一种水产养殖区域的污染物识别方法与流程
本发明涉及水产养殖环境监测,具体是涉及一种水产养殖区域的污染物识别方法。
背景技术:
1、在水产养殖过程中,养殖池塘水体中不可避免地会存在各种悬浮态物质,主要包括三类:一是残余饵料和养殖生物排泄物等有机残渣;二是因雨水冲刷或池底扰动带入水体的泥沙颗粒;三是浮游生物及藻类等生物性悬浮物。
2、然而,在现有的养殖污染监测技术中,无论是人工巡查还是自动监测系统,对水体浑浊的判断几乎完全依赖于浊度这一单一指标,而浊度仪通过测量水体中悬浮颗粒对光线的散射程度来输出浊度值,无法区分造成浑浊的物质类型,当池塘因降雨冲刷导致泥沙入塘、浊度升高时,现有监测系统会误判为污染加剧,触发不必要的增氧或换水操作,造成能源和水资源的浪费,反之当池塘中有机残渣大量积累、浊度仅小幅上升或变化不明显时,系统又无法识别其污染风险,极易错失最佳处理时机,最终导致水质恶化和养殖损失。
3、于是有鉴于此,本发明提出一种水产养殖区域的污染物识别方法以弥补和改善现有技术的欠缺之处。
技术实现思路
1、为解决上述技术问题,本发明提供了一种水产养殖区域的污染物识别方法,以解决上述背景技术中提出的相应技术问题。
2、为达到以上目的,本发明采用的技术方案为:一种水产养殖区域的污染物识别方法,包括以下步骤:
3、s1、采集养殖池塘中的水样,将水样置于透明容器中静置,并开始计时,在静置过程中,以预设的时间间隔连续采集透明容器内水样的多帧图像;
4、s2、对采集到的每一帧图像分别进行颗粒物识别与计数处理,获得各采集时间点对应的悬浮颗粒数量,以构建悬浮颗粒数量随时间变化的沉降衰减时序数据,同时提取沉降衰减时序数据中的曲线形态特征;
5、s3、根据沉降衰减时序数据,计算反映悬浮颗粒物沉降快慢的沉降速率特征值,同时根据曲线形态特征计算曲线波动方差;
6、s4、静置结束后,采集透明容器内水样的垂直方向分层图像,提取底部堆积物的堆积密实度特征和悬浮层高度特征;
7、s5、分别采集静置起始时刻和静置结束时刻透明容器内水样的上清液透光率,计算透光率变化率;
8、s6、将沉降速率特征值、曲线波动方差、堆积密实度特征、悬浮层高度特征以及透光率变化率组成多维特征向量,并输入预设的分类判定模型中,输出水样中悬浮污染物的类型判定结果。
9、作为优选的,在s2中,构建沉降衰减时序数据的具体过程如下:
10、对每一帧原始图像进行灰度化处理,将彩色图像转换为灰度图像;
11、采用滤波算法对灰度化处理后的图像进行去噪处理;
12、采用自适应阈值分割算法对去噪后的图像进行二值化分割,提取图像中悬浮颗粒区域的轮廓;
13、对提取出的悬浮颗粒区域进行连通域标记,统计该帧图像中的连通域总数,以连通域总数作为该采集时间点的悬浮颗粒数量;
14、将各采集时间点与其对应的悬浮颗粒数量进行关联,构建悬浮颗粒数量随时间变化的沉降衰减时序数据。
15、作为优选的,在s3中,根据沉降衰减时序数据计算沉降速率特征值的具体过程如下:
16、获取静置起始时刻的悬浮颗粒数量;
17、获取从静置起始时刻起前n个采集时间点后悬浮颗粒数量;
18、计算悬浮颗粒数量的衰减百分比r,以衰减百分比r作为沉降速率特征值,其公式为:。
19、作为优选的,在s3中,根据曲线形态特征计算曲线波动方差的具体过程如下:
20、获取沉降衰减时序数据中各采集时间点的实测悬浮颗粒数量;
21、对沉降衰减时序数据进行曲线拟合,得到各采集时间点对应的拟合曲线值;
22、计算各采集时间点实测悬浮颗粒数量与对应拟合曲线值的差值,得到残差序列;
23、计算残差序列的平方和除以采集帧数的平均值,得到曲线波动方差,其公式为:;
24、其中,m为采集的总帧数;
25、为第k个采集时间点的实测悬浮颗粒数量;
26、为第k个采集时间点的拟合曲线值;
27、所述曲线波动方差用于表征悬浮颗粒物在自然沉降过程中存在非正常的扰动情况,且当曲线波动方差超过预设波动阈值时,表明水体中存在具有自主运动能力的藻类。
28、作为优选的,在s4中,提取底部堆积物的堆积密实度特征和悬浮层高度特征的具体过程如下:
29、静置结束后,采集透明容器内水样的垂直方向分层图像;
30、对垂直方向分层图像进行底部区域截取,对截取图像进行灰度化处理和二值化分割,提取底部堆积物区域的轮廓;
31、计算底部堆积物区域的像素面积,并计算该区域的最小外接矩形面积,计算二者的比值k,其公式为:;
32、以比值k作为堆积扩展系数,所述堆积扩展系数k越小,表明底部堆积物越紧密聚集;所述堆积扩展系数k越大,表明底部堆积物越松散铺展;
33、测量垂直方向分层图像中悬浮层顶部至容器底部的垂直距离,得到悬浮层高度特征h,所述悬浮层高度h用于表征未沉降悬浮物在水体中的分布高度。
34、作为优选的,在s5中,计算透光率变化率的具体过程如下:
35、在静置起始时刻,采集透明容器内水样的上清液在预设波段下的透光率,记为;
36、在静置结束时刻,采集透明容器内水样的上清液在相同预设波段下的透光率,记为;
37、计算透光率变化率,其公式为:;
38、其中,越大,表明水体中有机污染物浓度越高。
39、作为优选的,在s6中,输出水样中悬浮污染物的类型判定结果的具体过程如下:
40、以沉降速率特征值作为根节点进行初分类:当沉降速率特征值大于或等于第一预设阈值时,初判为泥沙颗粒倾向;当沉降速率特征值小于或等于第二预设阈值时,初判为有机残渣倾向;当沉降速率特征值介于第一预设阈值和第二预设阈值之间时,初判为混合倾向;其中,所述第一预设阈值大于第二预设阈值;
41、在初判基础上,以曲线波动方差作为修正判定依据:当曲线波动方差大于预设波动阈值时,判定水体中存在具有自主运动能力的藻类,修正判定结果为藻类为主;
42、以堆积扩展系数辅助确认判定结果:当堆积扩展系数小于或等于预设密实度阈值时,确认判定结果为泥沙颗粒为主;当堆积扩展系数大于预设密实度阈值时,确认判定结果为有机残渣或藻类为主;
43、当判定为有机残渣为主时,根据透光率变化率对有机残渣浓度等级进行划分:所述透光率变化率与有机污染物浓度呈正相关,所述透光率变化率越大,对应有机残渣浓度等级越高;
44、综合上述各步骤的判定结果,输出水样中悬浮污染物的最终类型,所述悬浮污染物的类型包括泥沙颗粒为主、有机残渣为主、藻类为主和混合类型。
45、与现有技术相比,本发明的有益效果是:通过采集养殖池塘中的水样,将水样置于透明容器中静置,并开始计时,在静置过程中,以预设的时间间隔连续采集透明容器内水样的多帧图像,对采集到的每一帧图像分别进行颗粒物识别与计数处理,获得各采集时间点对应的悬浮颗粒数量,以构建悬浮颗粒数量随时间变化的沉降衰减时序数据,同时提取沉降衰减时序数据中的曲线形态特征,根据沉降衰减时序数据,计算反映悬浮颗粒物沉降快慢的沉降速率特征值,同时根据曲线形态特征计算曲线波动方差,静置结束后,采集透明容器内水样的垂直方向分层图像,提取底部堆积物的堆积密实度特征和悬浮层高度特征,分别采集静置起始时刻和静置结束时刻透明容器内水样的上清液透光率,计算透光率变化率,将沉降速率特征值、曲线波动方差、堆积密实度特征、悬浮层高度特征以及透光率变化率组成多维特征向量,并输入预设的分类判定模型中,输出水样中悬浮污染物的类型判定结果;通过采集水样静置沉降过程中的多帧图像,利用有机残渣与泥沙颗粒固有的沉降速度差异及沉降行为差异,能够区分高耗氧有机残渣与惰性泥沙颗粒,解决了现有技术因仅凭浊度单一指标无法区分悬浮物类型所导致的误判与漏判问题。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com