[发明专利]混凝图片的拍摄装置、拍摄方法及控制絮凝的加药方法

权利要求书

1.一种混凝图片的拍摄装置，其特征在于，包括有由上至下依次设置的搅拌器(3)、反应容器(2)及升降台(4)，透明容器(2)的一侧设置有高速摄像机(1)，反应容器(2)的另一侧设置有平面光源(5)；工业高速摄像机(1)安装在支架(6)上。

2.根据权利要求1所述的一种混凝图片的拍摄装置，其特征在于，反应容器(2)为通明材质的容器；搅拌器(3)的搅拌桨为板式搅拌桨。

3.一种混凝图片的拍摄方法，其特征在于，采用如权利要求1或2所述的拍摄装置，具体包括以下步骤：

步骤1：采用平面光源(5)作为固定光源；

步骤2：设计制作长方体反应容器(2)，然后加入水样；使搅拌器(3)的搅拌桨端部位于反应容器(2)内液面下1～2cm；

步骤3：设置工业高速摄像机(1)参数，具体为：每秒传输帧数为30-80fps，曝光时间设置为1500～2000，图像大小为2000～2500*1500～2000，调节工业高速摄像机(1)使镜头位于反应容器(2)液面下方4-7cm处，与搅拌桨之间的距离为40cm～45cm；

步骤4，向反应容器(2)中加入混凝剂，与此同时，开启工业高速摄像机(1)和搅拌器(3)进行开始拍摄，拍摄阶段包括搅拌阶段及静止沉淀阶段，搅拌器(3)停止后工业高速摄像机(1)继续拍摄静止沉淀阶段的照片。

4.根据权利要求3所述的一种混凝图片的拍摄方法，其特征在于，步骤2中，反应容器(2)的边长为13-17cm，加入的水样量为：2000-3000ml，反应容器(2)外壁与平面光源(5)之间距离为25-30cm；其尺寸长宽为：50～65*50～65mm。

5.根据权利要求3所述的一种混凝图片的拍摄方法，其特征在于，步骤4中，搅拌器(3)的搅拌过程为：首先进行快搅，然后进行慢搅，慢搅后关闭搅拌器(3)；设置快搅阶段转速为140～160rmp，时间为1～2min；慢搅阶段转速为30～50rmp，时间为10～12min；关闭搅拌器(3)后的静止沉淀阶段拍摄时间为10～12min。

6.根据权利要求3所述的一种混凝图片的拍摄方法，其特征在于，步骤4中，混凝剂为聚合氯化铝，聚合氯化铝的用量为5-9mgPAC/L。

7.一种机器学习控制絮凝的加药方法，其特征在于，具体包括以下步骤：

步骤1：对于一个原水水样，通过加入1-30mgPAC/L的混凝剂，以每1-2mgPAC/L作为一个梯度浓度进行投加，进行一系列烧杯实验，

步骤2；根据步骤1测量的上清液浊度，判断上清液浊度是否在2-3NTU之间，如有多个混凝剂的投加量都在范围内，即选定最少的混凝剂的投加量为最佳混凝剂的投加量；

步骤3：对于若干个原水水样，让一个原水水样通过权利要求3-6任意一项的拍摄方法得到的絮体照片，并且截取该絮体照片上不受搅拌桨影响的同一位置作为图形样本；对若干个原水水样进行标签处理，即将拍摄的絮体照片和步骤2对应的每个原水的最佳混凝剂的用量相匹配，建立分类标；

步骤4：将步骤3标签好的每个原水的总样本随机按照50％～70％，10％～30％和10％～20％进行分类，构建卷积神经网络的训练集、验证集和测试集；

步骤5：将步骤4中训练集、验证集和测试集的所有图片样本进行归一化；

步骤6：设置卷积神经网络结构：所使用的卷积神经网络总共分为12层，其中包括5个卷积层、3个池化层、3个全连接层和1个输出层；

步骤7：根据步骤6的卷积神经网络结构进行训练和验证，在合适的应用平台利用步骤5中的训练集、验证集图片，进行训练和验证，利用测试集图片进行网络模型验证，完成模型的建立。

8.根据权利要求7所述的一种机器学习控制絮凝的加药方法，其特征在于，步骤6中，卷积神经网络的第1层、第3层、第5层、第6层、第7层为卷积层，第1个卷积层对应的卷积核的数量、大小和步距分别为48个11×11，步长为4；第3层卷积层对应的卷积核的数量、大小和步距分别为128个5×5，步长为1；第5个卷积层对应的卷积核的数量、大小和步距分别为192个3×3，步长为1；第7个卷积层对应的卷积核的数量、大小和步距分别为128个3×3，步长为1；激活函数为ReLU函数；卷积神经网络的第2层、第4层和第8层为池化层，池化层的卷积核大小均为3×3，步长为2；卷积神经网络的第9、10、11层为全连接层，第9层的全连接层神经元个数为4096，第10层和第11层的全连接层的神经元个数均为2048；激活函数为ReLU函数；在两个全连接层后面使用dropout层随机失活20％-30％的神经元；第12层为输出层，输出层有3个神经元，激活函数为softmax。