CN116958141B - 一种用于低温蒸馏罐的自动清洗方法及系统 - Google Patents

一种用于低温蒸馏罐的自动清洗方法及系统 Download PDF

Info

Publication number
CN116958141B
CN116958141B CN202311211711.9A CN202311211711A CN116958141B CN 116958141 B CN116958141 B CN 116958141B CN 202311211711 A CN202311211711 A CN 202311211711A CN 116958141 B CN116958141 B CN 116958141B
Authority
CN
China
Prior art keywords
image
value
cleaning
denoising
segmentation
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
CN202311211711.9A
Other languages
English (en)
Other versions
CN116958141A (zh
Inventor
韩雪
李秀利
曹丽华
王建功
孙高成
赵红艳
李明哲
常明玥
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.)
Tiwte Environmental Technology Development Tianjin Co ltd
Tianjin Research Institute for Water Transport Engineering MOT
Original Assignee
Tiwte Environmental Technology Development Tianjin Co ltd
Tianjin Research Institute for Water Transport Engineering MOT
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 Tiwte Environmental Technology Development Tianjin Co ltd, Tianjin Research Institute for Water Transport Engineering MOT filed Critical Tiwte Environmental Technology Development Tianjin Co ltd
Priority to CN202311211711.9A priority Critical patent/CN116958141B/zh
Publication of CN116958141A publication Critical patent/CN116958141A/zh
Application granted granted Critical
Publication of CN116958141B publication Critical patent/CN116958141B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B08—CLEANING
    • B08B—CLEANING IN GENERAL; PREVENTION OF FOULING IN GENERAL
    • B08B9/00—Cleaning hollow articles by methods or apparatus specially adapted thereto 
    • B08B9/08—Cleaning containers, e.g. tanks
    • B08B9/093—Cleaning containers, e.g. tanks by the force of jets or sprays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Quality & Reliability (AREA)
  • Mechanical Engineering (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种用于低温蒸馏罐的自动清洗方法及系统，涉及蒸馏设备清洗技术领域，方法包括：在待清洗的低温蒸馏罐中布置图像检测设备；对盘管图像进行去噪和图像分割处理，得到分割结果；分割结果包括盘管图像中形成的水垢的图像信息及位置信息；在低温蒸馏罐的进水口和出水口处分别布置水质检测设备；根据钙镁离子含量数据、水流量数据和浊度数据确定水垢附着程度；将图像信息、水垢附着程度和位置信息输入至训练好的清洗参数预测模型中，得到清洗参数；根据清洗参数控制清洗设备的喷头角度和曝气装置的开启时间。本发明利用图像检测设备和水质检测设备，能够利用多指标实现清洗过程的控制，从而提高了清洗过程的智能化程度和效果。

Description

一种用于低温蒸馏罐的自动清洗方法及系统
技术领域
本发明涉及蒸馏设备清洗技术领域，特别是涉及一种用于低温蒸馏罐的自动清洗方法及系统。
背景技术
低温蒸馏设备克服了高温蒸馏易结垢，出水温度高等风险，但是低温蒸馏罐在使用一段时间后，内部会积聚大量的污垢和残留物，需要进行定期清洗以确保生产过程的安全和效率。
然而，传统的清洗方法存在效率低、耗时长、操作复杂等问题，目前设备的清洗大多数都需要工作人员自行判断，关停设备后人工清洗，不具备自行监测且启动在线清洗的功能，人工清洗不仅存在安全风险，而且影响设备使用时间，造成废水积压。现有技术中通过出水浊度检检测出水口的浊度指标，从而进行自动清洗，此种方式仅仅通过单一指标进行清洗过程的控制，且无法控制清洗过程的力度，使得清洗过程智能化程度低，清洗效果较差。
发明内容
为了克服现有技术的不足，本发明的目的是提供一种用于低温蒸馏罐的自动清洗方法及系统。
为实现上述目的，本发明提供了如下方案：
一种用于低温蒸馏罐的自动清洗方法，包括：
在待清洗的低温蒸馏罐中布置图像检测设备；所述图像监测设备用于采集所述低温蒸馏罐中的盘管图像；
对所述盘管图像进行去噪和图像分割处理，得到分割结果；所述分割结果包括所述盘管图像中形成的水垢的图像信息及位置信息；
在所述低温蒸馏罐的进水口和出水口处分别布置水质检测设备；所述水质检测设备用于采集所述低温蒸馏罐中的进水口的钙镁离子含量数据和水流量数据以及出水口的浊度数据；
根据所述钙镁离子含量数据、所述水流量数据和所述浊度数据确定水垢附着程度；
将所述图像信息、所述水垢附着程度和所述位置信息输入至训练好的清洗参数预测模型中，得到清洗参数；
根据所述清洗参数控制清洗设备的喷头角度和曝气装置的开启时间。
优选地，对所述盘管图像进行去噪和图像分割处理，得到分割结果，包括：
使用滤波窗口检测所述盘管图像上的噪声点得到噪声均值；
在所述滤波窗口内噪声均值大于预设阈值时，对相应滤波窗口内的盘管图像进行去噪；
滑动所述滤波窗口，返回步骤“使用滤波窗口检测所述盘管图像上的噪声点得到噪声均值”，直到遍历完成整个盘管图像，得到去噪图像；
以所述去噪图像上的任意一点为中心取一个邻域窗口，计算所述邻域窗口中所有像素点的灰度平均值；
将相应像素点的灰度平均值作为中心像素点的输出，得到均值图像；
根据所述均值图像和所述去噪图像之间的相关度得到最优的分割阈值；
利用所述最优的分割阈值对所述去噪图像进行分割，得到所述水垢的图像信息；
基于网格化方法，根据所述水垢的图像信息和所述去噪图像进行位置确定，得到所述水垢的位置信息。
优选地，使用滤波窗口检测所述盘管图像上的噪声点得到噪声均值，包括：
根据滤波窗口内各个图像点的均值和中值构建噪声点检测模型；所述噪声点检测模型为：；其中，/>表示像素点/>的相似噪声值，/>表示像素点/>的灰度值，/>表示像素点/>的梯度均值，表示以像素点x为中心的滤波窗口内所有像素点的灰度均值，/>表示像素点x的梯度均值，/>为以像素点x为中心的滤波窗口内所有像素点的灰度中值，表示像素点x在水平方向的梯度值，/>表示像素点x在垂直方向的梯度值；
利用所述噪声点检测模型对滤波窗口内各个图像点进行检测，得到每个图像点的相似噪声值；
将大于相似噪声值的相应图像点作为噪点；
根据噪点个数和滤波窗口内各个图像点的个数得到所述噪声均值。
优选地，在所述滤波窗口内噪声均值大于预设阈值时，对相应滤波窗口内的盘管图像进行去噪，包括：
根据滤波窗口内所有像素点的灰度中值计算伪像素方差；其中，所述伪像素方差计算公式为：；其中，表示像素点/>在滤波窗口的大小为/>的区域内的伪像素方差，/>表示像素点/>在滤波窗口的灰度中值，/>表示在/>位置像素点的灰度值；
利用所述伪像素方差构建窗口去噪模型；所述窗口去噪模型的公式为：；其中，/>表示像素点在去噪后的灰度值，/>为可调系数，/>表示像素点/>在滤波窗口内的灰度值。
优选地，根据所述均值图像和所述去噪图像之间的相关度得到最优的分割阈值，包括：
提取所述去噪图像和所述均值图像上在同一位置的灰度值，组成灰度数组；
利用所述灰度数组构建分割函数；
获取预设的分割数组，不断调节预设的分割数组，直到分割函数的值最大；
将分割函数的值最大所对应的分割数组作为最优的分割阈值。
优选地，根据所述钙镁离子含量数据、所述水流量数据和所述浊度数据确定水垢附着程度，包括：
根据水垢附着程度公式获得所述水垢附着程度；所述水垢附着程度的计算公式为：；其中，/>为所述水垢附着程度，/>为所述钙镁离子含量数据的序列，/>为所述水流量数据的序列，/>为预设的除垢时间序列，/>为所述浊度数据的序列/>为平均值函数，/>为最大值函数，/>为最小值函数，/>为自然常数。
优选地，所述清洗参数预测模型的构建方法包括：
构建卷积神经网络；所述卷积神经网络包括依次连接的输入层、隐藏层、全连接层和输出层；所述隐藏层是由至少一个的卷积层和至少一个的池化层间隔设置构成；
利用训练数据对所述卷积神经网络进行训练，得到训练好的清洗参数预测模型；所述训练数据包括样本图像信息、水垢附着程度、位置信息以及样本清洗参数。
一种用于低温蒸馏罐的自动清洗系统，包括：
第一布置模块，用于在待清洗的低温蒸馏罐中布置图像检测设备；所述图像监测设备用于采集所述低温蒸馏罐中的盘管图像；
图像分割模块，用于对所述盘管图像进行去噪和图像分割处理，得到分割结果；所述分割结果包括所述盘管图像中形成的水垢的图像信息及位置信息；
第二布置模块，用于在所述低温蒸馏罐的进水口和出水口处分别布置水质检测设备；所述水质检测设备用于采集所述低温蒸馏罐中的进水口的钙镁离子含量数据和水流量数据以及出水口的浊度数据；
水垢附着程度确定模块，用于根据所述钙镁离子含量数据、所述水流量数据和所述浊度数据确定水垢附着程度；
参数确定模块，用于将所述图像信息、所述水垢附着程度和所述位置信息输入至训练好的清洗参数预测模型中，得到清洗参数；
工作控制模块，用于根据所述清洗参数控制清洗设备的喷头角度和曝气装置的开启时间。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种用于低温蒸馏罐的自动清洗方法及系统，方法包括：在待清洗的低温蒸馏罐中布置图像检测设备；所述图像监测设备用于采集所述低温蒸馏罐中的盘管图像；对所述盘管图像进行去噪和图像分割处理，得到分割结果；所述分割结果包括所述盘管图像中形成的水垢的图像信息及位置信息；在所述低温蒸馏罐的进水口和出水口处分别布置水质检测设备；所述水质检测设备用于采集所述低温蒸馏罐中的进水口的钙镁离子含量数据和水流量数据以及出水口的浊度数据；根据所述钙镁离子含量数据、所述水流量数据和所述浊度数据确定水垢附着程度；将所述图像信息、所述水垢附着程度和所述位置信息输入至训练好的清洗参数预测模型中，得到清洗参数；根据所述清洗参数控制清洗设备的喷头角度和曝气装置的开启时间。本发明利用图像检测设备和水质检测设备，能够利用多指标实现清洗过程的控制，从而提高了清洗过程的智能化程度和效果。
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，下面将对实施例中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的方法流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种用于低温蒸馏罐的自动清洗方法及系统，利用图像检测设备和水质检测设备，能够利用多指标实现清洗过程的控制，从而提高了清洗过程的智能化程度和效果。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的方法流程图，如图1所示，本发明提供了一种用于低温蒸馏罐的自动清洗方法，包括：
步骤100：在待清洗的低温蒸馏罐中布置图像检测设备；所述图像监测设备用于采集所述低温蒸馏罐中的盘管图像；
步骤200：对所述盘管图像进行去噪和图像分割处理，得到分割结果；所述分割结果包括所述盘管图像中形成的水垢的图像信息及位置信息；
步骤300：在所述低温蒸馏罐的进水口和出水口处分别布置水质检测设备；所述水质检测设备用于采集所述低温蒸馏罐中的进水口的钙镁离子含量数据和水流量数据以及出水口的浊度数据；
步骤400：根据所述钙镁离子含量数据、所述水流量数据和所述浊度数据确定水垢附着程度；
步骤500：将所述图像信息、所述水垢附着程度和所述位置信息输入至训练好的清洗参数预测模型中，得到清洗参数；
步骤600：根据所述清洗参数控制清洗设备的喷头角度和曝气装置的开启时间。
本实施例中的图像检测设备设置在低温蒸馏罐内，所述图像检测设备可以为内置有闪光灯的摄像头或者其他补光摄像头，通过对低温蒸馏罐中的盘管进行实时拍摄，能够获取多张待清洗的盘管图像。
具体的，本实施例中的水质检测设备可以为水质检测仪，在低温蒸馏罐的的管道出入口布置水质检测仪，水质检测仪沿管道纵向布置。水质检测仪需在有效范围内布置，即每个水质检测仪能够清楚识别覆盖区域的数据值，超出该范围需新增水质检测仪。
优选地，对所述盘管图像进行去噪和图像分割处理，得到分割结果，包括：
使用滤波窗口检测所述盘管图像上的噪声点得到噪声均值；
在所述滤波窗口内噪声均值大于预设阈值时，对相应滤波窗口内的盘管图像进行去噪；
滑动所述滤波窗口，返回步骤“使用滤波窗口检测所述盘管图像上的噪声点得到噪声均值”，直到遍历完成整个盘管图像，得到去噪图像；
以所述去噪图像上的任意一点为中心取一个邻域窗口，计算所述邻域窗口中所有像素点的灰度平均值；
将相应像素点的灰度平均值作为中心像素点的输出，得到均值图像；
根据所述均值图像和所述去噪图像之间的相关度得到最优的分割阈值；
利用所述最优的分割阈值对所述去噪图像进行分割，得到所述水垢的图像信息；
基于网格化方法，根据所述水垢的图像信息和所述去噪图像进行位置确定，得到所述水垢的位置信息。
具体的，本发明通过基于滤波窗口内各个图像点的均值、中值及其梯度均值构建噪声点检测模型，可以从多个方面检测噪点与原始像素点之间的区别，进而使噪点的检测更加精准。
进一步地，本实施例通过对图像进行网格化划分，从而能够在原始图像中精准定位到水垢的位置信息，从而辅助后续的处理流程。
优选地，使用滤波窗口检测所述盘管图像上的噪声点得到噪声均值，包括：
根据滤波窗口内各个图像点的均值和中值构建噪声点检测模型；所述噪声点检测模型为：；其中，/>表示像素点/>的相似噪声值，/>表示像素点/>的灰度值，/>表示像素点/>的梯度均值，表示以像素点x为中心的滤波窗口内所有像素点的灰度均值，/>表示像素点x的梯度均值，/>为以像素点x为中心的滤波窗口内所有像素点的灰度中值，表示像素点x在水平方向的梯度值，/>表示像素点x在垂直方向的梯度值；
利用所述噪声点检测模型对滤波窗口内各个图像点进行检测，得到每个图像点的相似噪声值；
将大于相似噪声值的相应图像点作为噪点；
根据噪点个数和滤波窗口内各个图像点的个数得到所述噪声均值。
可选地，原始的滤波算法例如均值滤波算法是对原始图像上每个邻域中的像素点都进行均值处理（不管是否含有噪点），因此处理过后的图像就会变得模糊，而本发明通过利用噪声点检测模型可以找出原始图像上的噪点，然后对相应的噪点进行滤波处理可以在平滑掉图像中的噪声点的同时，保持原始图像的原始像素信息。在实际应用中，本发明可根据实际的情景设定相应的检测区间值。
优选地，在所述滤波窗口内噪声均值大于预设阈值时，对相应滤波窗口内的盘管图像进行去噪，包括：
根据滤波窗口内所有像素点的灰度中值计算伪像素方差；其中，所述伪像素方差计算公式为：；其中，表示像素点/>在滤波窗口的大小为/>的区域内的伪像素方差，/>表示像素点/>在滤波窗口的灰度中值，/>表示在/>位置像素点的灰度值；
利用所述伪像素方差构建窗口去噪模型；所述窗口去噪模型的公式为：；其中，/>表示像素点在去噪后的灰度值，/>为可调系数，/>表示像素点/>在滤波窗口内的灰度值。
进一步地，本发明基于窗口去噪模型，对相应滤波窗口内的盘管图像进行去噪可以缓解现有的去噪方法（例如中值滤波去噪、均值滤波去噪和小波去噪等）使盘管图像中某些特征梯度消失的问题，可以最大程度保留图像的原始像素信息，提高图像的判读效果。
优选地，根据所述均值图像和所述去噪图像之间的相关度得到最优的分割阈值，包括：
提取所述去噪图像和所述均值图像上在同一位置的灰度值，组成灰度数组；
利用所述灰度数组构建分割函数；
获取预设的分割数组，不断调节预设的分割数组，直到分割函数的值最大；
将分割函数的值最大所对应的分割数组作为最优的分割阈值。
进一步地，本发明基于直方图的原理对图像进行分割，可以根据图像灰度值分布的概率从整体上得到最优的分割阈值，利用该分割阈值对图像进行分割可以将盘管图像的背景区域和目标区域分割开来，便于技术人员对盘管图像的水垢区域进行识别和提取。
更进一步地，本发明首先利用滤波窗口对盘管图像进行滤波，然后基于均值图像和去噪图像之间的相关度得到最优的分割阈值，并基于分割阈值对图像进行分割可以将盘管图像的背景区域剥离出来，使得目标水垢区域的轮廓和纹理更加清晰。
优选地，根据所述钙镁离子含量数据、所述水流量数据和所述浊度数据确定水垢附着程度，包括：
根据水垢附着程度公式获得所述水垢附着程度；所述水垢附着程度的计算公式为：；其中，/>为所述水垢附着程度，/>为所述钙镁离子含量数据的序列，/>为所述水流量数据的序列，/>为预设的除垢时间序列，/>为所述浊度数据的序列/>为平均值函数，/>为最大值函数，/>为最小值函数，/>为自然常数。
具体的，在水垢附着程度公式中，为一个分析周期内钙镁离子含量的均值，均值越大，说明当前工业场景使用的水质中钙镁离子含量越多，水的硬度较大，容易产生水垢。/>为一个分析周期内水流量的相对变化情况，相对变化越大，说明管道内水流量越不稳定，水垢附着程度越高。/>表示除垢序列中的元素均值，均值越大说明所需除垢时间越长，水垢附着程度越高，/>表示浊度数据的序列的数值均值，均值越大说明所需除垢时间越长及除垢力度越大，水垢附着程度越高。
优选地，所述清洗参数预测模型的构建方法包括：
构建卷积神经网络；所述卷积神经网络包括依次连接的输入层、隐藏层、全连接层和输出层；所述隐藏层是由至少一个的卷积层和至少一个的池化层间隔设置构成；
利用训练数据对所述卷积神经网络进行训练，得到训练好的清洗参数预测模型；所述训练数据包括样本图像信息、水垢附着程度、位置信息以及样本清洗参数。
本实施例中，利用卷积神经网络能够实现对清洗参数的智能化预测，通过训练数据对卷积神经网络进行训练，从而得到最优的清洗参数；所述清洗参数包括喷头的角度、喷头的水压以及曝气装置的工作时间。
对应上述方法，本实施例还提供了一种用于低温蒸馏罐的自动清洗系统，包括：
第一布置模块，用于在待清洗的低温蒸馏罐中布置图像检测设备；所述图像监测设备用于采集所述低温蒸馏罐中的盘管图像；
图像分割模块，用于对所述盘管图像进行去噪和图像分割处理，得到分割结果；所述分割结果包括所述盘管图像中形成的水垢的图像信息及位置信息；
第二布置模块，用于在所述低温蒸馏罐的进水口和出水口处分别布置水质检测设备；所述水质检测设备用于采集所述低温蒸馏罐中的进水口的钙镁离子含量数据和水流量数据以及出水口的浊度数据；
水垢附着程度确定模块，用于根据所述钙镁离子含量数据、所述水流量数据和所述浊度数据确定水垢附着程度；
参数确定模块，用于将所述图像信息、所述水垢附着程度和所述位置信息输入至训练好的清洗参数预测模型中，得到清洗参数；
工作控制模块，用于根据所述清洗参数控制清洗设备的喷头角度和曝气装置的开启时间。
本发明的有益效果如下：
本发明利用图像检测设备和水质检测设备，能够利用多指标实现清洗过程的控制，从而提高了清洗过程的智能化程度和效果。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种用于低温蒸馏罐的自动清洗方法，其特征在于，包括：
在待清洗的低温蒸馏罐中布置图像监测设备；所述图像监测设备用于采集所述低温蒸馏罐中的盘管图像；
对所述盘管图像进行去噪和图像分割处理，得到分割结果；所述分割结果包括所述盘管图像中形成的水垢的图像信息及位置信息；
在所述低温蒸馏罐的进水口和出水口处分别布置水质检测设备；所述水质检测设备用于采集所述低温蒸馏罐中的进水口的钙镁离子含量数据和水流量数据以及出水口的浊度数据；
根据所述钙镁离子含量数据、所述水流量数据和所述浊度数据确定水垢附着程度；
将所述图像信息、所述水垢附着程度和所述位置信息输入至训练好的清洗参数预测模型中，得到清洗参数；所述清洗参数包括喷头的角度、喷头的水压以及曝气装置的工作时间；
根据所述清洗参数控制清洗设备的喷头角度和曝气装置的开启时间。
2.根据权利要求1所述的用于低温蒸馏罐的自动清洗方法，其特征在于，对所述盘管图像进行去噪和图像分割处理，得到分割结果，包括：
使用滤波窗口检测所述盘管图像上的噪声点得到噪声均值；
在所述滤波窗口内噪声均值大于预设阈值时，对相应滤波窗口内的盘管图像进行去噪；
滑动所述滤波窗口，返回步骤“使用滤波窗口检测所述盘管图像上的噪声点得到噪声均值”，直到遍历完成整个盘管图像，得到去噪图像；
以所述去噪图像上的任意一点为中心取一个邻域窗口，计算所述邻域窗口中所有像素点的灰度平均值；
将相应像素点的灰度平均值作为中心像素点的输出，得到均值图像；
根据所述均值图像和所述去噪图像之间的相关度得到最优的分割阈值；
利用所述最优的分割阈值对所述去噪图像进行分割，得到所述水垢的图像信息；
基于网格化方法，根据所述水垢的图像信息和所述去噪图像进行位置确定，得到所述水垢的位置信息。
3.根据权利要求2所述的用于低温蒸馏罐的自动清洗方法，其特征在于，使用滤波窗口检测所述盘管图像上的噪声点得到噪声均值，包括：
根据滤波窗口内各个图像点的均值和中值构建噪声点检测模型；所述噪声点检测模型为：其中，f(x)表示像素点x的相似噪声值，u(x)表示像素点x的灰度值，/>表示像素点x的梯度均值，umean(x)表示以像素点x为中心的滤波窗口内所有像素点的灰度均值，/>表示像素点x的梯度均值，/>为以像素点x为中心的滤波窗口内所有像素点的灰度中值，/>表示像素点x在水平方向的梯度值，/>表示像素点x在垂直方向的梯度值；
利用所述噪声点检测模型对滤波窗口内各个图像点进行检测，得到每个图像点的相似噪声值；
将大于相似噪声值的相应图像点作为噪点；
根据噪点个数和滤波窗口内各个图像点的个数得到所述噪声均值。
4.根据权利要求2所述的用于低温蒸馏罐的自动清洗方法，其特征在于，在所述滤波窗口内噪声均值大于预设阈值时，对相应滤波窗口内的盘管图像进行去噪，包括：
根据滤波窗口内所有像素点的灰度中值计算伪像素方差；其中，所述伪像素方差计算公式为：其中，表示像素点(a,b)在滤波窗口的大小为(2n+1)×(2n+1)的区域内的伪像素方差，mean(a,b)表示像素点(a,b)在滤波窗口的灰度中值，x(k,l)表示在(k,l)位置像素点的灰度值；
利用所述伪像素方差构建窗口去噪模型；所述窗口去噪模型的公式为：其中，f(a,b)表示像素点(a,b)在去噪后的灰度值，D为可调系数，x(a,b)表示像素点(a,b)在滤波窗口内的灰度值。
5.根据权利要求2所述的用于低温蒸馏罐的自动清洗方法，其特征在于，根据所述均值图像和所述去噪图像之间的相关度得到最优的分割阈值，包括：
提取所述去噪图像和所述均值图像上在同一位置的灰度值，组成灰度数组；
利用所述灰度数组构建分割函数；
获取预设的分割数组，不断调节预设的分割数组，直到分割函数的值最大；
将分割函数的值最大所对应的分割数组作为最优的分割阈值。
6.根据权利要求1所述的用于低温蒸馏罐的自动清洗方法，其特征在于，根据所述钙镁离子含量数据、所述水流量数据和所述浊度数据确定水垢附着程度，包括：
根据水垢附着程度公式获得所述水垢附着程度；所述水垢附着程度的计算公式为：其中，U为所述水垢附着程度，X为所述钙镁离子含量数据的序列，Y为所述水流量数据的序列，M为预设的除垢时间序列，N为所述浊度数据的序列，mean为平均值函数，Max()为最大值函数，Min()为最小值函数，e为自然常数。
7.根据权利要求1所述的用于低温蒸馏罐的自动清洗方法，其特征在于，所述清洗参数预测模型的构建方法包括：
构建卷积神经网络；所述卷积神经网络包括依次连接的输入层、隐藏层、全连接层和输出层；所述隐藏层是由至少一个的卷积层和至少一个的池化层间隔设置构成；
利用训练数据对所述卷积神经网络进行训练，得到训练好的清洗参数预测模型；所述训练数据包括样本图像信息、水垢附着程度、位置信息以及样本清洗参数。
8.一种用于低温蒸馏罐的自动清洗系统，其特征在于，包括：
第一布置模块，用于在待清洗的低温蒸馏罐中布置图像监测设备；所述图像监测设备用于采集所述低温蒸馏罐中的盘管图像；
图像分割模块，用于对所述盘管图像进行去噪和图像分割处理，得到分割结果；所述分割结果包括所述盘管图像中形成的水垢的图像信息及位置信息；
第二布置模块，用于在所述低温蒸馏罐的进水口和出水口处分别布置水质检测设备；所述水质检测设备用于采集所述低温蒸馏罐中的进水口的钙镁离子含量数据和水流量数据以及出水口的浊度数据；
水垢附着程度确定模块，用于根据所述钙镁离子含量数据、所述水流量数据和所述浊度数据确定水垢附着程度；
参数确定模块，用于将所述图像信息、所述水垢附着程度和所述位置信息输入至训练好的清洗参数预测模型中，得到清洗参数；所述清洗参数包括喷头的角度、喷头的水压以及曝气装置的工作时间；
工作控制模块，用于根据所述清洗参数控制清洗设备的喷头角度和曝气装置的开启时间。
CN202311211711.9A 2023-09-20 2023-09-20 一种用于低温蒸馏罐的自动清洗方法及系统 Active CN116958141B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311211711.9A CN116958141B (zh) 2023-09-20 2023-09-20 一种用于低温蒸馏罐的自动清洗方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311211711.9A CN116958141B (zh) 2023-09-20 2023-09-20 一种用于低温蒸馏罐的自动清洗方法及系统

Publications (2)

Publication Number Publication Date
CN116958141A CN116958141A (zh) 2023-10-27
CN116958141B true CN116958141B (zh) 2024-02-09

Family

ID=88454927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311211711.9A Active CN116958141B (zh) 2023-09-20 2023-09-20 一种用于低温蒸馏罐的自动清洗方法及系统

Country Status (1)

Country Link
CN (1) CN116958141B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103449548A (zh) * 2013-01-09 2013-12-18 青岛科技大学 船用热管式海水淡化装置
CN105312285A (zh) * 2015-07-06 2016-02-10 上海天净实业有限公司 自来水管道脉冲清洗设备
CN109062106A (zh) * 2018-08-21 2018-12-21 安徽安成工业设备有限公司 工业循环水用远程监控方法及其系统
CN209393691U (zh) * 2018-11-27 2019-09-17 秦皇岛烟草机械有限责任公司 一种高压水射流式清洗设备
CN116007429A (zh) * 2022-12-26 2023-04-25 北京延扬环保清洁科技有限公司 一种风机盘管组件清洗系统
CN116532414A (zh) * 2023-05-26 2023-08-04 山西九牛牧业股份有限公司 一种奶制品生产线自动清洗方法、装置、电子设备及介质
CN116605938A (zh) * 2023-07-20 2023-08-18 天科院环境科技发展（天津）有限公司 低温蒸馏设备及低温蒸馏罐

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020086293A1 (en) * 2018-10-23 2020-04-30 Ecolab Usa Inc. Verification of cleaning processes with electronically readable coded coupon

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103449548A (zh) * 2013-01-09 2013-12-18 青岛科技大学 船用热管式海水淡化装置
CN105312285A (zh) * 2015-07-06 2016-02-10 上海天净实业有限公司 自来水管道脉冲清洗设备
CN109062106A (zh) * 2018-08-21 2018-12-21 安徽安成工业设备有限公司 工业循环水用远程监控方法及其系统
CN209393691U (zh) * 2018-11-27 2019-09-17 秦皇岛烟草机械有限责任公司 一种高压水射流式清洗设备
CN116007429A (zh) * 2022-12-26 2023-04-25 北京延扬环保清洁科技有限公司 一种风机盘管组件清洗系统
CN116532414A (zh) * 2023-05-26 2023-08-04 山西九牛牧业股份有限公司 一种奶制品生产线自动清洗方法、装置、电子设备及介质
CN116605938A (zh) * 2023-07-20 2023-08-18 天科院环境科技发展（天津）有限公司 低温蒸馏设备及低温蒸馏罐

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于图像分割的蒸发器二次侧管板清洗喷嘴自适应定位";包建国等;《机械与电子》;3-7页 *

Also Published As

Publication number Publication date
CN116958141A (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
CN113469177B (zh) 基于深度学习的排水管道缺陷检测方法及系统
CN109272489B (zh) 基于背景抑制与多尺度局部熵的红外弱小目标检测方法
Wang et al. Comparison analysis on present image-based crack detection methods in concrete structures
CN112394152A (zh) 一种基于大数据的水质实时智能监测分析管理系统
CN111179232A (zh) 基于图像处理的钢筋尺寸检测系统及方法
CN110930357A (zh) 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统
CN108921819B (zh) 一种基于机器视觉的验布装置及方法
CN113658131B (zh) 一种基于机器视觉巡游式环锭纺断纱检测方法
CN104792794A (zh) 基于机器视觉的光学薄膜表面缺陷检测方法
CN106709903B (zh) 基于图像质量的pm2.5浓度预测方法
CN111860143B (zh) 一种面向巡检机器人的火焰实时检测方法
CN106780526A (zh) 一种铁氧体圆片表面裂痕识别方法
CN114677601A (zh) 一种基于无人机巡检的结合深度学习的大坝裂缝检测方法
CN116703920B (zh) 基于图像处理的石墨保温桶裂纹检测方法
CN113077486A (zh) 一种山区植被覆盖率监测方法及系统
CN112669286A (zh) 基于红外热像的外墙外保温系统缺陷识别与损伤程度评价方法
CN116416252A (zh) 一种勃姆石生产工艺废水沉降图像检测方法
CN115761563A (zh) 一种基于光流测算的河流表面流速的计算方法及系统
CN116310845A (zh) 一种用于污水处理的智能监测系统
CN110533626B (zh) 一种全天候水质识别方法
CN116958141B (zh) 一种用于低温蒸馏罐的自动清洗方法及系统
CN112883969B (zh) 一种基于卷积神经网络的降雨强度检测方法
CN116309447B (zh) 一种基于深度学习的水坝斜坡裂缝检测方法
CN115331166B (zh) 一种格栅清污机智能监控预警方法和系统
CN116645628A (zh) 一种恶劣天气下排污检测方法及系统

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

Inventor after: Han Xue

Inventor after: Li Xiuli

Inventor after: Cao Lihua

Inventor after: Wang Jiangong

Inventor after: Sun Gaocheng

Inventor after: Zhao Hongyan

Inventor after: Li Mingzhe

Inventor after: Chang Mingyue

Inventor before: Han Xue

Inventor before: Li Xiuli

Inventor before: Cao Lihua

Inventor before: Wang Jiangong

Inventor before: Sun Gaocheng

Inventor before: Zhao Hongyan

Inventor before: Li Mingzhe

Inventor before: Chang Mingyue

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 300450 Building 1-2, 7-504-9, Minghai Center, No. 416 Hulunbuir Road, Tianjin Binhai New Area Pilot Free Trade Zone (Dongjiang Bonded Port Area)

Applicant after: Tianjin Research Institute for Water Transport Engineering, M.O.T

Applicant after: TIWTE ENVIRONMENTAL TECHNOLOGY DEVELOPMENT (TIANJIN) CO.,LTD.

Address before: 300450 Building 1-2, 7-504-9, Minghai Center, No. 416 Hulunbuir Road, Tianjin Binhai New Area Pilot Free Trade Zone (Dongjiang Bonded Port Area)

Applicant before: TIWTE ENVIRONMENTAL TECHNOLOGY DEVELOPMENT (TIANJIN) CO.,LTD.

Applicant before: Tianjin Research Institute for Water Transport Engineering, M.O.T

GR01 Patent grant
GR01 Patent grant