首页 > 分享 > 一种水矾花智能监控方法及系统与流程

一种水矾花智能监控方法及系统与流程

花匠小妙招
2024-11-09 22:02

一种水矾花智能监控方法及系统与流程

1.本发明涉及自动化工业污水处理领域，尤其涉及到一种水矾花智能监控方法及系统。

背景技术：

2.水资源贫乏一直是我国面临的一大难题,尤其是近年来随着国内经济的迅速发展,用水量急剧上升,水资源的污染也日趋严重。工业水处理技术对于节约水资源、减少水污染、延长设备使用寿命等具有重要意义。
3.由于工业生产过程中污染源不一致，导致不同的污染水需要不同的处理方式。例如在水处理沉淀过程中，对污水中重金属离子等大颗粒污染物处理方式，是通过加药后形成絮状物(水矾花)来吸附水中的重金属离子，但经常会遇到按照规定进行操作，实际出水不达标等情况。其中，其具体情况如下：
4.1、沉淀池与加药设备距离较远，加药到沉淀池可见水矾花过程需要一定时间，反馈系数延时较大，且现场无监控设备，无法第一时间了解加药情况；
5.2、在沉淀池不同区域的水矾花密度不一致，通常情况下，质检人员通过观察沉淀池出水口处的水矾花数量，实际作业过程中，人员无法24小时监视水矾花数量是否达标；
6.3、沉淀池水深较深，通常会避免人员频繁走动，这就导致实际的加药量往往是通过后续出水口处水质来调整，不具备时效性。
7.本技术的申请人通过建设现有技术发现了如下相关专利文献：专利文献1(cn112101352a)公开了一种水下矾花状态识别方法及监测装置、计算机设备和存储介质，该方法对图像的预处理较为简单，采用均值滤波对图像进行处理，均值滤波无法去除噪声，存在较多干扰，会对最终的分析结果产生较大影响；专利文献2(cn112456621a)公开了一种絮凝智能加药控制系统及控制方法，该系统中设置有补光板，图像会受到光照和阴影的影响，造成识别结果的误差；专利文献3(cn112875827a)公开了一种基于图像识别和数据挖掘的智能加药系统和水处理系统，该专利的图像识别结果受环境中光线明暗程度的影响较大，精度较低。可见现有技术中虽然已经存在一些水矾花智能监控方法，但任存在诸多缺陷。
8.因此，本发明提供一种水矾花智能监控方法及系统，用以克服上述缺陷。

技术实现要素：

9.为了解决上述技术背景中存在的问题，本发明提供一种水矾花智能监控方法及系统，实现了实时监测并自动分析处理得到水中的矾花值，并能够根据矾花值实时调整投药量。
10.本发明的上述技术目的是用过以下技术方案实现的：
11.一种水矾花智能监控系统，包括：
12.图像采集模块，用于实时采集水矾花的视频数据；
13.智能识别模块，用于对采集的视频数据进行分析处理；
14.数据预处理模块，用于根据智能识别模块计算得到的目标对象的数据结果，将其放到建立的数学模型中分析结果；
15.数据库管理模块，用于存储图像采集模块、智能识别模块和数据预处理模块的数据，便于查找和调用。
16.本发明的进一步设置为：通过系统检测加药后单位时间，单位面积内的水矾花数量，检测不同密度情况下出水口水质质量，结合加药设备的加药量，建立一套相关性数学模型，通过拟合曲线分析加药量、水矾花数量与水质的关系，并形成一套加药量标准。
17.本发明的进一步设置为：还包括定量加药装置，用于根据加药量标准执行加药操作。
18.本发明的进一步设置为：还包括警报装置，用于获取加药量信息，在加药量过多或过少时发出实时警报。
19.本发明的进一步设置为：所述数据库管理模块存储的数据包括以下至少之一：
20.水矾花图像、水矾花密度、加药量、流量大小、警报时间、警报次数、警报内容。
21.本发明的进一步设置为：还包括流量检测模块，用于检测沉淀池出水口的流量。
22.11.一种水矾花智能监控方法，包括以下步骤：
23.a1：对图像采集模块或者的视频进行逐帧分析，对于进行分析的每帧图像进行坐标化分解，提取感兴趣区域，排除干扰区域，完成初步降噪处理；
24.a2：通过智能识别模块采用高斯滤波的方式排除干扰点，消除噪声；
25.a3：利用sobel算子对图片进行边缘检测，将图像二值化后设置阈值来分割水矾花和背景，将图像进行腐蚀和膨胀处理，去除图片上的干扰点，提取出水矾花的位置边缘，确定具体位置；
26.a4:通过数据预处理模块统计单位时间、单位区域内水矾花的数量与加药量，及时两者之间的对应关系,并将数据保持到数据库管理模块。
27.本发明的进一步设置为：所述坐标代入的高斯函数为：
[0028][0029]
本发明的进一步设置为：所述图像二值化的公式为：
[0030]
gray＝(r*299+g*587+b*114+500)/1000。
[0031]
本发明的进一步设置为：所述腐蚀的表达式为：
[0032][0033]
所述膨胀的表达式为:
[0034][0035]
综上所述，本发明具有以下有益效果：
[0036]
本发明提供了一种一种水矾花智能监控系统及方法，能通过检测加药后单位时
间，单位面积内的水矾花数量，再检测不同密度情况下出水口水质质量，结合加药设备的加药量，建立一套相关性数学模型，通过拟合曲线分析加药量、水矾花数量与水质的关系，实时获取水矾花的情况，根据水矾花的情况判断出水质，并形成一套加药量标准，根据加药量标准来自动加药。
附图说明
[0037]
图1是本发明所述水矾花智能监控系统的结构框图。
[0038]
图2是本发明所述卷积核的示意图。
[0039]
图3是本发明所述水矾花图像识别页面图。
[0040]
图4是本发明所述图像识别页面图。
[0041]
图5是本发明所述水矾花智能监其中一个实施例的结构示意图。
具体实施方式
[0042]
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合图示与具体实施例，进一步阐述本发明。
[0043]
如图1至图5所示，本发明提出的一种水矾花智能监控系统，包括：
[0044]
图像采集模块，用于实时采集水矾花的视频数据；智能识别模块，用于对采集的视频数据进行分析处理；数据预处理模块，用于根据智能识别模块计算得到的目标对象的数据结果，将其放到建立的数学模型中分析结果；数据库管理模块，用于存储图像采集模块、智能识别模块和数据预处理模块的数据，便于查找和调用。
[0045]
在一些实施例中，所述图像采集模块包括水下摄像机，用于获取水矾花的视频数据；然后通过智能识别模块对现场摄像头实时采集的视频数据进行分析处理，应用opencv中各种对图形的颜色、纹理、目标轮廓和提取特征等处理的方法，识别并计算出数据结果，因其图像处理方法内部封装，所以保证了系统运行的稳定、速度快、效率高。接着数据预处理模块针对识别模块计算得到的目标对象的数据结果，将其放到建立的数学模型中分析结果，因为在识别模块中得到的数据是以像素值为单位的，在于硬件控制设备做数据交互时存在差异，所以根据分析结果和经验数据建立数学模型，对得到的目标值进行分析处理，同时判断是否为异常数据，避免了噪声数据对系统的影响。数据库管理模块就每次分析的数据结果、以及视频监控和文档日志等进行命名格式规范化存储，便于管理员对其进行查找，并且数据库的集中统一实现了数据共享，减少了数据冗余，维护，确保数据的一致性。并且数据库间歇性备份资料，提升其可维护性，确保了数据的安全可靠。在一些实施例中，数据库采用mysql与redis。
[0046]
本发明的进一步设置为：通过系统检测加药后单位时间，单位面积内的水矾花数量，检测不同密度情况下出水口水质质量，结合加药设备的加药量，建立一套相关性数学模型，通过拟合曲线分析加药量、水矾花数量与水质的关系，并形成一套加药量标准。
[0047]
本发明的进一步设置为：还包括定量加药装置，用于根据加药量标准执行加药操作，在一些实施例中，所述定量加药装置包括漏斗，所述漏斗上设置有流量计和电磁阀。
[0048]
本发明的进一步设置为：还包括警报装置，用于获取加药量信息，在加药量过多或过少时发出实时警报，在一些实施例中，所述警报装置为蜂鸣器，用于提醒工作人员。
[0049]
本发明的进一步设置为：所述数据库管理模块存储的数据包括以下至少之一：
[0050]
水矾花图像、水矾花密度、加药量、流量大小、警报时间、警报次数、警报内容。
[0051]
本发明的进一步设置为：还包括流量检测模块，用于检测沉淀池出水口的流量，在一些实施例中，所述流量检测模块为流量传感器。
[0052]
一种水矾花智能监控方法，包括以下步骤：
[0053]
a1：对图像采集模块或者的视频进行逐帧分析，对于进行分析的每帧图像进行坐标化分解，提取感兴趣区域，排除干扰区域，完成初步降噪处理；
[0054]
a2：通过智能识别模块采用高斯滤波的方式排除干扰点，消除噪声；
[0055]
a3：利用sobel算子对图片进行边缘检测，将图像二值化后设置阈值来分割水矾花和背景，将图像进行腐蚀和膨胀处理，去除图片上的干扰点，提取出水矾花的位置边缘，确定具体位置；
[0056]
a4:通过数据预处理模块统计单位时间、单位区域内水矾花的数量与加药量，及时两者之间的对应关系,并将数据保持到数据库管理模块。
[0057]
高斯滤波是采用一个二维的卷积算子与每帧图片中的一小块区域进行迭代卷积操作，以消除细节和噪声，其卷积核如图2所示，将坐标代入以下高斯函数：
[0058][0059]
二维高斯函数具有旋转对称性，即滤波器在各个方向上的平滑程度是相同的.一般来说，一幅图像的边缘方向是事先不知道的，因此，在滤波前是无法确定一个方向上比另一方向上需要更多的平滑.旋转对称性意味着高斯平滑滤波器在后续边缘检测中不会偏向任一方向。
[0060]
高斯函数是单值函数.这表明，高斯滤波器用像素邻域的加权均值来代替该点的像素值，而每一邻域像素点权值是随该点与中心点的距离单调增减的.这一性质是很重要的，因为边缘是一种图像局部特征，如果平滑运算对离算子中心很远的像素点仍然有很大作用，则平滑运算会使图像失真。
[0061]
高斯函数的傅立叶变换频谱是单瓣的.正如下面所示，这一性质是高斯函数付立叶变换等于高斯函数本身这一事实的直接推论.图像常被不希望的高频信号所污染(噪声和细纹理).而所希望的图像特征(如边缘)，既含有低频分量，又含有高频分量.高斯函数付立叶变换的单瓣意味着平滑图像不会被不需要的高频信号所污染，同时保留了大部分所需信号。
[0062]
高斯滤波器宽度(决定着平滑程度)是由参数σ表征的，而且σ和平滑程度的关系是非常简单的.σ越大，高斯滤波器的频带就越宽，平滑程度就越好.通过调节平滑程度参数σ，可在图像特征过分模糊(过平滑)与平滑图像中由于噪声和细纹理所引起的过多的不希望突变量(欠平滑)之间取得折衷。
[0063]
由于高斯函数的可分离性，较大尺寸的高斯滤波器可以得以有效地实现，二维高斯函数卷积可以分两步来进行，首先将图像与一维高斯函数进行卷积，然后将卷积结果与方向垂直的相同一维高斯函数卷积.因此，二维高斯滤波的计算量随滤波模板宽度成线性增长而不是成平方增长。
[0064]
在寻找水矾花时，先将图像先转化为灰度图，其公式如下：gray＝(r*299+g*587+b*114+500)/1000
[0065]
在灰度图中，因水矾花和背景不同的，可以通过调试阈值将灰度图二值化处理分离水矾花的界限。因现场存在较多干扰因素的光线有亮有暗，颜色不一，调整阈值后画面上会出现许多细小的白色或黑色干扰点，为了排除这些干扰点的影响，需要用到形态学方法，即开运算和闭运算；
[0066]
开运算即是先对图像进行腐蚀运算，再对图像进行膨胀运算(看上去把细微连在一起的两块目标分开了)，开运算能够除去孤立的小点，毛刺和小桥，而总的位置和形状不便。开运算是一个基于几何运算的滤波器。结构元素大小的不同将导致滤波效果的不同。不同的结构元素的选择导致了不同的分割，即提取出不同的特征。
[0067]
闭运算即是先对图像进行膨胀运算，再对图像进行腐蚀运算(看上去将两个细微连接的图块封闭在一起)闭运算能够填平小湖(即小孔)，弥合小裂缝，而总的位置和形状不变。闭运算是通过填充图像的凹角来滤波图像的。结构元素大小的不同将导致滤波效果的不同。不同结构元素的选择导致了不同的分割。
[0068]
开运算和闭运算也可称将图像进行腐蚀和膨胀处理，腐蚀可以使目标区域范围“变小”，其实质造成图像的边界收缩，可以用来消除小且无意义的目标物，表达式如下：
[0069]
而膨胀会使目标区域范围“变大”，将于目标区域接触的背景点合并到该目标物中，使目标边界向外部扩张。作用就是可以用来填补目标区域中某些空洞以及消除包含在目标区域中的小颗粒噪声，表达式如下：
[0070][0071]
canny算法中减少假边缘数量的方法是采用双阈值法。选择两个阈值，根据高阈值得到一个边缘图像，这样一个图像含有很少的假边缘，但是由于阈值较高，产生的图像边缘可能不闭合，未解决这样一个问题采用了另外一个低阈值。在高阈值图像中把边缘链接成轮廓，当到达轮廓的端点时，该算法会在断点的邻域点中寻找满足低阈值的点，再根据此点收集新的边缘，直到整个图像边缘闭合。
[0072]
在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，除了包含所列的那些要素，而
且还可包含没有明确列出的其他要素。
[0073]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。