首页 > 分享 > 水务一线 | 新质生产力！自来水厂絮凝过程矾花状态的自动识别与应用

水务一线 | 新质生产力！自来水厂絮凝过程矾花状态的自动识别与应用

花匠小妙招
2025-04-24 20:39

【声明】《净水技术》所有原创文章及整合加工过的文章欢迎您的转发（转发请注明来源），如果您有更好的观点欢迎后台留言告诉我们。

↑↑ 识别二维码，抢购“小悟”周边 ↑↑

栏目导读

中国科技核心期刊《净水技术》关注我国供排水和工业水处理生产一线的实际问题，打造一线生产技术人员实战经验的分享平台。本栏目内容主要选自发表于《净水技术》“供排水企业运行及管理成果专栏”的原创论文或由《净水技术》情报资讯板块精选翻译的国外经典文献，供同行交流参考。

本期摘要

针对净水工艺絮凝剂优化调控过程中面临的非线性、大迟滞和多变量因素问题，本文研究了矾花图像分割和特征提取方法，并提出了一种基于深度非参数模糊映射模型（DFM）的矾花状态自动识别技术。该技术将矾花状态细分为密实、中片、大片、不均和稀疏五种类型，并通过图像采集系统分别采集相应的图像来构建样本库，并使用样本库训练模型的相关参数。研究结果表明，从矾花图像中提取密度特征和尺寸特征作为模型输入可以获得最佳的识别效果。DFM模型在矾花状态识别方面的准确率可以达到95%以上，明显优于传统的机器学习方法（如SVM支持向量机、BP神经网络）和深度学习方法（如ResNet和AlexNet模型）。同时，基于DFM模型的矾花图像识别技术已经成功应用于舟山定海水厂，在应用前后，絮凝剂的平均投加量从11 mg/L降低到8.5mg/L，沉淀池的平均出水浊度值从0.9NTU降低到0.4NTU。

本文核心观点

（1）分割算法方面分别对直方图分割、Log算子分割、Canny算子分割、Otsu算子分割加线性变化等算法并进行比较，结果表明otsu算法结合线性变化在性能和精度上相较其他算法在本研究实验数据集中取得了最优的效果；

（2）特征提取方面：计算了矾花的平均絮凝体尺寸（基于平均费雷特直径）、矾花絮凝体面积、整体占比、最大片占比、矾花絮凝体周长，矾花圆形度以及矾花分形维数，结果表明，从矾花图像中提取密度特征和尺寸特征作为模型输入，能够达到最好的识别效果。

（3）识别算法方面：将上述特征做为识别模型输入参数，将矾花状态细分为密实、中片、大片、不均和稀疏5中类型，采用SVM支持向量机、BP神经网络和深度学习方法（ResNet和AlexNet模型）和研究团队自主开发的深度非参数模糊映射模型（DFM）算法，结果表明，DFM模型在多次实验中能够达到95%以上的识别准确率，明显优于传统的机器学习和深度学习方法。

（4）基于DFM模型的矾花图像识别技术已在舟山定海水厂应用，采用矾花状态进行絮凝加药量的反馈调教，应用前后絮凝剂平均投加量由原来的11mg/L降低为8.5mg/L，沉淀池平均出水浊度值有原来的0.9NTU降低为0.4NTU。

（5）本项目使用使用数据来自单一地区源水水质，后续工作将采集更多不同水质条件下数据，进一步研究矾花图像与水质参数相关性的更通用性特征量。

推荐引用

本文原标题为《自来水厂絮凝过程矾花状态的自动识别与应用》，发表在《净水技术》2023年第10期“供排水企业运行及管理成果专栏”，欢迎水业学者、科研与技术人员参考引用，文献引用格式如下：

陈汪洋.水厂絮凝过程矾花状态的自动识别与应用[J].净水技术,2023,42(10):179-189.

CHEN W Y.Automatic recognition and application of alum state in the coagulation process of WTPs[J].Water Purification Technology,2023,42(10):179-189.

扫码阅读全文

排版：西贝

审核：阮辰旼

《净水技术》2024年活动计划