公布日：2023.09.22
申請日：2023.05.31
分類號：G06T7/00(2017.01)I;C02F3/28(2023.01)I;G06N20/00(2019.01)I
摘要
本發明公開了一種用于厭氧氨氧化污泥活性智能感知的裝置，包括污泥采集單元、圖像采集單元、圖像分析單元、準確性提升單元；污泥采集單元用于采集污泥；圖像采集單元用于采集污泥的圖像；圖像分析單元包括嵌入式端設備，機器學習模型I，用于分析輸出污泥活性結果；準確性提升單元包括算力服務器，機器學習模型II和精準活性測定輸入界面，污泥采集單元提供采集素材，圖像分析單元輸出給機器學習模型I使用，準確性提升單元中的機器學習模型II通過周期性輸入實測精準污泥活性值進行自身監督修正與糾偏。本發明通過機器視覺和機器學習耦合，實時智能輸出厭氧氨氧化污泥活性結果；同時基于監督學習持續迭代預測精度并實現端部署，穩定運行。
權利要求書
1.一種用于厭氧氨氧化污泥活性智能感知的裝置，其特征在于，包括污泥采集單元、圖像采集單元、圖像分析單元、準確性提升單元；所述的污泥采集單元用于采集污泥；所述的圖像采集單元用于采集污泥的圖像；所述的圖像分析單元包括嵌入式端設備，機器學習模型I，用于分析輸出污泥活性結果；所述的準確性提升單元包括算力服務器，機器學習模型II和精準活性測定輸入界面，污泥采集單元提供采集素材，圖像分析單元輸出給機器學習模型I使用，準確性提升單元中的機器學習模型II通過周期性輸入實測精準污泥活性值進行自身監督修正與糾偏。
2.根據權利要求1所述的裝置，其特征在于，所述的污泥采集單元包括污泥流過槽、蠕動泵、電磁止回閥和超聲波液位計；蠕動泵將污泥吸入污泥流過槽，待吸入量觸發超聲波液位計設定閾值后，進出口兩端的電磁止回閥自動關閉，同時蠕動泵也一并關閉。
3.根據權利要求1所述的裝置，其特征在于，所述的圖像采集單元包括CCD相機、光照傳感器、條形光源、光源驅動器；污泥吸入污泥流過槽后，光照傳感器探測污泥流過槽周圍照度，根據設定照度閾值決定是否啟動條形光源，條形光源的強弱通過調整光源驅動的PWM占空比實現，達到設定照度后，CCD相機啟動并拍攝污泥圖像。
4.根據權利要求1所述的裝置，其特征在于，所述的機器學習模型II，使用圖像預處理和顏色空間轉換為自變量，污泥實際活性為目標函數，并通過多項式、隨機森林、XGBOOST3種數學關系分別進行訓練。
5.根據權利要求1所述的裝置，其特征在于，所述的機器學習模型I，使用機器學習模型II所得3種數學關系為初級學習器，使用Stacking基于線性集成后進行訓練結果輸出。
6.根據權利要求1所述的裝置，其特征在于，所述的機器學習II的初級學習器結果周期性替換后輸出給機器學習模型I，周期性替換時間為45-60d/次。
發明內容
為了克服現有技術的不足，本發明旨在提供一種用于厭氧氨氧化污泥活性智能感知的裝置。通過裝置原位獲取厭氧氨氧化污泥圖像并進行機器學習模型分析，并準確預測該污泥活性，從而對厭氧氨氧化工藝自動化智能化數字化穩定運行提供感知層支撐。
本發明的目的可以通過以下技術方案來實現：一種用于厭氧氨氧化污泥活性智能感知的裝置，包括污泥采集單元、圖像采集單元、圖像分析單元、準確性提升單元；所述的污泥采集單元用于采集污泥；所述的圖像采集單元用于采集污泥的圖像；所述的圖像分析單元包括嵌入式端設備，機器學習模型I，用于分析輸出污泥活性結果；所述的準確性提升單元包括算力服務器，機器學習模型II和精準活性測定輸入界面，污泥采集單元提供采集素材，圖像分析單元輸出給機器學習模型I使用，準確性提升單元中的機器學習模型II通過周期性輸入實測精準污泥活性值進行自身監督修正與糾偏。
所述的污泥采集單元包括污泥流過槽、蠕動泵、電磁止回閥和超聲波液位計；蠕動泵將污泥吸入污泥流過槽，待吸入量觸發超聲波液位計設定閾值后，進出口兩端的電磁止回閥自動關閉，同時蠕動泵也一并關閉。
所述的圖像采集單元包括CCD相機、光照傳感器、條形光源、光源驅動器；污泥吸入污泥流過槽后，光照傳感器探測污泥流過槽周圍照度，根據設定照度閾值決定是否啟動條形光源，條形光源的強弱通過調整光源驅動的PWM占空比實現，達到設定照度后，CCD相機啟動并拍攝污泥圖像。
所述的機器學習模型II，使用圖像預處理和顏色空間轉換（RGB空間轉換為HSV空間）為自變量，污泥實際活性為目標函數，并通過多項式、隨機森林、XGBOOST3種數學關系分別進行訓練。
所述的機器學習模型I，使用機器學習模型II所得3種數學關系為初級學習器，使用Stacking基于線性集成后進行訓練結果輸出。
所述的機器學習II的初級學習器結果周期性替換后輸出給機器學習模型I，周期性替換時間為45-60d/次。
本發明的有益效果是：（1）通過機器視覺和機器學習耦合，實時智能輸出厭氧氨氧化污泥活性結果，避免了傳統方法測定下的時滯；（2）準確性提升單元通過周期性的精準活性檢測，基于監督學習持續迭代提升機器學習I和II模型的精度。
（3）原位檢測裝置自動化智能化程度高，可實現端部署，可有力支持厭氧氨氧化工藝的數智化運行。
（發明人：陸慧鋒;杜平;康婷婷;李星熠）
