发明内容
为了解决由于金属碎屑的存在,会对清洗池内的废水等级判断存在误差的技术问题,本发明的目的在于提供基于机器视觉电泳线排放的废水处理等级检测方法,所采用的技术方案具体如下:
获取电泳生产线的清洗池的废水图像;
识别出废水图像中的金属碎屑区域;
根据废水图像中金属碎屑区域的面积和废水图像的面积确定废水图像的金属碎屑离散程度;
根据废水图像中每个金属碎屑区域各角点的位置分布,确定废水图像中每个金属碎屑区域的近邻点;
结合废水图像的所述金属碎屑离散程度和每两个金属碎屑区域对应的近邻点之间的距离,对废水图像的金属碎屑区域进行聚类,得到废水图像的碎屑聚类数量;
根据电泳生产线的清洗池的废水图像中金属碎屑区域的总面积和碎屑聚类数量确定清洗池的污染程度;
根据污染程度得到电泳生产线的清洗池的废水处理等级。
优选的,所述根据废水图像中金属碎屑区域的面积和废水图像的面积确定废水图像的金属碎屑离散程度,包括:
获取废水图像中每个金属碎屑区域在废水图像中的面积占比;基于每个金属碎屑区域的面积占比,计算金属碎屑区域的面积占比的信息熵,作为废水图像的金属碎屑离散单位;
将废水图像的金属碎屑离散单位和废水图像的面积的乘积的算术平方根,作为废水图像的金属碎屑离散程度。
优选的,所述根据废水图像中每个金属碎屑区域各角点的位置分布,确定废水图像中每个金属碎屑区域的近邻点,包括:
选取废水图像中任意金属碎屑区域,作为目标碎屑区域;
计算目标碎屑区域中任意两个角点之间的角点距离;以目标碎屑区域的最大角点距离为圆的直径,以目标碎屑区域的最大角点距离对应的两个角点构成的线段的中点为圆的圆心,得到目标碎屑区域的对应圆;
获取目标碎屑区域的对应圆上的每个点到目标碎屑区域的所有角点的距离之和,将最小距离之和对应的点,作为目标碎屑区域的近邻点。
优选的,所述结合废水图像的所述金属碎屑离散程度和每两个金属碎屑区域对应的近邻点之间的距离,对废水图像的金属碎屑区域进行聚类,得到废水图像的碎屑聚类数量,包括:
结合废水图像的所述金属碎屑离散程度和每两个金属碎屑区域对应的近邻点之间的距离,得到废水图像的金属碎屑聚类半径;基于废水图像的金属碎屑聚类半径,对废水图像的金属碎屑区域进行聚类,得到废水图像的碎屑聚类数量。
优选的,所述结合废水图像的所述金属碎屑离散程度和每两个金属碎屑区域对应的近邻点之间的距离,得到废水图像的金属碎屑聚类半径,包括:
基于金属碎屑区域对应的近邻点之间的距离,生成最小生成树,计算最小生成树中节点之间的平均距离,作为废水图像的最小平均距离;基于金属碎屑区域对应的近邻点之间的距离,生成最大生成树,计算最大生成树中节点之间的平均距离,作为废水图像的最大平均距离;
结合废水图像的所述金属碎屑离散程度、最小平均距离和最大平均距离,得到金属碎屑聚类半径;其中,金属碎屑离散程度和最小平均距离均与金属碎屑聚类半径呈正相关关系,最大平均距离与金属碎屑聚类半径呈负相关关系。
优选的,所述根据电泳生产线的清洗池的废水图像中金属碎屑区域的总面积和碎屑聚类数量确定清洗池的污染程度,包括:
对电泳生产线的清洗池的废水图像中金属碎屑区域的总面积的归一化后的值和碎屑聚类数量的归一化后的值进行加权求和,得到清洗池的污染程度。
优选的,废水图像中金属碎屑区域的总面积的归一化后的值的权重和碎屑聚类数量的归一化后的值的权重的获取方法为:
利用熵权法,获取电泳生产线的清洗池的不同时刻采集到的所有废水图像中金属碎屑区域的总面积的归一化后的值对应的权重;利用熵权法,获取电泳生产线的清洗池的不同时刻采集到的所有废水图像中碎屑聚类数量的归一化后的值对应的权重。
优选的,所述根据污染程度得到电泳生产线的清洗池的废水处理等级,包括:
将归一化后的污染程度大于预设第一阈值的电泳生产线的清洗池的废水处理等级判定为重度废水;
将归一化后的污染程度小于或等于预设第一阈值的电泳生产线的清洗池的废水处理等级判定为轻度废水。
优选的,所述识别出废水图像中的金属碎屑区域,包括:
识别废水图像中的边缘,得到待识别区域;识别废水图像中的角点,将边缘上存在角点的待识别区域作为金属碎屑区域。
优选的,污染程度的获取方法还包括:
识别废水图像中的油脂区域;
根据电泳生产线的清洗池的废水图像中金属碎屑区域的总面积、油脂区域的总面积和碎屑聚类数量确定清洗池的污染程度。
本发明实施例至少具有如下有益效果:
本发明涉及图像处理技术领域。该方法首先识别出电泳生产线的清洗池的废水图像中的金属碎屑区域,以便于后续对金属碎屑区域分别进行分析,得到清洗池的污染程度;对金属碎屑区域进行分析,确定其金属碎屑离散程度,该金属碎屑离散程度是对金属碎屑区域的面积进行分析估算出来的离散程度;对废水图像的金属碎屑区域进行聚类,得到废水图像的碎屑聚类数量,其结合金属碎屑离散程度和金属碎屑区域对应的近邻点之间的距离,对废水图像的金属碎屑区域进行聚类,更准确的反映了金属碎屑的分布情况,使得后续可以更好的实现对清洗池内污染程度的判断;最后结合金属碎屑区域的两个判断指标:金属碎屑区域的总面积和碎屑聚类数量,确定清洗池的污染程度,从碎屑的大小以及碎屑的分布情况两个方面分析考虑清洗池的污染程度,相较于仅从废水的浑浊程度判断废水的废水处理等级精确度更高;根据污染程度得到电泳生产线的清洗池的废水处理等级。本发明对清洗池中金属碎屑进行分析,进而将清洗池内的废水划分为不同的等级,这种废水处理等级检测评估方法可以有效的节约水的使用,保护环境,并在一定程度上减少处理成本,并提高了对清洗池内的废水等级判断的准确性。
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基于机器视觉电泳线排放的废水处理等级检测方法,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。
基于机器视觉电泳线排放的废水处理等级检测方法实施例:
本发明实施例提供了基于机器视觉电泳线排放的废水处理等级检测方法的具体实施方法,该方法适用于电泳生产线中清洗过程中清洗池内废水处理方法。为了解决对清洗池内的废水等级判断存在误差的技术问题。本发明将相机安装在电泳生产线的清洗池的正上方,使得相机可以完整的采集到清洗池,并且使得采集到的图像中除了清洗池之外的其他区域的面积占比较少。本发明首先识别出电泳生产线的清洗池的废水图像中的金属碎屑区域;确定废水图像的金属碎屑离散程度;结合废水图像的金属碎屑离散程度和每两个金属碎屑区域对应的近邻点之间的距离,对废水图像的金属碎屑区域进行聚类,得到废水图像的碎屑聚类数量;根据电泳生产线的清洗池的废水图像中金属碎屑区域的总面积和碎屑聚类数量确定清洗池的污染程度;根据污染程度得到电泳生产线的清洗池的废水处理等级。本发明对清洗池中的金属碎屑进行分析,提高了对清洗池内的废水等级判断的准确性。
下面结合附图具体的说明本发明所提供的基于机器视觉电泳线排放的废水处理等级检测方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于机器视觉电泳线排放的废水处理等级检测方法的步骤流程图,该方法包括以下步骤:
步骤S100,获取电泳生产线的清洗池的废水图像。
将相机安装在电泳生产线中适合的位置,拍摄电泳生产线的清洗池的图片。得到RGB图像后,对获取的图像进行预处理,将RGB图像转换为灰度图像,然后消除噪声和外界其他因素对图像造成的影响,由于清洗水的颜色在清洗池内基本都是一样的,在本发明实施例中采用均值滤波的方式对灰度图像进行降噪处理。由于降噪方法众多,实际情况又有所不同,在其他实施例中具体的实施者可以采用其他的方法对灰度图像进行降噪处理。
具体的:获取电泳生产线的清洗池的原始采集图像,对原始采集图像进行灰度化处理和降噪处理,将处理后的图像,作为电泳生产线的清洗池的废水图像。需要说明的是,清洗池的废水图像能够拍摄到整个清洗池,而不是只拍到清洗池的一部分,其中清洗池对应的废水图像中包含完整的清洗池,除清洗池之外的其他区域的面积可以忽略不计。
步骤S200,识别出废水图像中的金属碎屑区域。
电泳工件前处理包括:除油→热水洗→除锈→冷水洗→磷化→热水洗→钝化,而在除油期间,需要将工件表面的油脂、金属碎屑和灰尘清洗干净。
在清洗池清洗时产生的废水图像中油脂的颜色基本都是半透明状态,但由于油脂的反光比水的反光更加强烈,所以造成在灰度图像中水与油会有一个较为明显的边界。
为了得到清洗池中因清洗产生的工件表面的油脂、金属碎屑等废弃物,对废水图像进行识别。识别废水图像中的边缘,得到待识别区域,具体的:使用Canny算子对废水图像进行边缘检测,得到多个边缘,将边缘围成的封闭区域作为待识别区域。需要说明的是,得到的待识别区域当前并不能判断其为金属碎屑所形成的金属碎屑区域还是由油脂所形成的油脂区域。
由于油脂区域的边缘通常比较光滑,因此在废水图像中具有角点的待识别区域往往可以被认为是金属碎屑的边缘图像。
故进一步的,使用Harris角点检测算法识别废水图像中的角点,将边缘上存在角点的待识别区域作为金属碎屑区域;将边缘上不存在角点的待识别区域作为油脂区域。
故通过判断角点是否位于边缘上,可以确定出金属碎屑区域。
步骤S300,根据废水图像中金属碎屑区域的面积和废水图像的面积确定废水图像的金属碎屑离散程度。
金属碎屑在清洗池中有大有小,分别计算废水图像中每一个金属碎屑区域的面积与废水图像中的废水图像的面积的比值,得到每个金属碎屑区域的面积占比,分别记为,/>,/>,...,/>,其中,/>为废水图像中第1个金属碎屑区域的面积占比;/>为废水图像中第2个金属碎屑区域的面积占比;/>为废水图像中第3个金属碎屑区域的面积占比;/>为废水图像中第n个金属碎屑区域的面积占比。金属碎屑区域的面积占比可以有效提供有关金属碎屑分布的重要信息。
通过金属碎屑区域的面积占比的信息熵,估算金属碎屑在图像中的信息含量,进一步估算得到金属碎屑在废水图像中的离散度。
即获取废水图像中每个金属碎屑区域在废水图像中的面积占比;基于每个金属碎屑的面积占比,计算金属碎屑区域的面积占比的信息熵,作为废水图像的金属碎屑离散单位。
该金属碎屑区域的面积占比的信息熵的计算公式为,也即废水图像的金属碎屑离散单位的计算公式为:
其中,H(X)为废水图像的金属碎屑离散单位;n为废水图像中金属碎屑区域的数量;为废水图像中第i个金属碎屑区域的面积占比;/>为以2为底数的对数函数。
需要说明的是,信息熵的计算公式为本领域技术人员的公知技术,在此不再进行赘述。
该废水图像的金属碎屑离散单位反映了金属碎屑的波动情况,可以通过废水图像的面积和废水图像的金属碎屑离散单位,推算出金属碎屑的离散度。
获取废水图像中每个金属碎屑区域在废水图像中的面积占比;基于每个金属碎屑区域的面积占比,计算金属碎屑区域的面积占比的信息熵,作为废水图像的金属碎屑离散单位。
对于任意张废水图像,金属碎屑离散程度的获取方法为:将废水图像的金属碎屑离散单位和废水图像的面积的乘积的算术平方根,作为废水图像的金属碎屑离散程度。
需要说明的是,计算金属碎屑离散程度时,仅针对一张废水图像进行计算,可得到对应的金属碎屑离散程度,即每张废水图像均可以得到各自对应的金属碎屑离散程度。
金属碎屑离散程度更好的反映了金属碎屑在清洗池中的分散情况,从而为后一步的研究和分析提供参考。当废水图像的面积和金属碎屑离散单位越大时,则对应的金属碎屑离散程度越大,其反映了清洗池中检测到的金属碎屑的分布越离散,且金属碎屑的数量相对较少。
步骤S400,根据废水图像中每个金属碎屑区域各角点的位置分布,确定废水图像中每个金属碎屑区域的近邻点。
对计算得到的每个金属碎屑区域,使用Harris角点检测算法确定金属碎屑区域的各个角点。
选取废水图像中任意金属碎屑区域,作为目标碎屑区域;计算目标碎屑区域中任意两个角点之间的角点距离。在本发明实施例中角点之间的距离为欧式距离。
以目标碎屑区域的最大角点距离为圆的直径,以目标碎屑区域的最大角点距离对应的两个角点构成的线段的中点为圆的圆心,得到目标碎屑区域的对应圆;获取目标碎屑区域的对应圆上的每个点到目标碎屑区域的所有角点的距离之和,将最小距离之和对应的点,作为目标碎屑区域的近邻点;也即在目标碎屑区域的对应圆上获取一点,使这一点到目标碎屑区域中的各个角点之间的欧式距离之和,相对于目标碎屑区域的对应圆上其他点对应的欧式距离之和呈最小值,并将该点记为目标碎屑区域的近邻点。需要说明的是,当最大角点距离对应的有不止一对角点时,也即不止有两个角点时,将最大角点距离对应的任意一对角点构成的线段的中点作为圆的圆心,其中一个角点距离由两个角点构成,故一个角点距离对应一对角点。
得到废水图像中每个金属碎屑区域的近邻点。
步骤S500,结合废水图像的所述金属碎屑离散程度和每两个金属碎屑区域对应的近邻点之间的距离,对废水图像的金属碎屑区域进行聚类,得到废水图像的碎屑聚类数量。
结合废水图像的金属碎屑离散程度和每两个金属碎屑区域对应的近邻点之间的距离,得到废水图像的金属碎屑聚类半径;基于废水图像的金属碎屑聚类半径,对废水图像的金属碎屑区域进行聚类,得到废水图像的碎屑聚类数量。
其中,结合废水图像的金属碎屑离散程度和每两个金属碎屑区域对应的近邻点之间的距离,得到废水图像的金属碎屑聚类半径,包括:
对于任意张废水图像,以废水图像中两两金属碎屑区域对应的近邻点之后的欧式距离,生成最小生成树,也即基于金属碎屑区域对应的近邻点之间的距离,生成最小生成树,计算最小生成树中节点之间的平均距离,作为废水图像的最小平均距离。基于金属碎屑区域对应的近邻点之间的距离,生成最大生成树,计算最大生成树中节点之间的平均距离,作为废水图像的最大平均距离。
需要说明的是,以每个金属碎屑区域对应生成树中的节点,以金属碎屑区域之间的距离作为对应节点之间的边的权重,其中,生成最小生成树和最大生成树的方法为本领域技术人员的公知技术,在此不再进行赘述。
结合废水图像的金属碎屑离散程度、最小平均距离和最大平均距离,得到金属碎屑聚类半径;其中,金属碎屑离散程度和最小平均距离均与金属碎屑聚类半径呈正相关关系,最大平均距离与金属碎屑聚类半径呈负相关关系。
在本发明实施例中,将金属碎屑离散程度和最小平均距离的乘积作为分子,将最大平均距离的算术平方根作为分母,将由分子和分母构成的比值作为金属碎屑聚类半径。
当金属碎屑的最小平均距离和金属碎屑离散程度越大,最大平均距离越小时,表示对应的金属碎屑聚类半径也就越大。同时也表示金属碎屑分布的更加分散和稀疏,同时也代表着金属碎屑的数量较少。这种情况对清洗池中清洗水的污染影响也就相对越小,对于废水的评定等级也就越低。
在得到金属碎屑聚类半径之后,为了解金属碎屑的分布情况,可以将金属碎屑区域按照DBSCAN聚类算法进行聚类,可以以金属碎屑区域的中心点作为DBSCAN聚类算法的中心。接着以金属碎屑聚类半径,作为DBSCAN聚类算法的邻域半径,可以根据金属碎屑区域的数量自动调节邻域半径,具有较强的灵活性。通过该DBSCAN聚类算法来判断不同的金属碎屑区域是否属于同一聚类簇。将所有的金属碎屑区域经过聚类后,可以得到金属碎屑区域的聚类数量K,将该聚类数量记为碎屑聚类数量。需要说明的是,当聚类簇内的金属碎屑区域的数量小于经验值5时,可以将这个簇是离散小簇,认为这簇不存在,不将该聚类簇计入碎屑聚类数量。
步骤S600,根据电泳生产线的清洗池的废水图像中金属碎屑区域的总面积和碎屑聚类数量确定清洗池的污染程度。
获取识别出的废水图像中的金属碎屑区域在清洗池中的含量。
对于任意废水图像,计算废水图像中各金属碎屑区域的面积之和,作为金属碎屑区域的总面积。计算金属碎屑区域的总面积来评估金属碎屑在清洗池中的含量。通过计算金属碎屑区域在废水图像中的总面积,可以量化金属碎屑的含量,从而更准确地评估清洗池中的金属碎屑水平,这样的数据可以作为参考,帮助了解清洗效果和产品质量之间的关系,并采取相应的措施进行调整和改进。
金属碎屑区域的总面积越大,反映清洗池中的金属碎屑越多,这会导致产品的清洗效果不彻底,从而生产出的产品质量较差。也会对废水的排放标准造成影响,使得废水的处理等级变差。
对电泳生产线的清洗池的废水图像中金属碎屑区域的总面积的归一化后的值和碎屑聚类数量的归一化后的值进行加权求和,得到清洗池的污染程度。
废水图像中金属碎屑区域的总面积的归一化后的值的权重和碎屑聚类数量的归一化后的值的权重的获取方法为:利用熵权法,获取电泳生产线的清洗池的不同时刻采集到的所有废水图像中金属碎屑区域的总面积的归一化后的值对应的权重;利用熵权法,获取电泳生产线的清洗池的不同时刻采集到的所有废水图像中碎屑聚类数量的归一化后的值对应的权重。
优选的,金属碎屑区域的总面积的归一化后的值的权重,以及碎屑聚类数量的归一化后的值的权重还可直接由实施者根据实际情况进行赋予,例如在本发明实施例中可对金属碎屑区域的总面积的归一化后的值赋予0.6的权重,对碎屑聚类数量的归一化后的值的权重赋予0.4的权重。
作为本发明的一个优选实施例,获取污染程度的方法还可以为:识别废水图像中的油脂区域。根据电泳生产线的清洗池的废水图像中金属碎屑区域的总面积、油脂区域的总面积和碎屑聚类数量确定清洗池的污染程度。其中,步骤S200已经阐述了获取识别油脂区域的方法,在此不再进行赘述。
对于任意废水图像,计算废水图像中各油脂区域的面积之和,作为油脂区域的总面积。计算油脂区域的总面积来评估油脂在清洗池中的含量。通过计算油脂区域在废水图像中的总面积,可以量化油脂的含量,从而更准确地评估清洗池中的油脂水平,这样的数据可以作为参考,帮助了解清洗效果和产品质量之间的关系,并采取相应的措施进行调整和改进。
其中,根据电泳生产线的清洗池的废水图像中金属碎屑区域的总面积、油脂区域的总面积和碎屑聚类数量确定清洗池的污染程度,具体的:对电泳生产线的清洗池的废水图像中金属碎屑区域的总面积的归一化后的值、油脂区域的总面积的归一化后的值和碎屑聚类数量的归一化后的值进行加权求和,得到清洗池的污染程度。
其中,废水图像中金属碎屑区域的总面积的归一化后的值的权重、油脂区域的总面积的归一化后的值的权重和碎屑聚类数量的归一化后的值的权重的获取方法为:利用熵权法,获取电泳生产线的清洗池的不同时刻采集到的所有废水图像中金属碎屑区域的总面积的归一化后的值对应的权重;利用熵权法,获取电泳生产线的清洗池的不同时刻采集到的所有废水图像中油脂区域的归一化后的值对应的权重;利用熵权法,获取电泳生产线的清洗池的不同时刻采集到的所有废水图像中碎屑聚类数量的归一化后的值对应的权重。
优选的,金属碎屑区域的总面积的归一化后的值的权重、油脂区域的总面积的归一化后的值的权重,以及碎屑聚类数量的归一化后的值的权重还可直接由实施者根据实际情况进行赋予,例如在本发明实施例中可对金属碎屑区域的总面积的归一化后的值赋予0.4的权重,对油脂区域的总面积的归一化后赋予0.3的权重,对碎屑聚类数量的归一化后的值的权重赋予0.3的权重。
也即为利用熵权法,获取电泳生产线的清洗池的所有废水图像中金属碎屑区域的总面积对应的权重,将每张废水图像的金属碎屑区域的总面积的归一化处理后的值,作为每张废水图像的第一指标值;获取电泳生产线的清洗池的所有废水图像中油脂区域的总面积对应的权重,将每张废水图像的油脂区域的总面积的归一化处理后的值,作为每张废水图像的第二指标值;获取电泳生产线的清洗池的所有废水图像中碎屑聚类数量对应的权重,将每张废水图像的碎屑聚类数量的归一化处理后的值,作为每张废水图像的第三指标值。需要说明的是,在计算金属碎屑区域的总面积对应的权重时,需要对清洗池对应的多张废水图像进行分析,进而得到金属碎屑区域的总面积的权重,其中,利用熵权法获取权重的方法为本领域技术人员的公知技术,在此不再进行赘述。
其中,金属碎屑区域的总面积对应的权重即为第一指标值对应得到权重;油脂区域的总面积对应的权重即为第二指标值对应得到权重;碎屑聚类数量对应的权重即为第三指标值对应得到权重。
基于金属碎屑区域的总面积的权重、油脂区域的总面积的权重和碎屑聚类数量的权重,对每张废水图像的第一指标值、第二指标值和第三指标值进行加权求和,得到每张废水图像对应的清洗池的污染程度。
该污染程度的计算公式为:
其中,为第L张废水图像对应的清洗池的污染程度;/>为第L张废水图像对应的第i个指标值;/>为第i个指标值对应的权重。其中第i个指标值即为第一个指标值、第二个指标值和第三个指标值,其对应废水图像对应的第一指标值、第二指标值和第三指标值。
第一指标值、第二指标值和第三指标值,分别对应金属碎屑区域的总面积的归一化处理后的值、油脂区域的总面积的归一化处理后的值和碎屑聚类数量的归一化处理后的值。其金属碎屑区域的总面积越大,对应的第一指标值也越大,其对应清洗池的污染程度也越大,第一指标值和清洗池的污染程度呈正比关系;其油脂区域的总面积越大,对应的第二指标值也越大,其对应清洗池的污染程度也越大,第二指标值和清洗池的污染程度呈正比关系;其碎屑聚类数量越大,对应的第三指标值也越大,其对应清洗池的污染程度也越大,第三指标值和清洗池的污染程度呈正比关系。污染程度的取值越大,则对应的清洗池的污染等级越高。通过分析污染程度的取值的变化,可以了解清洗池的污染程度,并对应的采取相应的处理措施。
并进一步的,对污染程度作归一化处理,以便于后续的计算。
步骤S700,根据污染程度得到电泳生产线的清洗池的废水处理等级。
通过步骤S100~步骤S600对清洗池中的金属碎屑的含量进行分析,得到了一个重要的指标,污染程度。污染程度/>的值越高,代表着清洗池水的污染程度越高。
通过分析污染程度的变化,可以了解清洗池水的污染程度,并据此采取相应的处理措施。
当污染程度的值较低时,说明清洗池中的金属碎屑含量较少,水质较为清洁,此时可以考虑仅进行常规的沉淀和过滤处理。将归一化后的污染程度大于预设第一阈值的电泳生产线的清洗池的废水处理等级判定为重度废水,对归一化后的污染程度大于预设第一阈值的电泳生产线的清洗池进行常规的沉淀和过滤处理。
然而,当污染程度的值较高时,说明清洗池水的污染程度较严重,需要采取更加强力的处理手段。可能需要结合使用化学药剂、生物降解剂等方法,以有效去除污染物质,提高清洗池水的质量。将归一化后的污染程度小于或等于预设第一阈值的电泳生产线的清洗池的废水处理等级判定为轻度废水,对归一化后的污染程度小于或等于预设第一阈值的电泳生产线的清洗池结合生物降解机进行处理。在本发明实施例中预设第一阈值的取值为0.5,在其他实施例中可由实施者根据实际情况调整该取值。
另外,针对清洗池水的污染问题,还可以考虑进行循环利用和资源化处理。通过引入先进的水处理技术,将清洗池水中的金属碎屑回收利用,可以减少资源浪费和环境污染。
综上所述,本发明涉及图像处理技术领域。该方法首先获取电泳生产线的清洗池的废水图像;识别出废水图像中的金属碎屑区域;根据废水图像中金属碎屑区域的面积和废水图像的面积确定废水图像的金属碎屑离散程度;根据废水图像中每个金属碎屑区域各角点的位置分布,确定废水图像中每个金属碎屑区域的近邻点;结合废水图像的所述金属碎屑离散程度和每两个金属碎屑区域对应的近邻点之间的距离,对废水图像的金属碎屑区域进行聚类,得到废水图像的碎屑聚类数量;根据电泳生产线的清洗池的废水图像中金属碎屑区域的总面积和碎屑聚类数量确定清洗池的污染程度;根据污染程度得到电泳生产线的清洗池的废水处理等级。本发明对清洗池中的金属碎屑进行分析,进而将清洗池内的废水划分为不同的等级,这种废水处理等级检测评估方法可以有效的节约水的使用,保护环境,并在一定程度上减少处理成本。
基于机器视觉电泳线排放的废水污染程度检测方法实施例:
现有的对电泳线排放的废水污染程度的检测方法为,直接根据废水的浑浊程度,对废水的污染程度进行判断,但是由于清洗电泳产品时会产生金属碎屑,有的情况下,除了产生金属碎屑之外,还会产生油脂,油脂和金属碎屑不一定会导致废水变得更浑浊,但油脂和金属碎屑会导致废水的水质变得较差,其会影响废水的污染程度的判断,进而使得废水的污染程度检测的准确性较低。为了解决对废水的污染程度进行检测时准确性较低的问题,本实施例提供一种基于机器视觉电泳线排放的废水污染程度检测方法。请参阅图2,其示出了一种基于机器视觉电泳线排放的废水污染程度检测方法,该方法包括以下步骤:
步骤S100,获取电泳生产线的清洗池的废水图像;
步骤S200,识别出废水图像中的金属碎屑区域;
步骤S300,根据废水图像中金属碎屑区域的面积和废水图像的面积确定废水图像的金属碎屑离散程度;
步骤S400,根据废水图像中每个金属碎屑区域各角点的位置分布,确定废水图像中每个金属碎屑区域的近邻点;
步骤S500,结合废水图像的所述金属碎屑离散程度和每两个金属碎屑区域对应的近邻点之间的距离,对废水图像的金属碎屑区域进行聚类,得到废水图像的碎屑聚类数量;
步骤S600,根据电泳生产线的清洗池的废水图像中金属碎屑区域的总面积和碎屑聚类数量确定清洗池的污染程度。
其中,步骤S100~步骤S600在上述基于机器视觉电泳线排放的废水处理等级检测方法实施例中已给出了详细说明,不再赘述。
该基于机器视觉电泳线排放的废水污染程度检测方法涉及图像处理技术领域,该方法首先识别出电泳生产线的清洗池的废水图像中的金属碎屑区域,以便于后续对金属碎屑区域进行分析,得到清洗池的污染程度;对金属碎屑区域进行分析,确定其金属碎屑离散程度,该金属碎屑离散程度是对金属碎屑区域的面积进行分析估算出来的离散程度;对废水图像的金属碎屑区域进行聚类,得到废水图像的碎屑聚类数量,其结合金属碎屑离散程度和金属碎屑区域对应的近邻点之间的距离,对废水图像的金属碎屑区域进行聚类,更准确的反映了金属碎屑的分布情况,使得后续可以更好的实现对清洗池内污染程度的判断;最后结合金属碎屑区域的两个判断指标:金属碎屑区域的总面积和碎屑聚类数量,确定清洗池的污染程度,从碎屑的大小以及碎屑的分布情况两个方面分析考虑清洗池的污染程度,相较于仅从废水的浑浊程度判断废水的污染程度其精确度更高。本发明对清洗池中金属碎屑进行分析,进而得到清洗池内的废水的污染程度,这种废水污染程度检测方法可以有效的节约水的使用,保护环境,并在一定程度上减少处理成本,并提高了对清洗池内的废水污染程度检测的准确性。
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。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。