一种用于智慧城市的污水评价方法及系统与流程

本申请涉及图像处理，尤其涉及一种用于智慧城市的污水评价方法及系统。

背景技术：

1、经济的高速发展，丰富了我们的物质生活，但同时也带来环境污染问题，水污染便是其中较为突出的现实问题。很多工业生产和制造都会产生大量的污水，这些污水若未经处理就直接排入河流或农田中，会造成地表和地下水质污染，导致生态环境恶化，进而给我们的健康带来严重威胁。当前水资源逐渐呈现出紧缺状态，为了缓解这一问题，现有排放污水需要进行净化，待达到质量标准后实现循环利用。通过实践处理，发现城市污水处理与环境保护工程有非常密切的联系，科学处理城市中排放的污水，有利于推动环境保护工程建设，而且是推动城市发展非常必要的措施，今后城市化发展进程中必须加强对污水排放的重视。

2、毫无疑问，我们需要采取多方面的措施来解决日益严峻的水环境污染问题，其中之一就是要对污染源头的污水排放情况进行有效的监测，进行快速、准确的水质污染检测。工业建设与生产排放污水对环境保护工程造成的影响，也是制约生态文明建设的因素。

3、图像处理是利用计算机对图像进行分析以获得所需结果的技术。图像处理技术主要包括三个部分的内容：图像压缩，图像增强和复原，图像匹配、描述和识别。在水质污染的检测中，色度是一项重要的检测指标。本发明分析污水图像区域，结合图像处理算法流程，利用matlab工具对现场采集的污水图像进行图像算法(图像滤波、图像増强、图像分割)仿真，通过分析对比选择实时性强、精度高、易于实现的图像处理算法，并将处理得到的浓度值和真实值进行比较，验证基于图像处理方法检测污水色度的准确性和合理性。

技术实现思路

1、申请实施例提供一种用于智慧城市的污水评价方法。

2、为达到上述目的，本申请的实施例采用如下技术方案：

3、第一方面，提供了一种用于智慧城市的污水评价方法，该方法包括以下步骤：

4、步骤s1，在污水区域获取污水图像，根据污水区域的图像属性对污水图像进行预处理，获得预处理后的污水图像，根据污水区域的图像属性信息和标注信息按照标准格式将预处理后的污水图像构建成训练集；

5、步骤s2，构建网络模型，所述网络模型包括主干部分网络、候选区域建议网络、前馈神经网络和输出网络；

6、步骤s3，创建样本图像与反映该图像特征数据信息的关系库，训练网络模型，获取训练好的网络模型；

7、步骤s4，使用训练好的网络模型识别获取的污水图像，进行污水色度值的判断，同时计算污水悬浮颗粒浓度值，根据污水色度值和污水悬浮颗粒浓度值完成污水评价。

8、在一种可能的实施方式中，所述步骤s1中对污水图像进行预处理的方法包括：

9、获取污水图像，根据污水区域的图像属性对污水图像进行图像灰度化处理，再进行中值滤波处理，将和中值滤波处理后的图像使用背景差分法对图像进行差分运算，得出差分图像，再对差分图像进行图像二值化，并对图像进行腐蚀、膨胀操作处理，最终获取预处理后的污水图像。

10、在一种可能的实施方式中，所述步骤s2包括：

11、所述主干部分网络、候选区域建议网络、前馈神经网络和输出网络从前至后依次连接；

12、所述主干部分网络包括依次连接的卷积层、批归一化层和激活层。

13、在一种可能的实施方式中，包括：将污水图像输入进卷积层提取图像特征，将污水图像数据输入进批归一化层；

14、通过批归一化层对输入的污水图像数据进行处理，调整中间输出参数，再使用激活层引入非线性因素，在卷积层、批归一化层激活层进行第一次处理后，将第一次处理后的图像数据再依次输入进候选区域建议网络和前馈神经网络，最后使用输出网络输出结果。

15、在一种可能的实施方式中，所述步骤s3包括：

16、采用类别损失函数和定位回归损失函数指导网络模型学习，预设样本图像与反映该图像特征数据信息的关系的相关超参数，通过不断迭代衰减损失值达到网络参数权重优化的目的，直到迭代次数等于最大迭代次数，中止对训练集的训练，最后在实际场景下测试网络模型的性能，获取训练好的网络模型。

17、在一种可能的实施方式中，所述步骤s4中计算污水悬浮颗粒浓度值的方法包括：

18、将预处理后的图像直接进行图像阈值分割，并提取图像特征量进行污水悬浮颗粒浓度值计算。

19、在一种可能的实施方式中，获取图像阈值分割后的图像的分辨率b*c，将图像的分辨率b*c作为图像特征量，根据公式m＝[1-n/(b×c)}]×100获取到悬浮颗粒的像素面积与图像整体像素的面积比m，其中，n为污水图像中水的面积；

20、由悬浮颗粒的像素面积与图像整体像素的面积比，结合污水的固定深度，得出悬浮颗粒浓度与面积比所对应的关系，并表示为s＝km，其中，s为悬浮颗粒度，单位mg/l，m为面积比，k为实验测定的常数。

21、第二方面，本发明还提供了一种用于智慧城市的污水评价系统，包括图像采集单元、网络模型构建单元和污水评价单元，其中：

22、图像采集单元，用于在污水区域获取污水图像，根据污水区域的图像属性对污水图像进行预处理，获得预处理后的污水图像，根据污水区域的图像属性信息和标注信息按照标准格式将预处理后的污水图像构建成训练集；

23、网络模型构建单元，用于构建网络模型，所述网络模型包括主干部分网络、候选区域建议网络、前馈神经网络和输出网络，用于创建样本图像与反映该图像特征数据信息的关系库，训练网络模型，获取训练好的网络模型；

24、污水评价单元，用于使用训练好的网络模型识别获取的污水图像，进行污水色度值的判断，同时计算污水悬浮颗粒浓度值，根据污水色度值和污水悬浮颗粒浓度值完成污水评价。

25、第三方面，本发明还提供了一种电子设备，该电子设备包括处理器和存储器；处理器中包括上述第二方面所记载的基于图像识别进行智能监控的系统。

26、第四方面，本发明还提供了一种计算机可读存储介质，该计算机可读存储介质包括指令；当指令在上述第三方面所记载的电子设备上运行时，使得电子设备执行上述第一方面所记载的方法，

技术特征：

1.一种用于智慧城市的污水评价方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种用于智慧城市的污水评价方法，其特征在于，所述步骤s1中对污水图像进行预处理的方法包括：

3.根据权利要求1所述的一种用于智慧城市的污水评价方法，其特征在于，所述步骤s2包括：

4.根据权利要求3所述的一种用于智慧城市的污水评价方法，其特征在于，包括：

5.根据权利要求1所述的一种用于智慧城市的污水评价方法，其特征在于，所述步骤s3包括：

6.根据权利要求1所述的一种用于智慧城市的污水评价方法，其特征在于，所述步骤s4中计算污水悬浮颗粒浓度值的方法包括：

7.根据权利要求6所述的一种用于智慧城市的污水评价方法，其特征在于，包括：

8.一种用于智慧城市的污水评价系统，其特征在于，包括图像采集单元、网络模型构建单元和污水评价单元，其中：

9.一种电子设备，其特征在于，包括处理器和存储器；所述处理器中包括如权利要求8所述的基于图像识别进行智能监控的系统。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括指令；当指令在如权利要求9所述的电子设备上运行时，使得所述电子设备执行如权利要求1-7任一项所述的方法。

技术总结本申请实施例公开了一种用于智慧城市的污水评价方法及系统，涉及图像处理技术领域，本申请实施例包括以下步骤：步骤S1，在污水区域获取污水图像，根据污水区域的图像属性对污水图像进行预处理；步骤S2，构建网络模型；步骤S3，创建样本图像与反映该图像特征数据信息的关系库，训练网络模型，获取训练好的网络模型；步骤S4，使用训练好的网络模型识别获取的污水图像，进行污水色度值的判断，同时计算污水悬浮颗粒浓度值，根据污水色度值和污水悬浮颗粒浓度值完成污水评价。本发明分析污水图像区域，结合图像处理算法流程，将处理得到的浓度值和真实值进行比较，验证基于图像处理方法检测污水色度的准确性和合理性。技术研发人员：陈勇受保护的技术使用者：成都飞航智库科技有限公司技术研发日：技术公布日：2024/9/29