一种基于纹理特征的絮体状态监测方法

技术领域

本发明属于水处理技术领域，具体涉及一种基于纹理特征的絮体状态监测方法。

背景技术

在某些自来水厂的日常运行管理中，受限于工艺设备老旧、实验条件简陋和工作人员专业知识水平良莠不齐等因素，往往难以对水处理单元中的絮体状态进行一个合理的评估。无法及时掌握例如进水浊度、流量短时间内大幅升高、絮凝剂加药管漏药等突发工况所引起的絮体状态的变化，从而不能及时采取相应的调整措施，导致无法在絮凝阶段生成大而致密的絮体进行沉降，进而影响出水水质。

在现有的监测絮体状态的方法中，大部分运行者采用目测法，主要是基于肉眼观察絮体形态和密度等相关情况，这种方法很容易受到主观因素和经验的影响，因而可靠性较低。

申请号为CN200710144647的专利申请提出了一种基于形态特征的絮体状态识别方法，这种方法通过拍摄絮体图像并计算絮体的形态特征值来识别絮体状态，然而形态特征是单个絮体的个体性特征，存在较大的随机误差且计算量大。

发明内容

为了克服上述现有技术的不足，本发明的目的在于提供一种基于纹理特征的絮体状态监测方法，在水处理过程中，从絮体图像中提取熵、相关性等纹理特征值，经过对絮体纹理特征进行分析得出纹理特征值中的熵、相关性与絮体的密实性、形态大小、沉降性等特征具有良好的相关性；本发明利用絮体图像中提取的纹理特征值对絮体状态进行定量分析，使得结果更加准确客观，具有简便、直观、准确、高效且低成本的优点。

为了实现上述目的，本发明采取的技术方案是：

一种基于纹理特征的絮体状态监测方法，包括以下步骤：

步骤1，取含絮体水作为样品，将其分为等量的若干份含絮体水样品；

步骤2，将步骤1得到的若干份含絮体水样品分别置于透明容器中，使其在透明容器中呈悬浮状态分布，得到若干份呈悬浮状态分布的絮体水样品；

步骤3，用相机对步骤2得到的若干份呈悬浮状态分布的絮体水样品进行拍摄，拍摄多张样品图像；

步骤4，从步骤3拍摄的多张样品图像中选取样品图像进行预处理，用图像分析软件或开源视觉库提取图像的灰度共生矩阵；

步骤5，通过纹理提取算法利用步骤4提取的灰度共生矩阵计算图像纹理特征值，所述纹理特征值包括熵、相关性；

步骤6,将同一样品多张图像的纹理特征值取平均值作为结果；

步骤7，重复步骤1至步骤6，得到不同时间阶段絮体图像的纹理特征值，利用公式

步骤8，将步骤7中分别得到的纹理特征值各自的相对变化量用以判断絮体的状态：

当两个相邻阶段熵的相对变化量大于0且相关性的相对变化量小于0时，则表示絮体密实度升高、等效粒径增大，絮体状态变好；

当两个相邻阶段熵的相对变化量小于0且相关性的相对变化量大于0时，则表示絮体密实度降低、等效粒径减小，絮体状态变差。

所述步骤2中，对透明容器中含絮体水样品采用搅拌或曝气方式操作，使其在透明容器中呈悬浮状态分布。

所述步骤3中对每次取样的同一批呈悬浮状态分布的絮体水样品拍摄至少5张样品图像，并将相机拍摄参数保持一致。

所述步骤4中选取至少3张相近的样品图像进行预处理。

所述步骤4中对样品图像进行选取分析时，选取样品图像中的絮体区域大小、位置相同的取样框截取分析部分。

所述步骤4中的预处理为对样品图像依次进行灰度化、中值滤波、图像分割、提高对比度。

所述步骤5中的纹理特征值的提取算法由图像处理软件或开源视觉库实现。

所述步骤6中的纹理特征值的平均值计算公式为：

所述步骤8中絮体的状态包括密实性、形态大小、沉降性能。

与现有技术相比，本发明的有益效果为：

1、现有技术中采用形态特征值来识别絮体状态，其仅代表单个絮体的个体性特征，存在较大的随机误差且计算量大；而本发明采用的纹理特征是通过遍历絮体图像得到的整体性特征，稳定性好且易于计算，通过对絮体样品纹理特征变化的分析，从而监测水处理单元中絮体状态，由于纹理特征是一种简易且方便监测的指标，使本发明可以适用于大多数运行中的水处理厂，水处理厂依据絮体的纹理特征值表征絮体状态，对絮凝效果评估和监测，客观了解当前的絮体状态及絮凝效果，及时调整运行参数，为水处理厂的优化运行和节能降耗等提供指导性意见，本发明采用一种低成本、客观的方法来监测给水处理过程中的絮体状态，是一种能够有效提高给水处理运行管理效果的方法。

2、准确客观。与目测法不同，本发明应用机器视觉方法，该方法利用絮体图像中提取的纹理特征值对絮体状态进行定量分析，使得结果更加准确客观，不依赖于工作人员的丰富经验。

3、有利于实现自动化。本发明所需要的操作步骤如图像获取、图像处理、纹理特征值提取等工作都可凭借一定的仪器设备实现自动化操作，并可集成于在线监测设备中，有利于实现水厂的自动化与无人值守。

4、经济实用。本发明所运用的参数是基于絮体图像中所提取的纹理特征值，图像的获取只需要使用价格较低的图像拍摄设备，无需其它昂贵的检测设备，因此降低成本。

综上所述，本发明同时具备简便、直观、准确、高效且低成本的优点。

附图说明

图1为本发明实施例中在不同絮凝剂投药量下的絮体图像特征及沉后水浊度变化图；其中：图1(a)为在不同絮凝剂投药量下的纹理特征值及沉后水浊度变化图；图1(b)为在不同絮凝剂投药量下的形态特征值及沉后水浊度变化图。

图2为本发明实施例中投加絮凝剂后的絮体状态图。

图3为本发明实施例中投加絮凝剂后的絮体状态预处理图。

图4为本发明实施例中在不同絮凝剂投药量下的纹理特征值相对变化图。

图5为本发明实施例中在不同絮凝剂投药量下的絮体状态预处理图；其中：图5(a)为本发明实施例中在絮凝剂投药量不足时的絮体状态预处理图；图5(b)为本发明实施例中在絮凝剂最佳投药量下的絮体状态预处理图；图5(c)为本发明实施例中在絮凝剂投药量过剩时的絮体状态预处理图。

具体实施方式

下面通过具体实施例对本发明的技术方案做进一步说明。

一种基于纹理特征的絮体状态监测方法，包括以下步骤：

步骤1，取某水处理厂水处理单元中的含絮体水作为样品，将其分为等量的若干份含絮体水样品。

步骤2，将若干份含絮体水样品分别置于透明容器中，通过搅拌使絮体在透明容器中呈悬浮状态分布，搅拌时，搅拌强度不应过大，以防止絮体破碎。

步骤3，用相机对所取的若干份呈悬浮状态分布的絮体水样品进行拍摄，即对每次取样同一样品若干份呈悬浮状态分布的絮体水样品拍摄大于5张图像，拍摄时，控制各拍摄参数保持一致，使图像能够真实反映絮体的纹理信息。

步骤4，从中选取至少三张絮体分布状况相近的图像，使用大小、位置相同的取样框截取絮体存在且无杂物干扰的区域部分，用图像分析软件对各张图像进行灰度化、中值滤波、图像分割、提高对比度等预处理步骤后再提取其灰度共生矩阵；

步骤5，使用图像分析软件通过纹理提取算法利用步骤4提取的图像灰度共生矩阵计算纹理特征值中的熵、相关性；

步骤6，将同一样品多张图像的纹理特征值取平均值作为结果，各纹理特征值平均值计算公式为

步骤7，重复步骤1至步骤6，得到不同时间阶段水处理厂中絮体图像的纹理特征值，利用公式

所述步骤7中的纹理特征值包括相关性、熵。

步骤8，将分别得到的纹理特征值各自的相对变化量用以判断絮体的状态，絮体的状态包括密实性、形态大小、沉降性能；

当两个相邻阶段熵的相对变化量大于0且相关性的相对变化量小于0时，则表示絮体密实度升高、等效粒径增大，絮体状态变好；

当两个相邻阶段熵的相对变化量小于0且相关性的相对变化量大于0时，则表示絮体密实度降低、等效粒径减小，絮体状态变差。

进一步的，所述步骤1中，含絮体水可以取自水处理厂，即自来水厂、污水处理厂等；含絮体水可以取自不同类型的絮凝池、澄清池、絮凝设备等存在含絮体水的水处理单元。

进一步的，用专业图像分析软件对图像进行分析时，要选择絮体存在且无杂物干扰的区域。

下面通过具体实施例进一步说明本发明的有益效果。

实施例

步骤1，取甘肃省某自来水厂预处理池中的原水作为样品，分为等量的3份置于烧杯中，其中每份的体积为1L；

步骤2，使用聚合氯化铝(PAC)作为絮凝剂，以一定的加药量分别向各水样中加入絮凝剂，并使用搅拌器以200r/min的搅拌速度快速搅拌1min，40r/min的搅拌速度慢速搅拌9min；

步骤3，搅拌停止时，立即用相机设置相同的拍摄参数对各水样连续拍摄5张图像，如图2所示，共获得3×5＝15张絮体图像；

步骤4，从每组水样所拍摄的图像中各选取3张，共3×3＝9张絮体分布状况相近且清晰的图像，使用大小、位置相同的取样框截取絮体存在且无杂物干扰的区域部分，然后使用图像分析软件对每张图像依次进行灰度化、中值滤波、图像分割、提高对比度等预处理操作，预处理后的图像如图3所示；

步骤5，使用图像处理软件中基于灰度共生矩阵的纹理提取算法提取预处理后的絮体图像纹理特征值中的相关性、熵，之后进一步计算各纹理特征值的平均值作为该批样品的最后结果；

步骤6，改变絮凝剂投药量，重复步骤1至步骤5，得到不同絮凝剂投药量下的絮体图像纹理特征值，如图1(a)所示，将每个纹理特征指标经

步骤7，每次停止搅拌后，使絮体悬浊液静止沉降20min，之后取上清液，使用浊度计测定上清液浊度，该浊度即为原水在各投药量下絮凝后的沉后水浊度，如图1(a)所示；

步骤8，使用图像处理软件对每个投药量下获得的絮体图像依次进行灰度化、二值化处理，之后测量其絮体粒径、絮体数量、分形维数等形态特征，得到各投药量阶段下的形态特征数据如图1(b)所示。

实施例分析：

由图1(b)可见，在絮凝剂投药量不足(投药量<25mg/L)的监测阶段内，随着絮凝剂的投加，絮体分形维数、絮体粒径逐渐增大，沉后水浊度逐渐降低，这说明水中的絮体逐渐增大且愈发密实，图像中的絮体与图像背景的边界愈发明显，絮体状态在逐渐变好，投药量不足阶段的絮体图像如图5(a)所示。此时由图1(a)、图4可见，絮体图像的相关性逐渐降低，相关性的相对变化量小于0，这是因为随着投药量的增加，遍布在水中的大量微小颗粒逐渐碰撞聚集形成絮体，絮体图像特征由布满微小颗粒变为成型絮体少量不均匀分布，从而使图像的相关性降低；而絮体图像的熵逐渐增高，熵的相对变化量大于0，这是由于絮体逐渐增大、密实导致图像信息复杂度升高，从而导致熵升高。

由图1(b)可见，当絮凝剂投药量为最佳投药量(25mg/L)时，絮体分形维数、絮体粒径达到最大，沉后水浊度达到最低，这表明此时絮体状态为多个阶段中最大而致密的，具有最好的沉降性，最佳投药量下的絮体图像如图5(b)所示。此时由图1(a)可见，絮体图像纹理特征值中的熵达到峰值，而相关性达到最低值。

由图1(b)可见，在絮凝剂投药过量(投药量>25mg/L)的监测阶段内，随着絮凝剂的投加，絮体分形维数、絮体粒径逐渐减小，沉后水浊度逐渐升高，这是由于絮体内部间的斥力逐渐增大，发生胶体颗粒的再稳定现象，大的絮体逐渐变得松散并在水流的剪切力下搅碎形成多个小絮体，致使絮体的密实度降低、粒径减小，絮体状态在逐渐变差，投药过量阶段的絮体图像如图5(c)所示。此时由图1(a)、图4可见，絮体图像的相关性逐渐升高，相关性的相对变化量大于0，这是因为细碎絮体使得絮体分布更为均匀，从而使相关性升高；而絮体图像的熵逐渐降低，熵的相对变化量小于0，这是因为小而松散的絮体使得图像复杂度降低，从而导致了熵降低。

此外，任取一张步骤4中经预处理后的絮体图像，在该图像基础之上，逐渐缩小图像分析区域的比例，得到5种不同面积大小的絮体图像，分别提取各图像的形态特征值和纹理特征值，如下表1所示。

表1-各图像的形态特征值和纹理特征值

絮体图像特征的提取是通过在絮体图像中框选一定面积范围的絮体进行的，对于同一张图像，用于分析的絮体总数量随着图像框选比例的降低而减少。由表1可知，当图像框选比例低于60％时絮体图像的形态特征逐渐失真，离散系数较大，而纹理特征则较为稳定，离散系数较小。这是因为纹理特征并不是其中单独某个絮体的特征，而是通过分析图像中所有絮体的分布及密实程度而得到的综合特征，具有整体性强、稳定性高的特点，不会因絮体图像提取范围的不同而发生较大变化。由上述实例可见，使用絮体的纹理特征来监测絮体状态不仅经济实用且稳定客观，不依赖于操作人员的丰富经验和主观判断。

所以本发明是有效的通过絮体的纹理特征来监测絮体状态的方法。

本发明并不局限于上述实施例，在本发明公开的技术方案的基础上，本领域的技术人员根据所公开的技术内容，不需要创造性的劳动就可以对其中的一些技术特征作做出一些替换和变形，这些替换和变形均在本发明的保护范围内。