[发明专利]基于卷积神经网络的活性污泥状态在线监测方法

权利要求书

1.一种基于卷积神经网络的活性污泥健康状态在线监测方法，其特征在于，所述方法包括以下步骤：

利用实时在线显微图像捕获装置周期性获取活性污泥显微图像；

以卷积神经网络为主网络搭建污泥形态健康数模型：

所述污泥形态健康数模型输入层将输入显微图像数据随机裁剪至224×224，调用内置Normalize函数对图片数据进行标准化处理；

所述污泥形态健康数模型输出层输出目标数量类别的一维向量，分别代表输入样本的预测结果和相应的概率值，并取最大概率所对应的类别为分类结果；

训练污泥形态健康数模型，训练过程中模型的输入层随机选择训练集中的图片进行水平方向的翻转后再进行标准化处理；

训练完成的污泥形态健康数模型实时地对周期性输入的活性污泥显微图像中的污泥状态做出评价。

2.根据权利要求1所述的基于卷积神经网络的活性污泥健康状态在线监测方法，其特征在于，所述方法还包括对监测活性污泥状态进行实时在线界面显示，所述在线界面包括：在线活性污泥的图像展示窗口、污泥状态评价的运行和结果显示窗口、在线监测污泥悬浊液的溶解氧值和pH值显示窗口。

3.根据权利要求1所述的基于卷积神经网络的活性污泥健康状态在线监测方法，其特征在于，所述目标数量类别为10个等级类别，从第1级为最不健康的污泥等级健康数升高至第10级为最健康的污泥等级健康数。

4.根据权利要求1所述的基于卷积神经网络的活性污泥健康状态在线监测方法，其特征在于，所述卷积神经网络为融入注意力机制的EfficientNet B0。

5.根据权利要求3所述的基于卷积神经网络的活性污泥健康状态在线监测方法，其特征在于，所述方法还包括对污泥形态健康数模型输出的污泥等级健康数进行周期性的统计分析。

6.根据权利要求5所述的基于卷积神经网络的活性污泥健康状态在线监测方法，其特征在于，所述方法还包括在统计分析前利用箱型图对异常数据进行筛除。

7.根据权利要求1所述的基于卷积神经网络的活性污泥健康状态在线监测方法，其特征在于，所述方法还包括对污泥形态健康数模型输出的预测结果和相应的概率值进行优化，包括：

利用最大值归一化方法将污泥形态健康数模型输出的预测结果所对应的概率值调整到0.8和1.2之间，获取调整后的扩增或缩减系数；

将扩增或缩减系数与污泥形态健康数模型输出的预测结果进行乘积运算，获取优化后的预测结果。