(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210523555.9 (22)申请日 2022.05.13 (71)申请人 合肥中盛水务发展 有限公司 地址 230000 安徽省合肥市经济技 术开发 区九龙路与容成路交口东湖高新创新 中心19幢 (72)发明人 施海仁　王越　黄宇　刘蕊　 (74)专利代理 机构 合肥正则元起专利代理事务 所(普通合伙) 3416 0 专利代理师 付金浩 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种污水厂生化池运行状况视觉识别及智 能分析算法 (57)摘要 本发明公开了一种污水厂生化池运行状况 视觉识别及智能分析算法， 第一步， 构建输入的 样本数据， 包括数据的获取以及预处理， 第二步， 构建训练网络， 调整网络参数， 得到将大量流动 气泡识别出来的最优模型， 具体采用的是YOL OV5 训练网络为基础的神经网络框架； 第三步， 检验 模型的可行性。 本发明将处于大量流动气泡进行 识别， 将整个图片进行一个状态的判别， 能够降 低人工识别的成本， 利用机载视觉相机对污水处 理工艺流道水处理界面进行拍摄， 通过气泡的标 记与识别， 开展了检测气泡生成数量、 密度、 范 围， 探索污水处理工艺全流道曝气状态的识别监 控与分布情况分析的图像识别方法， 为溶解氧监 测提供更加全面、 有效的检测提供技 术积累。 权利要求书1页 说明书4页 附图1页 CN 114926780 A 2022.08.19 CN 114926780 A 1.一种污水厂生 化池运行状况视 觉识别及智能分析算法， 其特 征在于， 包括以下步骤: 步骤一： 构建输入样本数据集， 包括数据的获取以及预处理， 通过对视频进行分帧处理 获取曝气图片， 并对曝气图片中的气泡进行 标注得到图像识别目标； 步骤二： 构建训练网络， 调整网络参数， 采用YOLOV5训练网络为基础的神经网络框架， 得到将图像识别目标中大量 流动气泡识别出来的最优 模型； 步骤三： 通过已知的模型， 将采集的视频通过模型测试； 若结果为污泥或者垃圾， 则判定该 段视频状态为污泥上浮； 若是正常状态高于 污泥上浮状态， 则判定为 正常。 2.根据权利要求1所述的一种污水厂生化池运行状况视觉识别及智能分析算法,其特 征在于， 步骤一中所述数据的获取以及预处 理的步骤为： S1： 通过对污水处理厂搭建多点固定监测方式， 通过在曝气池中设定监测点并架设采 集相机采集过程视频， 获取相关过程视频； S2： 进一步对视频的分帧处 理， 对处理后图片进行筛 选， 获得可以利用的 曝气图片； S3： 利用L abelimg， 对4000幅中每一幅图像中的气泡进行标注， 标注时以目标的最小外 接矩形作为真实框 。 3.根据权利要求2所述的一种污水厂生化池运行状况视觉识别及智能分析算法,其特 征在于， S3中， 基于采集图像分辨率， 对图像中的气泡采用人眼能够识别的气泡作为真实 框。 4.根据权利要求1所述的一种污水厂生化池运行状况视觉识别及智能分析算法,其特 征在于， 步骤二中最优 模型的获取包括如下步骤： W1： 将步骤一得到的数据 集放入YOLOV5训练网络模型中， 网络模型的训练基于Pytorch 框架， 即使用Adam优化器优化训练的网络模型， 训练的参数为640X640， 总迭代张数为4000 张图， 总次数为3 00， 网络深度为0.3 3， 网络宽度为0.5， 选用自动锚点； W2： 建立一个损失函数， YOLOV5训练网络模型的损失函数采用的是三种函数相加， 总函 数的损失为： 位置损失+类损失+置信度损失； W3： 将数据集进行300轮训练后得出一个训练的最优模型， 并为下一步模型的使用打下 基础。 5.根据权利要求4所述的一种污水厂生化池运行状况视觉识别及智能分析算法,其特 征在于， W1中， 同步采用Mosaic数据增强策略， 初始学习率 为0.01。 6.根据权利要求4所述的一种污水厂生化池运行状况视觉识别及智能分析算法,其特 征在于， W2中， 基于位置损失判断过程如下： 根据公式： 其中Distance_C是最小外接矩形的对角线距离； 而Distance_2则是两个中心点的欧氏 距离； IOU是预测框与真实框的交集和并集的比值； v 是长宽相似比； wgt和hgt是真实框的宽和 高； 而wp和hp则是预测框的宽和高。权　利　要　求　书 1/1 页 2 CN 114926780 A 2一种污水厂生化 池运行状况视觉识别及智能分析算法 技术领域 [0001]本发明涉及水处理视觉识别技术领域， 具体涉及 一种污水厂生化池运行状况视觉 识别及智能分析算法。 背景技术 [0002]新建地埋式和半地埋式污水处理厂， 导致了人工巡检难度倍增。 尤其是核心生物 处理段生化池， 加盖后的生化池， 人工难以观测全池的运行状况， 当出现曝气异常、 泡沫上 浮、 垃圾漂浮等情况， 也无法直观获知， 地上式的生化段即使可进行人工观测， 其状况分析 判定、 数据归纳、 数据存储等性能也具有较大不确定性， 较为依赖巡检人员的技术经验与主 动性， 且人工 巡检数据零散， 难以与整 套系统的其 他监测数据进行整合归纳和统筹分析。 [0003]为了解决上述问题， 开发了生化池运行状态视觉识别与智能分析算法。 巡检机器 人将在池中巡检采集到的视频传输到算法平台， 由其中的算法模块进行分析处理， 给出生 化池运行 结果。 发明内容 [0004]本发明的目的在于提供一种污水厂生化池运行状况视觉识别及智能分析算法， 可 对污水厂生化池厌氧段、 缺氧段、 好氧段的运行状况进 行识别分析， 解决了污水厂加盖后人 工巡检困难及无法智能化分析的问题。 [0005]本发明的目的可以通过以下技 术方案实现： [0006]一种污水厂生 化池运行状况视 觉识别及智能分析算法， 包括以下步骤: [0007]步骤一： 构建输入样本数据， 包括数据的获取以及预处理， 通过对视频进行分帧处 理获取曝气图片， 并对曝气图片中的气泡进行 标注得到图像识别目标； [0008]步骤二： 构建训练网络， 调整网络参数， 采用YOLOV5训练网络为基础的神经 网络框 架， 得到将图像识别目标中大量 流动气泡识别出来的最优 模型； [0009]步骤三： 通过已知的模型， 将采集的视频通过模型测试； [0010]若结果为污泥或者垃圾， 则判定该 段视频状态为污泥上浮； [0011]若是正常状态高于 污泥上浮状态， 则判定为 正常。 [0012]作为本发明进一 步的方案： 步骤一中所述数据的获取以及预处 理的步骤为： [0013]S1： 通过对污水处理厂搭建多点固定监测方式， 通过在曝气池的中设定监测点并 架设采集相机采集过程视频， 获取了相关过程视频； [0014]S2： 进一步对视频的分帧处理， 对处理后图片进行筛选， 获得可以利用的曝气图 片； [0015]S3： 利用Labelimg， 对4000幅中每一幅图像中的气泡进行标注， 标注时以目标的最 小外接矩形作为真实框 。 [0016]作为本发明进一步的方案： S3中， 基于采集图像分辨率， 对图像中的气 泡采用人眼 能够识别的气泡作为真实框 。说　明　书 1/4 页 3 CN 114926780 A 3