CN101520448B - 水质污染预警方法 - Google Patents

Abstract

本发明公开了一种水质污染预警方法，包括步骤：将待监测原水导入鱼缸中，并且将一定数量的小鱼放入鱼缸中；实时采集连续的图像序列帧，并且将其转换为数字图像；对所采集到的图像序列帧进行平滑处理；对平滑处理后的图像序列帧进行阈值分割处理；对阈值分割后的图像序列帧进行去噪处理；根据去噪处理后的图像序列帧计算出小鱼的运动参数；设定预定的运动参数，并且将计算出的运动参数与预定运动参数比较；及判断计算出的运动参数是否大于预定运动参数，当大于预定运动参数时确定所监测的水质收到污染。本发明的优点是水质检测比较及时、准确。

Description

水质污染预警方法

技术领域

本发明涉及一种水质污染预警技术，尤其涉及一种以鱼为预警生物的水质污染预警技术。

背景技术

目前，我国供水行业面临的水质问题主要有两个方面，一是人们对水质标准的要求不断提高；二是当今社会中的饮用水源普遍受到工业污染。如何有效提高水质并且保障城市供水可持续发展已成为现代城市亟待解决的问题。国内关于水质情况预测的技术应用还很少，因此当水质受到污染时，只有在自来水管中流出具有异味的水或者有居民申报的情况下，我们才能够发现并进行处理水质污染。

这种信息滞后性造成了饮用水水源的重大污染事件屡屡发生，饮用水水质安全时常面临着严重的威胁。由此可见，水质污染事故的早期发现与警报将是保障饮用水水质安全，实现安全供水的最佳途径。

目前对水样进行化学分析可以准确检测出目标污染物的含量，但由于污染物的种类繁多，这种对水样进行化学分析的技术无法迅速确定主要毒性物质，进而无法对水体微生物进行准确灭杀，最终难以适应越来越高的饮用水水质标准要求。

另外，现有的物理化学监测仪器检测方法具有耗时长、检测费用高、无法实现实时连续监测等缺陷，这些也缺陷造成我们无法快速地发现水质污染迹象，也不能准确地判别水质污染程度。

因而，有必要提供一种水质污染预警装置，以便克服现有技术的缺点与不足。

发明内容

本发明的目的是提供一种水质污染预警方法，其能够实现实时、准确的水质检测，从而实现预警目的。

为了实现上述目的，本发明提供一种水质污染预警方法，包括步骤：将待监测原水导入鱼缸中，并且将一定数量的小鱼放入鱼缸中；实时采集连续的图像序列帧，并且将其转换为数字图像；对所采集到的图像序列帧进行平滑处理；对平滑处理后的图像序列帧进行阈值分割处理；对阈值分割后的图像序列帧进行去噪处理；根据去噪处理后的图像序列帧计算出小鱼的运动参数；设定预定的运动参数，并且将计算出的运动参数与预定运动参数比较；及判断计算出的运动参数是否大于预定运动参数，当大于预定运动参数时确定所监测的水质收到污染。

本发明的优点在于：水质检测比较及时、准确。

下面将结合附图，通过优选实施例详细描述本发明。

附图说明

图1为用于执行本发明水质污染预警方法的装置的结构框图。

图2为图1所示水质污染预警装置的鱼缸的立体图。

图3为本发明水质污染预警的方法流程图。

具体实施方式

现在参考附图对本发明进行描述。

本发明人的原理为：有些水生生物对水质变化的敏感程度很高，通过对一定数量的该水生生物的行为进行分析可以迅速、准确判断出水质是否有毒化污染的情况。由此，发明人认为：基于分析生物毒性反应的水质污染预警技术能够及时准确的发现、预警并处理水质污染事件，有效保证水质，进而避免饮用水污染事故的发生，同时也能够为水处理工艺的***控制提供精确的水质数据。

比如，鱼类对水中的化学成分的变化就反应十分灵敏，同时鱼类也是与人类最接近的脊椎类动物，因此通过对其运动轨迹的变化进行跟踪和分析，能够达到远程监测水质情况的要求，一旦水质出现异常状况，鱼类的运动情况就会发生相应的变化，从而实现了对水质污染的早发现、早报警和早控制。

下面详细描述本发明的水质污染预警方法。

参看图1和图2，首先介绍根据本发明的水质污染预警装置包括鱼缸10、用于对鱼缸10的内部进行活动图像采集的摄像机20、与所述摄像机20连接以便对摄像机20采集到的模拟图像转换为数字图像的模数转换器30、与所述模数转换器30连接并且用于处理图像和控制摄像机20及模数转换器30的微处理器40以及用于存储图像数据的存储器50。

图2展示了鱼缸10的详细立体结构。如图所示，鱼缸10总体上为立方体形状，其包括底壁13、从所述底壁13的左右两侧延伸出的一对侧壁12及从所述底壁13的前后两侧延伸的前壁11和后壁14。所述底壁13、前壁11、后壁14及一对侧壁12共同界定了鱼缸10的内部空间。所述一个侧壁12上安装有出水口122、备用进出水口124及排水口126；而另一个侧壁12上则安装有溢出水出口128和进水口121。

所述内部空间内靠近后壁14的位置纵向设置有LED背光板127及与所述LED背光板127相隔一定距离的乳白色背光板129。此外，所述内部空间内在靠近前壁11的位置纵向设置有支架125。支架125具有靠近所述一对侧壁12的侧板(未标号)，该侧板上形成用于调节鱼缸10内水流速度的导流槽。

所述摄像机20设置在所述鱼缸10的底壁13上靠近前壁11的位置，并且面向所述内部空间。此外，所述摄像机20可以由摄像机支架123来支撑。

下面参考图1-3描述借助上述水质污染预警装置实现的水质预警方法。

首先，将待监测原水导入所述鱼缸10中，将对待监测原水敏感的一定数量的脊椎动物，比如斑马鱼(身长约为20*10mm，颜色为较深)放入所述所述鱼缸10中(图3中的步骤100)。在将待监测原水导入所述鱼缸10的过程中，可以通过所述鱼缸10的出水口122、备用进出水口124、排水口126、溢出水出口128及进水口121对水流速度、鱼缸10内水的容量等参数进行调节。

其次，启动摄像机20，从而导致摄像机20实时采集鱼缸10内部空间的图像帧序列，并且借助模数转换器30在微处理器40的控制下将所述摄像机20采集到的模拟图像转换为数字图像(图3中的步骤200)。优选地，所述摄像机20以1-8幅/秒的速度对鱼缸10的内部空间进行拍摄，同时将数据传输到图像采集卡中，并且每隔5秒钟拍摄一次内部空间。

接下来，对所采集到的图像序列帧进行平滑处理(图3中的步骤300)。具体地说，微处理器40通过执行适当算法比如Harris角点检测算法对所采集的图像帧序列进行角点检测，从而依次确定鱼缸10中的水区域的左上、左下、右下、右上四个角点的位置。根据确定的四个角点将鱼缸10中的水的区域标识出来，从而完成观测区域的选定。确定鱼缸的观测区域，可以减小所处理图像的大小，从而提高***比如微处理器40的处理速度。

图像平滑处理可以这样进行：对在观测区域中采集到的观测图像中的一定领域内的像素值根据其范围变化进行滤波处理，从而使观测图像的边缘数据较为完整，同时将图像噪声降到最低。

然后，对平滑处理后的图像序列帧进行阈值分割处理(图3中的步骤400)。图像阈值分割可以这样进行：由目标边缘梯度特征的自适应阈值提取算法实现对所需观测图像的区分。即按照用户设定的二值化阈值来精确观测图像中对小鱼的跟踪识别范围。

随后，对阈值分割后的图像序列帧进行去噪处理(图3中的步骤500)，从而进一步消除面积较小的图像，即小于0.01mm的杂质(如气泡、鱼的***物等)。

根据去噪处理后的图像序列帧计算出小鱼的运动参数(图3中的步骤600)。具体地，建立背景帧数为300帧，即将这300帧图像作为参考数据，通过这些数据中对选定的观测区域内的小鱼进行标识，主要由图像中小鱼位置坐标的标定和小鱼运动方向的确定，从而实现对观测区域内小鱼的识别。在观测区域中的每一条小鱼可在图像显示中通过不同颜色圈出，并且观测区域中的每条小鱼也标记上了相应的序列号，将这些数据信息保存在所述存储器50中。

进一步，通过标识后的小鱼的运动轨迹计算小鱼的游动速度、平均高度及平均转弯次数。针对每条小鱼，所述微处理器40分别启动一个跟踪和识别线程，计算小鱼在这300帧图像中的游动速度、平均高度及平均转弯次数。具体来说，以1秒为单位计算鱼的运动速度大小，然后根据背景帧数的设置(背景帧数设为300帧)计算小鱼平均速度的大小；计算小鱼在鱼缸坐标系中的平均高度，确定小鱼在已设置的背景帧数中的平均高度；平均转弯次数的计算，先计算相邻两帧鱼的速度，运动速度发生变向为可能转弯的点，在根据改变方向前后40帧的位置，进一步判断，从而计算出小鱼的转弯次数。

另外，所述微处理器40通过对小鱼序列目标的跟踪，将每个序列目标进行Kalman预测，并将预测后的位置传递给MeanShit算法中进行小鱼序列目标的定位识别。实现了小鱼运动轨迹的预测。有利于提高开天源饮用水毒性监测***的监测分析速度。

随后，设定预定的运动参数，并且将计算出的运动参数与预定运动参数比较(图3中的步骤700)。

比如，设定预定的运动参数可以包括：设定鱼缸宽度，建立背景帧数、背景更新速率、二值化阈值、目标大小的最大值、目标大小的最小值等。在此，将鱼缸宽度选为400mm。同时在进行目标检测时，利用带有目标的图像建立背景帧数。帧数越多则建立的初始背景效果越好。***默认的帧数为300。背景更新速率是当前帧对背景图像的影响，此系数越大，建立背景图像的速度越快，但是目标的残余对背景的影响也越大。根据测试得出背景更新速率为0.005时，建立的背景能够取得比较好的效果，所以***默认为0.005。

二值化阈值是用于目标检测与提取时，当前图像与背景图像差分结果，大于此值令像素值为255(即目标)，小于此值为0(即背景)。可以根据实际情况进行调整。当小鱼与背景对比度高时，适当提高此值可以减小噪声影响。但是，如果对比度低，此阈值又比较高，就会丢失掉一些目标信息。在此***默认的对比度为60。试验中，二值化阈值参量的设定约为39时，监测图像较好。目标尺寸的最大和最小值系数是相对图像大小的系数。如果目标的宽与高小于图像宽与高与最小值系数的大小，就认为此目标是噪声。同样，如果目标的宽与高大于图像宽与高与最大值系数的大小，就认为此目标也是噪声。***默认为最小值为0.002，最大值为0.3。

优选地，所述设定的预定运动参数包括小鱼的平均速度、平均高度及平均转弯次数。并且，预定的平均速度为20mm/s-80mm/s，平均高度为70mm-250mm，平均转弯次数为4-12次。

将计算出的运动参数与预定运动参数比较可以这样进行：当小鱼的平均速度大于20mm/s-80mm/s，平均高度大于70mm-250mm，平均转弯次数大于4-12次时，可视为小鱼的运动在非正常范围内，表明当前水质是异常的(图3中的步骤800)，也就是说被监测水质受到污染。

概括地讲，在本发明的技术方案中：采用数码摄像设备24小时实时连续采集原水水体中若干条鱼的活动图像，实现对鱼的高精度跟踪，由图像处理***分析鱼的游动速度、鱼之间的距离、鱼在单位时间内转弯的次数、活鱼数量等基本参数，由水质预警仪判断出鱼的运动行为和健康状况，进而对预测水质是否受到污染做出相应的分析。

所采用的若干条鱼的大小为20*10mm，颜色为深色，通常采用斑马鱼，其体型小，摄影机辨识度好。

本发明的有益效果在于：小鱼对水中毒性物质和污染物非常敏感，通过监测鱼的异常行动，能够在早期监测出水质异常，较早确认水质污染事件，及时发出预警信号，对水体有害物质进行快速清除，确保饮用水质安全。

另外，本发明安装简单，结构紧凑，易于操作、维护和扩充，***针对性强可靠性高，运行稳定，适合多种现场运行条件。

以上所揭露的仅为本发明的优选实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明申请专利范围所作的等同变化，仍属本发明所涵盖的范围。

Claims (6)

1.一种水质污染预警方法，其特征在于包括如下步骤：

将待监测原水导入鱼缸中，并且将一定数量的小鱼放入鱼缸中；

实时采集连续的图像序列帧，并且将其转换为数字图像；

对所采集到的图像序列帧进行平滑处理；

对平滑处理后的图像序列帧进行阈值分割处理；

对阈值分割后的图像序列帧进行去噪处理；

根据去噪处理后的图像序列帧计算出小鱼的运动参数；

设定预定的运动参数，并且将计算出的运动参数与预定运动参数比较；及

判断计算出的运动参数是否大于预定运动参数，当大于预定运动参数时确定所监测的水质受到污染；

对所采集到的图像序列帧进行平滑处理的步骤包括：

1)借助微处理器执行Harris角点检测算法，对所采集的图像帧序列进行角点检测，从而依次确定鱼缸中的水区域的左上、左下、右下、右上四个角点的位置，根据确定的四个角点将鱼缸中的水的观测区域标识出来；和

2)对在观测区域中采集到的观测图像中的一定领域内的像素值根据其范围变化进行滤波处理，从而使观测图像的边缘数据较为完整，同时将图像噪声降到最低；

所述对平滑处理后的图像序列帧进行阈值分割处理的步骤包括由目标边缘梯度特征的自适应阈值提取算法实现对所需观测图像的区分；

对阈值分割后的图像序列帧进行去噪处理的步骤包括消除面积小于0.01mm的杂质；

根据去噪处理后的图像序列帧计算出小鱼的运动参数的步骤包括：

1)建立背景帧数为300帧，将这300帧图像作为参考数据，通过这些数据中对选定的观测区域内的小鱼进行标识，从而实现对观测区域内小鱼的识别，将所述观测区域中的每一条小鱼的图像标示不同的颜色，并且将观测区域中的每条小鱼也标记上了相应的序列号，最后将这些数据信息保存在存储器中；

2)通过标识后的小鱼的运动轨迹计算小鱼的游动速度、平均高度及平均转弯次数，针对每条小鱼，所述微处理器分别启动一个跟踪和识别线程，以1秒为单位计算鱼的运动速度大小，然后根据背景帧数的设置计算小鱼平均速度的大小，计算小鱼在鱼缸坐标系中的平均高度，确定小鱼在已设置的背景帧数中的平均高度，计算相邻两帧鱼的速度，将运动速度的变向确定为可能的转弯点，在根据改变方向前后40帧的位置进一步计算出小鱼的转弯次数；和

3)微处理器通过对小鱼序列目标的跟踪，将每个序列目标进行Kalman预测，并将预测后的位置传递给MeanShit算法中进行小鱼序列目标的定位识别。

2.根据权利要求1所述的方法，其特征在于：所述将待监测原水导入鱼缸中，并且将一定数量的小鱼放入鱼缸中的步骤包括将待监测原水导入所述鱼缸中，将对待监测原水敏感的一定数量并且宽度为20mm，长度为10mm的斑马鱼放入所述所述鱼缸中。

3.根据权利要求2所述的方法，其特征在于：实时采集连续的图像序列帧，并且将其转换为数字图像的步骤包括启动摄像机，从而导致摄像机实时采集鱼缸内部空间的图像帧序列，并且借助模数转换器在微处理器的控制下将所述摄像机采集到的模拟图像转换为数字图像。

4.根据权利要求3所述的方法，其特征在于：所述摄像机以1-8幅/秒的速度对鱼缸的内部空间进行拍摄，并且每隔5秒钟拍摄一次。

5.根据权利要求1所述的方法，其特征在于：预定运动参数包括小鱼的平均速度、平均高度及平均转弯次数；并且所述预定的平均速度为20mm/s-80mm/s，平均高度为70mm-250mm，平均转弯次数为4-12次。

6.根据权利要求5所述的方法，其特征在于：将计算出的运动参数与预定运动参数比较的步骤包括当小鱼的平均速度大于20mm/s-80mm/s，平均高度大于70mm-250mm，平均转弯次数大于4-12次时确定小鱼的运动在非正常范围内，从而判断出水质异常。

Images