【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 ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。