一种数据处理方法、设备及存储介质与流程

技术特征：
1.一种数据处理方法，其特征在于，包括：利用图像采集设备采集目标水段的至少一张水体图像；根据所述至少一张水体图像，确定所述目标水段的混凝状态参数；获取所述目标水段的原水属性参数；根据所述混凝状态参数和所述原水属性参数，预测所述目标水段经过沉淀后的水浊度。2.根据权利要求1所述的方法，其特征在于，所述根据所述水体图像，确定所述目标水段的混凝状态参数，包括：在所述至少一张水体图像中，分别识别至少一类混凝物；从至少一个量化维度，对识别到的至少一类混凝物分别进行量化，以获得所述混凝状态参数。3.根据权利要求2所述的方法，其特征在于，所述从至少一个量化维度，对识别到的至少一类混凝物分别进行量化，以获得所述混凝状态参数，包括：在所述至少一张水体图像下，分别从所述至少一个量化维度对所述至少一类混凝物进行量化，以获得所述至少一张水体图像下的量化数据；根据所述至少一张水体图像下的量化数据，生成所述混凝状态参数。4.根据权利要求3所述的方法，其特征在于，所述在所述至少一张水体图像中，分别识别至少一类混凝物，包括：将第一水体图像划分为至少两个图像区域；在所述至少两个图像区域中，分别识别至少一类混凝物；所述在所述至少一张水体图像下，分别对所述至少一类混凝物进行量化，包括：在所述至少两个图像区域中，分别从所述至少一个量化维度对所述至少一类混凝物进行量化，以获得所述至少两个图像区域下的量化数据；根据所述至少两个图像区域下的量化数据，生成所述第一水体图像下的量化数据；其中，所述第一水体图像为所述至少一张水体图像中的任意一张。5.根据权利要求2所述的方法，其特征在于，所述量化维度包括个数、权重均值、权重中值、面积均值或面积中值；所述混凝物的类型包括蓬松矾花、片状矾花或模糊矾花。6.根据权利要求1所述的方法，其特征在于，所述根据所述混凝状态参数和所述原水属性参数，预测所述目标水段经过沉淀后的水浊度，包括：将所述混凝状态参数和所述原水属性参数输入浊度预测模型；在所述浊度预测模型中，基于混凝状态参数和原水属性参数与水浊度之间的映射关系，预测所述目标水段经过沉淀后的水浊度。7.根据权利要求6所述的方法，其特征在于，还包括：获取若干训练样本，所述训练样本包括所述样本水段的原水属性参数、所述样本水段的混凝状态参数以及所述样本水段经过沉淀后的水浊度；将所述若干训练样本输入所述浊度预测模型，以供所述浊度预测模型学习所述混凝状态参数和原水属性参数与水浊度之间的映射关系。8.根据权利要求7所述的方法，其特征在于，还包括：
确定所述样本水段从指定流出位置流出的流出时间；按照所述流出时间，在所述流出位置采集水流的浊度，作为所述样本水段经过沉淀后的水浊度。9.根据权利要求1所述的方法，其特征在于，还包括：计算所述目标水段从指定流出位置流出的流出时间；将所述目标水段经过沉淀后的水浊度与所述流出时间进行关联。10.根据权利要求1所述的方法，其特征在于，所述原水属性参数包括浊度、ph值、温度、氮氨浓度、进水量和水位高度中的一种或多种。11.一种计算设备，其特征在于，包括存储器和处理器；所述存储器用于存储一条或多条计算机指令；所述处理器与所述存储器耦合，用于执行所述一条或多条计算机指令，以用于：利用图像采集设备采集目标水段的至少一张水体图像；根据所述至少一张水体图像，确定所述目标水段的混凝状态参数；获取所述目标水段的原水属性参数；根据所述混凝状态参数和所述原水属性参数，预测所述目标水段经过沉淀后的水浊度。12.根据权利要求11所述的设备，其特征在于，所述处理器在根据所述水体图像，确定所述目标水段的混凝状态参数时，用于：在所述至少一张水体图像中，分别识别至少一类混凝物；从至少一个量化维度，对识别到的至少一类混凝物分别进行量化，以获得所述混凝状态参数。13.根据权利要求12所述的设备，其特征在于，所述处理器在从至少一个量化维度，对识别到的至少一类混凝物分别进行量化，以获得所述混凝状态参数时，用于：在所述至少一张水体图像下，分别从所述至少一个量化维度对所述至少一类混凝物进行量化，以获得所述至少一张水体图像下的量化数据；根据所述至少一张水体图像下的量化数据，生成所述混凝状态参数。14.根据权利要求13所述的设备，其特征在于，所述处理器在所述至少一张水体图像中，分别识别至少一类混凝物时，用于：将第一水体图像划分为至少两个图像区域；在所述至少两个图像区域中，分别识别至少一类混凝物；所述在所述至少一张水体图像下，分别对所述至少一类混凝物进行量化时，用于：在所述至少两个图像区域中，分别从所述至少一个量化维度对所述至少一类混凝物进行量化，以获得所述至少两个图像区域下的量化数据；根据所述至少两个图像区域下的量化数据，生成所述第一水体图像下的量化数据；其中，所述第一水体图像为所述至少一张水体图像中的任意一张。15.根据权利要求12所述的设备，其特征在于，所述量化维度包括个数、权重均值、权重中值、面积均值或面积中值；所述混凝物的类型包括蓬松矾花、片状矾花或模糊矾花。16.根据权利要求11所述的设备，其特征在于，所述处理器在根据所述混凝状态参数和
所述原水属性参数，预测所述目标水段经过沉淀后的水浊度时，用于：将所述混凝状态参数和所述原水属性参数输入浊度预测模型；在所述浊度预测模型中，基于混凝状态参数和原水属性参数与水浊度之间的映射关系，预测所述目标水段经过沉淀后的水浊度。17.根据权利要求16所述的设备，其特征在于，所述处理器还用于：获取若干训练样本，所述训练样本包括所述样本水段的原水属性参数、所述样本水段的混凝状态参数以及所述样本水段经过沉淀后的水浊度；将所述若干训练样本输入所述浊度预测模型，以供所述浊度预测模型学习所述混凝状态参数和原水属性参数与水浊度之间的映射关系。18.根据权利要求17所述的设备，其特征在于，所述处理器还用于：确定所述样本水段从指定流出位置流出的流出时间；按照所述流出时间，在所述流出位置采集水流的浊度，作为所述样本水段经过沉淀后的水浊度。19.根据权利要求11所述的设备，其特征在于，所述处理器还用于：计算所述目标水段从指定流出位置流出的流出时间；将所述目标水段经过沉淀后的水浊度与所述流出时间进行关联。20.根据权利要求1所述的设备，其特征在于，所述原水属性参数包括浊度、ph值、温度、氮氨浓度、进水量和水位高度中的一种或多种。21.一种数据处理方法，其特征在于，包括：响应于调用目标服务的请求，确定所述目标服务对应的处理资源，利用所述目标服务对应的处理资源执行如下步骤：利用图像采集设备采集目标水段的至少一张水体图像；根据所述至少一张水体图像，确定所述目标水段的混凝状态参数；获取所述目标水段的原水属性参数；根据所述混凝状态参数和所述原水属性参数，预测所述目标水段经过沉淀后的水浊度。22.一种数据处理方法，其特征在于，包括：响应于沉淀参数配置指令，确定已有沉淀参数对应的沉淀后水浊度，所述沉淀后水浊度为根据采用所述已有沉淀参数的指定水段的水体图像和原水属性参数预测得到的；若所述沉淀后水浊度不符合预设要求，则根据所述沉淀后水浊度，调整所述已有沉淀参数；按照调整后的沉淀参数，控制沉淀工序。23.一种存储计算机指令的计算机可读存储介质，其特征在于，当所述计算机指令被一个或多个处理器执行时，致使所述一个或多个处理器执行权利要求1
‑
10任一项所述的数据处理方法。

技术总结
本申请实施例提供一种数据处理方法、设备及存储介质。在本申请实施例中，可利用图像采集设备采集目标水段的至少一张水体图像；根据至少一张水体图像，确定目标水段的混凝状态参数；获取目标水段的原水属性参数；根据混凝状态参数和原水属性参数，预测目标水段经过沉淀后的水浊度。据此，本申请实施例中，可实时地预测目标水段经过沉淀后的水浊度，而不再需要等待漫长的沉淀过程结束后再确定后水浊度。这一方面可解决传统方案存在的滞后性问题，另一方面还可有效提高沉淀后的水浊度的精确度。面还可有效提高沉淀后的水浊度的精确度。面还可有效提高沉淀后的水浊度的精确度。


技术研发人员：陈俊 周静辉 魏溪含
受保护的技术使用者：阿里巴巴集团控股有限公司
技术研发日：2020.12.22
技术公布日：2021/10/18