一种基于图像处理的污水预处理方法

技术领域

本发明属于污水处理技术领域，涉及一种基于图像处理的污水预处理方法。

背景技术

污水处理(sewage treatment，wastewater treatment)：为使污水达到排入某一水体或再次使用的水质要求对其进行净化的过程,污水处理被广泛应用于建筑、农业、交通、能源、石化、环保、城市景观、医疗、餐饮等各个领域，也越来越多地走进寻常百姓的日常生活；关于水污染的话题不断被提起，特别是地下水污染问题，按污水来源分类，污水处理一般分为生产污水处理和生活污水处理。生产污水包括工业污水、农业污水以及医疗污水等，而生活污水就是日常生活产生的污水，是指各种形式的无机物和有机物的复杂混合物，包括：漂浮和悬浮的大小固体颗粒；胶状和凝胶状扩散物；纯溶液；处理污水的方法很多，一般可归纳为物理法、化学法和生物法等，现有的污水处理厂存在较多严重的问题，如资金不足\成本高\效率低等大问题，普遍效率不足70％，低的只有40％，污水处理成本能耗情况：基本都是高能耗\低效率。

发明内容

本发明的目的是提供一种基于图像处理的污水预处理方法，解决了现有污水处理中存在的高能耗问题。

本发明所采用的技术方案是，一种基于图像处理的污水预处理方法，具体按以下步骤实施：

步骤1，获取污水图像，进行初步处理；

步骤2，将经步骤1处理后的污水图像输入卷积神经网络进行特征提取；

步骤3，将经步骤2提取的特征再次输入卷积神经网络中进行匹配；

步骤4，经步骤3匹配后进行污水处理。

本发明的特点还在于：

其中步骤1的具体内容包括：

将获取的污水图像进行灰度，灰度后图像的像素值分布在[0，255]之间，然后将灰度后的污水图像进行分割，分割成若干小尺寸图像；

其中步骤2中特征提取的具体过程为：

步骤2.1，首先将经步骤1处理后的图像进行归一化处理；

步骤2.2，建立卷积层，然后将经步骤2.1归一化处理后的图像进行特征提取；

步骤2.3，建立池化层，将经步骤2.2提取的特征图像进行特征选择和信息过滤；

步骤2.4，建立全连接层，将经池化后的特征图像进行非线性组合；

步骤2.5，建立输出层，将经步骤2.5处理后的图像通过输出层进行输出，得到分类结果；

其中步骤2.1中，将经经步骤1处理后的图像的像素值进行归一化至[0，1]；

其中步骤3的具体过程为：

首先，搜集数据集，所述数据集为含有大块污染物的各类污水图像，数据集中图像数量不小于1000，然后将数据集输入至提前建立好的卷积神经网络中，将经步骤2提取的特征图像与提前输入的数据集在卷积神经网络中进行对比；

其中步骤4中，将经步骤3匹配结束后，若匹配度大于50％，则首先需要对污水进行大块污染物过滤，然后再进行颗粒污染物和离子污染物的处理；

反之，则直接进行颗粒污染物和离子污染物的处理。

本发明的有益效果是：

本发明的一种基于图像处理的污水预处理方法，在污水处理前进行预处理，进行判断是否需要进行大颗粒污染物的过滤，通过卷积神经网络进行预判断，判断效率高，而且经过判断后可以对污水处理有初步的除杂安排，节省了污水处理过程，减小能耗。

附图说明

图1是本发明的一种基于图像处理的污水预处理方法的流程图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明公开了一种基于图像处理的污水预处理方法，如图1所示，具体按以下步骤实施：

步骤1，获取污水图像，进行初步处理：

将获取的污水图像进行灰度，灰度后图像的像素值分布在[0，255]之间，然后将灰度后的污水图像进行分割，分割成若干小尺寸图像；

步骤2，将经步骤1处理后的污水图像输入卷积神经网络进行特征提取：

步骤2.1，首先将经步骤1处理后的图像进行归一化处理，将经经步骤1处理后的图像的像素值进行归一化至[0，1]；

步骤2.2，建立卷积层，然后将经步骤2.1归一化处理后的图像进行特征提取；

步骤2.3，建立池化层，将经步骤2.2提取的特征图像进行特征选择和信息过滤；

步骤2.4，建立全连接层，将经池化后的特征图像进行非线性组合；

步骤2.5，建立输出层，将经步骤2.5处理后的图像通过输出层进行输出，得到分类结果；

步骤3，将经步骤2提取的特征再次输入卷积神经网络中进行匹配：

首先，搜集数据集，所述数据集为含有大块污染物的各类污水图像，数据集中图像数量不小于1000，然后将数据集输入至提前建立好的卷积神经网络中，将经步骤2提取的特征图像与提前输入的数据集在卷积神经网络中进行对比；

步骤4，经步骤3匹配后进行污水处理：

经步骤3匹配结束后，若匹配度大于50％，则首先需要对污水进行大块污染物过滤，然后再进行颗粒污染物和离子污染物的处理；

反之，则直接进行颗粒污染物和离子污染物的处理。

本发明的一种基于图像处理的污水预处理方法的工作原理为：

首先，污水的物质含量多种多样，有大颗粒污染物、重金属离子等等，进行预处理是非常有必要的，将排入处理池的污水首先进行预处理，判断其是否含有需要进行大颗粒污染物的去除，通过卷积神经网络进行判断，建立卷积神经网络是，搜集若干污水的图像数据，针对各种情况的污水进行图像摄取，然后输入至神经网络中作为对比，然后通过实时排入的污水数据进行判断，采集排入污水的多个样本图，然后进行检测，将污水中含有大颗粒污染物作为提取特征，综合多个样本图进行提取，然后与提前输入至神经网络中的图像进行匹配，匹配度达到一定的比例，则认为需要进行大颗粒污染物的处理，若没有达到，则认为无需进行大颗粒污染物的处理，现实中，并非所有的污染水都需要大颗粒污染物的去除，个别类型的污水本就不含大颗粒污染物，如果不经判断直接进入现有的污水处理装置，首先就会造成能耗的增加，处理繁琐，进行判断之后，可以选择跳过其中的大颗粒污染物处理的步骤，节省了处理时间，而且省时省力。