基于制造技术

本申请公开了一种基于

【技术实现步骤摘要】
基于AI的污水处理厂初沉池水质状态识别方法及系统


[0001]本专利技术涉及初沉池水质监测
，更具体地，涉及一种基于
AI
的污水处理厂初沉池水质状态识别方法及系统
。

技术介绍

[0002]污水处理厂初沉池是整个处理工艺的起点，其运行状态和出水水质状况对整个污水处理厂的运行起到至关重要的作用
。
对初沉池运行状况和出水水质的监测，传统上主要靠人工定期巡查和取水样测定，不仅监测结果不准确，而且浪费人力
。
[0003]因此，有必要开发一种基于
AI
的污水处理厂初沉池水质状态识别方法及系统
。
[0004]公开于本专利技术
技术介绍
部分的信息仅仅旨在加深对本专利技术的一般
技术介绍
的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术
。

技术实现思路

[0005]本专利技术提出了一种基于
AI
的污水处理厂初沉池水质状态识别方法及系统，解决现有技术中对初沉池运行状况和出水水质的监测，传统上主要靠人工定期巡查和取水样测定，不仅监测结果不准确，而且浪费人力的问题
。
[0006]第一方面，本公开实施例提供了一种基于
AI
的污水处理厂初沉池水质状态识别方法，包括：
[0007]通过摄像头获取初沉池的监控录像；
[0008]针对所述监控录像通过非均匀空洞卷积算法进行训练，获得识别模型；
[0009]通过所述识别模型对所述初沉池的实时监控画面进行识别计算，获得水质信息
。
[0010]优选地，针对所述监控录像通过非均匀空洞卷积算法进行训练，获得识别模型包括：
[0011]对所述监控录像进行标注；
[0012]针对标注后的图像分别进行表面浮渣识别
、
表面浮泥识别以及出水水质识别的学习和训练，获得所述识别模型
。
[0013]优选地，通过非均匀空洞卷积算法训练的神经网络中至少一个隐含层为非均匀空洞卷积层
。
[0014]优选地，若第
i
隐含层为所述非均匀空洞卷积层，则该隐含层中第
j
个单元对应的下一层的单元数
S
ij
满足：
[0015]j1<j2时，其中，
j
为该隐含层中单元的逆向编号
。
[0016]优选地，所述水质信息包括浮渣面积占比
、
浮泥面积占比
、
出水水质
。
[0017]优选地，还包括：
[0018]根据所述水质信息通过声
、
光
、
电或其组合的方式向运行管理人员进行预警
。
[0019]优选地，当所述水质信息出现以下至少一种情况时，进行预警：
[0020]所述浮渣面积占比达到预设阈值
、
所述浮泥面积占比达到预设阈值
、
所述出水水质为差
。
[0021]优选地，还包括：
[0022]向移动端设备发送预警信号
。
[0023]第二方面，本公开实施例还提供了一种基于
AI
的污水处理厂初沉池水质状态识别系统，包括摄像头模块
、
数据传输模块
、AI
学习训练模块
、AI
语义分割模块，其中，
[0024]所述摄像头模块包括至少一个摄像头，用于拍摄初沉池内液面的图像；
[0025]所述数据传输模块用于将监控录像或实时监控画面传输至所述
AI
学习训练模块或所述
AI
语义分割模块；
[0026]所述
AI
学习训练模块针对所述监控录像通过非均匀空洞卷积算法进行训练，获得识别模型，即为所述
AI
语义分割模块；
[0027]所述
AI
语义分割模块，通过所述识别模型对所述初沉池的实时监控画面进行识别计算，获得水质信息
。
[0028]优选地，还包括：
[0029]预警模块，根据所述水质信息进行预警
。
[0030]优选地，所述预警模块包括声光报警器，通过声
、
光方式向运行管理人员进行预警
。
[0031]优选地，还包括：
[0032]远传模块，用于向移动端设备发送预警信号
。
[0033]本专利技术的方法和装置具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本专利技术的特定原理
。
附图说明
[0034]通过结合附图对本专利技术示例性实施例进行更详细的描述，本专利技术的上述以及其它目的
、
特征和优势将变得更加明显，其中，在本专利技术示例性实施例中，相同的参考标号通常代表相同部件
。
[0035]图1示出了根据本专利技术的一个实施例的基于
AI
的污水处理厂初沉池水质状态识别方法的步骤的流程图
。
[0036]图2示出了根据本专利技术的一个实施例的传统的卷积神经网络的示意图
。
[0037]图3示出了根据本专利技术的一个实施例的空洞卷积神经网络的示意图
。
[0038]图4示出了根据本专利技术的一个实施例的非均匀空洞卷积神经网络的示意图
。
[0039]图5示出了根据本专利技术的一个实施例的一种基于
AI
的污水处理厂初沉池水质状态识别系统的框图
。
[0040]图6示出了根据本专利技术的一个实施例的摄像头安装的示意图
。
[0041]图7示出了根据本专利技术的一个实施例的摄像头安装的示意图
。
[0042]图8示出了根据本专利技术的一个实施例的摄像头安装的示意图
。
[0043]图9示出了根据本专利技术的一个实施例的摄像头安装的示意图
。
[0044]附图标记说明：
[0045]101、
摄像头模块；
201、
数据传输模块；
300、AI
学习训练模块；
301、
图像标注模块；
302、
表面浮渣识别模块；
303、
表面浮泥识别模块；
304、
出水水质识别模块；
400、AI
语义分割模型；
501、
预警模块；
601、
远传模块
。
具体实施方式
[0046]下面将更详细地描述本专利技术的优选实施方式
。
虽然以下描述了本专利技术的优选实施方式，然而应该理解，可以以各种形式实现本专利技术而不应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
AI
的污水处理厂初沉池水质状态识别方法，其特征在于，包括：通过摄像头获取初沉池的监控录像；针对所述监控录像通过非均匀空洞卷积算法进行训练，获得识别模型；通过所述识别模型对所述初沉池的实时监控画面进行识别计算，获得水质信息
。2.
根据权利要求1所述的基于
AI
的污水处理厂初沉池水质状态识别方法，其中，针对所述监控录像通过非均匀空洞卷积算法进行训练，获得识别模型包括：对所述监控录像进行标注；针对标注后的图像分别进行表面浮渣识别
、
表面浮泥识别以及出水水质识别的学习和训练，获得所述识别模型
。3.
根据权利要求1所述的基于
AI
的污水处理厂初沉池水质状态识别方法，其中，通过非均匀空洞卷积算法训练的神经网络中至少一个隐含层为非均匀空洞卷积层
。4.
根据权利要求3所述的基于
AI
的污水处理厂初沉池水质状态识别方法，其中，若第
i
隐含层为所述非均匀空洞卷积层，则该隐含层中第
j
个单元对应的下一层的单元数
S
ij
满足：
j1<j2时，其中，
j
为该隐含层中单元的逆向编号
。5.
根据权利要求1所述的基于
AI
的污水处理厂初沉池水质状态识别方法，其中，所述水质信息包括浮渣面积占比
、
浮泥面积占比
、
出水水质
。6.
根据权利要求5所述的基于
AI
的污水处理厂初沉池水质状态识别方法，其中，还包括：根...

【专利技术属性】
技术研发人员：谷宏宇，刘启诚，胡志峰，
申请(专利权)人：北京北排智慧水务有限公司，
类型：发明
国别省市：