CN117723513A - 水质检测方法、装置、设备、存储介质和程序产品 - Google Patents
水质检测方法、装置、设备、存储介质和程序产品 Download PDFInfo
- Publication number
- CN117723513A CN117723513A CN202410176121.5A CN202410176121A CN117723513A CN 117723513 A CN117723513 A CN 117723513A CN 202410176121 A CN202410176121 A CN 202410176121A CN 117723513 A CN117723513 A CN 117723513A
- Authority
- CN
- China
- Prior art keywords
- water sample
- transparency
- candidate
- image
- water
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 614
- 238000001514 detection method Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 claims abstract description 44
- 230000006870 function Effects 0.000 claims description 90
- 238000004590 computer program Methods 0.000 claims description 24
- 238000013139 quantization Methods 0.000 claims description 20
- 238000013441 quality evaluation Methods 0.000 claims description 15
- 238000005286 illumination Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 6
- 238000012372 quality testing Methods 0.000 claims description 6
- 239000010865 sewage Substances 0.000 description 21
- 239000006228 supernatant Substances 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000016615 flocculation Effects 0.000 description 4
- 238000005189 flocculation Methods 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001303 quality assessment method Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000010802 sludge Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请涉及一种水质检测方法、装置、设备、存储介质和程序产品。该方法包括:响应于对目标水样的水质检测请求,获取目标水样的水样图像;根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度;根据目标水样的透明度确定目标水样的水质检测结果。该方法中,通过预先构建水样图像质量与水样透明度之间的关系函数,这样,在对目标水样进行水质检测时,只需要获取目标水样对应的水样图像的图像质量,即可以直接基于目标水样对应的图像质量和关系函数得到目标水样的透明度,进而根据透明度得到水质检测结果,提高了水质检测的效率。
Description
技术领域
本申请涉及水质检测技术领域,特别是涉及一种水质检测方法、装置、设备、存储介质和程序产品。
背景技术
在水处理的应用场景中,经常需要对多种来源的水进行水质检测。例如,各种大、小型污水处理设施的出水监测、河流断面监测、雨水监测、污水处理中絮凝沉淀过程的自动化加药量检测和大型污水厂处理沿程水质监测等。
以农村生活污水处理设施的出水水质检测为例,相关技术中,通常对污水处理设施处理过的水进行现场取样,并将采集的水样送至实验室中进行检测,得到水样的水质指标,以评估污水处理设施的处理效果。
然而,相关技术中的水质检测方式存在检测效率低的技术问题。
发明内容
基于此,有必要针对上述技术问题,提供一种水质检测方法、装置、设备、存储介质和程序产品,提高了水质检测的效率。
第一方面,本申请提供了一种水质检测方法,包括:
响应于对目标水样的水质检测请求,获取目标水样的水样图像;
根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度;
根据目标水样的透明度确定目标水样的水质检测结果。
在其中一个实施例中,根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度,包括:
根据水样图像和水样图像的图像质量,获取水样图像的图像质量量化值;
根据图像质量量化值,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度。
在其中一个实施例中,该方法还包括:
在光照、水样厚度且水样流动性三者达到预设要求的情况下,对目标水样进行拍照,得到水样图像;
将水样图像输入至图像质量评估模型中,得到水样图像的图像质量。
在其中一个实施例中,水样图像质量与水样透明度之间的关系函数的构建过程包括:
获取多个候选水样的候选水样图像,以及获取多个候选水样的候选水样透明度;
根据各候选水样图像和各候选水样透明度,构建水样图像质量与水样透明度之间的关系函数。
在其中一个实施例中,根据各候选水样图像和各候选水样透明度,构建水样图像质量与水样透明度之间的关系函数,包括:
根据各候选水样图像,确定各候选水样图像的候选图像质量量化值;
根据各候选图像质量量化值和各候选水样透明度,构建水样图像质量与水样透明度之间的关系函数。
在其中一个实施例中,根据各候选图像质量量化值和各候选水样透明度,构建水样图像质量与水样透明度之间的关系函数,包括:
以各候选图像质量量化值为横坐标,各候选水样透明度为纵坐标,建立函数曲线;
根据函数曲线,确定水样图像质量与水样透明度之间的关系函数。
在其中一个实施例中,获取多个候选水样的候选水样图像,包括:
在光照、水样厚度且水样流动性三者达到预设要求的情况下,对各候选水样进行拍照,得到各候选水样的候选水样图像。
第二方面,本申请还提供了一种水质检测装置,包括:
图像获取模块,用于响应于对目标水样的水质检测请求,获取目标水样的水样图像;
透明度确定模块,用于根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度;
结果确定模块,用于根据目标水样的透明度确定目标水样的水质检测结果。
第三方面,本申请实施例还提供了一种计算机设备。计算机设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面中任一实施例中的步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质。计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述第一方面中任一实施例中的步骤。
第五方面,本申请实施例还提供了一种计算机程序产品。计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一实施例中的步骤。
上述水质检测方法、装置、设备、存储介质和程序产品,通过响应于对目标水样的水质检测请求,获取目标水样的水样图像,进而根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度,最后根据目标水样的透明度确定目标水样的水质检测结果。该方法中,通过预先构建水样图像质量与水样透明度之间的关系函数,这样,在对目标水样进行水质检测时,只需要获取目标水样对应的水样图像的图像质量,即可以直接基于目标水样对应的图像质量和关系函数得到目标水样的透明度,进而根据透明度得到水质检测结果,提高了水质检测的效率。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案,下面将对实施例或相关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申请的一些实施例,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为一个实施例中计算机设备的内部结构图;
图2为一个实施例中水质检测方法的流程示意图;
图3为一个实施例中确定目标水样的透明度的流程示意图;
图4为一个实施例中获取水样图像的图像质量的流程示意图;
图5为一个实施例中构建关系函数的流程示意图;
图6为另一个实施例中构建关系函数的流程示意图;
图7为另一个实施例中构建关系函数的流程示意图;
图8为一个实施例中函数曲线的示意图;
图9为另一个实施例中水质检测方法的流程示意图;
图10为一个实施例中水质检测装置的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的水质检测方法,可以应用于计算机设备。该计算机设备可以是聊天机器人,其内部结构图可以如图1所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output,简称I/O)和通信接口。其中,处理器、存储器和输入/输出接口通过系统总线连接,通信接口通过输入/输出接口连接到系统总线。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种水质检测方法。本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在水处理的应用场景中,经常需要对多种来源的水进行水质检测。例如,各种大、小型污水处理设施的出水监测、河流断面监测、雨水监测、污水处理中絮凝沉淀过程的自动化加药量检测和大型污水厂处理沿程水质监测等。
相关技术中,在上述各种场景的水质检测过程中,通常是通过人工检测多种指标(如化学需氧量、氨氮等),以通过这些人工检测的指标来反映水质情况。
然而,得到上述指标基本是完全依靠人工进行的,过程中就需要消耗大量人力物力,耗时很久,而且自动化程度较低,进而导致水质检测的效率较低。以农村生活污水处理设施的出水水质检测为例,通常是对污水处理设施处理过的水进行现场取样,并将采集的水样送至实验室中进行检测,得到水样的水质指标。
透明度是一种重要的水质指标,可以一定程度上表征水样整体的水质情况,在很多不需要具体指标的场景下均可以用来代替其他指标表征水体污染情况。申请人发现,透明度也可以应用于很多场景中,例如,在污水处理设施的出水监测场景中,通过对水质进行检测,以获取水样的透明度情况,可以依据透明度情况反映出污水处理设施的处理效果。而且,若将水质检测应用到絮凝沉淀过程的自动化加药量检测场景中,还可以通过污水中加药后的上清液透明度来反馈污水加药量是否合适。
因此,本申请考虑将透明度作为反映水质情况的指标,并通过一种高效、自动化的方式进行水质检测,获取水样的透明度,以提高水质检测的效率。
基于此,本申请提出了一种水质检测方法,通过预先构建水样图像质量与水样透明度之间的关系函数,这样,在对目标水样进行水质检测时,只需要获取目标水样对应的水样图像的图像质量,即可以直接基于目标水样对应的图像质量和关系函数得到目标水样的透明度,进而根据透明度得到水质检测结果,提高了水质检测的效率。
需要说明的是,本申请实施例所带来的有益效果或者所解决的技术问题并不限定于这一个,还可以是其它隐含或者关联的问题,具体可以参见下述实施例的描述。
下面以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
在一个示例性的实施例中,如图2所示,提供了一种水质检测方法,以该方法应用于计算机设备为例进行说明,包括以下步骤201至步骤203。其中:
S201,响应于对目标水样的水质检测请求,获取目标水样的水样图像。
其中,目标水样指的是从污水处理设施处理过的水中采集的水样。
水质检测请求即为用户在具有水质检测的需求时,向服务器发送的请求。在一可实现方式中,用户所持终端中可集成水质检测工具,进而可通过水质检测工具,向服务器发送水质检测请求。可选的,水质检测工具可以以网页、小程序、应用程序等形式呈现。
可选的,在用户具有水质检测的需求时,可以在水质检测工具中选择一个目标污水处理设施,进而可以将目标污水处理设施中采集的水样作为目标水样。
示例性的,可以预先对多个水样进行拍照,得到每个水样的水样图像,并将每个水样的水样图像均保存在数据库中,其中,多个水样中包括目标水样。这样,响应于对目标水样的水质检测请求,可以从数据库中获取目标水样的水样图像。
示例性的,响应于对目标水样的水质检测请求,可以直接从目标污染处理设施中采集目标水样,并通过水样图像采集装置对目标水样进行拍照,以获取目标水样的水样图像。
目标水样的水样图像为预先对目标水样进行拍照,得到水样图像,并存储
S202,根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度。
在获取到目标水样的水样图像之后,可以对水样图像进行质量评估,以获取水样图像的图像质量。其中,可以通过图像质量评估算法对水样图像进行质量评估,或者也可以通过计算图像像素的均值、标准差等,以此通过均值、标准差反映水样图像的图像质量。
示例性的,获取水样图像的图像质量,以及预先构建的水样图像质量与水样透明度之间的关系函数,进而可以将水样图像的图像质量输入至上述关系函数中,得到目标水样的透明度。
S203,根据目标水样的透明度确定目标水样的水质检测结果。
在确定出目标水样的透明度之后,可以将目标水样的透明度与预先设定的透明度阈值进行比较,以得到目标水样的水质检测结果。例如,透明度阈值为80%,目标水样的透明度为82%,目标水样的透明度大于透明度阈值,则表明目标水样的水质检测结果合格,进一步表明目标水样对应的污水处理设施的处理效果良好。
另外,本申请实施例中的水质检测方式还可应用于絮凝沉淀过程的自动化加药量检测中,将加入絮凝剂的污水加入玻璃管中,使其在管中沉降,得到污泥部分和上清液部分。此时,对玻璃管进行拍照后,并截取上清液图像,进而对上清液图像进行图像质量评估,得到上清液图像的图像质量,之后根据上清液图像的图像质量以及上述关系函数,确定上清液透明度,以此来通过上清液透明度反应加药量是否合适,从而实现智能加药。其中,若上清液透明度达标,则说明加药量合适,若上清液透明度未达标,则说明加药量少,需要多加入药量。
本申请实施例提供的水质检测方法中,通过响应于对目标水样的水质检测请求,获取目标水样的水样图像,进而根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度,最后根据目标水样的透明度确定目标水样的水质检测结果。该方法中,通过预先构建水样图像质量与水样透明度之间的关系函数,这样,在对目标水样进行水质检测时,只需要获取目标水样对应的水样图像的图像质量,即可以直接基于目标水样对应的图像质量和关系函数得到目标水样的透明度,进而根据透明度得到水质检测结果,提高了水质检测的效率。
构建的水样图像质量与水样透明度之间的关系函数,实际上是水样图像质量量化值与水样透明度之间的关系,这样,则需要获取目标水样的图像质量量化值。基于此,下面一个实施例,对确定目标水样的透明度的方式进行说明。
在一个示例性的实施例中,如图3所示,根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度,包括:
S301,根据水样图像和水样图像的图像质量,获取水样图像的图像质量量化值。
示例性的,不同水样图像与图像质量、图像质量量化值之间的映射关系可以预先存储在数据库中,在获取水样图像的图像质量量化值时,则可以先从数据库中获取不同水样图像与图像质量、图像质量量化值之间的映射关系,进而根据水样图像和水样图像的图像质量,从上述映射关系中确定出对应的图像质量量化值,并作为目标水样对应的水样图像的图像质量量化值。
S302,根据图像质量量化值,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度。
在获取到目标水样对应的水样图像的图像质量量化值之后,将图像质量量化值输入至水样图像质量与水样透明度之间的关系函数中,得到目标水样的透明度。
本申请实施例提供的水质检测方法中,通过根据水样图像和水样图像的图像质量,获取水样图像的图像质量量化值,进而根据图像质量量化值,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度。该方法中,提供了一种快速确定目标水样的透明度的可选方式,将目标水样对应的水样图像的图像质量转换为量化值,这样即可以将图像质量量化值输入至关系函数中得到目标水样的透明度。
水样图像的图像质量可以通过图像质量评估模型,对水样图像进行分析处理得到。基于此,下面一个实施例,对获取水样图像的图像质量的方式进行说明。
S401,在光照、水样厚度且水样流动性三者达到预设要求的情况下,对目标水样进行拍照,得到水样图像。
为了保证目标水样透明度的准确性,在获取目标水样的水样图像时,需要在一定的稳定条件下对目标水样进行拍照,即可以在固定的光照、水样厚度且水样稳定流动的情况下,对目标水样进行拍照,得到水样图像。
S402,将水样图像输入至图像质量评估模型中,得到水样图像的图像质量。
在获取到目标水样的水样图像之后,可以将水样图像输入至图像质量评估模型中,得到水样图像的图像质量。
其中,图像质量评估模型可以为预先训练好的神经网络模型,可选的,可以通过误差反向传播神经网络、循环神经网络、深度神经网络和卷积神经网络等网络模型构建图像质量评估模型。或者,图像质量评估模型也可以为图像质量评估算法模型。
本申请实施例提供的水质检测方法中,通过在光照、水样厚度且水样流动性三者达到预设要求的情况下,对目标水样进行拍照,得到水样图像,进而将水样图像输入至图像质量评估模型中,得到水样图像的图像质量。该方法中,通过在预设的稳定条件下对目标水样进行拍照,以获取目标水样的水样图像,并通过图像质量评估模型对水样图像进行质量评估,得到目标水样的图像质量,一定程度上提高了目标水样透明度的准确性。
在构建水样图像质量与水样透明度之间的关系函数时,可以基于大量候选水样对应的透明度和图像质量之间的关系建立关系函数。基于此,下面一个实施例,对构建水样图像质量与水样透明度之间的关系函数的方式进行说明。
在一个示例性的实施例中,如图5所示,水样图像质量与水样透明度之间的关系函数的构建过程包括:
S501,获取多个候选水样的候选水样图像,以及获取多个候选水样的候选水样透明度。
选取数千个候选水样,并对多个候选水样进行拍照,获取候选水样图像,以及对多个候选水样进行透明度测定,获取候选水样透明度。其中,多个候选水样的水样透明度的量程为15-100cm。
一个实施例中,在光照、水样厚度且水样流动性三者达到预设要求的情况下,对各候选水样进行拍照,得到各候选水样的候选水样图像。按照国标规定的铅字法对多个候选水样进行测量,得到多个候选水样的候选水样透明度。
S502,根据各候选水样图像和各候选水样透明度,构建水样图像质量与水样透明度之间的关系函数。
在一可实现方式中,可以将各候选水样图像和各候选水样透明度输入至预先训练好的模型中,由模型输出水样图像质量与水样透明度之间的关系函数。
本申请实施例提供的水质检测方法中,通过获取多个候选水样的候选水样图像,以及获取多个候选水样的候选水样透明度,进而根据各候选水样图像和各候选水样透明度,构建水样图像质量与水样透明度之间的关系函数。该方法中,通过选取多个候选水样,并获取多个候选水样的水样图像和候选水样透明度,以建立水样图像质量与水样透明度之间的关系函数,为后续确定目标水样的透明度提供了数据支撑。
水样图像质量与水样透明度之间的关系函数是基于水样图像质量的量化值以及透明度值建立的,即需要根据多个候选水样图像,获取多个候选水样图像的候选图像质量量化值。基于此,下面一个实施例,对构建水样图像质量与水样透明度之间的关系函数的方式进行说明。
在一个示例性的实施例中,如图6所示,根据各候选水样图像和各候选水样透明度,构建水样图像质量与水样透明度之间的关系函数,包括:
S601,根据各候选水样图像,确定各候选水样图像的候选图像质量量化值。
示例性的,可以采用图像质量评估算法对各候选水样图像进行质量评估,以得到各候选水样图像的候选图像质量量化值。例如,可以采用无参考的空间域图像质量评估算法(Blind/Referenceless Image Spatial QUality Evaluator,BRISQUE)对各候选水样图像进行质量评估。
S602,根据各候选图像质量量化值和各候选水样透明度,构建水样图像质量与水样透明度之间的关系函数。
实际应用中,在构建关系函数时,通常需要确定出自变量与因变量,再根据它们之间的关系列出等式,得出函数关系式。本申请实施例中,自变量可以为各候选水样的候选图像质量量化值,因变量为各候选水样的候选水样透明度,进而基于各候选图像质量量化值和各候选水样透明度之间的关系,建立关系函数。
一个实施例中,如图7所示,根据各候选图像质量量化值和各候选水样透明度,构建水样图像质量与水样透明度之间的关系函数,包括:
S701,以各候选图像质量量化值为横坐标,各候选水样透明度为纵坐标,建立函数曲线。
可选的,以各候选水样的候选图像质量量化值为横坐标,以及以各候选图像质量量化值对应的候选水样透明度为纵坐标,拟合出函数曲线。如图8所示,为建立的函数曲线的示意图。
S702,根据函数曲线,确定水样图像质量与水样透明度之间的关系函数。
根据各候选图像质量量化值和各候选水样透明度拟合出函数曲线之后,即可得到水样图像质量与水样透明度之间的关系函数。
本申请实施例提供的水质检测方法中,通过根据各候选水样图像,确定各候选水样图像的候选图像质量量化值,进而以各候选图像质量量化值为横坐标,各候选水样透明度为纵坐标,建立函数曲线,最后根据函数曲线,确定水样图像质量与水样透明度之间的关系函数。该方法中,通过根据各候选水样图像得到候选图像质量量化值,进而根据各候选图像质量量化值和各候选水样透明度拟合曲线,得到水样图像质量与水样透明度之间的关系函数,为快速建立关系函数提供了一种可选方式。
另外,在一个示例性的实施例中,本申请还提供一个水质检测方法的可选实例,如图9所示,可以包括如下步骤:
S801,获取多个候选水样的候选水样图像,以及获取多个候选水样的候选水样透明度。
可选的,在光照、水样厚度且水样流动性三者达到预设要求的情况下,对各候选水样进行拍照,得到各候选水样的候选水样图像。
S802,根据各候选水样图像,确定各候选水样图像的候选图像质量量化值。
S803,以各候选图像质量量化值为横坐标,各候选水样透明度为纵坐标,建立函数曲线。
S804,根据函数曲线,确定水样图像质量与水样透明度之间的关系函数。
S805,响应于对目标水样的水质检测请求,在光照、水样厚度且水样流动性三者达到预设要求的情况下,对目标水样进行拍照,得到水样图像。
S806,将水样图像输入至图像质量评估模型中,得到水样图像的图像质量。
S807,根据水样图像和水样图像的图像质量,获取水样图像的图像质量量化值。
S808,根据图像质量量化值,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度。
S809,根据目标水样的透明度确定目标水样的水质检测结果。
上述S801-S809的过程可以参见上述方法实施例的描述,其实现原理和技术效果类似,在此不再赘述。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的水质检测方法的水质检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个水质检测装置实施例中的具体限定可以参见上文中对于水质检测方法的限定,在此不再赘述。
在一个示例性的实施例中,如图10所示,提供了一种水质检测装置1,包括:图像获取模块10、透明度确定模块20和结果确定模块30,其中:
图像获取模块10,用于响应于对目标水样的水质检测请求,获取目标水样的水样图像;
透明度确定模块20,用于根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度;
结果确定模块30,用于根据目标水样的透明度确定目标水样的水质检测结果。
在其中一个实施例中,上述透明度确定模块20还用于:
根据水样图像和水样图像的图像质量,获取水样图像的图像质量量化值;根据图像质量量化值,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度。
在其中一个实施例中,上述水质检测装置1还包括:
图像确定模块,用于在光照、水样厚度且水样流动性三者达到预设要求的情况下,对目标水样进行拍照,得到水样图像;
质量确定模块,用于将水样图像输入至图像质量评估模型中,得到水样图像的图像质量。
在其中一个实施例中,上述水质检测装置1还包括:
数据获取模块,用于获取多个候选水样的候选水样图像,以及获取多个候选水样的候选水样透明度;
关系函数构建模块,用于根据各候选水样图像和各候选水样透明度,构建水样图像质量与水样透明度之间的关系函数。
在其中一个实施例中,上述关系函数构建模块还用于:
根据各候选水样图像,确定各候选水样图像的候选图像质量量化值;根据各候选图像质量量化值和各候选水样透明度,构建水样图像质量与水样透明度之间的关系函数。
在其中一个实施例中,上述关系函数构建模块还用于:
以各候选图像质量量化值为横坐标,各候选水样透明度为纵坐标,建立函数曲线;根据函数曲线,确定水样图像质量与水样透明度之间的关系函数。
在其中一个实施例中,上述数据获取模块还用于:
在光照、水样厚度且水样流动性三者达到预设要求的情况下,对各候选水样进行拍照,得到各候选水样的候选水样图像。
上述水质检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
响应于对目标水样的水质检测请求,获取目标水样的水样图像;
根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度;
根据目标水样的透明度确定目标水样的水质检测结果。
本申请实施例中处理器实现的各步骤,其实现原理和技术效果与上述水质检测方法的原理类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
响应于对目标水样的水质检测请求,获取目标水样的水样图像;
根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度;
根据目标水样的透明度确定目标水样的水质检测结果。
本申请实施例中计算机程序被处理器执行时实现的各步骤,其实现原理和技术效果与上述水质检测方法的原理类似,在此不再赘述。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现以下步骤:
响应于对目标水样的水质检测请求,获取目标水样的水样图像;
根据水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定目标水样的透明度;
根据目标水样的透明度确定目标水样的水质检测结果。
本申请实施例中计算机程序被处理器执行时实现的各步骤,其实现原理和技术效果与上述水质检测方法的原理类似,在此不再赘述。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (11)
1.一种水质检测方法,其特征在于,所述方法包括:
响应于对目标水样的水质检测请求,获取所述目标水样的水样图像;
根据所述水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定所述目标水样的透明度;
根据所述目标水样的透明度确定所述目标水样的水质检测结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定所述目标水样的透明度,包括:
根据所述水样图像和所述水样图像的图像质量,获取所述水样图像的图像质量量化值;
根据所述图像质量量化值,以及水样图像质量与水样透明度之间的关系函数,确定所述目标水样的透明度。
3.根据权利要求1或2所述的方法,其特征在于,所述方法还包括:
在光照、水样厚度且水样流动性三者达到预设要求的情况下,对所述目标水样进行拍照,得到所述水样图像;
将所述水样图像输入至图像质量评估模型中,得到所述水样图像的图像质量。
4.根据权利要求1或2所述的方法,其特征在于,所述水样图像质量与水样透明度之间的关系函数的构建过程包括:
获取多个候选水样的候选水样图像,以及获取所述多个候选水样的候选水样透明度;
根据各所述候选水样图像和各所述候选水样透明度,构建所述水样图像质量与水样透明度之间的关系函数。
5.根据权利要求4所述的方法,其特征在于,所述根据各所述候选水样图像和各所述候选水样透明度,构建所述水样图像质量与水样透明度之间的关系函数,包括:
根据各所述候选水样图像,确定各所述候选水样图像的候选图像质量量化值;
根据各所述候选图像质量量化值和各所述候选水样透明度,构建所述水样图像质量与水样透明度之间的关系函数。
6.根据权利要求5所述的方法,其特征在于,所述根据各所述候选图像质量量化值和各所述候选水样透明度,构建所述水样图像质量与水样透明度之间的关系函数,包括:
以各所述候选图像质量量化值为横坐标,各所述候选水样透明度为纵坐标,建立函数曲线;
根据所述函数曲线,确定所述水样图像质量与水样透明度之间的关系函数。
7.根据权利要求4所述的方法,其特征在于,所述获取多个候选水样的候选水样图像,包括:
在光照、水样厚度且水样流动性三者达到预设要求的情况下,对各所述候选水样进行拍照,得到各所述候选水样的候选水样图像。
8.一种水质检测装置,其特征在于,所述装置包括:
图像获取模块,用于响应于对目标水样的水质检测请求,获取所述目标水样的水样图像;
透明度确定模块,用于根据所述水样图像的图像质量,以及水样图像质量与水样透明度之间的关系函数,确定所述目标水样的透明度;
结果确定模块,用于根据所述目标水样的透明度确定所述目标水样的水质检测结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
11.一种计算机程序产品,包括计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410176121.5A CN117723513A (zh) | 2024-02-08 | 2024-02-08 | 水质检测方法、装置、设备、存储介质和程序产品 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410176121.5A CN117723513A (zh) | 2024-02-08 | 2024-02-08 | 水质检测方法、装置、设备、存储介质和程序产品 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117723513A true CN117723513A (zh) | 2024-03-19 |
Family
ID=90205673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410176121.5A Pending CN117723513A (zh) | 2024-02-08 | 2024-02-08 | 水质检测方法、装置、设备、存储介质和程序产品 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117723513A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080289402A1 (en) * | 2005-11-14 | 2008-11-27 | Sudhir Chowdhury | Method for Monitoring Water Quality |
CN103163075A (zh) * | 2013-03-18 | 2013-06-19 | 河海大学 | 一种水情监测系统 |
CN105954282A (zh) * | 2016-05-04 | 2016-09-21 | 浙江大学 | 一种基于水下观测网的水体浊度检测装置和方法 |
JP2017207323A (ja) * | 2016-05-17 | 2017-11-24 | 三菱電機株式会社 | 画像処理型水質監視装置 |
CN110672524A (zh) * | 2019-10-22 | 2020-01-10 | 浙江卓锦环保科技股份有限公司 | 一种适用于智慧水环境的水体浊度检测方法 |
CN111104860A (zh) * | 2019-11-19 | 2020-05-05 | 浙江工业大学 | 一种基于机器视觉的无人机水质色度监测方法 |
CN111487225A (zh) * | 2019-01-28 | 2020-08-04 | 山东东润仪表科技股份有限公司 | 一种快速高精度的水质透明度测量装置及其测量方法 |
CN112461762A (zh) * | 2020-11-26 | 2021-03-09 | 中国科学院苏州生物医学工程技术研究所 | 基于hsv模型的溶液浊度检测方法、介质、图像处理系统 |
CN213600416U (zh) * | 2020-11-30 | 2021-07-02 | 江苏邨镇水务技术服务有限公司 | 一种水样采集及透明度检测装置 |
CN113155784A (zh) * | 2021-03-19 | 2021-07-23 | 东营市阔海水产科技有限公司 | 水体透明度检测方法、终端设备及存储介质 |
WO2022267799A1 (zh) * | 2021-06-23 | 2022-12-29 | 中国石油化工股份有限公司 | 水质检测方法及水质检测装置 |
CN116665057A (zh) * | 2023-06-05 | 2023-08-29 | 中核大地勘察设计有限公司 | 一种基于图像处理的河道水质监测方法及系统 |
CN117517230A (zh) * | 2024-01-03 | 2024-02-06 | 北京英视睿达科技股份有限公司 | 基于紫外可见光谱的水质监测方法、装置、设备及介质 |
-
2024
- 2024-02-08 CN CN202410176121.5A patent/CN117723513A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080289402A1 (en) * | 2005-11-14 | 2008-11-27 | Sudhir Chowdhury | Method for Monitoring Water Quality |
CN103163075A (zh) * | 2013-03-18 | 2013-06-19 | 河海大学 | 一种水情监测系统 |
CN105954282A (zh) * | 2016-05-04 | 2016-09-21 | 浙江大学 | 一种基于水下观测网的水体浊度检测装置和方法 |
JP2017207323A (ja) * | 2016-05-17 | 2017-11-24 | 三菱電機株式会社 | 画像処理型水質監視装置 |
CN111487225A (zh) * | 2019-01-28 | 2020-08-04 | 山东东润仪表科技股份有限公司 | 一种快速高精度的水质透明度测量装置及其测量方法 |
CN110672524A (zh) * | 2019-10-22 | 2020-01-10 | 浙江卓锦环保科技股份有限公司 | 一种适用于智慧水环境的水体浊度检测方法 |
CN111104860A (zh) * | 2019-11-19 | 2020-05-05 | 浙江工业大学 | 一种基于机器视觉的无人机水质色度监测方法 |
CN112461762A (zh) * | 2020-11-26 | 2021-03-09 | 中国科学院苏州生物医学工程技术研究所 | 基于hsv模型的溶液浊度检测方法、介质、图像处理系统 |
CN213600416U (zh) * | 2020-11-30 | 2021-07-02 | 江苏邨镇水务技术服务有限公司 | 一种水样采集及透明度检测装置 |
CN113155784A (zh) * | 2021-03-19 | 2021-07-23 | 东营市阔海水产科技有限公司 | 水体透明度检测方法、终端设备及存储介质 |
WO2022267799A1 (zh) * | 2021-06-23 | 2022-12-29 | 中国石油化工股份有限公司 | 水质检测方法及水质检测装置 |
CN116665057A (zh) * | 2023-06-05 | 2023-08-29 | 中核大地勘察设计有限公司 | 一种基于图像处理的河道水质监测方法及系统 |
CN117517230A (zh) * | 2024-01-03 | 2024-02-06 | 北京英视睿达科技股份有限公司 | 基于紫外可见光谱的水质监测方法、装置、设备及介质 |
Non-Patent Citations (1)
Title |
---|
刘飞达 等: "基于视觉传感器的水体透明度在线监测系统研究", 《环境科学导刊》, vol. 38, no. 1, 5 June 2019 (2019-06-05), pages 93 - 95 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Protocol for developing ANN models and its application to the assessment of the quality of the ANN model development process in drinking water quality modelling | |
Guarguaglini et al. | Fast reaction limit and large time behavior of solutions to a nonlinear model of sulphation phenomena | |
KR20180130925A (ko) | 머신 러닝을 위한 학습 이미지를 자동 생성하는 인공 지능 장치 및 그의 제어 방법 | |
CN112529296B (zh) | 水质预测方法、装置及服务器 | |
CN114742183B (zh) | 基于深度学习的水污染预警方法、系统、设备及存储介质 | |
CN110231447A (zh) | 水质异常检测的方法、装置及终端设备 | |
CN115902227B (zh) | 一种免疫荧光试剂盒的检测评估方法及系统 | |
Zhou et al. | Water quality indicator interval prediction in wastewater treatment process based on the improved BES-LSSVM algorithm | |
CN115436591A (zh) | 一种废水化学需氧量的检测方法、装置、介质及系统 | |
Li et al. | State of health assessment for lithium-ion batteries using incremental energy analysis and bidirectional long short-term memory | |
Bonakdari et al. | Multi-objective evolutionary polynomial regression-based prediction of energy consumption probing | |
CN114418189A (zh) | 水质等级预测方法、系统、终端设备及存储介质 | |
CN108872517A (zh) | 用于水环境监测的三维数据融合处理方法 | |
Nettasinghe et al. | Extending Conformal Prediction to Hidden Markov Models with Exact Validity via de Finetti’s Theorem for Markov Chains | |
CN109019717A (zh) | 一种火电厂脱硫废水智能处理方法及系统 | |
Akritas et al. | 7 Statistical analysis of censored environmental data | |
CN117723513A (zh) | 水质检测方法、装置、设备、存储介质和程序产品 | |
CN116205918B (zh) | 基于图卷积的多模态融合半导体检测方法、装置及介质 | |
CN114705249B (zh) | 基于人工智能的污染物排放量监测方法及相关设备 | |
CN114267422B (zh) | 地表水质参数预测方法、系统、计算机设备及存储介质 | |
CN116306030A (zh) | 考虑预测误差和波动分布的新能源预测动态场景生成方法 | |
CN116050475A (zh) | 关键污染物浓度预测模型的训练方法、装置和计算机设备 | |
Ghasemi et al. | Extension of a regularization based time-adaptive numerical method for a degenerate diffusion-reaction biofilm growth model to systems involving quorum sensing | |
EP4027277A1 (en) | Method, system and computer program product for drift detection in a data stream | |
Guo et al. | Determination of the principal factors of river water quality through cluster analysis method and its prediction |
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 |