水处理过程中的加药控制方法及装置、介质和电子设备

技术领域

本公开涉及水处理技术领域，具体而言，涉及一种水处理过程中的加药控制方法、水处理过程中的加药控制装置、计算机可读存储介质和电子设备。

背景技术

水处理是通过物理、化学、生物等手段去除水中对于生产或生活而言不需要的异常物质的过程。加药作为水处理过程中重要的环节，对水处理的效果起着决定作用。

目前，通过人为分析进水量的方式来对加药量进行控制，这种方式存在加药量控制不准确的问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种水处理过程中的加药控制方法、水处理过程中的加药控制装置、计算机可读存储介质和电子设备，进而至少在一定程度上克服当前水处理加药量控制不准确的问题。

根据本公开的第一方面，提供了一种水处理过程中的加药控制方法，包括：获取絮凝池中水下摄像机拍摄的絮体图像，提取絮体图像的絮体特征，并生成包含絮体特征的絮体文本；获取进水参数文本，进水参数文本包含进水pH、进水温度、进水浊度和进水流量；将絮体文本和进水参数文本进行拼接，以生成目标文本；确定与目标文本对应的目标加药量等级；根据目标加药量等级对水处理过程中的加药量进行控制。

可选地，提取絮体图像的絮体特征，并生成包含絮体特征的絮体文本，包括：利用经训练的第一神经网络提取絮体图像的絮体特征，并将絮体特征转换为絮体文本；其中，絮体特征包括絮体的形态、尺寸和单位面积数量。

可选地，加药控制方法还包括：获取样本集，样本集包括多个样本对，每个样本对包括絮体样本图像以及与絮体样本图像对应的絮体样本文本；利用第一神经网络提取絮体样本图像的特征；利用双向变换器提取与絮体样本图像对应的絮体样本文本的特征；计算絮体样本图像的特征与絮体样本文本的特征之间的相似度，并基于相似度的结果执行随机梯度下降算法，以更新第一神经网络的参数和双向变换器的参数；将利用样本集实现参数更新之后的第一神经网络确定为经训练的第一神经网络。

可选地，获取进水参数文本包括：获取由进水pH检测设备发送的进水pH；获取由进水温度检测设备发送的进水温度；获取由进水浊度检测设备发送的进水浊度；获取由进水流量检测设备发送的进水流量；按预定顺序对进水pH、进水温度、进水浊度、进水流量进行文本排序并拼接，以生成进水参数文本。

可选地，确定与目标文本对应的目标加药量等级包括：将目标文本输入经训练的第二神经网络，以确定出与目标文本对应的目标加药量等级；其中，第二神经网络包括嵌入层、特征提取层和全连接层；通过嵌入层将目标文本转换为初始特征矩阵；通过特征提取层对初始特征矩阵进行特征提取，以得到中间特征矩阵；通过全连接层将中间特征矩阵映射为目标加药量等级。

可选地，目标加药量等级对应目标加药量范围；其中，根据目标加药量等级对水处理过程中的加药量进行控制包括：确定加药站的剩余药量以及下次来药时间；根据剩余药量以及目标加药量范围确定加药站无药的时间范围；如果下次来药时间在加药站无药的时间范围内，则根据加药站无药的时间范围、下次来药时间、目标加药量范围确定下次来药时间的时间点对应的目标加药量；控制加药设备按目标加药量进行加药。

可选地，获取絮凝池中水下摄像机拍摄的絮体图像包括：每隔预定时间段向絮凝池中水下摄像机发送拍摄指令；获取水下摄像机响应拍摄指令拍摄并反馈的第一候选图像集合；第一候选图像集合中连续拍摄的两张图像之间拍摄时间间隔大于时间阈值；计算第一候选图像集合中各候选图像之间的相似度，从第一候选图像集合中剔除相似度小于相似度阈值的一个或多个候选图像，以得到第二候选图像集合；确定第二候选图像集合中各候选图像的图像质量；从第二候选图像集合中选择图像质量最优的候选图像作为絮体图像。

根据本公开的第二方面，提供了一种水处理过程中的加药控制装置，包括：图像处理模块，用于获取絮凝池中水下摄像机拍摄的絮体图像，提取絮体图像的絮体特征，并生成包含絮体特征的絮体文本；参数获取模块，用于获取进水参数文本，进水参数文本包含进水pH、进水温度、进水浊度和进水流量；文本生成模块，用于将絮体文本和进水参数文本进行拼接，以生成目标文本；加药量等级确定模块，用于确定与目标文本对应的目标加药量等级；加药量控制模块，用于根据目标加药量等级对水处理过程中的加药量进行控制。

可选地，图像处理模块被配置为执行：利用经训练的第一神经网络提取絮体图像的絮体特征，并将絮体特征转换为絮体文本；其中，絮体特征包括絮体的形态、尺寸和单位面积数量。

可选地，图像处理模块还被配置为执行：获取样本集，样本集包括多个样本对，每个样本对包括絮体样本图像以及与絮体样本图像对应的絮体样本文本；利用第一神经网络提取絮体样本图像的特征；利用双向变换器提取与絮体样本图像对应的絮体样本文本的特征；计算絮体样本图像的特征与絮体样本文本的特征之间的相似度，并基于相似度的结果执行随机梯度下降算法，以更新第一神经网络的参数和双向变换器的参数；将利用样本集实现参数更新之后的第一神经网络确定为经训练的第一神经网络。

可选地，参数获取模块被配置为执行：获取由进水pH检测设备发送的进水pH；获取由进水温度检测设备发送的进水温度；获取由进水浊度检测设备发送的进水浊度；获取由进水流量检测设备发送的进水流量；按预定顺序对进水pH、进水温度、进水浊度、进水流量进行文本排序并拼接，以生成进水参数文本。

可选地，加药量等级确定模块被配置为执行：将目标文本输入经训练的第二神经网络，以确定出与目标文本对应的目标加药量等级；其中，第二神经网络包括嵌入层、特征提取层和全连接层；通过嵌入层将目标文本转换为初始特征矩阵；通过特征提取层对初始特征矩阵进行特征提取，以得到中间特征矩阵；通过全连接层将中间特征矩阵映射为目标加药量等级。

可选地，目标加药量等级对应目标加药量范围。在这种情况下，加药量控制模块被配置为执行：确定加药站的剩余药量以及下次来药时间；根据剩余药量以及目标加药量范围确定加药站无药的时间范围；如果下次来药时间在加药站无药的时间范围内，则根据加药站无药的时间范围、下次来药时间、目标加药量范围确定下次来药时间的时间点对应的目标加药量；控制加药设备按目标加药量进行加药。

可选地，图像处理模块获取絮凝池中水下摄像机拍摄的絮体图像的过程被配置为执行：每隔预定时间段向絮凝池中水下摄像机发送拍摄指令；获取水下摄像机响应拍摄指令拍摄并反馈的第一候选图像集合；第一候选图像集合中连续拍摄的两张图像之间拍摄时间间隔大于时间阈值；计算第一候选图像集合中各候选图像之间的相似度，从第一候选图像集合中剔除相似度小于相似度阈值的一个或多个候选图像，以得到第二候选图像集合；确定第二候选图像集合中各候选图像的图像质量；从第二候选图像集合中选择图像质量最优的候选图像作为絮体图像。

根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一种水处理过程中的加药控制方法。

根据本公开的第四方面，提供了一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；该处理器被配置为经由执行可执行指令来实现上述任一种水处理过程中的加药控制方法。

在本公开的一些实施例所提供的技术方案中，一方面，本公开通过对絮凝池中絮体图像、进水pH、进水温度、进水浊度和进水流量的综合分析来控制加药量，考虑的影响因素全面，大大提高了水处理过程中加药量控制的准确度；另一方面，本公开将絮体图像、进水pH、进水温度、进水浊度和进水流量均转换为文本的形式，形式的统一有助于计算机执行数据分析过程，提高了数据处理效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出了本公开实施方式的加药控制系统的系统架构图。

图2示出了本公开实施例的水处理过程的示意图。

图3示意性示出了根据本公开示例性实施方式的水处理过程中的加药控制方法的流程图。

图4示意性示出了本公开实施例的第二神经网络的架构图。

图5示意性示出了根据本公开示例性实施方式的水处理过程中的加药控制装置的方框图。

图6示意性示出了根据本公开的示例性实施方式的电子设备的方框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，下面所有的术语“第一”、“第二”仅是为了区分的目的，不应作为本公开内容的限制。

在一些技术中，对于水处理过程中的加药控制，仅考虑到了加药量与进水量的关系，如1立方米的进水定量投加PAC（Poly Aluminum Chloride，聚合氯化铝）药剂15克。然而，当进水的水质发生变化时，这种加药方式会存在不准确的问题。

为了至少解决加药量控制不准确的问题，本公开提供了一种新的水处理过程中的加药控制方案。

图1示意性示出了本公开实施方式的加药控制系统的系统架构图。参考图1，本公开实施方式的加药控制系统可以包括服务器10、进水pH（酸碱度）检测设备11、进水温度检测设备12、进水浊度检测设备13、进水流量检测设备14、水下摄像机15和加药设备16。

服务器10可以通过有线或无线的方式分别与进水pH检测设备11、进水温度检测设备12、进水浊度检测设备13、进水流量检测设备14、水下摄像机15和加药设备16连接，以便进行数据或指令的传输。

在实现本公开实施方式的加药控制方案中，首先，一方面，服务器10可以从进水pH检测设备11获取进水pH、从进水温度检测设备12获取进水温度、从进水浊度检测设备13获取进水浊度、从进水流量检测设备14获取进水流量。可以理解的是，本公开实施例所说的进水pH、进水温度、进水浊度和进水流量均包含具体的数值，即服务器10获取到的是进水pH值、进水温度值、进水浊度值和进水流量值。服务器10还可以对这些数据进行文本排序并拼接，以生成进水参数文本。另一方面，服务器10从水下摄像机15获取絮体图像，并提取絮体图像的絮体特征，生成包含该絮体特征的絮体文本。

接下来，服务器10可以将絮体文本和进水参数文本进行拼接，以生成目标文本，并确定目标文本对应的目标加药量等级。

然后，服务器10可以根据目标加药量等级向加药设备16发送加药控制指令，以对加药设备16投加的药量进行控制。

为了更清楚的说明上述设备的配置位置以及本公开所说的水处理过程，下面结合图2进行说明。

参考图2，本公开实施方式针对的水处理系统可以包括原水池21、絮凝池22、沉淀池23、V型滤池24和清水池25。可以理解的是，原水池21对应进水，清水池25对应出水。

上述进水pH检测设备11、进水温度检测设备12、进水浊度检测设备13、进水流量检测设备14可以配置于原水池21与絮凝池22之间，用于检测各进水参数。水下摄像机15可以配置于絮凝池22内，用于拍摄絮体图像。加药设备16也可以配置于原水池21与絮凝池22之间。本公开对进水pH检测设备11、进水温度检测设备12、进水浊度检测设备13、进水流量检测设备14、水下摄像机15和加药设备16的具体位置点以及配置方式均不做限制。

下面对本公开实施方式的水处理过程中的加药控制方法进行说明。

图3示意性示出了本公开的示例性实施方式的水处理过程中的加药控制方法的流程图。参考图3，该加药控制方法可以包括以下步骤：

S30. 获取絮凝池中水下摄像机拍摄的絮体图像，提取絮体图像的絮体特征，并生成包含絮体特征的絮体文本。

在本公开的示例性实施方式中，絮凝池中配置有水下摄像机，例如水下摄像机安装在絮凝池的内壁上。水下摄像机可以拍摄絮凝池中水的絮体图像，并将絮体图像发送给服务器。

根据本公开的一些实施例，水下摄像机可以自行拍摄絮体图像并发送给服务器。如定时拍摄或者响应操作人员的拍摄控制操作进行拍摄。

根据本公开的另一些实施例，首先，服务器可以每隔预定时间段向絮凝池中水下摄像机发送拍摄指令。其中，预定时间段可以为12小时、24小时、48小时等，本公开对预定时间段的具体取值不做限制。

接下来，服务器可以获取水下摄像机响应该拍摄指令拍摄并反馈的第一候选图像集合。需要说明的是，第一候选图像集合中连续拍摄的两张图像之间拍摄时间间隔大于时间阈值，由此，避免了时间间隔较短的连续图像相似度过大而造成网络传输以及后续分析运算上的资源浪费的问题。其中，该时间阈值可以根据试验得到，本公开对其具体取值不做限制。另外，本公开对第一候选图像集合包含的候选图像的数量也不做限制。

随后，服务器可以计算第一候选图像集合中各候选图像之间的相似度，从第一候选图像集合中剔除相似度小于相似度阈值的一个或多个候选图像，以得到第二候选图像集合。由于外界或水体波动剧烈的原因，可能出现个别候选图像与其他图像差异过大的情况下，这些差异过大的图像不能正确反映出絮凝池的实际絮体状态，因此，在具体分析之前，需要将这些异常的候选图像剔除。另外，本公开对第二候选图像集合包含的候选图像的数量也不做限制。

然后，服务器可以确定第二候选图像集合中各候选图像的图像质量。本公开采用的图像质量评价指标包括清晰度、对比度、信噪比、色彩中的一种或多种，本公开对图像质量的确定过程不做限制。另外，需要说明的是，图像质量可以由质量评分体现。

最后，服务器可以从第二候选图像集合中选择图像质量最优的候选图像作为絮体图像。也就是说，从第二候选图像集合中选择质量评分最高的候选图像作为服务器后续进一步处理的絮体图像。

在获取到絮体图像之后，服务器可以提取絮体图像的絮体特征，并生成包含絮体特征的絮体文本。其中，本公开所说的絮体特征包括但不限于絮体的形态、尺寸和单位面积数量等。

根据本公开的一些实施例，服务器可以直接利用特征提取算子提取絮体图像的絮体特征。具体的，可以采用例如Sobel、Prewitt、Roberts、Canny等的边缘检测算子提取絮体图像的边缘，可以在一定程度上由这些边缘信息估计出絮体图像的整体特征。

另外，还可以基于方向梯度直方图（HOG）的方式提取絮体图像的絮体特征。

根据本公开的另一些实施例，服务器可以利用经训练的第一神经网络提取絮体图像的絮体特征，并将絮体特征转换为絮体文本。

第一神经网络可以是卷积神经网络，下面对第一神经网络的训练过程进行说明。

首先，服务器可以获取样本集，该样本集包括多个样本对，每个样本对包括絮体样本图像以及与该絮体样本图像对应的絮体样本文本。其中，该絮体样本文本可以人为给出。

接下来，一方面，服务器可以利用第一神经网络提取絮体样本图像的特征。另一方面，服务器可以利用双向变换器（BERT）提取与该絮体样本图像对应的絮体样本文本的特征。

随后，服务器可以计算絮体样本图像的特征与絮体样本文本的特征之间的相似度，并基于相似度的结果执行随机梯度下降算法，以更新第一神经网络的参数和双向变换器的参数。

通过不断利用样本集对参数进行更新，将参数更新之后的第一神经网络确定为上述经训练的第一神经网络。

可以理解的是，在采用模型处理的方式得到絮体文本的示例中，该模型可以是图生文模型。

S32. 获取进水参数文本，进水参数文本包含进水pH、进水温度、进水浊度和进水流量。

在本公开的示例性实施方式中，进水参数文本可以是按预定顺序对进水pH、进水温度、进水浊度、进水流量进行文本排序并拼接而成的文本。

具体的，服务器可以获取由进水pH检测设备发送的进水pH、获取由进水温度检测设备发送的进水温度、获取由进水浊度检测设备发送的进水浊度、获取由进水流量检测设备发送的进水流量。接下来，服务器可以按预定顺序对进水pH、进水温度、进水浊度、进水流量进行文本排序并拼接，以生成本公开实施例中所说的进水参数文本。其中，上述各检测设备又可被称为检测计、检测仪、检测装置等。

针对上述预定顺序，可以是上述参数的任意顺序组合，本公开具体顺序不做限制。然而，顺序一经配置完成，该顺序即是固定的。应当理解的是，规定顺序是为了方便后续处理，使计算机可以快速识别出文本的含义。

S34. 将絮体文本和进水参数文本进行拼接，以生成目标文本。

在本公开的示例性实施方式中，拼接指的是将文本的首尾连接，由两个文本生成一个文本的过程。

服务器分别确定出絮体文本和进水参数文本之后，可以将二者拼接，以生成目标文本。本公开对此二者的拼接先后顺序不做限制，然而对于本公开一些实施例而言，如上所述，类似的，顺序一经配置完成，顺序即固定，由此有助于计算机后续快速识别文本的含义。

S36. 确定与目标文本对应的目标加药量等级。

在本公开的示例性实施方式中，加药量等级可以被表示为例如一级、二级、三级、四级、五级等，分别对应加药量由高到低。另外，加药量等级还可以用数字（如1、2、3、4、5等）或字母（如a、b、c、d、e等）表示，至于加药量是由高到低还是由低到高，均可以预先配置，本公开对此不做限制。

本公开将目标文本对应的加药量等级称为目标加药量等级。

根据本公开的一些实施例，服务器可以将目标文本进行界面显示，由人工确定出该目标文本对应的加药量等级。例如，服务器可以将目标文本展示在显示屏上，工程师在看到目标文本后，可以根据经验自行判断加药量等级。服务器响应工程师的确认操作以确定出与目标文本对应的目标加药量等级。

根据本公开的另一些实施例，服务器可以利用分类模型确定与目标文本对应的目标加药量等级。具体的，服务器可以将目标文本输入经训练的第二神经网络，第二神经网络的输出为各加药量等级的概率，选择概率最大的加药量等级作为目标加药量等级。本公开实施例对第二神经网络的训练过程不做限制。

参考图4，第二神经网络40可以包括嵌入层401、特征提取层402和全连接层403。

首先，可以通过嵌入层401将目标文本转换为初始特征向量。例如，目标文本包含n个词语，每个词语可以被表示为m维的向量，那么初始特征向量为n×m的初始特征向量。

接下来，可以通过特征提取层402对初始特征矩阵进行特征提取，以得到中间特征矩阵。具体的，特征提取层402可以包括多个卷积单元，每个卷积单元可以包括卷积层和池化层。通过不断的下采样处理，提取到目标文本的重要特征，即生成中间特征矩阵。

随后，可以通过全连接层403将中间特征矩阵映射为目标加药量等级。其中，可以先进行dropout函数处理以降低过拟合，再经由softmax激活函数处理，以得到各个加药量等级的概率，选择概率最大的加药量等级作为目标加药量等级。

S38. 根据目标加药量等级对水处理过程中的加药量进行控制。

根据本公开的一些实施例，加药量等级与加药设备的设备开度一一对应。设备开度指的是投药的开度，可以理解的是，设备开度配置越大，投药量越大，设备开度配置越小，投药量越小。也就是说，每一个加药量等级均对应有一个明确的加药量值。在这种情况下，服务器可以将包含目标加药量等级的控制指令发送给加药设备，加药设备响应该控制指令确定要调整的加药量，并基于该加药量控制设备开度以实现加药量的调整。

根据本公开的另一些实施例，加药量等级与加药量范围一一对应。也就是说，每一个加药量等级均对应有一个明确的加药量范围。

在这种情况下，服务器可以确定目标加药量等级对应的目标加药量范围，从该目标加药量范围中选择一个目标加药量，并将包含目标加药量的控制指令发送给加药设备，以便加药设备基于目标加药量进行加药控制。

具体的，服务器可以从该目标加药量范围中随机选择一个加药量作为目标加药量；或者选择该目标加药量范围中的中间值、最大值或最小值作为目标加药量；又或者将该目标加药量范围进行界面显示，进而响应工程师的选择操作来确定目标加药量。本公开对此不做限制。

另外，本公开还提供了一种结合加药站药量的自动确定目标加药量的方案。其中，加药站用于存储药剂。

首先，服务器可以确定加药站的剩余药量以及下次来药时间。其中，加药站的剩余药量指的是当下能够投加的药剂量，下次来药时间指的是距当前而言下一次药剂送达加药站的时间。

接下来，服务器可以根据加药站的剩余药量以及目标加药量范围确定加药站无药的时间范围。其中，可以理解的是，加药站无药的时间指的是加药站的药剂刚好被投加完的时间。鉴于要按照目标加药量范围进行投加，目标加药量是一个数值范围的情况下，对应的加药站无药的时间也是一个时间范围。

随后，服务器如果确定出下次来药时间在加药站无药的时间范围内，则根据加药站无药的时间范围、下次来药时间、目标药剂药量范围确定下次来药时间的时间点对应的目标加药量。具体的，在时间和药量两个范围知晓的情况下，利用等比例关系，可以确定出下次来药时间对应的目标加药量。

然后，服务器可以控制加药设备按目标加药量进行加药。

对于加药站的剩余药量很多且下次来药较快而导致不会出现加药站无药的情况下，则服务器可以依据上述选择策略中的一种从目标加药量范围中确定出目标加药量，并控制加药设备按目标加药量进行加药。

对于即使按目标加药量范围内的最小值进行加药控制也会造成加药站无药可用的情况，服务器可以发出告警，由工程师手动输入目标加药量或者将下次来药时间提前。其中，告警的方式包括但不限于短信、邮件、音频、灯光等，本公开对此不做限制。

此外，本公开的一些实施例基于上述加药控制方法，还提供了一种对加药量趋势进行预测的方案。

具体的，服务器可以获取距当前一段时间内确定出的多个目标加药量等级，对多个目标加药量等级进行回归处理，以预测出之后一段时间内的加药量的趋势，并将该趋势反馈给药剂采购人员和水处理过程管控人员，以便进一步分析趋势产生原因并提前做好准备。

需要说明的是，本公开示例性所说的加药控制方案中投加的药剂包括但不限于PCA、PAM（Polyacrylamide，聚丙烯酰胺）等。对于这些药剂中的一种或多种的混合均可以应用上述加药控制方法来实现药剂量的投加控制。

应当注意，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

进一步的，本示例实施方式中还提供了一种水处理过程中的加药控制装置。

图5示意性示出了本公开的示例性实施方式的水处理过程中的加药控制装置的方框图。参考图5，根据本公开的示例性实施方式的水处理过程中的加药控制装置5可以包括图像处理模块51、参数获取模块53、文本生成模块55、加药量等级确定模块57和加药量控制模块59。

具体的，图像处理模块51可以用于获取絮凝池中水下摄像机拍摄的絮体图像，提取絮体图像的絮体特征，并生成包含絮体特征的絮体文本；参数获取模块53可以用于获取进水参数文本，进水参数文本包含进水pH、进水温度、进水浊度和进水流量；文本生成模块55可以用于将絮体文本和进水参数文本进行拼接，以生成目标文本；加药量等级确定模块57可以用于确定与目标文本对应的目标加药量等级；加药量控制模块59可以用于根据目标加药量等级对水处理过程中的加药量进行控制。

根据本公开的示例性实施例，图像处理模块51可以被配置为执行：利用经训练的第一神经网络提取絮体图像的絮体特征，并将絮体特征转换为絮体文本；其中，絮体特征包括絮体的形态、尺寸和单位面积数量。

根据本公开的示例性实施例，图像处理模块51还可以被配置为执行：获取样本集，样本集包括多个样本对，每个样本对包括絮体样本图像以及与絮体样本图像对应的絮体样本文本；利用第一神经网络提取絮体样本图像的特征；利用双向变换器提取与絮体样本图像对应的絮体样本文本的特征；计算絮体样本图像的特征与絮体样本文本的特征之间的相似度，并基于相似度的结果执行随机梯度下降算法，以更新第一神经网络的参数和双向变换器的参数；将利用样本集实现参数更新之后的第一神经网络确定为经训练的第一神经网络。

根据本公开的示例性实施例，参数获取模块53可以被配置为执行：获取由进水pH检测设备发送的进水pH；获取由进水温度检测设备发送的进水温度；获取由进水浊度检测设备发送的进水浊度；获取由进水流量检测设备发送的进水流量；按预定顺序对进水pH、进水温度、进水浊度、进水流量进行文本排序并拼接，以生成进水参数文本。

根据本公开的示例性实施例，加药量等级确定模块57可以被配置为执行：将目标文本输入经训练的第二神经网络，以确定出与目标文本对应的目标加药量等级；其中，第二神经网络包括嵌入层、特征提取层和全连接层；通过嵌入层将目标文本转换为初始特征矩阵；通过特征提取层对初始特征矩阵进行特征提取，以得到中间特征矩阵；通过全连接层将中间特征矩阵映射为目标加药量等级。

根据本公开的示例性实施例，目标加药量等级对应目标加药量范围。在这种情况下，加药量控制模块59可以被配置为执行：确定加药站的剩余药量以及下次来药时间；根据剩余药量以及目标加药量范围确定加药站无药的时间范围；如果下次来药时间在加药站无药的时间范围内，则根据加药站无药的时间范围、下次来药时间、目标加药量范围确定下次来药时间的时间点对应的目标加药量；控制加药设备按目标加药量进行加药。

根据本公开的示例性实施例，图像处理模块51获取絮凝池中水下摄像机拍摄的絮体图像的过程可以被配置为执行：每隔预定时间段向絮凝池中水下摄像机发送拍摄指令；获取水下摄像机响应拍摄指令拍摄并反馈的第一候选图像集合；第一候选图像集合中连续拍摄的两张图像之间拍摄时间间隔大于时间阈值；计算第一候选图像集合中各候选图像之间的相似度，从第一候选图像集合中剔除相似度小于相似度阈值的一个或多个候选图像，以得到第二候选图像集合；确定第二候选图像集合中各候选图像的图像质量；从第二候选图像集合中选择图像质量最优的候选图像作为絮体图像。

由于本公开实施方式的水处理过程中的加药控制装置的各个功能模块与上述方法实施方式中相同，因此在此不再赘述。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

根据本公开的实施方式的用于实现上述方法的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光盘、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN），连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图6来描述根据本公开的这种实施方式的电子设备600。上述服务器可以被配置为如电子设备600的形式。图6显示的电子设备600仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：上述至少一个处理单元610、上述至少一个存储单元620、连接不同系统组件（包括存储单元620和处理单元610）的总线630、显示单元640。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。例如，所述处理单元610可以执行本公开实施方式的水处理过程中的加药控制方法的各个步骤。

存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元（ROM）6203。

存储单元620还可以包括具有一组（至少一个）程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备600也可以与一个或多个外部设备700（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。如图6所示，网络适配器660通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、终端装置、或者网络设备等）执行根据本公开实施方式的方法。

此外，上述附图仅是根据本公开示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

本领域技术人员在考虑说明书及实践这里公开的内容后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。