基于工業(yè)視覺的水體表面污染監(jiān)測系統(tǒng)

曾祥吉，鄢 鋒，李勇剛，潘 巖，楊靜雅，施 耘

(1.長沙有色冶金設(shè)計研究院有限公司 研發(fā)中心，長沙 410019;2.中南大學(xué) 自動化學(xué)院，長沙 410083)

0 引言

有色金屬礦山、冶煉企業(yè)生產(chǎn)的水污染物一直是國家重點監(jiān)控的對象，突發(fā)性水體污染事件時有發(fā)生[1]，經(jīng)過對多家有色金屬礦山、冶煉企業(yè)調(diào)研發(fā)現(xiàn)，造成突發(fā)性水污染事故的主要原因有：1)生產(chǎn)廢水不穩(wěn)定導(dǎo)致廢水處理超標(biāo)排放；2)生產(chǎn)工業(yè)設(shè)備發(fā)生重大泄露；3)地面水污染；4)有色金屬礦山尾礦庫溢流井泄露等。其主要特點有污染伴有懸浮物或明顯顏色變化且多數(shù)污染可通過表層水體視覺方式直觀判斷，同時針對污染監(jiān)測旨在及時發(fā)現(xiàn)污染，而不是了解污染成分。

目前突發(fā)性水污染事件監(jiān)測主要依靠在線監(jiān)測設(shè)備或人工視頻監(jiān)控方式。現(xiàn)有水質(zhì)污染在線監(jiān)測設(shè)備主要采用化學(xué)滴定方法檢測水體中離子含量，同時設(shè)置PH計、溶氧量傳感器及濁度計等傳感器等設(shè)備[2-3]，不同產(chǎn)品、不同工藝所的污水所包含的污染物不同，其污染率也同樣發(fā)生變化，故在線監(jiān)測設(shè)備需要進行定制化配置，導(dǎo)致價格昂貴，監(jiān)測速度慢且污染監(jiān)測需使用各種化學(xué)藥劑，使用及維護成本高；人工視頻監(jiān)控方式由人工通過視頻觀察現(xiàn)場情況，主要用于監(jiān)測是否存在水體表面污染的偷排、漏排現(xiàn)象，人工判斷是否存在異常情況。因此水污染處理環(huán)節(jié)經(jīng)常出現(xiàn)滯后現(xiàn)象，導(dǎo)致污水處理后的排放經(jīng)常不達標(biāo)。

隨著國家對環(huán)保標(biāo)準(zhǔn)的迅速提高，企業(yè)對于綠色生產(chǎn)的重視及投入性價比有較高期望。本文考慮以上實際需求，以某冶煉廠污水應(yīng)急處理為背景，針對突發(fā)性水體污染監(jiān)測過程運行成本高，監(jiān)測效率低、勞動強度大的特點，在研究污水處理過程的基礎(chǔ)上，采用模式識別的方式進行水體表面污染監(jiān)測，以提高突發(fā)性水污染事故監(jiān)測的快速性、高效性和穩(wěn)定性。

故而本系統(tǒng)結(jié)合某冶煉廠的實際需求，采用工業(yè)視覺技術(shù)獲取現(xiàn)場水體樣本圖像[4-9]，提取水體樣本顏色信息并將其與水體污染指數(shù)對應(yīng)，訓(xùn)練基于有導(dǎo)師學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的污染分析模型[10-19]，建立通用水體表面污染監(jiān)測系統(tǒng)。該系統(tǒng)投入使用后，實現(xiàn)了突發(fā)性水污染事故的精確監(jiān)測，為工礦企業(yè)提供急需一種經(jīng)濟、可靠、高效的自動水體表面污染監(jiān)測系統(tǒng)，以替換現(xiàn)有的人工監(jiān)測。

1 建立水體樣本特征庫

針對一般突發(fā)性水污染事故監(jiān)測結(jié)果研究發(fā)現(xiàn)，被污染水體與可排放水體的視覺圖像存在明細(xì)的顏色區(qū)分，針對不同現(xiàn)場的不同水體污染監(jiān)測，其圖像特征也并不完全一致，因此系統(tǒng)所需提取的特征值也不一致。

企業(yè)針對污水處理已經(jīng)進行了化學(xué)化驗，進行了污染參數(shù)分析，根據(jù)其不同的污染程度形成了污染指數(shù)報表，同時存留了污染水體樣本，如圖1所示。本系統(tǒng)根據(jù)某現(xiàn)場污水處理化驗采集留存的水體樣本作為對象，由工業(yè)相機對采樣水體進行拍攝，得到了1 500幅圖像, 調(diào)取某現(xiàn)場污水處理化學(xué)化驗歷史數(shù)據(jù)，提取水體樣本圖像顏色信息特征值并將其與水體污染指數(shù)對應(yīng)形成數(shù)據(jù)集{θ|R,G,B,Cr}，其中R、G、B為彩色圖像的3個顏色分量，Cr為對應(yīng)的水體污染指數(shù)。經(jīng)加權(quán)計算獲得圖像顏色特征值X、Y、Z，污染指數(shù)特征值S，得到數(shù)據(jù)集{θ|X,Y,Z,S}，據(jù)此構(gòu)建了一個水體樣本特征庫。

圖1 不同污染等級水體圖像示意圖

水體污染等級輕度污染中度污染重度污染嚴(yán)重污染圖像數(shù)量/幅402395368335污染指數(shù)/%0～2525～5050～7575～100

2 基于神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練的水體污染分析模型

根據(jù)上述研究可知：確定工藝條件下水體污染程度與圖像顏色信息有特定的確定關(guān)系，因此本系統(tǒng)首先提取水體樣本特征庫中的1 400幅圖像的特征值X、Y、Z與污染指數(shù)的特征值S，形成神經(jīng)網(wǎng)絡(luò)訓(xùn)練集{θ|X,Y,Z,S}，本文選取彩色圖像顏色信息3組特征值X、Y、Z作為輸入，污染指數(shù)特征值S作為輸出，得到水體污染監(jiān)測模型。

2.1 優(yōu)化神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

設(shè)樣本(X,Y,Z,S)為X=[x1,x2,…,xn]′，Y=[y1,y2,…,yn]′，Z=[z1,z2,…,zn]′，S=[s1,s2,…,sn]′隱含層神經(jīng)元為O=[o1,o2,…,on]′。輸入層與隱含層神經(jīng)元的網(wǎng)絡(luò)權(quán)值矩陣W1和隱含層與輸出層神經(jīng)元間的網(wǎng)絡(luò)權(quán)值W2分別為:

(1)

隱含層神經(jīng)元的閾值θ1和輸出層神經(jīng)元的閾值θ2分別為:

(2)

則隱含層神經(jīng)元的輸出為:

(3)

輸出層神經(jīng)元的輸出為:

(4)

網(wǎng)絡(luò)輸出與期望輸出的誤差為:

(5)

(6)

(7)

其中:

由式(6)和式(7)可得權(quán)值的調(diào)整公式為:

(8)

其中:η1和η2分別為隱含層和輸出層的學(xué)習(xí)步長。

(9)

(10)

由式(9)和式(10)可得閾值的調(diào)整公式為:

(11)

2.2 水體污染分析模型的建立

2.2.1 訓(xùn)練過程

將水體樣本圖像庫中的圖像劃分成訓(xùn)練集和測試集。每次隨機選擇水體樣本特征庫中的1 400幅圖像特征值作為訓(xùn)練集，針對訓(xùn)練集進行了1 400次訓(xùn)練測試，剩余100幅圖像作為測試集。訓(xùn)練時，首先輸入訓(xùn)練圖像的特征值X、Y、Z，然后將訓(xùn)練圖像集提取的特征和其對應(yīng)的水體污染指數(shù)特征值S，輸入優(yōu)化神經(jīng)網(wǎng)絡(luò)，得到水體污染監(jiān)測模型。測試時，將提取輸入訓(xùn)練圖像的特征值X、Y、Z，接著將特征值輸入到優(yōu)化神經(jīng)網(wǎng)絡(luò)中，最后利用水體污染監(jiān)測模型估計測試圖像的污染指數(shù)Cr。

2.2.2 仿真測試

利用Matlab工具以及其Simulink 提供的神經(jīng)網(wǎng)絡(luò)工具箱等功能模塊，對系統(tǒng)進行了建模和仿真分析，為了驗證水體污染監(jiān)測方法的性能，進行了優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測污染指數(shù)仿真，并將其預(yù)測結(jié)果與真實值進行了比較，如圖2所示。

圖2 仿真結(jié)果圖

可以看出，本方法的預(yù)測誤差圍繞標(biāo)準(zhǔn)差僅小范圍波動，預(yù)測精度較高，符合相關(guān)實際需求。

圖3 仿真誤差圖

3 基于圖像的水體污染監(jiān)測方法

在得到水體污染監(jiān)測模型后，將現(xiàn)場獲取的實際圖像輸入圖像預(yù)處理模塊，將處理后圖像中所有像素點的R、G、B值提取的特征值X、Y、Z輸入水體污染監(jiān)測模型，經(jīng)模型識別后將該圖像中的水體污染指數(shù)輸出Cr，從而判斷現(xiàn)場采集水體樣本的污染程度，按照不同污染等級，保存污染水體圖像同時控制系統(tǒng)進行預(yù)警、提醒、報警、消息推送等操作。

圖4 水體污染監(jiān)測流程圖

其中圖像預(yù)處理模塊包括以下子模塊：隨機擾動圖像信號的濾波處理、基于顏色信息評價的多級圖像信息調(diào)節(jié)、水體污染指數(shù)評價。

圖5 預(yù)處理流程圖

3.1 隨機擾動圖像信號的濾波處理

圖像獲取過程中受水流流速、顆粒懸浮物和系統(tǒng)噪聲等影響，經(jīng)過水體圖像上可能顯示隨機的顏色突變點，這些突變點與周圍其他像素點的R、G、B相差較大，因此通過檢測局部區(qū)域連續(xù)像素點的R、G、B的突變來實現(xiàn)噪聲檢測，可以得到噪聲污染狀況以及噪聲分布。噪聲濾波采用中值濾波法進行濾波處理，具體為：初始設(shè)置3×3濾波窗口，根據(jù)圖像中各區(qū)域受噪聲污染狀況確定濾波窗口的尺寸，以每個噪聲點為中心按照濾波窗口尺寸取一個矩形框，對該噪聲點進行中值濾波

圖6 信號濾波流程圖

3.2 基于顏色信息評價的多級圖像信息調(diào)節(jié)

為了提高水質(zhì)分析的準(zhǔn)確性，避免圖像異常對水質(zhì)分析的影響，本系統(tǒng)從時間連續(xù)性和空間連續(xù)性上來判斷圖像是否異常。

如果水體被污染，例如懸浮物污染或整片水體污染(污染顆粒不是靜止不變的，而是運動的)，在時間連續(xù)性上，不可能存在多張連續(xù)圖像同一像素點的移動距離超出對應(yīng)的設(shè)定范圍，也不可能存在多張連續(xù)圖像中的某一圖像的某個像素點的R、G、B值突變。根據(jù)污染物的沉降速度確定時間區(qū)間T，判斷時間區(qū)間T內(nèi)無異常水體圖像中每個像素點的R、G、B值是否超出對應(yīng)均值±Δδ。時間區(qū)間T值受顆粒漂移和沉降影響，懸浮物沉降速度(簡稱沉速)有如下極限沉速公式[20-21]：

(12)

其中:ωd為泥沙顆粒(球體)的沉速；Cd為阻力系數(shù)；γs為泥沙容重；γ為流體(水)容重；g為重力加速度；d為泥沙顆粒直徑。根據(jù)沉速，再結(jié)合水體表面至底部的距離可以得到時間區(qū)間T。

在空間連續(xù)性上，不可能存在某一圖像上的某個區(qū)域內(nèi)多個像素點的R、G、B值均高于其他區(qū)域，根據(jù)時間連續(xù)性和空間連續(xù)性的結(jié)合來判斷圖像為異常圖像，如存在異常圖像則剔除該組圖像，同時調(diào)整光源照度，消除可能因反光等其他原因造成的圖像異常，而并非真正的水體被污染。

圖7 多級圖像信息調(diào)節(jié)流程圖

3.3 水體污染特征值提取

由實時測量的水體彩色圖像得到數(shù)據(jù)集{θ|R,G,B}，其中，R、G、B分別表示水體彩色圖像中每個像素點的3個顏色分量值，通過統(tǒng)計圖像中像素點的R、G、B值，經(jīng)加權(quán)計算獲得圖像顏色特征值X、Y、Z。將特征值X、Y、Z輸入至水體污染分析模型內(nèi)進行水體圖像分析，預(yù)測水體污染指數(shù)Cr。

4 實驗結(jié)果與分析

為實現(xiàn)水體污染監(jiān)測，控制系統(tǒng)的實現(xiàn)采用臺達AS320 PLC控制器、變頻器和機器視覺計算機，主站使用AS320P-B CPU，變頻器和機器視覺計算機通過工業(yè)以太網(wǎng)與CPU通訊。主站配置有數(shù)字量輸入模塊，數(shù)字量輸出模塊。數(shù)字量輸入模塊主要接收取水泵、閥門狀態(tài)和故障狀態(tài)等信號，數(shù)字量輸出模塊主要發(fā)送取水泵電機、閥門啟停和開關(guān)等信號，變頻器接收取和發(fā)送水泵電機的運行速度反饋信號和電機速度信號。

雨水排放口逐一布置智能監(jiān)測裝置，系統(tǒng)正常工作時，首先由控制系統(tǒng)發(fā)送取水泵啟動和速度信號，取水泵開始抽水。樣本輸送至水箱，水箱內(nèi)水位達到工作液位后，視覺計算機控制工業(yè)相機和光源控制器進行拍照。

獲取樣本圖像后，水體污染分析系統(tǒng)進行圖像預(yù)處理：

1)檢測圖像噪點，自適應(yīng)設(shè)置濾波窗口進行中值濾波。

2)濾波后圖像檢測多張圖像同一像素點的移動距離和像素點顏色分量突變，若超出閾值則剔除該組圖像，未超出閾值進入下一步處理

3)針對濾波后圖像，提取每個像素點的3個顏色分量R、G、B，經(jīng)加權(quán)計算獲得圖像顏色特征值X、Y、Z，將特征值X、Y、Z輸入至水體污染分析模型內(nèi)。

所獲取的多路圖像水體彩色圖像經(jīng)圖像分析軟件進行同時分析后，由水體污染指數(shù)評價模塊進行評價，輸出水體污染指數(shù)Cr。以含有《污水綜合排放標(biāo)準(zhǔn)GB 8978-1996》中規(guī)定的第二類污染物類別的色度(稀釋倍數(shù))或懸浮物的水體為識別對象，污染指數(shù)為0%～25%為輕度污染(一級可排放水體)，25%～50%為中度污染(二級可排放水體)，50%～75%重度污染(二級以上污染水體)，75%～100%為嚴(yán)重污染(二級以上污染水體)。一級可排放水體污染指數(shù)Cr值為0，圖示重度污染水體污染指數(shù)Cr值為72%，嚴(yán)重污染水體污染指數(shù)Cr值

表2 可排放水體污染指數(shù)指標(biāo)

圖8 控制系統(tǒng)界面

圖9 圖像分析系統(tǒng)界面

為88%，均已超過二級可排放水體色度(稀釋倍數(shù))或懸浮物指標(biāo)。按照不同污染等級，保存污染水體圖像同時控制系統(tǒng)進行報警、消息推送等操作并啟動連鎖保護。

5 結(jié)束語

本文分析了突發(fā)性水污染事故監(jiān)測需求，研究了一種基于工業(yè)視覺的水體表面污染監(jiān)測系統(tǒng)。該系統(tǒng)對水體圖像進行分析，通過水中濁度、色度監(jiān)測，實現(xiàn)快速判斷是否存在污染，縮短判斷時間、提高判斷準(zhǔn)確度，降低設(shè)備成本。在某冶煉企業(yè)應(yīng)急站投用該系統(tǒng)后，降低了勞動強度，降低了環(huán)保事故發(fā)生率、減少了崗位人員數(shù)量、降低了成本，取得了顯著的應(yīng)用效果。