一种恶劣天气下排污检测方法及系统与流程

1.本发明涉及排污检测技术领域，具体涉及一种恶劣天气下排污检测方法及系统。


背景技术：

2.污水是指受一定污染的来自生活和生产的排出水。第一类：工业废水来自制造采矿和工业生产活动的污水，包括来自于工业或者商业储藏、加工的径流活渗沥液，以及其它不是生活污水的废水。第二类：生活污水来自住宅、写字楼、机关或相类似的污水；卫生污水；下水道污水，包括下水道系统中生活污水中混合的工业废水。排污口的摄像监控可以通过分辨污水颜色初步判断水质以及检测污水中是否存在漂浮物。然而现有的视频监控方式存在着弊端，尤其是对于雨天和雾天天气下的检测，受雨或雾的影响摄像头获得的影像信息不够清晰，直接影响值检测结果。
3.此外雨天情况下，城市一般采用雨污分流排水，将雨水和污水分开，各用一条管道输送，进行排放或后续处理的排污方式。雨水通过雨水管网直接排到河道，污水则通过污水管网收集后，送到污水处理厂进行处理，避免污水直接进入河道造成污染。且雨水的收集利用和集中管理排放，可降低水量对污水处理厂的冲击，保证污水处理厂的处理效率。显然，将污水接入雨水管存在严重的污染问题，而为导通污水管，生活中还存在私自将雨水接入污水管的情况，其实雨水接入污水管道增加了污水处理厂的工作量的同时，还存在着安全隐患，如果雨量多可能会造成污水管道压力，导致污水管道外溢、破损等情况，从环保的角度来说，还造成了一定的水资源浪费。


技术实现要素：

4.本发明的目的在于提供一种恶劣天气下排污检测方法及系统，解决以下技术问题：
5.(1)如何针对不同的天气状况提高排污监控视频的清晰度；
6.(2)针对下雨天气，如何通过排污检测，判断污水系统中的进雨情况。
7.本发明的目的可以通过以下技术方案实现：
8.一种恶劣天气下排污检测方法，所述方法包括以下步骤：
9.s1、在排污口处通过黑光摄像头获取视频图像信息；
10.s2、基于采集到的视频图像信息，采用卷积神经网络对视频图像进行分类；
11.s3、根据视频图像的类型，对该类型视频图像进行对应的清晰化处理；
12.s4、将清晰化处理后的视频图像放入目标检测神经网络，进行排污检测。
13.通过上述技术方案，提供了一种以视频监控为基础的排污检测视频图像增强方法，可以针对不同的天气状况，对排污口处的视频图像进行清晰化处理。
14.于一实施例中，视频图像的类型包括雨天和雾天，所述步骤s3中针对于雨天类型的清晰化处理包括：
15.基于原视频图像获取粗糙二值图像，二值图像显示为雨线层和背景层；
16.使用主成分分析对二值图像连通域进行处理，去除图像高频细节，得到细化的二值图像；
17.将细化二值图像作为mask，并在原视频图像中去该mask，获得无雨的视频图像。
18.通过上述技术方案，提供了针对于雨天类型的视频图像的清晰化处理的具体方法，可获得去雨的视频图像。
19.于一实施例中，所述步骤s3中针对于雾天类型的清晰化处理包括：
20.基于原视频图采用暗通道先验的去雾算法，进行去雾，具体为：
21.将输入的图像进行自适应的滤波处理；再计算每一个像素点的暗通道值；
22.根据暗通道的特性，确定图像中最大的暗通道值的位置，以该位置的像素值作为参考值，确定大气光的强度；
23.根据最小二乘算法，利用大气光的强度和暗通道曲线，求解图像中雾的强度；
24.根据上面求得的大气光和雾的强度，可以计算出原视频图像，从而实现图像去雾。
25.通过上述技术方案，本实施例提供了针对于雾天类型的视频图像的清晰化处理的具体方法，可获得去雾的清晰视频图像。
26.于一实施例中，所述恶劣天气下排污检测方法还包括：
27.s5、对雨天的原视频图像进行分析，获得降雨量随着时间变化的函数p(t)；同时获取污水管中的流动污水的状态参数；分析预设时间段内流动污水的状态参数并获得排污的流量函数，将流量函数与函数p(t)做分析对比，并根据分析结果建立排污系统检测策略。
28.通过上述技术方案，提供了一种制定排污系统检测策略的方法，能够通过分析排污量与降雨量是否呈现正比关系，来判断排污系统是否存在管路或污水井进雨的情况。
29.于一实施例中，获取污水管中的流动污水的状态参数的方式具体为：基于流速仪获取污水管道中污水的实时流度v(t)，基于水位检测仪获取管道内污水的实时最深水位h(t)。
30.于一实施例中，分析预设时间段内流动污水的状态参数的过程为：
31.通过公式获得出污水管内流动污水断面面积随时间变化的函数a(t)，其中r为污水管的内半径；
32.通过公式q(t)＝v(t)*a(t)获得污水流量函数q(t)。
33.通过上述技术方案，提供了一种用于测量污水管内污水流量的方法。
34.于一实施例中，将流量函数q(t)与函数p(t)做分析对比的过程为：
35.取多个区间长度为c1的区间[ti，ti+c1]，其中ti表示按时间前后顺序取的第i个时间点，且t
i+1-ti＝c2，c1、c2均为预设常量；
[0036]
根据公式和分别计算出单位时间内降雨总量和单位时间内的排污总置
[0037]
根据公式获得在单位时间内，排污总量和降雨总量的比例系数其中∈1、∈2为预设的系数，测得n组比例系数，n＞10，根据m组比例系数判断排污系统状态。
[0038]
于一实施例中，排污系统检测策略的建立过程为：
[0039]
针对排污系统状态，根据公式计算出各组比例系数的方差值s2，其中为n组比例系数的平均数；
[0040]
若则需要对排污系统进行检修；
[0041]
若则无需对排污系统进行检修；其中为预设标准值，且
[0042]
通过上述技术方案，本实施例提供了排污量函数与函数p(t)分析对比的具体过程以及排污系统检测策略的具体建立过程。
[0043]
一种恶劣天气下排污检测系统，所述系统包括：
[0044]
信息采集模块，用于采集排污口处污水的视频图像信息；
[0045]
卷积神经网络，用于对采集到的视频图像信息进行分类；
[0046]
图像处理模块，用于根据视频图像信息的类型，分别对视频图像进行清晰化处理；
[0047]
降雨量检测模块，用于根据雨天类型的视频图像获得降雨量信息；
[0048]
污水检测模块，用于检测并获取污水管内流动污水的状态参数；
[0049]
分析模块，用于对获得的降雨量信息和流动污水的状态参数进行综合分析，并判断排污系统状态。
[0050]
本发明的有益效果：
[0051]
(1)本发明提供了以视频监控为基础的排污检测视频图像增强技术，利用黑光摄像头具有夜视功能这一特点，无论白天或昼夜都可以清晰地捕捉到排污口处的原视频图像信息，再对原视频图像信息进行分类，并根据所分得的不同天气类型，分别采用不同的视频图像处理技术进行清晰化处理，最终将清晰化处理后的视频图像放入目标检测神经网络，进行排污检测。因此本发明实现了可以针对不同的天气状况，对排污口处的视频图像进行清晰化处理的效果。
[0052]
(1)本发明还提供了制定排污系统检测策略的方法，通过视频捕捉的方式获取的该降雨量函数，然后通过获得的污水管中的流动污水的状态参数分析得到排污流量函数，将该流量函数与降雨量函数做分析对比，通过分析排污量与降雨量是否呈现正比关系，来判断排污系统是否存在管路或污水井进雨的情况，根据分析结果就可以建立排污系统检测策略。
[0053]
(2)本发明还解决了大型排污管无法安装流量计从而难以检测管内实时流量的问题，通过测量污水流速和水位高度，建立过流断面面积函数，并得最终的流量函数，该方法能够对非满流的污水管道内污水进行实时流量的监控。
附图说明
[0054]
下面结合附图对本发明作进一步的说明。
[0055]
图1为本发明用于恶劣天气下排污检测方法的步骤流程图；
[0056]
图2为本发明用于恶劣天气下排污检测系统的概要框图；
具体实施方式
[0057]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0058]
请参阅附图图1所示，本发明为一种恶劣天气下排污检测方法，所述方法包括以下步骤：
[0059]
s1、在排污口处通过黑光摄像头获取视频图像信息；
[0060]
s2、基于采集到的视频图像信息，采用卷积神经网络对视频图像进行分类；
[0061]
s3、根据视频图像的类型，对该类型视频图像进行对应的清晰化处理；
[0062]
s4、将清晰化处理后的视频图像放入目标检测神经网络，进行排污检测。
[0063]
通过上述技术方案，本实施例提供了一种以视频监控为基础的排污检测视频图像增强技术，可以针对不同的天气状况，对排污口处的视频图像进行清晰化处理，具体的，利用黑光摄像头具有夜视功能这一特点，无论白天或昼夜都可以清晰地捕捉到排污口处的原视频图像信息，再采用卷积神经网络resnet18+softmax对原视频图像信息进行分类，并根据所分得的不同天气类型，分别采用不同的视频图像处理技术进行清晰化处理，最终将清晰化处理后的视频图像放入目标检测神经网络，进行排污检测。需要说明的是，清晰化处理后的视频图像可以观测到污水中的漂浮物以及污水颜色情况，其中，夜晚的污水的颜色情况可有由黑光摄像头捕捉。
[0064]
视频图像的类型包括雨天和雾天，所述步骤s3中针对于雨天类型的清晰化处理包括：
[0065]
基于原视频图像获取粗糙二值图像，二值图像显示为雨线层和背景层；
[0066]
使用主成分分析对二值图像连通域进行处理，去除图像高频细节，得到细化的二值图像。
[0067]
将细化二值图像作为mask，并在原视频图像中去该mask，获得无雨的视频图像。
[0068]
通过上述技术方案，本实施例提供了针对于雨天类型的视频图像的清晰化处理的方法。具体地，由于雨滴通常对于光线有很强的反射作用，因此可以根据原视频图像获取粗糙二值图像，二值图像显示为雨线层和背景层，二值图像雨线层包括了雨滴和其他图像高频细节，而由于雨滴大小类似，可以使用主成分分析对二值图像连通域进行处理，去除图像高频细节，得到细化的二值图像，其中主成分分析为通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量，转换后的这组变量为主成分，主成分分析为现有的对于二值图像连通域的进行处理的分析方法，在此不做详述。原视频图像中包括雨线图和背景图，可把细化二值图像作为mask，在原视频图像中去该mask，并最终获得无雨的视频图像。
[0069]
所述步骤s3中针对于雾天类型的清晰化处理包括：
[0070]
基于原视频图采用暗通道先验的去雾算法，进行去雾，具体为：
[0071]
将输入的图像进行自适应的滤波处理；再计算每一个像素点的暗通道值；
[0072]
根据暗通道的特性，确定图像中最大的暗通道值的位置，以该位置的像素值作为参考值，确定大气光的强度；
[0073]
根据最小二乘算法，利用大气光的强度和暗通道曲线，求解图像中雾的强度；
[0074]
根据上面求得的大气光和雾的强度，可以计算出原视频图像，从而实现图像去雾。
[0075]
通过上述技术方案，本实施例提供了针对于雾天类型的视频图像的清晰化处理的方法。具体地，采用暗通道先验的去雾算法进行去雾，首先，将输入的图像进行自适应的滤波处理，以减少噪声对去雾结果的影响，然后，计算每一个像素点的暗通道值，该暗通道值反映了图像中最着暗的像素值，其值越小，说明雾的影响越强。接着，根据暗通道的特性，确定图像中最大的暗通道值的位置，以该位置的像素值作为参考值，确定大气光的强度。然后，根据最小二乘算法，利用大气光的强度和暗通道曲线，求解图像中雾的强度；并根据求得的大气光和雾的强度，计算出原视频图像，实现去雾的清晰化处理。
[0076]
所述恶劣天气下排污检测方法还包括：
[0077]
s5、对雨天的原视频图像进行分析，获得降雨量随着时间变化的函数p(t)；同时获取污水管中的流动污水的状态参数；分析预设时间段内流动污水的状态参数并获得排污的流量函数，将流量函数与函数p(t)做分析对比，并根据分析结果建立排污系统检测策略。
[0078]
通过上述技术方案，提供了一种制定排污系统检测策略的方法，具体的地，首先需要获得降雨量随着时间变化的函数p(t)，需要说明的是，通过上述视频捕捉的方式获取的该函数p(t)所表征的降雨量一般仅限于视频拍摄的景深和景别区域范围内的局部降雨量。然后通过获得的污水管中的流动污水的状态参数分析得到排污流量函数，将该流量函数与函数p(t)做分析对比，根据分析结果建立排污系统检测策略，需要说明的是，上述对比的目的是通过分析排污量与降雨量是否呈现正比关系，来判断排污系统是否存在管路或污水井进雨的情况，其中，若呈现正比关系，则表明管路或污水井可能存在着进雨的情况，因此须对排污系统进行排查检修。
[0079]
获取污水管中的流动污水的状态参数的方式具体为：基于流速仪获取污水管道中污水的实时流度v(t)，基于水位检测仪获取管道内污水的实时最深水位h(t)。
[0080]
分析预设时间段内流动污水的状态参数的过程为：
[0081]
通过公式获得出污水管内流动污水断面面积随时间变化的函数a(t)，其中r为污水管的内半径；
[0082]
通过公式q(t)＝v(t)*a(t)获得污水流量函数q(t)。
[0083]
通过上述技术方案，本实施例提供了一种用于测量污水管内污水流量的方法，具体为：
[0084]
首先需要获得污水管内流动污水断面面积随时间变化的函数a(t)，需要说明的是，污水管通常为圆形管，且在污水排出口处通常为平卧式的管路，因此可以以管道垂直截面的管内最低点为原点，以水平径向为x轴，以竖直方向为y轴建立直角坐标，通过积分方式，根据公式获得出污水管内流动污水断面面积随时间变化的函数a(t)，其中r为污水管的内半径。然后再通过公式qs(t)＝v(t)*a(t)计算得出污水排出量随时间变化的函数。需要说明的是，若排污管为方形管，则可通过公式a
sq
(t)＝h(t)*b计算出对应的污水断面面积随时间变化的函数a
sa
(t)。本实施例通过上述方案解决了大型排污管无法安装流量计从而难以检测管内实时流量的问题，同时上述方案还能够对非满流的污水管道内污水进行实时流量的检测。
[0085]
将流量函数q(t)与函数p(t)做分析对比的过程为：
[0086]
取多个区间长度为c1的区间[ti，ti+c1]，其中ti表示按时间前后顺序取的第i个时间点，且t
i+1-ti＝c2，c1、c2均为预设常量；
[0087]
根据公式和分别计算出单位时间内降雨总量和单位时间内的排污总量
[0088]
根据公式获得在单位时间内，排污总量和降雨总量的比例系数其中∈1、∈2为预设的系数，测得11组比例系数，根据11组比例系数判断排污系统状态。
[0089]
排污系统检测策略的建立过程为：
[0090]
针对排污系统状态，根据公式计算出各组比例系数的方差值s2，其中为11组比例系数的平均数；
[0091]
若则需要对排污系统进行检修；
[0092]
若则无需对排污系统进行检修；其中为预设标准值，且
[0093]
通过上述技术方案，本实施例提供了排污量函数与函数p(t)分析对比的具体过程以及排污系统检测策略的建立过程，首先获得了11组比例系数，具体为：取多个区间长度为c1的区间[ti，ti+c1]，其中ti表示按时间前后顺序取的第i个时间点，且t
i+1-ti＝c2，c1、c2均为预设常量；
[0094]
根据公式和分别计算出单位时间内降雨总量和单位时间内的排污总量需要说明的是，假设存在雨水通入污水管道的情况，由视频捕捉到的降雨量，到该部分雨水进入污水管道影响污水流量存在着时间误差，该误差即为上述c2，且c2＞c1。
[0095]
根据公式获得在单位时间内排污总量和降雨总量的比例系数其中∈1、∈2为预设的系数且根据实验数据拟合所得，测得11组比例系数，若这11组比例系数数值上比较均匀则说明排污量和降雨量有关系，进而存在着雨水持续通入污水管的风险，因此可通过公式计算出各组比例系数的方差值s2，其中为11组比例系数的平均数；若则需要对排污系统进行检修，检查是否有雨水长期通入污水管的情况存在；若则无需对排污系统进行检修；其中为预设标准值，且
[0096]
请参阅附图图2所示，一种恶劣天气下排污检测系统，所述系统包括：
[0097]
信息采集模块，用于采集排污口处污水的视频图像信息；
[0098]
卷积神经网络，用于对采集到的视频图像信息进行分类；
[0099]
图像处理模块，用于根据视频图像信息的类型，分别对视频图像进行清晰化处理；
[0100]
降雨量检测模块，用于根据雨天类型的视频图像获得降雨量信息；
[0101]
污水检测模块，用于检测并获取污水管内流动污水的状态参数；
[0102]
分析模块，用于对获得的降雨量信息和流动污水的状态参数进行综合分析，并判断排污系统状态。
[0103]
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

技术特征：
1.一种恶劣天气下排污检测方法，其特征在于，所述方法包括以下步骤：s1、在排污口处通过黑光摄像头获取视频图像信息；s2、基于采集到的视频图像信息，采用卷积神经网络对视频图像进行分类；s3、根据视频图像的类型，对该类型视频图像进行对应的清晰化处理；s4、将清晰化处理后的视频图像放入目标检测神经网络，进行排污检测。2.根据权利要求1所述的一种恶劣天气下排污检测方法，其特征在于，视频图像的类型包括雨天和雾天，所述步骤s3中针对雨天类型的清晰化处理包括：基于原视频图像获取粗糙二值图像，二值图像包括雨线层和背景层；使用主成分分析对二值图像连通域进行处理，去除图像高频细节，得到细化的二值图像；将细化二值图像作为mask，并在原视频图像中去该mask，获得无雨的视频图像。3.根据权利要求2所述的一种恶劣天气下排污检测方法，其特征在于，所述步骤s3中针对雾天类型的清晰化处理包括：基于原视频图采用暗通道先验的去雾算法，进行去雾，具体为：将输入的图像进行自适应的滤波处理；再计算每一个像素点的暗通道值；确定图像中最大的暗通道值的位置，以该位置的像素值作为参考值，确定大气光的强度；根据最小二乘算法，利用大气光的强度和暗通道曲线，求解图像中雾的强度；根据上面求得的大气光和雾的强度，计算出原视频图像，从而实现图像去雾。4.根据权利要求1所述的一种恶劣天气下排污检测方法，其特征在于，所述方法还包括：s5、对雨天的原视频图像进行分析，获得降雨量随着时间变化的函数p(t)；同时获取污水管中的流动污水的状态参数；分析预设时间段内流动污水的状态参数，并根据分析获得排污的流量函数；将流量函数与函数p(t)做对比分析，并根据对比分析的结果建立排污系统检测策略。5.根据权利要求4所述的一种恶劣天气下排污检测方法，其特征在于，获取污水管中的流动污水的状态参数的方式具体为：基于流速仪获取污水管道中污水的实时流度v(t)，基于水位检测仪获取管道内污水的实时最深水位h(t)。6.根据权利要求5所述的一种恶劣天气下排污检测方法，其特征在于，分析预设时间段内流动污水的状态参数的过程为：通过公式获得出污水管内流动污水断面面积随时间变化的函数a(t)，其中r为污水管的内半径；通过公式q(t)＝v(t)*a(t)获得污水流量函数q(t)。7.根据权利要求6所述的一种恶劣天气下排污检测方法，其特征在于，将流量函数q(t)与函数p(t)做分析对比的过程为：取多个区间长度为c1的区间[t
i
,t
i
+c1]，其中t
i
表示按时间前后顺序取的第i个时间点，且t
i+1-t
i
＝c2，c1、c2均为预设常量；
根据公式和分别计算出单位时间内降雨总量和单位时间内的排污总量根据公式获得在单位时间内排污总量和降雨总量的比例系数其中∈1、∈2均为预设的系数，测得n组比例系数，n＞10，根据m组比例系数判断排污系统状态。8.根据权利要求6所述的一种恶劣天气下排污检测方法，其特征在于，排污系统检测策略的建立过程为：针对排污系统状态，根据公式计算出各组比例系数的方差值s2，其中为n组比例系数的平均数；若则需要对排污系统进行检修；若则无需对排污系统进行检修；其中为预设标准值，且9.一种恶劣天气下排污检测系统，其特征在于，所述系统用于执行如权利要求1-8任一项所述的一种恶劣天气下排污检测方法，所述系统包括：信息采集模块，用于采集排污口处污水的视频图像信息；卷积神经网络，用于对采集到的视频图像信息进行分类；图像处理模块，用于根据视频图像信息的类型，分别对视频图像进行清晰化处理；降雨量检测模块，用于根据雨天类型的视频图像获得降雨量信息；污水检测模块，用于检测并获取污水管内流动污水的状态参数；分析模块，用于对获得的降雨量信息和流动污水的状态参数进行综合分析，并判断排污系统状态。

技术总结
本发明涉及排污检测技术领域，公开了一种恶劣天气下排污检测方法及系统。一种恶劣天气下排污检测方法，所述方法包括以下步骤：S1、在排污口处通过黑光摄像头获取视频图像信息；S2、基于采集到的视频图像信息，采用卷积神经网络对视频图像进行分类；S3、根据视频图像的类型，对该类型视频图像进行对应的清晰化处理；S4、将清晰化处理后的视频图像放入目标检测神经网络，进行排污检测。本发明提供了以视频监控为基础的排污检测视频图像增强技术，可以针对不同的天气状况，对排污口处的视频图像进行清晰化处理的效果。本发明通过分析排污量与降雨量是否呈现正比关系，来判断排污系统是否存在管路或污水井进雨的情况。否存在管路或污水井进雨的情况。否存在管路或污水井进雨的情况。


技术研发人员：徐德保 程雨涵 张友德 钱益武 董晓婉 王清泉 尹星
受保护的技术使用者：安徽新宇环保科技股份有限公司
技术研发日：2023.05.22
技术公布日：2023/8/28