本發(fā)明創(chuàng)造涉及污水檢測領(lǐng)域，具體涉及一種便捷的污水中懸浮顆粒濃度在線檢測系統(tǒng)。

背景技術(shù)：

我國的水資源含量異常匱乏，人均占有量是世界人均量的四分之一，西北和華北地區(qū)常年干旱，嚴重缺水，每年因缺水損失的國家生產(chǎn)值近2300億元，所以保護水資源的重要性不言而喻，但是另一方面，隨著我國經(jīng)濟的快速發(fā)展和城市的不斷擴張所帶來的工業(yè)廢水以及生活污水源源不斷的流入水土，使水資源質(zhì)量大大下降，本已匱乏的水資源變得岌岌可危。因此，對污水進行實時的在線檢測，對于及時發(fā)現(xiàn)和預防水污染都有著重要的意義。

在污水處理工藝中，實時在線檢測污水中懸浮顆粒的濃度對保證工藝的正常運行以及污水處理的出水質(zhì)量具有重要的意義，然而現(xiàn)有的對污水中懸浮顆粒濃度的檢測主要是依靠進口國外的裝置或者依靠人工憑經(jīng)驗判斷污水中懸浮顆粒的濃度，不僅準確率很低，還耗費大量人力和財力，因此，設計開發(fā)出一個能夠準確、高效檢測污水中懸浮顆粒濃度的實時在線檢系統(tǒng)迫在眉睫。本發(fā)明提供一種便捷的污水中懸浮顆粒濃度的在線檢測系統(tǒng)，利用圖像處理技術(shù)對污水中懸浮顆粒濃度進行實時在線檢測，實現(xiàn)了污水中懸浮顆粒濃度的實時在線檢測。

技術(shù)實現(xiàn)要素：

針對上述問題，本發(fā)明旨在提供一種便捷的污水中懸浮顆粒濃度在線檢測系統(tǒng)。

本發(fā)明創(chuàng)造的目的通過以下技術(shù)方案實現(xiàn)：

一種便捷的污水中懸浮顆粒濃度在線檢測系統(tǒng)，包括圖像采集裝置、微處理器模塊、數(shù)據(jù)存儲模塊、無線傳輸模塊和顯示模塊，所述圖像采集裝置用于采集污水池中各區(qū)域的污水圖像，所述微處理器模塊用于對采集得到的污水圖像進行處理和分析，從而計算污水中懸浮顆粒的濃度，所述數(shù)據(jù)存儲模塊用于保存采集得到的污水圖像的信息，所述無線傳輸模塊用于將計算所得的懸浮顆粒濃度值傳輸?shù)斤@示模塊進行顯示。

本發(fā)明創(chuàng)造的有益效果：本系統(tǒng)將圖像處理技術(shù)應用到污水中懸浮顆粒濃度的在線檢測中，通過對所述污水圖像進行圖像濾波、圖像分割和圖像識別等算法，能夠準確、實時測量出污水中懸浮顆粒的濃度，實現(xiàn)自動化檢測和控制。

附圖說明

利用附圖對發(fā)明創(chuàng)造作進一步說明，但附圖中的實施例不構(gòu)成對本發(fā)明創(chuàng)造的任何限制，對于本領(lǐng)域的普通技術(shù)人員，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)以下附圖獲得其它的附圖。

圖1是本發(fā)明結(jié)構(gòu)示意圖；

圖2是本發(fā)明微處理器模塊的結(jié)構(gòu)示意圖。

附圖標記：

圖像采集裝置1；微處理器模塊2；數(shù)據(jù)存儲模塊3；無線傳輸模塊4；顯示模塊5；圖像預處理單元21；圖像分割單元22；濃度計算單元23。

具體實施方式

結(jié)合以下實施例對本發(fā)明作進一步描述。

參見圖1和圖2，本實施例的一種便捷的污水中懸浮顆粒濃度在線檢測系統(tǒng)，包括圖像采集裝置1、微處理器模塊2、數(shù)據(jù)存儲模塊3、無線傳輸模塊4和顯示模塊5，所述圖像采集裝置1用于采集污水池中各區(qū)域的污水圖像，所述微處理器模塊2用于對采集得到的污水圖像進行處理和分析，從而計算污水中懸浮顆粒的濃度，所述數(shù)據(jù)存儲模塊3用于保存采集得到的污水圖像的信息，所述無線傳輸模塊4用于將計算所得的懸浮顆粒濃度值傳輸?shù)斤@示模塊5進行顯示。

優(yōu)選地，所述圖像采集模塊1包括顯微鏡和攝像頭，所述顯微鏡用于放大污水中的懸浮顆粒，所述攝像頭用于采集顯微鏡放大后的污水圖像。

本優(yōu)選實施例將圖像處理技術(shù)應用到污水中懸浮顆粒濃度的在線檢測中，通過對所述污水圖像進行圖像濾波、圖像分割和圖像識別等算法，能夠準確、實時測量出污水中懸浮顆粒的濃度，實現(xiàn)自動化檢測和控制。

優(yōu)選地，所述微處理器模塊2用于對采集得到的污水圖像進行處理和分析，包括圖像預處理單元21、圖像分割單元22和濃度計算單元23，所述圖像預處理單元21用于對采集得到的原始污水圖像進行處理，從而改善污水圖像質(zhì)量，所述圖像分割單元22用于在處理后的污水圖像中劃分出懸浮顆粒的區(qū)域，所述濃度計算單元23用于對污水圖像中的懸浮顆粒進行識別得到懸浮顆粒的粒徑，并根據(jù)所述粒徑計算顆粒的體積，進而計算出污水中懸浮顆粒的濃度。

優(yōu)選地，所述圖像預處理單元21采用非局部均值濾波算法對采集得到的原始污水圖像進行處理，其采用改進的權(quán)重計算方法，具體為：

式中，da和db是像素點a和像素點b的方形鄰域，h(da，db)是鄰域da和db之間的灰度距離，是鄰域da和db之間的高斯加權(quán)歐式距離，γ是高斯核函數(shù)的標準差，h是濾波參數(shù)。

本優(yōu)選實施例在圖像的濾波過程中通過改進非局部均值算法中權(quán)重的計算，引進了鄰域之間像素灰度差異作為權(quán)重的另一參考參數(shù)，與傳統(tǒng)的非局部均值濾波算法相比，本算法較好的保護了圖像的邊緣，突出了幾何特征和紋理，濾波效果比原有算法有所提高。

優(yōu)選地，所述圖像分割單元22采用基于粒子群優(yōu)化算法尋找圖像的最大模糊熵，從而劃分出懸浮顆粒的區(qū)域，具體為：

(1)在粒子群優(yōu)化算法中引進改進的慣性權(quán)重因子，則慣性權(quán)重ωi的計算公式為：

式中，ωi是第i個粒子的慣性權(quán)重，ω0取值0.7，lmax是粒子距離全局最優(yōu)值之間的最大歐幾里得距離，li是當前粒子距離全局最優(yōu)值之間的歐幾里得距離，lmin是粒子距離全局最優(yōu)值之間最小的歐幾里得距離，r是當前的迭代次數(shù)，rmax為最大迭代次數(shù)，xij是當前粒子所在的位置，pgj表示粒子本身所找到的最優(yōu)解的位置；

(2)在粒子群優(yōu)化算法中引進小波變異操作，定義是第r次迭代時選中的第i個要變異的粒子，是該粒子的第j維，x^r是r次迭代時的群體最優(yōu)解，xmax該粒子搜索空間的上限，xmin是該粒子搜索空間的下限，則變異后的為：

式中，ρε是單調(diào)遞增方程的形狀參數(shù)，g為a的上限值，r為當前的迭代次數(shù)，rmax為最大迭代次數(shù)，li是當前粒子距離全局最優(yōu)值之間的歐幾里得距離。

本優(yōu)實施例引進動態(tài)調(diào)整的慣性權(quán)重因子，能夠保證粒子在偏離全局最優(yōu)時，粒子和全局最優(yōu)值之間的吸引力將保證粒子不會偏離最優(yōu)值太遠，從而避免了過早收斂和收斂速度較慢的問題，改善了粒子群優(yōu)化算法的性能；在變異操作中，引入了當前粒子距離全局最優(yōu)值之間歐幾里得距離進行計算，平衡了算法的全局搜索能力和局部搜索能力。

最后應當說明的是，以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對本發(fā)明保護范圍的限制，盡管參照較佳實施例對本發(fā)明作了詳細地說明，本領(lǐng)域的普通技術(shù)人員應當理解，可以對本發(fā)明的技術(shù)方案進行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的實質(zhì)和范圍。