CN107316301A - 一种便捷的污水中悬浮颗粒浓度在线检测*** - Google Patents
一种便捷的污水中悬浮颗粒浓度在线检测*** Download PDFInfo
- Publication number
- CN107316301A CN107316301A CN201710582054.7A CN201710582054A CN107316301A CN 107316301 A CN107316301 A CN 107316301A CN 201710582054 A CN201710582054 A CN 201710582054A CN 107316301 A CN107316301 A CN 107316301A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- sewage
- image
- msup
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000010865 sewage Substances 0.000 title claims abstract description 67
- 239000002245 particle Substances 0.000 title claims abstract description 60
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 238000003709 image segmentation Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 2
- 239000000725 suspension Substances 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims 2
- 238000001514 detection method Methods 0.000 abstract description 10
- 238000000034 method Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 230000002950 deficient Effects 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002028 premature Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
- 238000003911 water pollution Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Dispersion Chemistry (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种便捷的污水中悬浮颗粒浓度在线检测***，包括图像采集装置、微处理器模块、数据存储模块、无线传输模块和显示模块，所述图像采集装置用于采集污水池中各区域的污水图像，所述微处理器模块用于对采集得到的污水图像进行处理和分析，从而计算污水中悬浮颗粒的浓度，所述数据存储模块用于保存采集得到的污水图像的信息，所述无线传输模块用于将计算所得的悬浮颗粒浓度值传输到显示模块进行显示。本发明的有益效果为：本***将图像处理技术应用到污水中悬浮颗粒浓度的在线检测中，通过对所述污水图像进行图像滤波、图像分割和图像识别等算法，能够准确、实时测量出污水中悬浮颗粒的浓度，实现自动化检测和控制。
Description
技术领域
本发明创造涉及污水检测领域，具体涉及一种便捷的污水中悬浮颗粒浓度在线检测***。
背景技术
我国的水资源含量异常匮乏，人均占有量是世界人均量的四分之一，西北和华北地区常年干旱，严重缺水，每年因缺水损失的国家生产值近2300亿元，所以保护水资源的重要性不言而喻，但是另一方面，随着我国经济的快速发展和城市的不断扩张所带来的工业废水以及生活污水源源不断的流入水土，使水资源质量大大下降，本已匮乏的水资源变得岌岌可危。因此，对污水进行实时的在线检测，对于及时发现和预防水污染都有着重要的意义。
在污水处理工艺中，实时在线检测污水中悬浮颗粒的浓度对保证工艺的正常运行以及污水处理的出水质量具有重要的意义，然而现有的对污水中悬浮颗粒浓度的检测主要是依靠进口国外的装置或者依靠人工凭经验判断污水中悬浮颗粒的浓度，不仅准确率很低，还耗费大量人力和财力，因此，设计开发出一个能够准确、高效检测污水中悬浮颗粒浓度的实时在线检***迫在眉睫。本发明提供一种便捷的污水中悬浮颗粒浓度的在线检测***，利用图像处理技术对污水中悬浮颗粒浓度进行实时在线检测，实现了污水中悬浮颗粒浓度的实时在线检测。
发明内容
针对上述问题，本发明旨在提供一种便捷的污水中悬浮颗粒浓度在线检测***。
本发明创造的目的通过以下技术方案实现：
一种便捷的污水中悬浮颗粒浓度在线检测***，包括图像采集装置、微处理器模块、数据存储模块、无线传输模块和显示模块，所述图像采集装置用于采集污水池中各区域的污水图像，所述微处理器模块用于对采集得到的污水图像进行处理和分析，从而计算污水中悬浮颗粒的浓度，所述数据存储模块用于保存采集得到的污水图像的信息，所述无线传输模块用于将计算所得的悬浮颗粒浓度值传输到显示模块进行显示。
本发明创造的有益效果：本***将图像处理技术应用到污水中悬浮颗粒浓度的在线检测中，通过对所述污水图像进行图像滤波、图像分割和图像识别等算法，能够准确、实时测量出污水中悬浮颗粒的浓度，实现自动化检测和控制。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图；
图2是本发明微处理器模块的结构示意图。
附图标记：
图像采集装置1；微处理器模块2；数据存储模块3；无线传输模块4；显示模块5；图像预处理单元21；图像分割单元22；浓度计算单元23。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1和图2，本实施例的一种便捷的污水中悬浮颗粒浓度在线检测***，包括图像采集装置1、微处理器模块2、数据存储模块3、无线传输模块4和显示模块5，所述图像采集装置1用于采集污水池中各区域的污水图像，所述微处理器模块2用于对采集得到的污水图像进行处理和分析，从而计算污水中悬浮颗粒的浓度，所述数据存储模块3用于保存采集得到的污水图像的信息，所述无线传输模块4用于将计算所得的悬浮颗粒浓度值传输到显示模块5进行显示。
优选地，所述图像采集模块1包括显微镜和摄像头，所述显微镜用于放大污水中的悬浮颗粒，所述摄像头用于采集显微镜放大后的污水图像。
本优选实施例将图像处理技术应用到污水中悬浮颗粒浓度的在线检测中，通过对所述污水图像进行图像滤波、图像分割和图像识别等算法，能够准确、实时测量出污水中悬浮颗粒的浓度，实现自动化检测和控制。
优选地，所述微处理器模块2用于对采集得到的污水图像进行处理和分析，包括图像预处理单元21、图像分割单元22和浓度计算单元23，所述图像预处理单元21用于对采集得到的原始污水图像进行处理，从而改善污水图像质量，所述图像分割单元22用于在处理后的污水图像中划分出悬浮颗粒的区域，所述浓度计算单元23用于对污水图像中的悬浮颗粒进行识别得到悬浮颗粒的粒径，并根据所述粒径计算颗粒的体积，进而计算出污水中悬浮颗粒的浓度。
优选地，所述图像预处理单元21采用非局部均值滤波算法对采集得到的原始污水图像进行处理，其采用改进的权重计算方法，具体为：
式中，Da和Db是像素点a和像素点b的方形邻域，h(Da，Db)是邻域Da和Db之间的灰度距离，是邻域Da和Db之间的高斯加权欧式距离，γ是高斯核函数的标准差，h是滤波参数。
本优选实施例在图像的滤波过程中通过改进非局部均值算法中权重的计算，引进了邻域之间像素灰度差异作为权重的另一参考参数，与传统的非局部均值滤波算法相比，本算法较好的保护了图像的边缘，突出了几何特征和纹理，滤波效果比原有算法有所提高。
优选地，所述图像分割单元22采用基于粒子群优化算法寻找图像的最大模糊熵，从而划分出悬浮颗粒的区域，具体为：
(1)在粒子群优化算法中引进改进的惯性权重因子，则惯性权重ωi的计算公式为：
式中，ωi是第i个粒子的惯性权重，ω0取值0.7，lmax是粒子距离全局最优值之间的最大欧几里得距离，li是当前粒子距离全局最优值之间的欧几里得距离，lmin是粒子距离全局最优值之间最小的欧几里得距离，r是当前的迭代次数，rmax为最大迭代次数，xij是当前粒子所在的位置，pgj表示粒子本身所找到的最优解的位置；
(2)在粒子群优化算法中引进小波变异操作，定义是第r次迭代时选中的第i个要变异的粒子，是该粒子的第j维，xr是r次迭代时的群体最优解，xmax该粒子搜索空间的上限，xmin是该粒子搜索空间的下限，则变异后的为：
式中，ρε是单调递增方程的形状参数，g为a的上限值，r为当前的迭代次数，rmax为最大迭代次数，li是当前粒子距离全局最优值之间的欧几里得距离。
本优实施例引进动态调整的惯性权重因子，能够保证粒子在偏离全局最优时，粒子和全局最优值之间的吸引力将保证粒子不会偏离最优值太远，从而避免了过早收敛和收敛速度较慢的问题，改善了粒子群优化算法的性能；在变异操作中，引入了当前粒子距离全局最优值之间欧几里得距离进行计算，平衡了算法的全局搜索能力和局部搜索能力。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (5)
1.一种便捷的污水中悬浮颗粒浓度在线检测***，其特征是，包括图像采集装置、微处理器模块、数据存储模块、无线传输模块和显示模块，所述图像采集装置用于采集污水池中各区域的污水图像，所述微处理器模块用于对采集得到的污水图像进行处理和分析，从而计算污水中悬浮颗粒的浓度，所述数据存储模块用于保存采集得到的污水图像的信息，所述无线传输模块用于将计算所得的悬浮颗粒浓度值传输到显示模块进行显示。
2.根据权利要求1所述的一种便捷的污水中悬浮颗粒浓度在线检测***，其特征是，所述图像采集模块包括显微镜和摄像头，所述显微镜用于放大污水中的悬浮颗粒，所述摄像头用于采集显微镜放大后的污水图像。
3.根据权利要求1所述的一种便捷的污水中悬浮颗粒浓度在线检测***，其特征是，所述微处理器模块用于对采集得到的污水图像进行处理和分析，包括图像预处理单元、图像分割单元和浓度计算单元，所述图像预处理单元用于对采集得到的原始污水图像进行处理，从而改善污水图像的质量，所述图像分割单元用于在处理后的污水图像中划分出悬浮颗粒的区域，所述浓度计算单元用于对污水图像中的悬浮颗粒进行识别得到悬浮颗粒的粒径，并根据所述粒径计算颗粒的体积，进而计算出污水中悬浮颗粒的浓度。
4.根据权利要求3所述的一种便捷的污水中悬浮颗粒浓度在线检测***，其特征是，所述图像预处理单元采用非局部均值滤波算法对采集得到的原始污水图像进行处理，从而改善污水图像质量，其对算法中的权重的计算方式进行改进，具体为：
<mrow>
<mi>w</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>C</mi>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<msup>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mfrac>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<mi>h</mi>
<mo>(</mo>
<mrow>
<msub>
<mi>D</mi>
<mi>a</mi>
</msub>
<mo>,</mo>
<msub>
<mi>D</mi>
<mi>b</mi>
</msub>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>*</mo>
<mo>|</mo>
<mo>|</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>D</mi>
<mi>a</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>u</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>D</mi>
<mi>b</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<msubsup>
<mo>|</mo>
<mrow>
<mn>2</mn>
<mo>,</mo>
<mi>&gamma;</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
<mrow>
<mn>2</mn>
<msup>
<mi>h</mi>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
</msup>
</mrow>
式中，Da和Db是像素点a和像素点b的方形邻域，h(Da,Db)是邻域Da和Db之间的灰度距离，是邻域Da和Db之间的高斯加权欧式距离，γ是高斯核函数的标准差，h是滤波参数。
5.根据权利要求4所述的一种便捷的污水中悬浮颗粒浓度在线检测***，其特征是，所述图像分割单元采用基于粒子群优化算法寻找图像的最大模糊熵，从而划分出悬浮颗粒的区域，具体为：
(1)在粒子群优化算法中引进改进的惯性权重因子，则惯性权重ωi的计算公式为：
<mrow>
<msub>
<mi>&omega;</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msub>
<mi>&omega;</mi>
<mn>0</mn>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msqrt>
<mrow>
<mfrac>
<msub>
<mi>l</mi>
<mi>i</mi>
</msub>
<mrow>
<msub>
<mi>l</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>l</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>&times;</mo>
<mfrac>
<mi>r</mi>
<msub>
<mi>r</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mfrac>
</mrow>
</msqrt>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>l</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>g</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</msqrt>
</mrow>
式中，ωi是第i个粒子的惯性权重，ω0取值0.7，lmax是粒子距离全局最优值之间的最大欧几里得距离，li是当前粒子距离全局最优值之间的欧几里得距离，lmin是粒子距离全局最优值之间的最小欧几里得距离，r是当前的迭代次数，rmax为最大迭代次数，xij是当前粒子所在的位置，pgj表示粒子本身所找到的最优解的位置；
(2)在粒子群优化算法中引进小波变异操作，定义是第r次迭代时选中的第i个要变异的粒子，是该粒子的第j维，xr是r次迭代时的群体最优解，xmax是该粒子搜索空间的上限，xmin是该粒子搜索空间的下限，则变异后的为：
<mrow>
<msup>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>r</mi>
</msubsup>
<mo>&prime;</mo>
</msup>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msup>
<mi>x</mi>
<mi>r</mi>
</msup>
<mo>+</mo>
<mi>&sigma;</mi>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>max</mi>
</msub>
<mo>-</mo>
<msup>
<mi>x</mi>
<mi>r</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&sigma;</mi>
<mo>></mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msup>
<mi>x</mi>
<mi>r</mi>
</msup>
<mo>+</mo>
<mi>&sigma;</mi>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<msup>
<mi>x</mi>
<mi>r</mi>
</msup>
<mo>-</mo>
<msub>
<mi>x</mi>
<mi>min</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&CenterDot;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>&sigma;</mi>
<mo>&le;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>+</mo>
<msqrt>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>2</mn>
<msub>
<mi>l</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
</msqrt>
<mo>)</mo>
</mrow>
</msup>
</mrow>
<mrow>
<mi>a</mi>
<mo>=</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>ln</mi>
<mi>g</mi>
<mo>&times;</mo>
<msup>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>r</mi>
<mo>/</mo>
<msub>
<mi>r</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>&rho;</mi>
<mi>&epsiv;</mi>
</msub>
</msup>
<mo>+</mo>
<mi>ln</mi>
<mi>g</mi>
</mrow>
</msup>
</mrow>
式中，ρε是单调递增方程的形状参数，g为a的上限值，r为当前的迭代次数，rmax为最大迭代次数，li是当前粒子距离全局最优值之间的欧几里得距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710582054.7A CN107316301B (zh) | 2017-07-17 | 2017-07-17 | 一种便捷的污水中悬浮颗粒浓度在线检测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710582054.7A CN107316301B (zh) | 2017-07-17 | 2017-07-17 | 一种便捷的污水中悬浮颗粒浓度在线检测*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107316301A true CN107316301A (zh) | 2017-11-03 |
| CN107316301B CN107316301B (zh) | 2020-11-24 |
Family
ID=60178177
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710582054.7A Active CN107316301B (zh) | 2017-07-17 | 2017-07-17 | 一种便捷的污水中悬浮颗粒浓度在线检测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107316301B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108572008A (zh) * | 2018-04-21 | 2018-09-25 | 张冬梅 | 水龙头下方容器电子清洁*** |
| CN110426335A (zh) * | 2019-09-05 | 2019-11-08 | 苏州大学 | 一种基于原子力显微镜的纳米颗粒浓度测量方法 |
| CN110907454A (zh) * | 2019-12-23 | 2020-03-24 | 上海西派埃智能化***有限公司 | 一种污水处理厂跑泥监测分析*** |
| CN112028136A (zh) * | 2019-12-13 | 2020-12-04 | 王庆华 | 污水处理设备空转辨识***及方法 |
| CN112098289A (zh) * | 2020-09-23 | 2020-12-18 | 中国海洋大学 | 基于数字图像处理的海洋悬浮颗粒物浓度测定装置及方法 |
| CN112730174A (zh) * | 2020-12-17 | 2021-04-30 | 华南理工大学 | 一种实时监测结晶过程中类球形颗粒浓度的方法 |
| CN115046966A (zh) * | 2022-08-16 | 2022-09-13 | 山东国慈新型材料科技有限公司 | 一种环境污水可循环利用程度检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101254177B1 (ko) * | 2011-10-07 | 2013-04-19 | 위아코퍼레이션 주식회사 | 방사형 기저 함수 신경회로망 알고리즘을 이용한 실시간 얼굴 인식 시스템 |
| CN103066595A (zh) * | 2012-12-26 | 2013-04-24 | 中国电力科学研究院 | 一种特高压暂态稳定控制的优化方法 |
| CN204789243U (zh) * | 2015-06-17 | 2015-11-18 | 湖南首创投资有限责任公司 | 一种污水悬浮颗粒浓度在线检测*** |
| CN205538573U (zh) * | 2016-02-29 | 2016-08-31 | 安徽理工大学 | 基于图像处理的污水中悬浮颗粒浓度在线检测*** |
-
2017
- 2017-07-17 CN CN201710582054.7A patent/CN107316301B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101254177B1 (ko) * | 2011-10-07 | 2013-04-19 | 위아코퍼레이션 주식회사 | 방사형 기저 함수 신경회로망 알고리즘을 이용한 실시간 얼굴 인식 시스템 |
| CN103066595A (zh) * | 2012-12-26 | 2013-04-24 | 中国电力科学研究院 | 一种特高压暂态稳定控制的优化方法 |
| CN204789243U (zh) * | 2015-06-17 | 2015-11-18 | 湖南首创投资有限责任公司 | 一种污水悬浮颗粒浓度在线检测*** |
| CN205538573U (zh) * | 2016-02-29 | 2016-08-31 | 安徽理工大学 | 基于图像处理的污水中悬浮颗粒浓度在线检测*** |
Non-Patent Citations (2)
| Title |
|---|
| 张伟 等: "基于改进粒子群优化的模糊熵煤尘图像分割", 《控制与决策》 * |
| 王珏 等: "邻域加窗的非局部均值CT成像去噪方法", 《计算机工程与应用》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108572008A (zh) * | 2018-04-21 | 2018-09-25 | 张冬梅 | 水龙头下方容器电子清洁*** |
| CN110426335A (zh) * | 2019-09-05 | 2019-11-08 | 苏州大学 | 一种基于原子力显微镜的纳米颗粒浓度测量方法 |
| CN112028136A (zh) * | 2019-12-13 | 2020-12-04 | 王庆华 | 污水处理设备空转辨识***及方法 |
| CN110907454A (zh) * | 2019-12-23 | 2020-03-24 | 上海西派埃智能化***有限公司 | 一种污水处理厂跑泥监测分析*** |
| CN110907454B (zh) * | 2019-12-23 | 2022-04-01 | 上海西派埃智能化***有限公司 | 一种污水处理厂跑泥监测分析*** |
| CN112098289A (zh) * | 2020-09-23 | 2020-12-18 | 中国海洋大学 | 基于数字图像处理的海洋悬浮颗粒物浓度测定装置及方法 |
| CN112098289B (zh) * | 2020-09-23 | 2021-04-20 | 中国海洋大学 | 基于数字图像处理的海洋悬浮颗粒物浓度测定装置及方法 |
| CN112730174A (zh) * | 2020-12-17 | 2021-04-30 | 华南理工大学 | 一种实时监测结晶过程中类球形颗粒浓度的方法 |
| CN115046966A (zh) * | 2022-08-16 | 2022-09-13 | 山东国慈新型材料科技有限公司 | 一种环境污水可循环利用程度检测方法 |
| CN115046966B (zh) * | 2022-08-16 | 2022-11-04 | 山东国慈新型材料科技有限公司 | 一种环境污水可循环利用程度检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107316301B (zh) | 2020-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107316301A (zh) | 一种便捷的污水中悬浮颗粒浓度在线检测*** | |
| WO2022184088A1 (zh) | 一种基于集成学习的洪水敏感性风险评估方法 | |
| Zhang et al. | Influences of wind and precipitation on different-sized particulate matter concentrations (PM 2.5, PM 10, PM 2.5–10) | |
| Wu et al. | Mapping building carbon emissions within local climate zones in Shanghai | |
| CN108595414A (zh) | 基于源汇空间变量推理的土壤重金属企业污染源识别方法 | |
| Manning | Observations of the properties of flocculated cohesive sediment in three western European estuaries | |
| CN106096246B (zh) | 基于pm2.5和pm10的气溶胶光学厚度估计方法 | |
| CN107807907A (zh) | 一种降水分类方法及*** | |
| Đomlija et al. | Identification and mapping of soil erosion processes using the visual interpretation of LiDAR imagery | |
| CN107784165A (zh) | 基于光伏电站的地表温度场多尺度资料同化方法 | |
| CN110232334A (zh) | 一种基于卷积神经网络的钢结构锈蚀识别方法 | |
| CN110765419A (zh) | 一种基于多源数据耦合的重要水功能区水质风险测评方法 | |
| Yang et al. | Migration of barchan dunes and factors that influence migration in the Sanlongsha dune field of the northern Kumtagh Sand Sea, China | |
| CN113469097B (zh) | 一种基于ssd网络的水面漂浮物多相机实时检测方法 | |
| CN105678763A (zh) | 一种稳定的直线/圆特征检测方法 | |
| Huang et al. | Detecting coal-carrying rate in gangue based on binocular machine vision and particle queuing method | |
| Boakye et al. | Land use change and sediment yield studies in Ghana | |
| Liu et al. | Study of an evaluation method for water resources carrying capacity based on the projection pursuit technique | |
| Guest et al. | Small-scale morpho-sedimentary dynamics in the swash zone of a megatidal mixed sand–gravel beach | |
| CN115936545A (zh) | 一种基于水热互补方程的两参数月尺度水文模型建立方法 | |
| Xie et al. | An improved floc image segmentation algorithm based on Otsu and particle swarm optimisation | |
| CN110517220A (zh) | 一种基于激光三维数据的集料表面数量检测方法 | |
| Zhang et al. | Design of estimation algorithm of island intelligent tourist volume based on data mining | |
| CN108737185A (zh) | 一种基于随机抽样的数据图流中的三角形计数方法及装置 | |
| Zhang et al. | An Extended Watershed-Based AHP Model for Flood Hazard Estimation: Constraining Runoff Converging Indicators via MFD-Derived Sub-Watershed by Maximum Zonal Statistical Method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201105 Address after: 056001 4th Floor, No. 9 Zhonghua South Street, Handan City, Hebei Province Applicant after: Handan Jinxiu Tiancheng Environmental Protection Technology Co.,Ltd. Address before: Silver Lake Road Wuzhou city 543000 the Guangxi Zhuang Autonomous Region No. 28 building 1.2.3.4.5, a layer of 21 shops Applicant before: WUZHOU JINGERPU TRADE Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |