大数据学习与图像识别的污水净化处理药剂量控制系统

1.本发明涉及污水净化处理技术领域，公开了一种大数据学习与图像识别的污水净化处理药剂量控制系统。

背景技术：

2.污水处理(sewage treatment,wastewater treatment)：为使污水达到排入某一水体或再次使用的水质要求对其进行净化的过程。污水处理被广泛应用于建筑、农业、交通、能源、石化、环保、城市景观、医疗、餐饮等各个领域，也越来越多地走进寻常百姓的日常生活。
3.现有技术中，污水处理过程中，药剂量控制主要是根据人的经验去控制药剂量投放，并且，不够灵活，特别是一些大型的污水处理厂，对药剂量投放，主要是通过定时的去调整流量，达到药剂量的控制，这样子会造成药剂量的浪费。

技术实现要素：

4.本发明意在提供一种大数据学习与图像识别的污水净化处理药剂量控制系统，以解决背景技术中的问题。
5.为了达到上述目的，本发明的基础方案如下：一种大数据学习与图像识别的污水净化处理药剂量控制系统，包括，
6.用于采集污水图像的摄像模块，用于提取特征值的图像识别模块；
7.用于提取水质信息的plc控制器，并将水质信息和特征值传送至opc设备，opc设备将水质信息和特征值发送至后端进行储存；
8.设置于后端的机器人学习模型，将水质信息和特征值作为输入，并预测控制泵的频率信息，并将频率信息通过opc设备下发至plc控制器，plc控制器基于频率信息以控制控制泵工作。
9.进一步，特征值包括悬浮颗粒大小和悬浮颗粒数量。
10.进一步，水质信息包括ph、温度、浊度、总氮、总磷、进水流量和出水流量。
11.进一步，还包括smart sever模块，smart sever模块将plc控制器控制控制泵的实际运行频率信息和预测频率信息进行比较，若偏差超过某个阀值，则smart sever模块将预测信息推送至前端，前端显示预测频率信息，并通过opc设备下发至plc控制器。
12.进一步，管理人员可通过前端修改预测频率信息。
13.进一步，机器人学习模型每隔，基于污水30天内的特征值和水质信息进行训练。
14.基础方案的原理以及有益效果：针对现有的污水处理药剂量控制方式，本系统体系依托先进的大数据分析，机器学习技术形成实操层面的高效、精准药剂量控制，取代当前人工经验药剂量控制。
15.本发明专利主要用于污水处理过程中水质净化，能实现药剂量的精准控制欲精准推送，同时管理人员也可以通过该系统，动态的调整药剂的加药量。能达到节省药剂量30％
以上的功能。
附图说明
16.图1为本发明实施例中大数据学习与图像识别的污水净化处理药剂量控制系统的流程示意图。
具体实施方式
17.下面详细描述本发明的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
18.在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“竖向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
19.在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
20.实施例基本如附图1所示：
21.一种大数据学习与图像识别的污水净化处理药剂量控制系统，包括摄像模块，摄像模块可以为照相机或者摄像机等，摄像模块用于污水水底的图像信息，并且将图像信息发送至图像识别模块，如：处理器，图像识别模块以提取污水的特征值，特征值为悬浮物颗粒的大小和悬浮物颗粒的数量等。
22.图像识别模块将特征值发送至web服务器以及redis服务器，web服务器将特征值发送至前端，redis服务器将特征值信息发送smart sever模块，smart sever模块将特征值发送至opc设备，并且opc设备将特征值发送至后端，并且进行储存。
23.plc控制器用于提取水质信息，水质信息包括ph、温度、浊度、总氮、总磷、进水流量和出水流量，并且通过opc设备将特征值发送至后端，并且进行储存。
24.设置于后端的机器人学习模型，将水质信息和特征值作为输入，并预测控制泵工作的频率信息。预测的频率信息与控制泵的实际工作的频率信息，通过smart sever模块进行比较，若偏差超过某个阀值，则smart sever模块将预测信息推送至前端，前端显示预测频率信息，并通过opc设备下发至plc控制器，plc控制器基于预测频率信息以控制控制泵的工作频率，动态的调整药剂的加药量。
25.本实施例中，机器人学习模型每隔，基于污水30天内的特征值和水质信息进行训练保证这个学习模型不断的根据实际情况优化。
26.本实施例中，管理人员先判断前端的阀值，如果是自动模式下，这个预测频率信息，在前端显示一段时间后会自动通过opc下发到plc，plc将指令传输的药剂控制泵，实现药剂量的控制。如果是手动模式，管理人员觉得这个预测频率信息不合理，也可以去人工干
预。
27.以上所述的仅是本发明的实施例，方案中公知的具体结构和/或特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

技术特征：

1.大数据学习与图像识别的污水净化处理药剂量控制系统，其特征在于：包括，用于采集污水图像的摄像模块，用于提取特征值的图像识别模块；用于提取水质信息的plc控制器，并将水质信息和特征值传送至opc设备，opc设备将水质信息和特征值发送至后端进行储存；设置于后端的机器人学习模型，将水质信息和特征值作为输入，并预测控制泵的频率信息，并将频率信息通过opc设备下发至plc控制器，plc控制器基于频率信息以控制控制泵工作。2.根据权利要求1所述的大数据学习与图像识别的污水净化处理药剂量控制系统，其特征在于：特征值包括悬浮颗粒大小和悬浮颗粒数量。3.根据权利要求2所述的大数据学习与图像识别的污水净化处理药剂量控制系统，其特征在于：水质信息包括ph、温度、浊度、总氮、总磷、进水流量和出水流量。4.根据权利要求3所述的大数据学习与图像识别的污水净化处理药剂量控制系统，其特征在于：还包括smart sever模块，smart sever模块将plc控制器控制控制泵的实际运行频率信息和预测频率信息进行比较，若偏差超过某个阀值，则smart sever模块将预测信息推送至前端，前端显示预测频率信息，并通过opc设备下发至plc控制器。5.根据权利要求4所述的大数据学习与图像识别的污水净化处理药剂量控制系统，其特征在于：管理人员可通过前端修改预测频率信息。6.根据权利要求5所述的大数据学习与图像识别的污水净化处理药剂量控制系统，其特征在于：机器人学习模型每隔，基于污水30天内的特征值和水质信息进行训练。

技术总结

本发明涉及污水净化处理技术领域，公开了大数据学习与图像识别的污水净化处理药剂量控制系统，包括，用于采集污水图像的摄像模块，用于提取特征值的图像识别模块；用于提取水质信息的PLC控制器，并将水质信息和特征值传送至OPC设备，OPC设备将水质信息和特征值发送至后端进行储存；设置于后端的机器人学习模型，将水质信息和特征值作为输入，并预测控制泵的频率信息，并将频率信息通过OPC设备下发至PLC控制器，PLC控制器基于频率信息以控制控制泵工作。本发明用于污水处理过程中水质净化，能实现药剂量的精准控制欲精准推送，同时管理人员也可以通过该系统，动态的调整药剂的加药量。能达到节省药剂量30％以上的功能。能达到节省药剂量30％以上的功能。能达到节省药剂量30％以上的功能。