污泥沉降比試驗融合圖像識別技術的應用研究

洪 雷 王德凱

（1.廣西博世科環保科技股份有限公司，廣西 南寧 530000；2.廣西環保產業發展研究院，廣西 南寧 530000）

0 概述

從蒸汽機時代、電氣化時代、信息化時代到數字化時代，每次工業革命的出現都給社會各領域帶來深遠的影響。在環保領域中，以大數據、云計算、物聯網和人工智能為技術驅動，傳統的水處理行業將開啟人工智能新時代。環保水務行業作為國家新興戰略產業，發展信息技術與大數據、人工智能與環保水務行業的應用具有重要的戰略意義。

環保水務行業涉及面廣、應用靈活，其行業技術的發展歷程可認為是與其他各類專業領域不斷進行技術融合應用的過程；而在與計算機/大數據和人工智能技術的融合上，同樣也能產生許多融合的切入點。該文將以污廢水處理技術活性污泥法處理工藝的活性污泥沉降比試驗過程智能檢測作為切入點，展示圖像識別技術與活性污泥法污泥沉降比試驗過程觀測的融合應用的方法。

1 污泥沉降比

污泥沉降比（SludgeSettlingVelocity）簡稱SV，是指在采用活性污泥法進行污廢水處理的好氧生物處理中，取曝氣池末端混合液1000mL 于1000mL 的量筒中，靜止30min后，沉淀的活性污泥體積占整個混合液的體積比例即為活性污泥的沉降比，單位用百分數%表示[1]。在實際運用中，沉降比不僅是指30min 內的沉降過程，還包括SV5、SV30和SV120 等一系列不同時間的沉淀比測試，而不同時間的沉降比測試觀察的結果和意義又有所不同，一方面能反映曝氣池正常運行時的污泥量和污泥的凝聚、沉降性能，另一方面通過SV 值變化可以判斷和發現污泥膨脹現象。通過沉降比在生產中的指導作用，可以認識到污泥沉降比不僅是一個數值。污泥的一些異常現象也可通過沉降試驗反映出來，例如通過外觀、沉降速率、泥水界面清晰程度和上層液的混濁情況，是否有懸浮物等情況可以了解污泥的結構和沉降性能，并在無其他異常的情況下，作為剩余污泥排放的參考依據。

由此可見，SV 值測定簡單便捷、表征明確，常用于活性污泥濃度及污泥性能的評測。污泥沉降比測試應該包括3 個部分。1）獲取測試數據。2）對沉降過程的觀察和記錄。3）對結果和記錄進行綜合分析。

由于沉降比試驗過程可以傳遞大量信息，因此沉降比試驗的采樣和過程觀測時間往往需要30 min 以上；在污水處理廠實際運行的過程中，傳統的沉降比試驗過程觀測操作，一方面占用工藝技術工程師比較多的工作時間，某些污水處理廠傾向于減少甚至不進行污泥沉降比試驗觀測，或者因為操作人員的工作責任心不夠強，對沉降比作用認識不到位，往往只是例行公事，只讀取30 min 的沉降比數值，而并沒有認真觀察和掌握實際的沉降過程。另一方面，沉降比試驗過程的特征分析暫時沒有很明確的量化標準，這些特征變化影響往往通過工藝技術工程師的經驗進行判斷，評估結果的準確性以及從沉降比試驗中獲取信息量的多少受運營技術工程師的經驗值是否足夠的影響，因此傳統沉降比試驗過程傳達出來的信息往往難以被及時和全量獲取，從而不能給污水處理系統的良好運行提供其應有的決策價值。

綜上所述，這個由“人力”的不可控和成本高造成的問題矛盾，在當前的數字化時代，可以嘗試通過使用計算機和人工智能技術進行替代。

2 圖像識別技術

圖像識別是指利用計算機對圖像進行處理、分析，以識別各種不同模式的目標和對象的技術。采用工業相機拍攝圖片，然后再利用軟件根據圖片灰階差做進一步識別處理，另外，在地理學中指將遙感圖像進行分類的技術。

圖形刺激作用于感覺器官，人們辨認出它是經驗過的某一圖形的過程，也叫圖像再認。在圖像識別中，既要有當時進入感官的信息，也要有記憶中存儲的信息。只有通過存儲的信息與當前的信息進行比較的加工過程，才能對圖像再認[2]。

圖像識別是人工智能的一個重要領域。為了編制模擬人類圖像識別活動的計算機程序，人們提出不同的圖像識別模型。例如模板匹配模型、原型匹配模型。

圖像識別過程分為圖像處理和圖像識別2 個部分。

圖像處理（image Processing）利用計算機對圖像進行分析，以達到所需的結果。圖像處理可分為模擬圖像處理和數字圖像處理，而圖像處理一般指數字圖像處理。這種處理大多數是通過軟件實現的。其目的是去除干擾、噪聲，將原始圖像編程適于計算機進行特征提取的形式，主要包括圖像采樣、圖像增強、圖像復原、圖像編碼與壓縮和圖像分割。

圖像識別將圖像處理得到的圖像進行特征提取和分類。識別方法中基本的也是常用的方法有統計法（StatisticMethod，或決策理論法）、句法（或結構）識別法（Syntactic Recognition）、神經網絡法（NeuralNetwork）、模板匹配法（TemplateMatching）和幾何變換法（Hough Transform）[3]。

污泥沉降比試驗過程中有各種不同的特征，包括沉降比試驗的量筒沉降污泥刻度、污泥顏色和形態、泥水分界面、量筒筒壁、沉降速度、上清液顏色和形態以及液面形態等，圖像識別技術的豐富性可以很好地滿足自動觀測的技術融合應用要求。例如在讀取量筒沉降污泥刻度的過程中，采用模板匹配法對刻度進行標定，即可比較容易獲得自動獲取沉降刻度的能力。

3 技術融合應用

3.1 融合方案及裝置

在進行了污泥沉降比試驗過程呈現的不同特征提取和識別嘗試后，針對該文所要解決的問題，制作一套自動采集、觀測及識別活性污泥沉降比試驗過程的裝置，該裝置能自動采集和觀測識別沉降比試驗過程，較為準確地描述污泥特征和性狀，對生化池的污泥性能進行評價，給污水處理系統的運行提供參考。

如圖1 所示，自動采集、觀測及識別活性污泥沉降比試驗過程的裝置，由自動采樣模塊A、比對模塊B、攝像模塊C、數據處理模塊D 和殼體模塊E 組成。1）自動采樣模塊A 包括錐形透明量筒1，其底部設置廢液流出管7，上部設置溢出口6（該溢出口經“U”形管道與廢液流出管相連通），頂部設置布水管5，與進液管3、清水管4 相連通；廢液流出管、進液管和清水管上設置電磁閥，進液管上安裝有蠕動泵2。2） 攝像模塊C 包括帶數據傳輸裝置的攝像頭c。3）比對模塊B 包括比對背板8，比對背板與攝像頭分別安裝在錐形透明量筒的兩側，且攝像頭位于透明量筒側邊的中間位置；比對背板上設置刻度標識9 以及比對色域，當以攝像頭的位置作為視線起點時，透明量筒內沉降污泥界面的刻度范圍（即最大持水量的刻度范圍）與比對背板的刻度范圍形成角度成像對應關系，攝像頭拍攝到的量筒疊加比對背板的圖像，能顯示沉淀過程中透明量筒內廢水和沉降污泥界面的位移情況，同時比對背板的色域能提升透明量筒內的沉降污泥觀測性狀的視覺特征。4）攝像模塊與數據處理模塊D 相連接，攝像模塊將拍攝到的圖像傳輸至數據處理模塊進行人工智能視覺識別和分析，獲取沉降比試驗的量筒沉降污泥刻度、污泥顏色和形態、泥水分界面、量筒筒壁黏附物、沉降速度、上清液顏色和形態以及液面形態信息，以預測評估判定污泥性狀。另外，數據處理模塊儲存于服務器或云端服務器，且能自動輸出技術報告信息。

圖1 SV30 測定試驗裝置結構示意

圖2 2 個案例的污泥沉降比沉降情況對比

特別補充說明如下：1）透明量筒采用帶溢流口的英霍夫管，以利于觀測，且設定最大持水量控制在1000 mL。2）進液采用蠕動泵，可保證污泥性狀完好，污泥性狀還原度高。3） 比對背板設置能顯示透明量筒內混合液沉淀位移的對比度較高的底色。4）蠕動泵、攝像頭以及所有電磁閥均與PLC 自動控制系統相連接，以實現自動控制功能。

裝置的使用過程如下：1）啟動蠕動泵，開啟進水管和廢液流走管道的電磁閥，使前60 s 抽取的混合液從廢液流走管道排走。2）蠕動泵啟動后60 s，關閉廢液流走管道的電磁閥，混合液從布水管進入錐形透明量筒內，30 s后，錐形透明量筒內的水量滿至1000 mL 刻度線，抽取的過量的混合液通過溢出口流出，并經液流管道排走，蠕動泵自動關停。3）蠕動泵關停后開始觸發攝像頭c 計時，第5 min、10 min、15 min、20 min、25 min、30 min 分別進行攝像，攝像頭將采集到的圖像通過無線網絡傳至網絡云數據處理系統。4）攝像頭完成30 min 攝像后，網絡云數據處理系統對采集到的沉降比試驗過程圖像進行特征點提取，進而進行比對識別和分析，獲取信息包括但不限于沉降比試驗的量筒沉降污泥刻度、污泥顏色和形態、泥水分界面、量筒筒壁、沉降速度、上清液顏色和形態以及液面形態等，預測評估判定污泥性狀包括但不限于污泥濃度、污泥負荷、污泥老化或膨脹情況、污泥反硝化情況以及曝氣情況等。5）綜合污泥沉降過程特征，根據讀取到的特征信息，自動生成活性污泥性狀評估報告，報告內容包括但不限于污泥濃度、污泥負荷、污泥老化或膨脹情況、污泥反硝化情況、曝氣情況等。

4.2 試驗案例

4.2.1 試驗案例1

應用該文的裝置對廣西南寧市某市政生活污水處理廠好氧池進行SV 沉降試驗過程的自動檢測。首先，讀取沉降泥水分界刻度，讀取的數據分別為5min 刻度——380mL、10min 刻度——300mL、15min 刻度——250mL、20min 刻度——200mL、25min 刻度——190mL、30min 刻度——190mL。其次，在提取其他沉降比試驗過程特征點并進行比對后，提取到的其他異常信息如下：清液的感官清澈度比系統預存的標準低（顆粒更多）、液面有明顯的浮渣和氣泡混合。

采用數據處理系統進行分析后，以30 min 刻度線作為最終沉降污泥計算的沉降比為19%；將6 個時間點的沉降比和0 刻度、滿刻度連成的曲線，與標準沉降曲線比對符合程度較高，結合清液的感官清澈度和液面特征點的比對結果，最后數據處理平臺給出的結論為活性污泥沉降性能良好，SV30 數值正常，污泥出現老齡化傾向。基本符合現場運行工藝技術工程師的判斷。

4.2.2 試驗案例2

應用該文的裝置對廣西某鄉鎮生活污水處理廠好氧池進行SV 沉降試驗過程的自動檢測。首先，當讀取沉降泥水分界刻度時，讀取的數據分別為5 min 刻度——960 mL、10 min 刻度——900 mL、15 min 刻度——830 mL、20 min 刻度——800 mL、25 min 刻度——780 mL、30 min 刻度——770 mL。其次，在提取其他沉降比試驗過程特征點并進行比對后，提取到的其他異常信息有，整個量筒分布大量氣泡，沉淀污泥顏色淺且松散。

數據處理系統進行分析后，以30 min 刻度線作為最終沉降污泥計算出沉降比為77%；將6 個時間點的沉降比和0 刻度、滿刻度連成的曲線，與標準沉降曲線比對符合程度偏差較遠，結合沉淀污泥顏色性狀特征點的比對結果，最后數據處理平臺給出的結論為活性污泥沉降性能不良，SV30 數值過高，污泥有處于污泥膨脹的可能。也基本符合現場運行工藝技術工程師的判斷。

5 結論

綜上所述，通過上述的試驗證實采用該文的方法和裝置提升了自動觀測沉降試驗過程的深度和廣度，如每5min沉降比數值連線的觀測理念比僅讀取30min 沉降比單次數值的理念具有更強的實用性和準確性。另外，能對過程圖像進行特征點提取，進而進行人工智能視覺識別和分析，獲取信息包括但是不限于沉降比試驗的量筒沉降污泥刻度、污泥顏色和形態、泥水分界面、量筒筒壁黏附物、沉降速度、上清液顏色和形態以及液面形態等信息，預測評估判定污泥性狀包括但不限于污泥濃度、污泥負荷、污泥老化或膨脹情況、污泥反硝化情況以及曝氣情況等，能較為準確地理解和描述污泥特征和性狀，對生化池的污泥性能進行評價，給污水處理系統的運行提供參考。