[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

说明书

本发明公开了一种基于卷积神经网络的活性污泥状态在线监测方法。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并训练，将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。本发明以活性污泥的显微图像为监测对象，建立基于卷积神经网络的污泥形态健康数模型，利用污泥形态健康数模型实施对污水处理厂生物处理系统中活性污泥的监测，不仅能够对活性污泥本身进行健康状态评价，通过对模型输出类别分级以及对模型的训练还能在一定程度上对污水处理厂的进水风险控制提供预警技术支持。

技术领域

本发明涉及污水处理技术领域，具体涉及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。

背景技术

在传统的科学研究中，活性污泥状态的评价往往从传统水质参数(污染物的去除等)和污泥性质指标等进行分析；在基于核酸测序的分子生物学技术的高速发展背景下，利用宏基因组学技术、宏转录组学和单细胞基因组学等方法能够对活性污泥进行更深层、更多维的信息挖掘分析。虽然上述指标能够对污泥进行全面和深度的状态评价，但其检测往往耗时耗力，且具有巨大的延时性(短则小时计，多则月计)，应用于实际工程的日常监测难度很大。

相较而言，显微镜对污泥进行监测操作显得十分简单、高效，只需取样置于显微镜下，即可对活性污泥的健康状态进行初判断。但镜检项目在污水处理厂的日常运行中存在操作频次低、样本量小、对技术人员的要求高等问题，往往无法及时、敏锐地捕捉到污泥形态上的变化，也丧失了镜检的直观性优势。此外，目前也缺乏对污水厂的实际运行中对曝气池中活性污泥整体的健康状态进行科学、系统、客观且标准的污泥评价系统，自然也很难实时对污泥状态进行监测。

对污泥形态研究发现，活性污泥的微观形态特征与其理化性质乃至水质情况都有一定的相关性。认为活性污泥的图像与活性污泥的健康状态也存在相关性。

各种类型的异常污水对活性污泥的毒害影响都是多方面的，不仅能直接或间接地影响污泥的代谢活性，还能通过影响污泥的生理结构对污泥造成深度、不可逆的损伤。极度异常的进水往往能对活性污泥系统造成危害，轻则降低污水的处理效果，重则会严重影响污水处理厂的正常运行，造成巨额经济损失。因此，监测生物反应器系统中的进水情况至关重要，但在实际水厂运行过程中，往往不能及时感知各类进水的各参数含量而做出响应，往往是已经出现出水异常后才能发现污泥系统已经崩溃，尤其是在活性污泥的失稳态化过程较长的情况下。因此，直接关注活性污泥的状态健康与否是监测污水处理厂是否正常运行的最直接方法，也是当前需要解决的问题。

发明内容

本发明针对上述问题，提出了基于卷积神经网络的活性污泥健康状态在线监测方法，该方法建立基于卷积神经网络的污泥形态健康数模型，利用污泥形态健康数模型实时对污泥健康状态进行评价。

本发明的第一方面，提供了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，所述方法包括如下步骤：

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。