CN117237356B - 用于农药生产的废水处理控制方法 - Google Patents
用于农药生产的废水处理控制方法 Download PDFInfo
- Publication number
- CN117237356B CN117237356B CN202311514962.4A CN202311514962A CN117237356B CN 117237356 B CN117237356 B CN 117237356B CN 202311514962 A CN202311514962 A CN 202311514962A CN 117237356 B CN117237356 B CN 117237356B
- Authority
- CN
- China
- Prior art keywords
- thiessen
- image
- probability
- polygons
- merged
- 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
Links
- 239000000575 pesticide Substances 0.000 title claims abstract description 90
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 19
- 238000004065 wastewater treatment Methods 0.000 title claims abstract description 19
- 239000002351 wastewater Substances 0.000 claims abstract description 71
- 239000003550 marker Substances 0.000 claims description 40
- 239000008394 flocculating agent Substances 0.000 claims description 10
- 239000000725 suspension Substances 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 239000010914 pesticide waste Substances 0.000 description 6
- 239000006185 dispersion Substances 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及农药废水处理技术领域,具体涉及用于农药生产的废水处理控制方法,包括:采集农药废水图像;获取每个标记图像的离散点构建泰森多边形;获取每个泰森多边形的局部区域的大小以及每个泰森多边形局部区域中的泰森多边形的个数,进而得到相邻的两个泰森多边形的合并概率,完成对相邻的两个泰森多边形的合并,得到每个合并泰森多边形;获取每个合并泰森多边形含有悬浮物区域的概率;根据每个合并泰森多边形含有悬浮物区域的概率,获取每个标记图像中每个像素点属于悬浮物区域的概率,进而得到农药废水图像中每个像素点属于悬浮物区域的概率,并对农药废水图像进行分割,识别出悬浮物。本发明能准确识别出农药废水中的悬浮物。
Description
技术领域
本发明涉及农药废水处理技术领域,具体涉及用于农药生产的废水处理控制方法。
背景技术
用于农药生产的废水处理控制方法是指对于农药生产过程中的所产生的废水进行处理,确保废水在排放前达到符合环境保护法规和标准的要求,由于农药生产废水中可能含有悬浮物,悬浮物即为农药的反应剩余物、固体残留物和颗粒物等,而絮凝剂是一种在水中添加的化学物质,用于促使悬浮在农药废水上的悬浮物聚集成较大的颗粒,使得悬浮物形成沉淀后使用过滤进行去除即可,但是使用絮凝剂对悬浮物进行处理时,絮凝剂的使用量取决于悬浮物的面积,因此在使用絮凝剂对悬浮物进行处理时,需要对农药废水中的悬浮物进行检测。
现有技术通过相机拍照获取农药废水图像,由于农药废水与悬浮物的灰度值差异不大,因此使用阈值分割对于农药废水中的悬浮物进行分割时,分割出的悬浮物不准确。
发明内容
本发明提供用于农药生产的废水处理控制方法,以解决现有的问题。
本发明的用于农药生产的废水处理控制方法采用如下技术方案:
本发明一个实施例提供了用于农药生产的废水处理控制方法,该方法包括以下步骤:
采集农药废水图像;
预设灰度级阈值的取值序列,根据灰度级阈值的取值序列中的每个数据对农药废水图像的灰度值区间进行划分,获取每个标记图像;
获取每个标记图像的离散点;根据每个标记图像的离散点,获取每个标记图像的每个泰森多边形;获取每个标记图像的每个泰森多边形的局部区域的大小以及每个泰森多边形局部区域中的泰森多边形的个数;根据每个标记图像的每个泰森多边形的局部区域的大小以及每个泰森多边形局部区域中的泰森多边形的个数,获取每个标记图像中相邻的两个泰森多边形的合并概率;根据每个标记图像中相邻的两个泰森多边形的合并概率对相邻的两个泰森多边形进行合并,得到每个标记图像的每个合并泰森多边形;
根据每个标记图像的每个合并泰森多边形,获取每个标记图像的每个合并泰森多边形含有悬浮物区域的概率;
根据每个标记图像的每个合并泰森多边形含有悬浮物区域的概率,获取每个标记图像中每个像素点属于悬浮物区域的概率;根据每个标记图像中每个像素点属于悬浮物区域的概率,获取农药废水图像中每个像素点属于悬浮物区域的概率;
根据农药废水图像中每个像素点属于悬浮物区域的概率对农药废水图像进行分割,得到悬浮物区域,并根据悬浮物区域面积自动投放絮凝剂对悬浮物进行处理。
优选的,所述预设灰度级阈值的取值序列,根据灰度级阈值的取值序列中的每个数据对农药废水图像的灰度值区间进行划分,获取每个标记图像,包括的具体步骤如下:
预设灰度级阈值的取值序列为,其中/>代表灰度级阈值的取值序列中的第一个灰度级阈值;获取农药废水图像中像素点的灰度值区间,记为;
获取灰度级阈值的取值序列中第一个灰度级阈值对应的标记图像,包括:根据灰度级阈值的取值序列中的第一个灰度级阈值计算第一个灰度级阈值对应的灰度级个数:,其中/>代表第一个灰度级阈值对应的灰度级个数;将农药废水图像中像素点的灰度值区间等分为/>个灰度级,遍历农药废水图像中每个像素点,将每个像素点用其所属的灰度级进行标记,得到第一个灰度级阈值对应的标记图像;
获取灰度级阈值的取值序列中每个灰度级阈值对应的标记图像。
优选的,所述获取每个标记图像的离散点;根据每个标记图像的离散点,获取每个标记图像的每个泰森多边形,包括的具体步骤如下:
对每个标记图像的每个灰度级对应的像素点进行连通域分析,得到每个灰度级对应的多个连通域,获取每个连通域的中心像素点作为每个标记图像的离散点,根据每个标记图像的离散点构建泰森多边形。
优选的,所述获取每个标记图像的每个泰森多边形的局部区域的大小以及每个泰森多边形局部区域中的泰森多边形的个数,包括的具体步骤如下:
获取每个标记图像的每个泰森多边形的最小外接圆,将每个泰森多边形的最小外接圆的半径与预设的扩展阈值相加,得到每个泰森多边形的扩展边长,以每个泰森多边形的最小外接圆的圆心为中心,构建/>大小的区域作为每个泰森多边形的局部区域,并获取每个泰森多边形的局部区域中的包含泰森多边形的个数。
优选的,所述根据每个标记图像的每个泰森多边形的局部区域的大小以及每个泰森多边形局部区域中的泰森多边形的个数,获取每个标记图像中相邻的两个泰森多边形的合并概率,包括的具体步骤如下:
式中,代表每个标记图像中相邻的两个泰森多边形的合并概率;/>代表每个标记图像中相邻的两个泰森多边形所对应的离散点之间的距离;/>代表每个标记图像中相邻的两个泰森多边形中第/>个泰森多边形的局部区域中泰森多边形的个数;/>代表每个标记图像中相邻的两个泰森多边形中第/>个泰森多边形的局部区域的大小,/>代表以自然常数为底数的指数函数。
优选的,所述根据每个标记图像中相邻的两个泰森多边形的合并概率对相邻的两个泰森多边形进行合并,得到每个标记图像的每个合并泰森多边形,包括的具体步骤如下:
预设合并阈值,当每个标记图像中相邻的两个泰森多边形的合并概率大于等于合并阈值时,对每个标记图像中相邻的两个泰森多边形进行合并,得到了每个标记图像的每个合并泰森多边形。
优选的,所述根据每个标记图像的每个合并泰森多边形,获取每个标记图像的每个合并泰森多边形含有悬浮物区域的概率,包括的具体步骤如下:
将任一标记图像,记为当前标记图像:
式中,代表当前标记图像中第/>个合并泰森多边形中的泰森多边形个数;代表当前标记图像中所有合并泰森多边形中的最多泰森多边形个数;/>代表以自然常数为底数的指数函数;/>代表当前标记图像中第/>个合并泰森多边形中含有/>个两两相邻的泰森多边形;/>代表当前标记图像中第/>个合并泰森多边形中的第/>个两两相邻的泰森多边形的合并概率;/>代表当前标记图像中第/>个合并泰森多边形与其相邻的合并泰森多边形的个数之和;/>代表当前标记图像中与第/>个合并泰森多边形相邻的第/>个合并泰森多边形的平均灰度值;/>代表当前标记图像中与第/>个合并泰森多边形相邻的所有合并泰森多边形的平均灰度值的均值;/>代表当前标记图像中与第个合并泰森多边形相邻的所有合并泰森多边形中与均值/>差异最大的合并泰森多边形的平均灰度值;/>代表当前标记图像中第/>个合并泰森多边形中含有悬浮物区域的概率。
优选的,所述根据每个标记图像的每个合并泰森多边形含有悬浮物区域的概率,获取每个标记图像中每个像素点属于悬浮物区域的概率,包括的具体步骤如下:
将标记图像的任一合并泰森多边形含有悬浮物区域概率,作为标记图像的该合并泰森多边形中每个像素点属于悬浮物区域的概率。
优选的,所述根据每个标记图像中每个像素点属于悬浮物区域的概率,获取农药废水图像中每个像素点属于悬浮物区域的概率,包括的具体步骤如下:
获取所有标记图像中同一像素点属于悬浮物区域的概率均值,作为农药废水图像中的该像素点属于悬浮物区域的概率。
优选的,所述根据农药废水图像中每个像素点属于悬浮物区域的概率对农药废水图像进行分割,得到悬浮物区域,包括的具体步骤如下:
预设概率阈值,将农药废水图像中大于等于概率阈值的所有像素点构成的区域作为悬浮物区域。
本发明的技术方案的有益效果是:本发明采集农药废水图像;预设灰度级阈值的取值序列,根据灰度级阈值的取值序列中的每个数据对农药废水图像的灰度值区间进行划分,获取每个标记图像;根据每个标记图像的离散点,获取每个标记图像的每个泰森多边形,进而根据每个标记图像的每个泰森多边形的局部区域的大小以及每个泰森多边形局部区域中的泰森多边形的个数,获取每个标记图像中相邻的两个泰森多边形的合并概率,对相邻的两个泰森多边形进行合并,得到每个标记图像的每个合并泰森多边形;获取每个标记图像的每个合并泰森多边形含有悬浮物区域的概率,进而得到农药废水图像中每个像素点属于悬浮物区域的概率,基于农药废水图像中每个像素点属于悬浮物区域的概率对农药废水图像进行分割,识别出悬浮物,并使用适量的絮凝剂对悬浮物进行处理,本发明通过获取农药废水图像中每个像素点属于悬浮物区域的概率,再基于概率对农药废水图像进行分割,识别出准确的悬浮物,避免了由于农药废水图像中悬浮物与背景区域之间的灰度值差异不明显,通过阈值分割识别到的悬浮物不准确,进而根据悬浮物的大小得到的絮凝剂的使用量不准确,本发明根据农药废水图像中每个像素点属于悬浮物区域的概率对农药废水图像进行分割,得到悬浮物区域,使得获取的悬浮物区域准确,基于悬浮物区域的面积自动投放絮凝剂对悬浮物进行处理,使得农药废水中的悬浮物处理效果更好,避免了絮凝剂过少对悬浮物处理不干净或者絮凝剂过多导致农药废水进一步污染。
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,下面将对实施例或现有技术描述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为本发明用于农药生产的废水处理控制方法的步骤流程图。
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用于农药生产的废水处理控制方法,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用于农药生产的废水处理控制方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的用于农药生产的废水处理控制方法的步骤流程图,该方法包括以下步骤:
S001.采集农药废水图像。
使用相机拍摄农药废水的图像,为了便于后续处理,将采集的农药废水的图像进行灰度化,得到灰度化图像,记为农药废水图像。
S002.根据不同灰度级阈值对农药废水图像中的像素点的灰度值区间进行划分,并对像素点进行标记,得到不同灰度级阈值对应的各个标记图像。
需要说明的是,传统的阈值分割是基于图像中像素点的灰度值的不同,通过选取一个灰度值阈值,将图像分为目标和背景两大类,完成对于目标的识别,因此在目标与背景区域的像素灰度值存在着明显差异的情况下,阈值分割能有效的实现对目标的识别,而由于农药废水图像中悬浮物与背景区域之间的灰度值差异不明显,因此通过选取灰度值阈值对农药废水图像进行分割,识别到的悬浮物不准确,进而根据悬浮物的大小得到的絮凝剂的使用量不准确。因此本发明实施例,通过获取各像素点属于悬浮物区域的概率,而后通过设置概率阈值,对农药废水图像进行分割,使得悬浮物区域能够被完整的分割出来。
需要进一步说明的是,已知农药废水图像中悬浮物区域与背景区域的灰度值存在着差异,并且两者的灰度值差异较小,因此本发明实施例根据农药废水图像中像素点灰度值特征,对农药废水图像中的像素点的灰度值区间进行分级,为了将悬浮物区域与背景区域的像素点划分为不同的灰度级,需要使灰度级中的灰度值范围尽可能的小,进而根据灰度级对农药废水图像中的各像素点进行标记,生成标记图像,以便后续根据标记图像来获取离散点,进而根据离散点生成泰森多边形再进行后续分析。
需要说明的是,为了使得后续获取的各像素点属于悬浮物区域的概率准确,需要获取不同灰度级阈值对应的标记图像进行后续分析。
在本发明实施例中,预设灰度级阈值的取值序列为,其中代表灰度级阈值的取值序列中的第一个灰度级阈值;获取农药废水图像中像素点的灰度值区间,记为/>;在本发明实施例中,设置灰度级阈值的取值序列为,在其他实施例中,实施人员可根据具体实施情况设置灰度级阈值的取值序列;
获取灰度级阈值的取值序列中第一个灰度级阈值对应的标记图像,包括:根据灰度级阈值的取值序列中的第一个灰度级阈值计算第一个灰度级阈值对应的灰度级个数:其中/>代表第一个灰度级阈值对应的灰度级个数;将农药废水图像中像素点的灰度值区间等分为/>个灰度级,遍历农药废水图像中每个像素点,将每个像素点用其所属的灰度级进行标记,得到第一个灰度级阈值对应的标记图像;同理,获取所有灰度值阈值对应的标记图像。
至此,根据不同灰度级阈值对农药废水图像中的像素点灰度值区间进行划分,并对各像素点进行标记,得到每个灰度值阈值对应的每个标记图像。
S003.获取各个标记图像中的离散点构建泰森多边形,对各个标记图像中相邻的两个泰森多边形进行合并,得到各个标记图像的各个合并泰森多边形。
需要说明的是,由于悬浮物区域与背景区域的像素点的灰度值分布均匀,在上述步骤中获取的各个标记图像中,悬浮物区域像素点的灰度级分布较为一致,背景区域像素点的灰度值分布较为一致,悬浮物区域与背景区域之间的灰度级不一致,因此根据各个标记图像的灰度级分布特征,获取各个标记图像的各个泰森多边形。
在本发明实施例中,对每个标记图像的每个灰度级对应的像素点进行连通域分析,得到每个灰度级对应的多个连通域,获取每个连通域的中心像素点作为每个标记图像的离散点,根据每个标记图像的离散点构建泰森多边形。
需要说明的是,在步骤S002中为了让悬浮物区域与背景区域的像素点使用不同的灰度级进行标记,因此在划分灰度级时,尽可能使灰度级中的灰度值范围尽可能的小,此举操作可能会将悬浮物区域的像素点用不同的灰度级表示,所以可能会将悬浮物区域划分为多个泰森多边形中,因此对于各个标记图像中相邻之间的泰森多边形进行合并。
需要进一步说明的是,农药废水图像中,水面区域即背景区域的灰度分布比较统一,而悬浮物区域的灰度变化较大,因此灰度级划分可能将悬浮物区域的灰度值划分为不同的灰度级,因此将悬浮物区域划分到了不同的泰森多边形中,为了获取完整的悬浮物区域,需要对相邻的泰森多边形进行合并,由于悬浮物区域的灰度变化较大,悬浮物区域会被划分为多个较小的泰森多边形,而背景区域的灰度分布比较统一,背景区域的泰森多边形较大,因此当相邻的泰森多边形所对应的离散点的之间的距离较小时,越需要进行合并,并且对于悬浮物区域的泰森多边形来说,其局部区域中会含有较多的泰森多边形,因此当相邻的两个泰森多边形的局部区域中含有的泰森多边形的数目越多,再结合相邻的泰森多边形所对应的离散点之间的距离,获取相邻的两个泰森多边形的合并概率。
在本发明实施例中,设置扩展阈值等于,在其他实施例中,实施人员可根据具体实施情况设置扩展阈值的值,获取每个泰森多边形的局部区域以及每个泰森多边形的局部区域中的泰森多边形的个数:获取每个标记图像的每个泰森多边形的最小外接圆,将每个泰森多边形的最小外接圆的半径与预设的扩展阈值相加,得到每个泰森多边形的扩展边长/>,以每个泰森多边形的最小外接圆的圆心为中心,构建/>大小的区域作为每个泰森多边形的局部区域,并获取每个泰森多边形的局部区域中的包含泰森多边形的个数。
获取相邻的两个泰森多边形的合并概率:
式中,代表相邻的两个泰森多边形的合并概率;/>代表相邻的两个泰森多边形所对应的离散点之间的距离;/>代表相邻的两个泰森多边形中第/>个泰森多边形的局部区域中泰森多边形的个数;/>代表以自然常数为底数的指数函数;/>代表相邻的两个泰森多边形中第/>个泰森多边形的局部区域的大小;当相邻的两个泰森多边形所对应的离散点之间的距离越小并且相邻的两个泰森多边形中第/>个泰森多边形的局部区域中泰森多边形的个数越多时,/>的值越大,此时相邻的两个泰森多边形更可能为悬浮物区域的泰森多边形,需要对其进行合并。在本发明实施例中设置合并阈值/>,当相邻的两个泰森多边形的合并概率大于等于合并阈值时,即/>,对该相邻的两个泰森多边形进行合并,在其他实施例中,实施人员可根据实际的实施情况设置概率阈值/>。
至此,对各个标记图像中相邻的两个泰森多边形完成了合并,得到了各个标记图像合并后的泰森多边形,记为合并泰森多边形。
S004.获取各个标记图像中各个合并泰森多边形含有悬浮物区域的概率。
需要说明的是,上述步骤S003通过对标记图像中相邻之间的泰森多边形进行合并,得到了各个合并泰森多边形,该操作将处于不同的泰森多边形的悬浮物区域进行合并,使得到的合并泰森多边形中含有完整的悬浮物区域看,对于含有悬浮物区域的泰森多边形来说,其周围邻域中是含有背景区域的泰森多边形,对于含有背景区域的泰森多边形来说,其周围邻域中是含有背景区域的泰森多边形或者含有悬浮物区域的泰森多边形,因此根据这一特征量化各个合并泰森多边形的分散程度,当任一合并泰森多边形的分散程度越大时,说明该合并泰森多边形中越可能含有悬浮物区域,又由于步骤S003获取的相邻的两个泰森多边形的合并概率,是基于悬浮物区域的泰森多边形计算的,因此如果任一合并泰森多边形中的泰森多边的个数越多且合并泰森多边形中的相邻的两个泰森多边的合并概率越大,那么该合并泰森多边形中越可能含有悬浮物区域,因此结合合并多边形的分散程度、合并泰森多边形中的泰森多边形的个数以及合并泰森多边形中的相邻的两个泰森多边的合并概率,获取每个合并泰森多边形含有悬浮物区域的概率。
在本发明实施例中,遍历任一标记图像,记为当前标记图像,获取当前标记图像中各个合并泰森多边形含有悬浮物区域的概率:
式中,代表当前标记图像中第/>个合并泰森多边形中的泰森多边形个数;代表当前标记图像中所有合并泰森多边形中的最多泰森多边形个数;/>代表以自然常数为底数的指数函数;/>代表当前标记图像中第/>个合并泰森多边形中含有/>个两两相邻的泰森多边形;/>代表当前标记图像中第/>个合并泰森多边形中的第/>个两两相邻的泰森多边形的合并概率;/>代表当前标记图像中第/>个合并泰森多边形与其相邻的合并泰森多边形的个数之和;/>代表当前标记图像中与第/>个合并泰森多边形相邻的第/>个合并泰森多边形的平均灰度值;/>代表当前标记图像中与第/>个合并泰森多边形相邻的所有合并泰森多边形的平均灰度值的均值;/>代表当前标记图像中与第/>个合并泰森多边形相邻的所有合并泰森多边形中与均值/>差异最大的合并泰森多边形的平均灰度值;/>代表当前标记图像中第/>个合并泰森多边形中含有悬浮物区域的概率;代表当前标记图像中第/>个合并泰森多边形的分散程度;用作对/>进行归一化处理;当/>的值越大时,说明当前标记图像中的第/>个合并泰森多边形中含有悬浮物区域的概率越大。
至此,得到了各个标记图像中各个合并泰森多边形含有悬浮物区域的概率。
S005.根据各个标记图像中各个合并泰森多边形含有悬浮物区域的概率,获取农药废水图像中每个像素点属于悬浮物区域的概率。
需要说明的是,步骤S004中获取了每个标记图像中每个合并泰森多边形含有悬浮物区域的概率,为了便于后续获取农药废水图像中每个像素点属于悬浮物区域的概率,在本发明实施例中,遍历任一标记图像,记为当前标记图像,将当前标记图像的第个合并泰森多边形含有悬浮物区域概率,作为当前标记图像的第/>个合并泰森多边形中每个像素点属于悬浮物区域的概率。
至此,获取了每个标记图像中每个像素点属于悬浮物区域的概率。
需要进一步说明的是,泰森多边形是由离散点之间连线的垂直平分线组成的连续多边形构成,因此各个标记图像中的部分合并泰森多边形中可能含有两个区域的像素点,比如,含有完整的悬浮物区域的合并泰森多边形中会含有部分背景区域的像素点,因此将合并泰森多边形含有悬浮物区域的概率,作为该合并泰森多边形中每个像素点属于悬浮物区域的概率不准确,会将背景区域的像素点也归纳为悬浮物区域,因此如果直接以任一标记图像中每个像素点属于悬浮物区域的概率作为农药废水图像中每个像素点属于悬浮物区域的概率,在后续基于概率阈值对农药废水图像进行分割时,会将悬浮物区域与背景区域同时分割出来。
需要进一步说明的是,步骤S002根据不同的灰度值区间划分标准,得到了不同的标记图像,对于不同标记图像中含有同一完整悬浮物区域的合并泰森多边形来说,其中包含的背景区域的像素点不一致,因此不同标记图像中位于悬浮物区域周围的背景区域的像素点属于悬浮物区域的概率不一致,可能较小也可能较大,但是不同标记图像中悬浮物区域的像素点属于悬浮物区域的概率均较大,因此需要根据每个标记图像中每个像素点属于悬浮物区域的概率,获取农药废水图像中每个像素点属于悬浮物区域的概率,使得悬浮物区域与背景区域的像素点属于悬浮物区域的概率差异较大。
在本发明实施例中,获取农药废水图像中每个像素点属于悬浮物区域的概率:
获取每个标记图像中同一像素点属于悬浮物区域的概率均值,作为农药废水图像中的每个像素点属于悬浮物区域的概率。
S006.根据农药废水图像中每个像素点属于悬浮物区域的概率对农药废水图像进行分割,识别出悬浮物。
需要说明的是,农药废水图像中悬浮物与背景区域之间的灰度值差异不明显,因此通过选取灰度值阈值对农药废水图像进行分割,识别到的悬浮物不准确,由于悬浮物区域与背景区域的像素点属于悬浮物区域的概率差异较大,因此通过设置概率阈值对农药废水图像进行分割,能够将悬浮物准确的分割出来。
在本发明实施例中,设置概率阈值,在其他实施例中,实施人员可根据具体实施情况设置/>的值,当任一像素点属于悬浮物区域的概率大于等于概率阈值/>时,说明该像素点属于悬浮物区域,将农药废水图像中大于等于概率阈值的所有像素点构成的区域作为悬浮物区域。
至此,根据农药废水图像中每个像素点属于悬浮物区域的概率对农药废水图像进行分割,识别出悬浮物区域,并根据悬浮物区域面积自动投放絮凝剂对悬浮物进行处理。
在本发明实施例中,利用神经网络获取絮凝剂的投放量,神经网络的具体内容如下:
神经网络的输入为悬浮物区域的面积,输出为絮凝剂的投放量。神经网络为全连接神经网络,神经网络的训练集为不同面积的悬浮物区域构成的训练集,标签为絮凝剂的投放量。标签标注的过程为:由专业人员根据不同面积的悬浮物区域,判断每个面积所需要的絮凝剂的投放量,将絮凝剂的投放量作为标签。神经网络的损失函数为均方差损失。
将悬浮物区域的面积输入到训练好的神经网络中,输出絮凝剂的投放量。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,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 (5)
1.用于农药生产的废水处理控制方法,其特征在于,该方法包括以下步骤:
采集农药废水图像;
预设灰度级阈值的取值序列,根据灰度级阈值的取值序列中的每个数据对农药废水图像的灰度值区间进行划分,获取每个标记图像;
获取每个标记图像的离散点;根据每个标记图像的离散点,获取每个标记图像的每个泰森多边形;获取每个标记图像的每个泰森多边形的局部区域的大小以及每个泰森多边形局部区域中的泰森多边形的个数;根据每个标记图像的每个泰森多边形的局部区域的大小以及每个泰森多边形局部区域中的泰森多边形的个数,获取每个标记图像中相邻的两个泰森多边形的合并概率;根据每个标记图像中相邻的两个泰森多边形的合并概率对相邻的两个泰森多边形进行合并,得到每个标记图像的每个合并泰森多边形;
根据每个标记图像的每个合并泰森多边形,获取每个标记图像的每个合并泰森多边形含有悬浮物区域的概率;
根据每个标记图像的每个合并泰森多边形含有悬浮物区域的概率,获取每个标记图像中每个像素点属于悬浮物区域的概率;根据每个标记图像中每个像素点属于悬浮物区域的概率,获取农药废水图像中每个像素点属于悬浮物区域的概率;
根据农药废水图像中每个像素点属于悬浮物区域的概率对农药废水图像进行分割,得到悬浮物区域,并根据悬浮物区域面积自动投放絮凝剂对悬浮物进行处理;
所述预设灰度级阈值的取值序列,根据灰度级阈值的取值序列中的每个数据对农药废水图像的灰度值区间进行划分,获取每个标记图像,包括的具体步骤如下:
预设灰度级阈值的取值序列为,其中/>代表灰度级阈值的取值序列中的第一个灰度级阈值;获取农药废水图像中像素点的灰度值区间,记为/>;
获取灰度级阈值的取值序列中第一个灰度级阈值对应的标记图像,包括:根据灰度级阈值的取值序列中的第一个灰度级阈值计算第一个灰度级阈值对应的灰度级个数:,其中/>代表第一个灰度级阈值对应的灰度级个数;将农药废水图像中像素点的灰度值区间等分为/>个灰度级,遍历农药废水图像中每个像素点,将每个像素点用其所属的灰度级进行标记,得到第一个灰度级阈值对应的标记图像;
获取灰度级阈值的取值序列中每个灰度级阈值对应的标记图像;
所述获取每个标记图像的离散点;根据每个标记图像的离散点,获取每个标记图像的每个泰森多边形,包括的具体步骤如下:
对每个标记图像的每个灰度级对应的像素点进行连通域分析,得到每个灰度级对应的多个连通域,获取每个连通域的中心像素点作为每个标记图像的离散点,根据每个标记图像的离散点构建泰森多边形;
所述根据每个标记图像的每个泰森多边形的局部区域的大小以及每个泰森多边形局部区域中的泰森多边形的个数,获取每个标记图像中相邻的两个泰森多边形的合并概率,包括的具体步骤如下:
式中,代表每个标记图像中相邻的两个泰森多边形的合并概率;/>代表每个标记图像中相邻的两个泰森多边形所对应的离散点之间的距离;/>代表每个标记图像中相邻的两个泰森多边形中第/>个泰森多边形的局部区域中泰森多边形的个数;/>代表每个标记图像中相邻的两个泰森多边形中第/>个泰森多边形的局部区域的大小,/>代表以自然常数为底数的指数函数;
所述根据每个标记图像的每个合并泰森多边形,获取每个标记图像的每个合并泰森多边形含有悬浮物区域的概率,包括的具体步骤如下:
将任一标记图像,记为当前标记图像:
式中,代表当前标记图像中第/>个合并泰森多边形中的泰森多边形个数;/>代表当前标记图像中所有合并泰森多边形中的最多泰森多边形个数;/>代表当前标记图像中第/>个合并泰森多边形中含有/>个两两相邻的泰森多边形;/>代表当前标记图像中第/>个合并泰森多边形中的第/>个两两相邻的泰森多边形的合并概率;/>代表当前标记图像中第/>个合并泰森多边形与其相邻的合并泰森多边形的个数之和;/>代表当前标记图像中与第/>个合并泰森多边形相邻的第/>个合并泰森多边形的平均灰度值;/>代表当前标记图像中与第/>个合并泰森多边形相邻的所有合并泰森多边形的平均灰度值的均值;代表当前标记图像中与第/>个合并泰森多边形相邻的所有合并泰森多边形中与均值/>差异最大的合并泰森多边形的平均灰度值;/>代表当前标记图像中第/>个合并泰森多边形中含有悬浮物区域的概率;
所述根据每个标记图像的每个合并泰森多边形含有悬浮物区域的概率,获取每个标记图像中每个像素点属于悬浮物区域的概率,包括的具体步骤如下:
将标记图像的任一合并泰森多边形含有悬浮物区域概率,作为标记图像的该合并泰森多边形中每个像素点属于悬浮物区域的概率。
2.根据权利要求1所述的用于农药生产的废水处理控制方法,其特征在于,所述获取每个标记图像的每个泰森多边形的局部区域的大小以及每个泰森多边形局部区域中的泰森多边形的个数,包括的具体步骤如下:
获取每个标记图像的每个泰森多边形的最小外接圆,将每个泰森多边形的最小外接圆的半径与预设的扩展阈值相加,得到每个泰森多边形的扩展边长,以每个泰森多边形的最小外接圆的圆心为中心,构建/>大小的区域作为每个泰森多边形的局部区域,并获取每个泰森多边形的局部区域中的包含泰森多边形的个数。
3.根据权利要求1所述的用于农药生产的废水处理控制方法,其特征在于,所述根据每个标记图像中相邻的两个泰森多边形的合并概率对相邻的两个泰森多边形进行合并,得到每个标记图像的每个合并泰森多边形,包括的具体步骤如下:
预设合并阈值,当每个标记图像中相邻的两个泰森多边形的合并概率大于等于合并阈值时,对每个标记图像中相邻的两个泰森多边形进行合并,得到了每个标记图像的每个合并泰森多边形。
4.根据权利要求1所述的用于农药生产的废水处理控制方法,其特征在于,所述根据每个标记图像中每个像素点属于悬浮物区域的概率,获取农药废水图像中每个像素点属于悬浮物区域的概率,包括的具体步骤如下:
获取所有标记图像中同一像素点属于悬浮物区域的概率均值,作为农药废水图像中的该像素点属于悬浮物区域的概率。
5.根据权利要求1所述的用于农药生产的废水处理控制方法,其特征在于,所述根据农药废水图像中每个像素点属于悬浮物区域的概率对农药废水图像进行分割,得到悬浮物区域,包括的具体步骤如下:
预设概率阈值,将农药废水图像中大于等于概率阈值的所有像素点构成的区域作为悬浮物区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311514962.4A CN117237356B (zh) | 2023-11-15 | 2023-11-15 | 用于农药生产的废水处理控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311514962.4A CN117237356B (zh) | 2023-11-15 | 2023-11-15 | 用于农药生产的废水处理控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117237356A CN117237356A (zh) | 2023-12-15 |
CN117237356B true CN117237356B (zh) | 2024-02-23 |
Family
ID=89084662
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311514962.4A Active CN117237356B (zh) | 2023-11-15 | 2023-11-15 | 用于农药生产的废水处理控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117237356B (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009277205A (ja) * | 2008-05-15 | 2009-11-26 | Kazuo Aisaka | 画像認識方法 |
JP2011045839A (ja) * | 2009-08-27 | 2011-03-10 | Ishigaki Co Ltd | 汚泥処理装置及び汚泥処理方法 |
CN102254093A (zh) * | 2011-06-24 | 2011-11-23 | 天津大学 | 基于泰森多边形的连通域统计相关算法 |
CN106127832A (zh) * | 2016-06-27 | 2016-11-16 | 国网山东省电力公司济南供电公司 | 一种基于泰森多边形划分区域污秽等级的系统及方法 |
JP2019162601A (ja) * | 2018-03-20 | 2019-09-26 | 月島機械株式会社 | 凝集剤添加量制御装置、汚泥濃縮システム、凝集剤添加量制御方法 |
CN110287915A (zh) * | 2019-06-28 | 2019-09-27 | 南京林业大学 | 一种基于Landsat遥感影像的城市不透水层提取方法 |
CN111833369A (zh) * | 2020-07-21 | 2020-10-27 | 中冶赛迪重庆信息技术有限公司 | 一种矾花图像处理方法、系统、介质及电子设备 |
CN113429013A (zh) * | 2021-06-03 | 2021-09-24 | 阿里巴巴新加坡控股有限公司 | 混凝剂投放量的确定方法以及化合物投放量的确定方法 |
CN114663405A (zh) * | 2022-03-27 | 2022-06-24 | 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 |
CN116486061A (zh) * | 2023-06-20 | 2023-07-25 | 苏州德斯米尔智能科技有限公司 | 基于机器视觉的污水处理效果检测方法 |
CN116812998A (zh) * | 2023-04-24 | 2023-09-29 | 爱环吴世(苏州)环保股份有限公司 | 基于絮凝图像分析的混凝剂投放流量确定方法和装置 |
CN116956407A (zh) * | 2022-07-12 | 2023-10-27 | 重庆师范大学 | 一种污染物的拦截与消纳方法 |
CN117011243A (zh) * | 2023-07-11 | 2023-11-07 | 广东龙泉科技有限公司 | 矶花图像对比分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110765941B (zh) * | 2019-10-23 | 2022-04-26 | 北京建筑大学 | 一种基于高分遥感影像的海水污染区域识别方法和设备 |
-
2023
- 2023-11-15 CN CN202311514962.4A patent/CN117237356B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009277205A (ja) * | 2008-05-15 | 2009-11-26 | Kazuo Aisaka | 画像認識方法 |
JP2011045839A (ja) * | 2009-08-27 | 2011-03-10 | Ishigaki Co Ltd | 汚泥処理装置及び汚泥処理方法 |
CN102254093A (zh) * | 2011-06-24 | 2011-11-23 | 天津大学 | 基于泰森多边形的连通域统计相关算法 |
CN106127832A (zh) * | 2016-06-27 | 2016-11-16 | 国网山东省电力公司济南供电公司 | 一种基于泰森多边形划分区域污秽等级的系统及方法 |
JP2019162601A (ja) * | 2018-03-20 | 2019-09-26 | 月島機械株式会社 | 凝集剤添加量制御装置、汚泥濃縮システム、凝集剤添加量制御方法 |
CN110287915A (zh) * | 2019-06-28 | 2019-09-27 | 南京林业大学 | 一种基于Landsat遥感影像的城市不透水层提取方法 |
CN111833369A (zh) * | 2020-07-21 | 2020-10-27 | 中冶赛迪重庆信息技术有限公司 | 一种矾花图像处理方法、系统、介质及电子设备 |
CN113429013A (zh) * | 2021-06-03 | 2021-09-24 | 阿里巴巴新加坡控股有限公司 | 混凝剂投放量的确定方法以及化合物投放量的确定方法 |
CN114663405A (zh) * | 2022-03-27 | 2022-06-24 | 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 |
CN116956407A (zh) * | 2022-07-12 | 2023-10-27 | 重庆师范大学 | 一种污染物的拦截与消纳方法 |
CN116812998A (zh) * | 2023-04-24 | 2023-09-29 | 爱环吴世(苏州)环保股份有限公司 | 基于絮凝图像分析的混凝剂投放流量确定方法和装置 |
CN116486061A (zh) * | 2023-06-20 | 2023-07-25 | 苏州德斯米尔智能科技有限公司 | 基于机器视觉的污水处理效果检测方法 |
CN117011243A (zh) * | 2023-07-11 | 2023-11-07 | 广东龙泉科技有限公司 | 矶花图像对比分析方法 |
Non-Patent Citations (5)
Title |
---|
A New Medical Segmentation Method Based on Voronoi Diagrams and Region Growing;Ru Xiao 等;2009 2nd International Congress on Image and Signal Processing;1-4 * |
Image partitioning into convex polygons;Liuyun Duan 等;2015 IEEE Conference on Computer Vision and Pattern Recognition (CVPR);3119-3127 * |
On the statistics of area size in two-dimensional thick Voronoi diagrams;Mario Ferraro 等;Physica A: Statistical Mechanics and its Applications;第391卷(第20期);4575-4582 * |
基于数字图像处理技术的污水自动加絮凝剂研究;郭建甲 等;工业水处理;第28卷(第05期);51-53 * |
水处理过程中图像识别方法的应用与实现;王嵩林;中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑;第2018年卷(第3期);B027-779 * |
Also Published As
Publication number | Publication date |
---|---|
CN117237356A (zh) | 2023-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446700B (zh) | 一种基于对抗攻击的车牌攻击生成方法 | |
CN111860459B (zh) | 一种基于显微图像的禾本科植物叶片气孔指数测量方法 | |
CN111986183B (zh) | 一种染色体散型图像自动分割识别系统及装置 | |
CN115100512A (zh) | 一种海洋经济物种的监测识别捕捞方法、系统及存储介质 | |
CN111968081B (zh) | 鱼群自动计数方法、装置、电子设备及存储介质 | |
Azad et al. | New method for optimization of license plate recognition system with use of edge detection and connected component | |
KR100889997B1 (ko) | 영상처리를 이용한 선박 밸러스트 워터 검사 장치 및 그방법 | |
CN113793301B (zh) | 基于稠密卷积网络模型的眼底影像分析模型的训练方法 | |
Lai et al. | Effective segmentation for dental X-ray images using texture-based fuzzy inference system | |
CN111126162A (zh) | 一种识别图像中炎症细胞的方法、装置及存储介质 | |
CN111353978B (zh) | 一种识别心脏解剖学结构的方法及装置 | |
CN117237356B (zh) | 用于农药生产的废水处理控制方法 | |
Chidester et al. | Discriminative bag-of-cells for imaging-genomics | |
CN113962994B (zh) | 基于图像处理的三连杆上锁销清洁度检测方法 | |
CN107369149B (zh) | 目标物体的检测装置及方法 | |
CN111340041A (zh) | 一种基于深度学习的车牌识别方法及装置 | |
Hagwood et al. | Evaluation of segmentation algorithms on cell populations using CDF curves | |
JPH05263411A (ja) | 物体の観察方法および装置 | |
CN112766384A (zh) | 一种基于深度学习的藻类絮体去除率评估方法 | |
CN111862004B (zh) | 基于细胞荧光图像的肿瘤细胞表型识别计数方法 | |
CN110287752B (zh) | 一种点阵码检测方法及装置 | |
CN113658250B (zh) | 漂浮物位置预测方法及装置 | |
CN115330792A (zh) | 一种基于人工智能的污水检测方法及系统 | |
CN110866470A (zh) | 一种基于随机图像特征的人脸防伪检测方法 | |
CN112435186A (zh) | 一种基于双规则矩阵方向场的指纹图像增强方法 |
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 |