一种清污设备控制方法、装置以及计算设备与流程

本技术实施例涉及水电站清污，尤其涉及一种清污设备控制方法、装置以及计算设备。

背景技术：

1、在水电站运行过程中，由于上游水流携带的漂浮物（如树枝、水草等）会汇集至水电站的进水口，会影响水轮机组的正常运行，因此，需要清污设备对漂浮物进行清理。

2、目前，对清污设备的控制过程中，会先通过视觉识别技术，识别拦污栅处水体的漂浮物，然后控制清污设备运行清污，但是视觉识别容易受到环境光线的干扰，不能准确识别出拦污栅的漂浮物状况，导致清污设备的控制准确性受限，容易出现清污不及时或误清污的问题。

技术实现思路

1、本技术实施例提供一种清污设备控制方法、装置以及计算设备，根据水体的多模态信息，提高对清污设备控制的准确性。

2、为达到上述目的，本技术的实施例采用如下技术方案：

3、第一方面，提供了一种清污设备控制方法，该方法包括：

4、首先，获取水体的第一特征以及水体表面漂浮物的第二特征。其中，第一特征包括水体在拦污栅处的液位以及流量，第二特征包括漂浮物对水体的覆盖率以及漂浮物的密度。其次，基于第一特征，确定水体的过流阻塞系数；其中，过流阻塞系数表征漂浮物在拦污栅处堆积，对拦污栅过流能力造成的阻塞程度。之后，基于第二特征，确定漂浮物的表面密集系数；其中，表面密集系数表征漂浮物在水体表面的密集程度。然后，根据过流阻塞系数以及表面密集系数，确定水体的漂浮物聚集系数。最后，在漂浮物聚集系数大于预设第一聚集系数阈值的情况下，控制清污设备启动。

5、本方案中，通过获取水体的第一特征中的拦污栅处的液位和流量确定过流阻塞系数，以表征漂浮物堆积对拦污栅过流能力造成的阻塞程度，同时通过获取水体表面漂浮物的的第二特征中的确定水体表面漂浮物的覆盖率和密度确定表面密集系数，以表征漂浮物在水体表面的密集程度，并对过流阻塞系数和表面密集系数进行融合处理确定漂浮物聚集系数，在漂浮物聚集系数大于预设阈值时控制清污设备启动。本技术在清污设备的控制决策中融合了水体的多模态信息（例如，水体过流状态的水力学特征与反映漂浮物空间分布状态的视觉特征），能够提升漂浮物聚集状态判别的准确性，进而提高对清污设备控制的准确性，避免出现清污不及时或误清污的问题。

6、一种可能的实现方式中，在所述漂浮物聚集系数大于预设第一聚集系数阈值的情况下，控制所述清污设备启动，包括：在满足第一条件，且漂浮物聚集系数大于预设第一聚集系数阈值的情况下，控制清污设备启动。其中，第一条件包括以下任意一种：覆盖率大于预设第一覆盖率阈值。密度大于预设第一密度阈值。拦污栅处的液位差大于预设第一液位差阈值。或者，拦污栅处的流量衰减幅度大于预设第一流量衰减幅度阈值且密度大于预设第二密度阈值。

7、如此，在启动控制中引入第一条件作为冗余校验，在融合结果达标的基础上进一步确认至少一个原始参数已达到异常门限，能够有效降低误触发风险，提高启动决策的可靠性。

8、另一种可能的实现方式中，该方法还包括：在清污设备的运行过程中，重新确定漂浮物聚集系数。在重新确定的漂浮物聚集系数小于第二聚集系数阈值，且满足预设第二条件的情况下，控制清污设备停机，其中，第二聚集系数阈值小于第一聚集系数阈值。其中，第二条件包括：覆盖率小于预设第二覆盖率阈值、密度小于第三密度阈值、拦污栅处的液位差小于预设第二液位差阈值以及、拦污栅处的流量衰减幅度小于预设的第二流量衰减幅度阈值。

9、如此，当清污设备启动后，随着清污作业的进行，拦污栅前堆积的漂浮物逐渐被清理，液位差逐渐减小、流量逐渐恢复、覆盖率和密度也逐渐降低。当融合结果低于停机阈值且各维度原始参数均已恢复至正常范围时触发停机，能够避免清污设备在漂浮物已被清理至可接受水平后仍继续运行，避免了设备空转和过度清理，从而降低了能源消耗和设备磨损。

10、另一种可能的实现方式中，获取所述水体表面漂浮物的第二特征，包括：获取水体的表面图像。通过视觉识别模型处理表面图像，识别漂浮物的总覆盖区域以及漂浮物的总数量。以及，基于总覆盖区域、漂浮物的总数量以及水体表面的面积，确定第二特征。

11、如此，通过视觉识别模型处理表面图像确定漂浮物的总覆盖区域和总数量，进而确定覆盖率和密度，实现了漂浮物视觉特征的高效提取与准确量化。

12、另一种可能的实现方式中，视觉识别模型包括主干网络、颈部网络及头部网络；其中，主干网络中包括多维注意力卷积模块以及多尺度池化融合模块，头部网络包括多分支重参数化模块，通过视觉识别模型处理表面图像，识别漂浮物的总覆盖区域以及漂浮物的总数量，包括：通过主干网络的多维注意力卷积模块，对表面图像进行特征提取以及注意力加权，得到多层加权特征图；注意力加权处理用于在特征提取过程中，沿通道维度和空间维度对特征图进行权重调整，以增强漂浮物对应的特征响应；通过主干网络的多尺度池化融合模块对多层加权特征图中的最深层特征图进行自适应池化与卷积融合，以更新多层加权特征图；通过颈部网络对更新后的多层加权特征图进行融合，得到多路融合特征图；通过头部网络的多分支重参数化模块分别对多路融合特征图进行特征增强处理，并基于增强后的融合特征图进行目标检测与像素分割处理，得到表面图像中各漂浮物对应的检测框与像素分割掩码；基于各漂浮物对应的检测框，确定漂浮物的总数量，以及基于各漂浮物对应的像素分割掩码，确定漂浮物的总覆盖区域。

13、如此，通过在主干网络中引入多维注意力卷积模块、在主干网络与颈部网络之间引入多尺度池化融合模块、在头部网络引入多分支重参数化模块，能够增强模型在复杂光照条件下的特征提取能力、多尺度感知能力和像素级分割精度，提升视觉识别模型在复杂水面环境下的检测与分割性能。

14、另一种可能的实现方式中，对过流阻塞系数以及表面密集系数进行融合处理，确定水体的漂浮物聚集系数，包括：首先，基于预设规则，确定过流阻塞系数的第一权重值以及表面密集系数的第二权重值。第一权重值与第二权重值的和为1。然后，基于第一权重值以及第二权重值，对过流阻塞系数以及表面密集系数进行加权求和处理，确定水体的漂浮物聚集系数。其中，预设规则包括：在水体的表面图像的图像质量满足质量条件的情况下，第一权重值大于第二权重值，否则，第一权重值小于第二权重值。

15、如此，通过在融合处理中根据图像质量动态调整权重，并在传感器或视觉模型失效时将对应权重置零，能够使融合结果自适应于不同环境条件，同时在单一模态失效时仍能维持基本控制能力，提高了控制决策的鲁棒性和可靠性。

16、第二方面，提供了一种清污设备控制装置，该装置包括：

17、获取模块，获取水体的第一特征以及水体表面漂浮物的第二特征。第一特征包括水体在拦污栅处的液位以及流量，第二特征包括漂浮物对水体的覆盖率以及漂浮物的密度。

18、处理模块，基于第一特征，确定水体的过流阻塞系数。过流阻塞系数表征漂浮物在拦污栅处堆积，对拦污栅过流能力造成的阻塞程度。基于第二特征，确定漂浮物的表面密集系数。表面密集系数表征漂浮物在水体表面的密集程度。根据过流阻塞系数以及表面密集系数，确定水体的漂浮物聚集系数。在漂浮物聚集系数大于预设第一聚集系数阈值的情况下，控制清污设备启动。

19、第三方面，提供了一种计算设备，该设备包括：存储器和至少一个处理器。该存储器与处理器通信连接。该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令。当处理器执行计算机指令时，使得计算设备执行如第一方面及其任一种可能的实现方式的方法。

20、第四方面，本技术实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机指令。当该计算机指令被处理器执行时，用于实现如第一方面及其任一种可能的实现方式的方法。

21、第五方面，本技术实施例提供一种计算机程序产品，当该计算机程序产品在计算机上运行/被计算机的处理器执行时，实现如第一方面及其任一种可能的设计方式的方法。其中，该计算机可以是上述第二方面及其任一种可能的实现方式中的计算设备。

22、可以理解地，上述提供的第二方面的清污设备控制装置，第三方面的计算设备，第四方面的计算机可读存储介质，第五方面的计算机程序产品所能达到的有益效果，可参考如第一方面及其任一种可能的实现方式中的有益效果，此处不再赘述。