的容器体积以及容器的水力停留时间，根据目标投放流量、原始浓度、容器体积以及容器的水力停留时间确定混凝剂的投放浓度。方法包括：
步骤S201，获取各混凝剂投放流量下所采集的污水絮凝图像集合。
步骤S202，对各污水絮凝图像集合进行特征提取获取絮凝特征参数。
可选的，对各污水絮凝图像集合进行特征提取获取絮凝特征参数，包括：对各污水絮凝图像集合中的每帧污水絮凝图像进行去噪处理，获取去噪后的灰度化污水絮凝图像；对灰度化污水絮凝图像进行图像增强获取增强图像，并对增强图像进行二值化处理，获取絮体和背景分割的二值化图像；对二值化图像进行连通域标识操作获取絮体的絮体个数、分形维数、平均周长和平均面积；将絮体个数、分形维数、平均周长和平均面积作为各污水絮凝图像集合中每帧污水絮凝图像的絮凝特征参数。
步骤S203，根据絮凝特征参数构建各污水絮凝图像集合匹配的絮凝特征参数曲线。
步骤S204，根据絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标。
可选的，根据絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标，包括：采用滑动窗口按照指定步长在各污水絮凝图像集合匹配的絮凝特征参数曲线上进行滑动确定窗口数量；计算各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值；根据各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值，获取各混凝剂投放流量所对应的絮凝效果评价指标。
可选的，根据各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值，获取各混凝剂投放流量所对应的絮凝效果评价指标，包括：从各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值中，筛选出第一类型絮凝效果评价指标，其中，第一类型絮凝效果评价指标包括最大絮体个数平均值、最大分形维数平均值、最大平均周长平均值和最大平均面积平均值；计算各相邻窗口的絮体个数平均值增长率、分形维数平均值增长率、平均周长平均值增长率和平均面积平均值增长率；从各窗口下的絮体个数平均值增长率、分形维数平均值增长率、平均周长平均值增长率和平均面积平均值增长率中，筛选出第二类型絮凝效果评价指标，其中，第二类型絮凝效果评价指标包括最大絮体个数平均值增长率、最大分形维数平均值增长率、最大平均周长平均值增长率和最大平均面积平均值增长率；获取达到最大平均面积平均值的第一时间以及达到最大平均面积平均值增长率的第二时间，并将第一时间和第二时间作为第三类型絮凝效果评价指标；将第一类型絮凝效果评价指标、第二类型絮凝效果评价指标和第三类型絮凝效果评价指标作为各混凝剂投放流量所对应的絮凝效果评价指标。
步骤S205，根据絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，并将絮凝评分最高的混凝剂投放流量作为目标投放流量。
可选的，根据絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，包括：根据各混凝剂投放流量所对应的絮凝效果评价指标构建絮凝效果评价指标矩阵；对絮凝效果评价指标矩阵进行主成分分析获取各混凝剂投放流量所对应的主成分；根据主成分确定各混凝剂投放流量所对应的絮凝评分。
可选的，对絮凝效果评价指标矩阵进行主成分分析获取各混凝剂投放流量所对应的主成分，包括：对絮凝效果评价指标矩阵按列计算均值和标准差，获取标准化矩阵；确定标准化矩阵的协方差矩阵，并计算协方差矩阵的特征值，其中，特征值与絮凝效果评价指标的数量相同；根据特征值确定各絮凝效果评价指标的贡献率，并将贡献率大于指定阈值的絮凝效果评价指标进行保留获取主成分。
步骤S206，获取混凝剂的原始浓度、进行絮凝反应的容器体积以及容器的水力停留时间，根据目标投放流量、原始浓度、容器体积以及容器的水力停留时间确定混凝剂的投放浓度。
具体的说，在本实施方式中在获取到混凝剂目标投放流量Q2Opt之后，还可以根据应用系统中已有的各项试验测量参数，确定出混凝剂的投放浓度。例如，在获取到应用系统中各槽体的水力停留时间T、混凝剂储蓄桶16中配置的混凝剂原始浓度C以及各槽体的有效体积V之后，可以采用如下公式(3)确定混凝剂的投放浓度：
COpt＝(Q2Opt*T*C)/V (3)
其中，Q2Opt为目标投放流量，C为原始浓度，V为容器体积，T为容器的水力停留时间。例如，在确定V＝10L,C＝50ppm,T＝15时，代入上述公式(3)可以得出COpt＝(Q2Opt*T*C)/V＝(15*50*Q2Opt)/10＝75Q2Opt，因此在目标投放流量已经的情况下，相应的混凝剂的投放浓度COpt也是已知的。本实施方式中通过获取混凝剂的投放浓度，可以进一步精细化指导污水处理过程中混凝剂的投放，从而进一步提高絮凝性能分析时的自动化过程。
本实施方式通过获取各混凝剂投放流量下所采集的污水絮凝图像集合，并对所采集的图像进行特征提取，并根据所提取的絮凝特征参数确定各混凝剂投放流量下所对应的絮凝评分，从而在无需用户参与的情况下就可以高效准确的获取到絮凝效果最佳时所对应的目标投放流量。通过获取混凝剂的投放浓度，可以进一步精细化指导污水处理过程中混凝剂的投放，从而进一步提高絮凝性能分析时的自动化过程。
实施例三
图4为本发明实施例三提供的一种基于絮凝图像分析的混凝剂投放流量确定装置的结构示意图，该装置可以执行上述各实施例中涉及到的基于絮凝图像分析的混凝剂投放流量确定方法。该装置可采用软件和/或硬件的方式实现，如图4所示，基于絮凝图像分析的混凝剂投放流量确定装置，包括：污水絮凝图像集合获取模块310、絮凝特征参数提取模块320、絮凝特征参数曲线构建模块330、絮凝效果评价指标获取模块340和目标投放流量确定模块350。
污水絮凝图像集合获取模块310，用于获取各混凝剂投放流量下所采集的污水絮凝图像集合，其中，污水絮凝图像集合中包括指定帧数的污水絮凝图像；
絮凝特征参数提取模块320，用于对各污水絮凝图像集合进行特征提取获取絮凝特征参数；
絮凝特征参数曲线构建模块330，用于根据絮凝特征参数构建各污水絮凝图像集合匹配的絮凝特征参数曲线；
絮凝效果评价指标获取模块340，用于根据絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标；
目标投放流量确定模块350，用于根据絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，并将絮凝评分最高的混凝剂投放流量作为目标投放流量。
可选的，絮凝特征参数提取模块，用于对各污水絮凝图像集合中的每帧污水絮凝图像进行去噪处理，获取去噪后的灰度化污水絮凝图像；
对灰度化污水絮凝图像进行图像增强获取增强图像，并对增强图像进行二值化处理，获取絮体和背景分割的二值化图像；
对二值化图像进行连通域标识操作获取絮体的絮体个数、分形维数、平均周长和平均面积；
将絮体个数、分形维数、平均周长和平均面积作为各污水絮凝图像集合中每帧污水絮凝图像的絮凝特征参数。
可选的，絮凝效果评价指标获取模块，包括：
窗口数量确定单元，用于采用滑动窗口按照指定步长在各污水絮凝图像集合匹配的絮凝特征参数曲线上进行滑动确定窗口数量；
窗口相关参数确定单元，用于计算各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值；
絮凝效果评价指标获取单元，用于根据各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值，获取各混凝剂投放流量所对应的絮凝效果评价指标。
可选的，絮凝效果评价指标获取单元，用于从各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值中，筛选出第一类型絮凝效果评价指标，其中，第一类型絮凝效果评价指标包括最大絮体个数平均值、最大分形维数平均值、最大平均周长平均值和最大平均面积平均值；
计算各相邻窗口的絮体个数平均值增长率、分形维数平均值增长率、平均周长平均值增长率和平均面积平均值增长率；
从各窗口下的絮体个数平均值增长率、分形维数平均值增长率、平均周长平均值增长率和平均面积平均值增长率中，筛选出第二类型絮凝效果评价指标，其中，第二类型絮凝效果评价指标包括最大絮体个数平均值增长率、最大分形维数平均值增长率、最大平均周长平均值增长率和最大平均面积平均值增长率；
获取达到最大平均面积平均值的第一时间以及达到最大平均面积平均值增长率的第二时间，并将第一时间和第二时间作为第三类型絮凝效果评价指标；
将第一类型絮凝效果评价指标、第二类型絮凝效果评价指标和第三类型絮凝效果评价指标作为各混凝剂投放流量所对应的絮凝效果评价指标。
可选的，目标投放流量确定模块包括：
絮凝效果评价指标矩阵构建单元，用于根据各混凝剂投放流量所对应的絮凝效果评价指标构建絮凝效果评价指标矩阵；
主成分获取单元，用于对絮凝效果评价指标矩阵进行主成分分析获取各混凝剂投放流量所对应的主成分；
絮凝评分确定单元，用于根据主成分确定各混凝剂投放流量所对应的絮凝评分。
可选的，主成分获取单元，用于对絮凝效果评价指标矩阵按列计算均值和标准差，获取标准化矩阵；
确定标准化矩阵的协方差矩阵，并计算协方差矩阵的特征值，其中，特征值与絮凝效果评价指标的数量相同；
根据特征值确定各絮凝效果评价指标的贡献率，并将贡献率大于指定阈值的絮凝效果评价指标进行保留获取主成分。
可选的，装置还包括混凝剂的投放浓度确定模块，用于获取混凝剂的原始浓度、进行絮凝反应的容器体积以及容器的水力停留时间；
根据目标投放流量、原始浓度、容器体积以及容器的水力停留时间确定混凝剂的投放浓度。
本发明实施例所提供的基于絮凝图像分析的混凝剂投放流量确定装置可执行本发明任意实施例所提供的基于絮凝图像分析的混凝剂投放流量确定方法，具备执行方法相应的功能模块和有益效果。
实施例四
图5为本发明实施例四提供的一种计算机设备的结构示意图，如图5所示，该计算机设备包括处理器610、存储器620、输入装置630和输出装置640；计算机设备中处理器610的数量可以是一个或多个，图5中以一个处理器610为例；计算机设备中的处理器610、存储器620、输入装置630和输出装置640可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器620作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的基于絮凝图像分析的混凝剂投放流量确定方法对应的程序指令/模块。处理器610通过运行存储在存储器620中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的基于絮凝图像分析的混凝剂投放流量确定方法。
一种基于絮凝图像分析的混凝剂投放流量确定方法，包括：
获取各混凝剂投放流量下所采集的污水絮凝图像集合，其中，污水絮凝图像集合中包括指定帧数的污水絮凝图像；
对各污水絮凝图像集合进行特征提取获取絮凝特征参数；
根据絮凝特征参数构建各污水絮凝图像集合匹配的絮凝特征参数曲线；
根据絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标；
根据絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，并将絮凝评分最高的混凝剂投放流量作为目标投放流量。
存储器620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；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器620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，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器620可进一步包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置630可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置640可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种基于絮凝图像分析的混凝剂投放流量确定方法，包括：
获取各混凝剂投放流量下所采集的污水絮凝图像集合，其中，污水絮凝图像集合中包括指定帧数的污水絮凝图像；
对各污水絮凝图像集合进行特征提取获取絮凝特征参数；
根据絮凝特征参数构建各污水絮凝图像集合匹配的絮凝特征参数曲线；
根据絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标；
根据絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，并将絮凝评分最高的混凝剂投放流量作为目标投放流量。
当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作，还可以执行本发明任意实施例所提供的基于絮凝图像分析的混凝剂投放流量确定方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例的方法。
值得注意的是，上述循环神经网络的参数量化装置以及量化网络中的推断装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于絮凝图像分析的混凝剂投放流量确定方法，其特征在于，包括：
获取各混凝剂投放流量下所采集的污水絮凝图像集合，其中，所述污水絮凝图像集合中包括指定帧数的污水絮凝图像；
对各所述污水絮凝图像集合进行特征提取获取絮凝特征参数；
根据所述絮凝特征参数构建各所述污水絮凝图像集合匹配的絮凝特征参数曲线；
根据所述絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标；
根据所述絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，并将絮凝评分最高的混凝剂投放流量作为目标投放流量。
2.根据权利要求1所述的方法，其特征在于，所述对各所述污水絮凝图像集合进行特征提取获取絮凝特征参数，包括：
对各所述污水絮凝图像集合中的每帧污水絮凝图像进行去噪处理，获取去噪后的灰度化污水絮凝图像；
对所述灰度化污水絮凝图像进行图像增强获取增强图像，并对所述增强图像进行二值化处理，获取絮体和背景分割的二值化图像；
对所述二值化图像进行连通域标识操作获取所述絮体的絮体个数、分形维数、平均周长和平均面积；
将所述絮体个数、分形维数、平均周长和平均面积作为各污水絮凝图像集合中每帧污水絮凝图像的絮凝特征参数。
3.根据权利要求1所述的方法，其特征在于，所述根据所述絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标，包括：
采用滑动窗口按照指定步长在各所述污水絮凝图像集合匹配的所述絮凝特征参数曲线上进行滑动确定窗口数量；
计算各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值；
根据各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值，获取各混凝剂投放流量所对应的絮凝效果评价指标。
4.根据权利要求3所述的方法，其特征在于，所述根据各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值，获取各混凝剂投放流量所对应的絮凝效果评价指标，包括：
从各窗口下的絮体个数平均值、分形维数平均值、平均周长平均值和平均面积平均值中，筛选出第一类型絮凝效果评价指标，其中，所述第一类型絮凝效果评价指标包括最大絮体个数平均值、最大分形维数平均值、最大平均周长平均值和最大平均面积平均值；
计算各相邻窗口的絮体个数平均值增长率、分形维数平均值增长率、平均周长平均值增长率和平均面积平均值增长率；
从各窗口下的絮体个数平均值增长率、分形维数平均值增长率、平均周长平均值增长率和平均面积平均值增长率中，筛选出第二类型絮凝效果评价指标，其中，所述第二类型絮凝效果评价指标包括最大絮体个数平均值增长率、最大分形维数平均值增长率、最大平均周长平均值增长率和最大平均面积平均值增长率；
获取达到所述最大平均面积平均值的第一时间以及达到所述最大平均面积平均值增长率的第二时间，并将所述第一时间和所述第二时间作为第三类型絮凝效果评价指标；
将所述第一类型絮凝效果评价指标、所述第二类型絮凝效果评价指标和所述第三类型絮凝效果评价指标作为各混凝剂投放流量所对应的絮凝效果评价指标。
5.根据权利要求1所述的方法，其特征在于，所述根据所述絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，包括：
根据各混凝剂投放流量所对应的絮凝效果评价指标构建絮凝效果评价指标矩阵；
对所述絮凝效果评价指标矩阵进行主成分分析获取各混凝剂投放流量所对应的主成分；
根据所述主成分确定各混凝剂投放流量所对应的絮凝评分。
6.根据权利要求5所述的方法，其特征在于，所述对所述絮凝效果评价指标矩阵进行主成分分析获取各混凝剂投放流量所对应的主成分，包括：
对所述絮凝效果评价指标矩阵按列计算均值和标准差，获取标准化矩阵；
确定所述标标准化矩阵的协方差矩阵，并计算所述协方差矩阵的特征值，其中，所述特征值与絮凝效果评价指标的数量相同；
根据所述特征值确定各絮凝效果评价指标的贡献率，并将贡献率大于指定阈值的絮凝效果评价指标进行保留获取所述主成分。
7.根据权利要求1所述的方法，其特征在于，所述将絮凝评分最高的混凝剂投放流量作为目标投放流量之后，还包括：
获取混凝剂的原始浓度、进行絮凝反应的容器体积以及容器的水力停留时间；
根据所述目标投放流量、所述原始浓度、所述容器体积以及所述容器的水力停留时间确定混凝剂的投放浓度。
8.一种基于絮凝图像分析的混凝剂投放流量确定装置，其特征在于，包括：
污水絮凝图像集合获取模块，用于获取各混凝剂投放流量下所采集的污水絮凝图像集合，其中，所述污水絮凝图像集合中包括指定帧数的污水絮凝图像；
絮凝特征参数提取模块，用于对各所述污水絮凝图像集合进行特征提取获取絮凝特征参数；
絮凝特征参数曲线构建模块，用于根据所述絮凝特征参数构建各所述污水絮凝图像集合匹配的絮凝特征参数曲线；
絮凝效果评价指标获取模块，用于根据所述絮凝特征参数曲线获取各混凝剂投放流量所对应的絮凝效果评价指标；
目标投放流量确定模块，用于根据所述絮凝效果评价指标确定各混凝剂投放流量所对应的絮凝评分，并将絮凝评分最高的混凝剂投放流量作为目标投放流量。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的方法。
10.一种计算机可执行指令的存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310449073.8A CN116812998A (zh) | 2023-04-24 | 2023-04-24 | 基于絮凝图像分析的混凝剂投放流量确定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310449073.8A CN116812998A (zh) | 2023-04-24 | 2023-04-24 | 基于絮凝图像分析的混凝剂投放流量确定方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116812998A true CN116812998A (zh) | 2023-09-29 |
Family
ID=88124803
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310449073.8A Pending CN116812998A (zh) | 2023-04-24 | 2023-04-24 | 基于絮凝图像分析的混凝剂投放流量确定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116812998A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117237356A (zh) * | 2023-11-15 | 2023-12-15 | 山东泗水丰田农药有限公司 | 用于农药生产的废水处理控制方法 |
| CN117315454A (zh) * | 2023-11-29 | 2023-12-29 | 河北中瀚水务有限公司 | 一种用于絮凝反应过程的评价方法、装置及系统 |
-
2023
- 2023-04-24 CN CN202310449073.8A patent/CN116812998A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117237356A (zh) * | 2023-11-15 | 2023-12-15 | 山东泗水丰田农药有限公司 | 用于农药生产的废水处理控制方法 |
| CN117237356B (zh) * | 2023-11-15 | 2024-02-23 | 山东泗水丰田农药有限公司 | 用于农药生产的废水处理控制方法 |
| CN117315454A (zh) * | 2023-11-29 | 2023-12-29 | 河北中瀚水务有限公司 | 一种用于絮凝反应过程的评价方法、装置及系统 |
| CN117315454B (zh) * | 2023-11-29 | 2024-03-12 | 河北中瀚水务有限公司 | 一种用于絮凝反应过程的评价方法、装置及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116812998A (zh) | 基于絮凝图像分析的混凝剂投放流量确定方法和装置 | |
| Amaral et al. | Activated sludge monitoring of a wastewater treatment plant using image analysis and partial least squares regression | |
| CN113429013B (zh) | 混凝剂投放量的确定方法以及化合物投放量的确定方法 | |
| 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 | |
| EP4013720A1 (en) | System, and method for continuous process control of water contaminant separation process | |
| Koivuranta et al. | Optical monitoring of activated sludge flocs in bulking and non-bulking conditions | |
| Tomperi et al. | Real-time optical monitoring of the wastewater treatment process | |
| Tomperi et al. | Modelling effluent quality based on a real-time optical monitoring of the wastewater treatment process | |
| Bonakdari et al. | Multi-objective evolutionary polynomial regression-based prediction of energy consumption probing | |
| CN117172430B (zh) | 一种基于深度学习的水体环境评估与预测方法及系统 | |
| Anderson et al. | Evaluating DNA cross-contamination risk using different tissue sampling procedures on board fishing and research vessels | |
| Khan et al. | Generalized modeling of the sludge volume index and suspended solids to monitor activated sludge bioflocculation using image analysis | |
| CN117392091A (zh) | 一种絮凝效果图像检测方法、系统、电子设备及介质 | |
| CN116692975A (zh) | 湿法石煤提钒的工业尾水循环利用方法及其系统 | |
| Khan et al. | Segmentation approach towards phase-contrast microscopic images of activated sludge to monitor the wastewater treatment | |
| Sivchenko et al. | Floc sensor prototype tested in the municipal wastewater treatment plant | |
| CN114863313A (zh) | 一种基于图像识别的水处理过程监控方法 | |
| Khan et al. | Illumination compensated segmentation of microscopic images of activated sludge flocs | |
| CN112668591A (zh) | 智能河涌水处理方法及相关装置 | |
| Tomperi et al. | Early warning of changing drinking water quality by trend analysis | |
| CN112990499A (zh) | 基于浓度监测调控的废水再利用系统、方法及电子设备 | |
| CN112723613A (zh) | 一种污水处理站智能远程监管方法及终端 | |
| CN112598646A (zh) | 电容缺陷检测方法、装置、电子设备及存储介质 | |
| Juntunen et al. | Characterization of alum floc by image analysis in water treatment processes | |
| CN117907285B (zh) | 一种口腔消毒机电解液的精确配比方法及系统 |
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 |