申請(qǐng)日2017.11.01

　　公開(kāi)(公告)日2018.03.06

　　IPC分類號(hào)C02F7/00; G06N3/04

　　摘要

　　本發(fā)明公開(kāi)了一種實(shí)時(shí)污水曝氣情況監(jiān)測(cè)方法，從各個(gè)污水池所配備的攝像設(shè)備采集原始圖像數(shù)據(jù);對(duì)原始的圖像數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)建訓(xùn)練集和驗(yàn)證集;構(gòu)建分類模型，根據(jù)數(shù)據(jù)集進(jìn)行訓(xùn)練和調(diào)參;部署分類模型，對(duì)污水池進(jìn)行實(shí)時(shí)監(jiān)測(cè);根據(jù)模型實(shí)際效果，針對(duì)性的采樣新數(shù)據(jù)用以提升模型效果。本發(fā)明方法方便了污水曝氣情況的實(shí)時(shí)監(jiān)測(cè)，并具有較強(qiáng)泛用性。

　　摘要附圖

 

　　權(quán)利要求書(shū)

　　1.一種實(shí)時(shí)污水曝氣情況監(jiān)測(cè)方法，其特征在于，包括以下步驟：

　　(1)從各個(gè)污水池所配備的攝像設(shè)備采集原始圖像數(shù)據(jù);

　　(2)對(duì)采集到的原始圖像數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)建訓(xùn)練集和驗(yàn)證集，具體包括以下子步驟：

　　(2.1)對(duì)采集到的原始圖像數(shù)據(jù)打標(biāo)簽，標(biāo)記是否處于爆沸狀態(tài)，標(biāo)定爆沸狀態(tài)起始時(shí)間和結(jié)束時(shí)間，再根據(jù)數(shù)據(jù)的時(shí)間戳進(jìn)行狀態(tài)的標(biāo)注;

　　(2.2)將原始圖像數(shù)據(jù)格式化為分類模型可接受的數(shù)據(jù)格式：讀取原始圖像數(shù)據(jù)，按照文件對(duì)應(yīng)的編碼格式，將單條數(shù)據(jù)轉(zhuǎn)化為包含RGB三個(gè)通道的單精度三維數(shù)組，并重新對(duì)數(shù)據(jù)的長(zhǎng)、寬、通道維度的順序進(jìn)行排列;

　　(2.3)將原始圖像數(shù)據(jù)進(jìn)行隨機(jī)排序;

　　(2.4)隨機(jī)抽取5%或10%的數(shù)據(jù)作為驗(yàn)證集，剩余數(shù)據(jù)作為訓(xùn)練集;

　　(3)構(gòu)建分類模型，根據(jù)數(shù)據(jù)集進(jìn)行訓(xùn)練和調(diào)參，具體包括以下子步驟：

　　(3.1)選擇合適的參數(shù)，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型，其中網(wǎng)絡(luò)層數(shù)和卷積核及神經(jīng)元個(gè)數(shù)，根據(jù)計(jì)算機(jī)內(nèi)存限制、輸入數(shù)據(jù)、模型效果進(jìn)行調(diào)整，卷積核大小根據(jù)輸入圖片大小進(jìn)行調(diào)整;并對(duì)網(wǎng)絡(luò)各層參數(shù)進(jìn)行初始化;

　　(3.2)若數(shù)據(jù)采集不夠充分，則在輸入數(shù)據(jù)之前對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，對(duì)輸入數(shù)據(jù)在語(yǔ)義不變的情況下進(jìn)行翻轉(zhuǎn)、拉伸、銳化、調(diào)節(jié)飽和度等操作，增加數(shù)據(jù)數(shù)量，以提高模型的健壯性;

　　(3.3)用交叉熵作為評(píng)估模型損失的指標(biāo)，計(jì)算當(dāng)前模型在訓(xùn)練數(shù)據(jù)上的交叉熵，再根據(jù)隨機(jī)梯度下降算法和反向傳播算法計(jì)算出交叉熵在各層參數(shù)方向上的偏導(dǎo)數(shù)，最后根據(jù)偏導(dǎo)數(shù)更新各層參數(shù)值;

　　(3.4)當(dāng)模型在驗(yàn)證集上的準(zhǔn)確率達(dá)到0.97-0.99區(qū)間內(nèi)時(shí)停止訓(xùn)練;若模型出現(xiàn)過(guò)擬合的情況，則采用早停技術(shù)，即當(dāng)驗(yàn)證集上的準(zhǔn)確率開(kāi)始下降時(shí)立刻停止訓(xùn)練過(guò)程;

　　(3.5)封裝模型，供實(shí)時(shí)監(jiān)測(cè)調(diào)用;

　　(4)部署分類模型，對(duì)污水池進(jìn)行實(shí)時(shí)監(jiān)測(cè)。

　　2.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)污水曝氣情況監(jiān)測(cè)方法，其特征在于，所述步驟(2.2)中，還包括：原始圖像數(shù)據(jù)采集自不同設(shè)備，污水池所在位置、比例和視角也各不相同，在必要的情況下需要對(duì)圖像數(shù)據(jù)作裁剪，以保證圖像數(shù)據(jù)的主體為污水池。

　　3.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)污水曝氣情況監(jiān)測(cè)方法，其特征在于，所述步驟(2.2)中，還包括：原始圖像數(shù)據(jù)采集自不同設(shè)備，圖像長(zhǎng)寬和像素分辨率不盡相同，需要將各條數(shù)據(jù)調(diào)整為固定的長(zhǎng)寬和分辨率。

　　4.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)污水曝氣情況監(jiān)測(cè)方法，其特征在于，所述步驟(2)的預(yù)處理過(guò)程還包括：若不同標(biāo)簽的數(shù)據(jù)比例相差過(guò)大，則對(duì)數(shù)據(jù)進(jìn)行二次加權(quán)采樣，以保證不同狀態(tài)的數(shù)據(jù)數(shù)目大致相當(dāng)，防止某一類別數(shù)據(jù)過(guò)多對(duì)結(jié)果造成影響。

　　5.根據(jù)權(quán)利要求1所述的一種實(shí)時(shí)污水曝氣情況監(jiān)測(cè)方法，其特征在于，所述步驟(2.4)中，可以向驗(yàn)證集中補(bǔ)充加入特殊情況的采用數(shù)據(jù)，包括污水池中的倒影中出現(xiàn)云、水體表面覆蓋有浮萍以及各種極端天氣下的采樣數(shù)據(jù)。

　　說(shuō)明書(shū)

　　一種實(shí)時(shí)污水曝氣情況監(jiān)測(cè)方法

　　技術(shù)領(lǐng)域

　　本發(fā)明屬于水處理領(lǐng)域，尤其涉及一種實(shí)時(shí)污水曝氣情況監(jiān)測(cè)方法。

　　背景技術(shù)

　　隨著中國(guó)城市化、工業(yè)化的加速發(fā)展，工業(yè)污水和城市生活用水的排放量也在日益增加，遠(yuǎn)遠(yuǎn)超過(guò)了環(huán)境的自凈能力。2017年6月27日，十二屆全國(guó)人大常委會(huì)第二十八次會(huì)議以全票表決通過(guò)關(guān)于修改水污染防治法的決定。新版水污染防治法增加了關(guān)于實(shí)行河長(zhǎng)制的規(guī)定，進(jìn)一步完善水環(huán)境監(jiān)測(cè)制度，強(qiáng)化中國(guó)各省、市、縣、鄉(xiāng)負(fù)責(zé)人對(duì)水污染防治、水環(huán)境治理的責(zé)任。強(qiáng)調(diào)排污單位必須持證排污，同時(shí)，持證單位要自行監(jiān)測(cè)，重點(diǎn)排污單位還要安裝污染物排放自動(dòng)監(jiān)測(cè)設(shè)備，與環(huán)保部門(mén)監(jiān)控的平臺(tái)聯(lián)網(wǎng)，這些信息要實(shí)時(shí)向社會(huì)公開(kāi)，對(duì)污水排放單位和相關(guān)監(jiān)管部門(mén)提出了新的要求。

　　曝氣氧化法是污水處理的主要方法之一，其中的一個(gè)重要指標(biāo)就是曝氣時(shí)間，污水處理廠曝氣時(shí)間不足會(huì)導(dǎo)致缺氧，生物菌無(wú)法正常生存，出水水質(zhì)發(fā)生變化;生物菌發(fā)生變化污泥膨脹，曝氣池有泡沫產(chǎn)生;污泥顏色發(fā)生變化，有黃褐色變成暗色甚至發(fā)黑;曝氣池氣味由泥土清香味，變得略帶臭味等不良影響。因此，對(duì)污水曝氣情況(曝氣設(shè)備是否開(kāi)啟、曝氣時(shí)間)的實(shí)時(shí)監(jiān)測(cè)對(duì)污水處理效果及污水監(jiān)管都有著至關(guān)重要的作用。

　　發(fā)明內(nèi)容

　　本發(fā)明的目的在于針對(duì)現(xiàn)有技術(shù)的不足，提供一種實(shí)時(shí)污水曝氣情況監(jiān)測(cè)方法。

　　本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：一種實(shí)時(shí)污水曝氣情況監(jiān)測(cè)方法，包括以下步驟：

　　(1)從各個(gè)污水池所配備的攝像設(shè)備采集原始圖像數(shù)據(jù);

　　(2)對(duì)采集到的原始圖像數(shù)據(jù)進(jìn)行預(yù)處理，構(gòu)建訓(xùn)練集和驗(yàn)證集，具體包括以下子步驟：

　　(2.1)對(duì)采集到的原始圖像數(shù)據(jù)打標(biāo)簽，標(biāo)記是否處于爆沸狀態(tài)，標(biāo)定爆沸狀態(tài)起始時(shí)間和結(jié)束時(shí)間，再根據(jù)數(shù)據(jù)的時(shí)間戳進(jìn)行狀態(tài)的標(biāo)注;

　　(2.2)將原始圖像數(shù)據(jù)格式化為分類模型可接受的數(shù)據(jù)格式：讀取原始圖像數(shù)據(jù)，按照文件對(duì)應(yīng)的編碼格式，將單條數(shù)據(jù)轉(zhuǎn)化為包含RGB三個(gè)通道的單精度三維數(shù)組，并重新對(duì)數(shù)據(jù)的長(zhǎng)、寬、通道維度的順序進(jìn)行排列;

　　(2.3)將原始圖像數(shù)據(jù)進(jìn)行隨機(jī)排序;

　　(2.4)隨機(jī)抽取5%或10%的數(shù)據(jù)作為驗(yàn)證集，剩余數(shù)據(jù)作為訓(xùn)練集;

　　(3)構(gòu)建分類模型，根據(jù)數(shù)據(jù)集進(jìn)行訓(xùn)練和調(diào)參，具體包括以下子步驟：

　　(3.1)選擇合適的參數(shù)，構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型，其中網(wǎng)絡(luò)層數(shù)和卷積核及神經(jīng)元個(gè)數(shù)，根據(jù)計(jì)算機(jī)內(nèi)存限制、輸入數(shù)據(jù)、模型效果進(jìn)行調(diào)整，卷積核大小根據(jù)輸入圖片大小進(jìn)行調(diào)整;并對(duì)網(wǎng)絡(luò)各層參數(shù)進(jìn)行初始化;

　　(3.2)若數(shù)據(jù)采集不夠充分，則在輸入數(shù)據(jù)之前對(duì)數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，對(duì)輸入數(shù)據(jù)在語(yǔ)義不變的情況下進(jìn)行翻轉(zhuǎn)、拉伸、銳化、調(diào)節(jié)飽和度等操作，增加數(shù)據(jù)數(shù)量，以提高模型的健壯性;

　　(3.3)用交叉熵作為評(píng)估模型損失的指標(biāo)，計(jì)算當(dāng)前模型在訓(xùn)練數(shù)據(jù)上的交叉熵，再根據(jù)隨機(jī)梯度下降算法和反向傳播算法計(jì)算出交叉熵在各層參數(shù)方向上的偏導(dǎo)數(shù)，最后根據(jù)偏導(dǎo)數(shù)更新各層參數(shù)值;

　　(3.4)當(dāng)模型在驗(yàn)證集上的準(zhǔn)確率達(dá)到0.97-0.99區(qū)間內(nèi)時(shí)停止訓(xùn)練;若模型出現(xiàn)過(guò)擬合的情況，則采用早停技術(shù)，即當(dāng)驗(yàn)證集上的準(zhǔn)確率開(kāi)始下降時(shí)立刻停止訓(xùn)練過(guò)程;

　　(3.5)封裝模型，供實(shí)時(shí)監(jiān)測(cè)調(diào)用;

　　(4)部署分類模型，對(duì)污水池進(jìn)行實(shí)時(shí)監(jiān)測(cè)。

　　進(jìn)一步地，所述步驟(2.2)中，還包括：原始圖像數(shù)據(jù)采集自不同設(shè)備，污水池所在位置、比例和視角也各不相同，在必要的情況下需要對(duì)圖像數(shù)據(jù)作裁剪，以保證圖像數(shù)據(jù)的主體為污水池。

　　進(jìn)一步地，所述步驟(2.2)中，還包括：原始圖像數(shù)據(jù)采集自不同設(shè)備，圖像長(zhǎng)寬和像素分辨率不盡相同，需要將各條數(shù)據(jù)調(diào)整為固定的長(zhǎng)寬和分辨率。

　　進(jìn)一步地，所述步驟(2)的預(yù)處理過(guò)程還包括：若不同標(biāo)簽的數(shù)據(jù)比例相差過(guò)大，則對(duì)數(shù)據(jù)進(jìn)行二次加權(quán)采樣，以保證不同狀態(tài)的數(shù)據(jù)數(shù)目大致相當(dāng)，防止某一類別數(shù)據(jù)過(guò)多對(duì)結(jié)果造成影響。

　　進(jìn)一步地，所述步驟(2.4)中，可以向驗(yàn)證集中補(bǔ)充加入特殊情況的采用數(shù)據(jù)，包括污水池中的倒影中出現(xiàn)云、水體表面覆蓋有浮萍以及各種極端天氣下的采樣數(shù)據(jù)。

　　本發(fā)明的有益效果是：本發(fā)明將神經(jīng)網(wǎng)絡(luò)模型應(yīng)用到曝氣監(jiān)測(cè)上。把爆氣檢測(cè)作為一個(gè)二分類問(wèn)題，以攝像頭拍攝到的圖像作為輸入，輸入到卷積神經(jīng)網(wǎng)絡(luò)分類器。由于攝像頭的位置不固定導(dǎo)致畫(huà)面中會(huì)出現(xiàn)雜物，白天或夜晚的不同亮度會(huì)導(dǎo)致畫(huà)面差異較大，均對(duì)曝氣監(jiān)測(cè)有很大影響。而使用神經(jīng)網(wǎng)絡(luò)則可以不用考慮時(shí)間和地點(diǎn)的因素，用同一個(gè)模型對(duì)多個(gè)污水池進(jìn)行監(jiān)測(cè)，有較強(qiáng)的魯棒性、泛用性。