曾祥吉，鄢 鋒，李勇剛，潘 巖，楊靜雅，施 耘

(1.長(zhǎng)沙有色冶金設(shè)計(jì)研究院有限公司 研發(fā)中心，長(zhǎng)沙 410019;2.中南大學(xué) 自動(dòng)化學(xué)院，長(zhǎng)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(guó)家重點(diǎn)監(jiān)控的對(duì)象，突發(fā)性水體污染事件時(shí)有發(fā)生[1]，經(jīng)過(guò)對(duì)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(kù)溢流井泄露等。其主要特點(diǎn)有污染伴有懸浮物或明顯顏色變化且多數(shù)污染可通過(guò)表層水體視覺(jué)方式直觀判斷，同時(shí)針對(duì)污染監(jiān)測(cè)旨在及時(shí)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(cè)主要依靠在線監(jiān)測(cè)設(shè)備或人工視頻監(jiān)控方式?，F(xiàn)有水質(zhì)污染在線監(jiān)測(cè)設(shè)備主要采用化學(xué)滴定方法檢測(cè)水體中離子含量，同時(shí)設(shè)置PH計(jì)、溶氧量傳感器及濁度計(jì)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(cè)設(shè)備需要進(jìn)行定制化配置，導(dǎo)致價(jià)格昂貴，監(jiān)測(cè)速度慢且污染監(jiān)測(cè)需使用各種化學(xué)藥劑，使用及維護(hù)成本高；人工視頻監(jiān)控方式由人工通過(guò)視頻觀察現(xiàn)場(chǎng)情況，主要用于監(jiān)測(cè)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(dá)標(biāo)。

隨著國(guó)家對(duì)環(huán)保標(biāo)準(zhǔn)的迅速提高，企業(yè)對(duì)于綠色生產(chǎn)的重視及投入性?xún)r(jià)比有較高期望。本文考慮以上實(shí)際需求，以某冶煉廠污水應(yīng)急處理為背景，針對(duì)突發(fā)性水體污染監(jiān)測(cè)過(guò)程運(yùn)行成本高，監(jiān)測(cè)效率低、勞動(dòng)強(qiáng)度大的特點(diǎn)，在研究污水處理過(guò)程的基礎(chǔ)上，采用模式識(shí)別的方式進(jìn)行水體表面污染監(jiān)測(cè)，以提高突發(fā)性水污染事故監(jiān)測(cè)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(shí)際需求，采用工業(yè)視覺(jué)技術(shù)獲取現(xiàn)場(chǎng)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(duì)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(cè)系統(tǒng)。該系統(tǒng)投入使用后，實(shí)現(xiàn)了突發(fā)性水污染事故的精確監(jiān)測(cè)，為工礦企業(yè)提供急需一種經(jīng)濟(jì)、可靠、高效的自動(dòng)水體表面污染監(jiān)測(cè)系統(tǒng)，以替換現(xiàn)有的人工監(jiān)測(cè)。

1 建立水體樣本特征庫(kù)

針對(duì)一般突發(fā)性水污染事故監(jiān)測(cè)結(jié)果研究發(fā)現(xiàn)，被污染水體與可排放水體的視覺(jué)圖像存在明細(xì)的顏色區(qū)分，針對(duì)不同現(xiàn)場(chǎng)的不同水體污染監(jiān)測(cè)，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(duì)污水處理已經(jīng)進(jìn)行了化學(xué)化驗(yàn)，進(jìn)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(bào)表，同時(shí)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(chǎng)污水處理化驗(yàn)采集留存的水體樣本作為對(duì)象，由工業(yè)相機(jī)對(duì)采樣水體進(jìn)行拍攝，得到了1 500幅圖像, 調(diào)取某現(xiàn)場(chǎng)污水處理化學(xué)化驗(yàn)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(duì)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(gè)顏色分量，Cr為對(duì)應(yīng)的水體污染指數(shù)。經(jīng)加權(quán)計(jì)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(gè)水體樣本特征庫(kù)。

圖1 不同污染等級(jí)水體圖像示意圖

水體污染等級(jí)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(kù)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(cè)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(zhǎng)。

(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(guò)程

將水體樣本圖像庫(kù)中的圖像劃分成訓(xùn)練集和測(cè)試集。每次隨機(jī)選擇水體樣本特征庫(kù)中的1 400幅圖像特征值作為訓(xùn)練集，針對(duì)訓(xùn)練集進(jìn)行了1 400次訓(xùn)練測(cè)試，剩余100幅圖像作為測(cè)試集。訓(xùn)練時(shí)，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(duì)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(cè)模型。測(cè)試時(shí)，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(cè)模型估計(jì)測(cè)試圖像的污染指數(shù)Cr。

2.2.2 仿真測(cè)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(duì)系統(tǒng)進(jìn)行了建模和仿真分析，為了驗(yàn)證水體污染監(jiān)測(cè)方法的性能，進(jìn)行了優(yōu)化神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)污染指數(shù)仿真，并將其預(yù)測(cè)結(jié)果與真實(shí)值進(jìn)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(cè)誤差圍繞標(biāo)準(zhǔn)差僅小范圍波動(dòng)，預(yù)測(cè)精度較高，符合相關(guān)實(shí)際需求。

圖3 仿真誤差圖

3 基于圖像的水體污染監(jiān)測(cè)方法

在得到水體污染監(jiān)測(cè)模型后，將現(xiàn)場(chǎng)獲取的實(shí)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(diǎn)的R、G、B值提取的特征值X、Y、Z輸入水體污染監(jiān)測(cè)模型，經(jīng)模型識(shí)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(chǎng)采集水體樣本的污染程度，按照不同污染等級(jí)，保存污染水體圖像同時(shí)控制系統(tǒng)進(jìn)行預(yù)警、提醒、報(bào)警、消息推送等操作。

圖4 水體污染監(jiān)測(cè)流程圖

其中圖像預(yù)處理模塊包括以下子模塊：隨機(jī)擾動(dòng)圖像信號(hào)的濾波處理、基于顏色信息評(píng)價(jià)的多級(jí)圖像信息調(diào)節(jié)、水體污染指數(shù)評(píng)價(jià)。

圖5 預(yù)處理流程圖

3.1 隨機(jī)擾動(dòng)圖像信號(hào)的濾波處理

圖像獲取過(guò)程中受水流流速、顆粒懸浮物和系統(tǒng)噪聲等影響，經(jīng)過(guò)水體圖像上可能顯示隨機(jī)的顏色突變點(diǎn)，這些突變點(diǎn)與周?chē)渌袼攸c(diǎn)的R、G、B相差較大，因此通過(guò)檢測(cè)局部區(qū)域連續(xù)像素點(diǎn)的R、G、B的突變來(lái)實(shí)現(xiàn)噪聲檢測(cè)，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(jìn)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(gè)噪聲點(diǎn)為中心按照濾波窗口尺寸取一個(gè)矩形框，對(duì)該噪聲點(diǎn)進(jìn)行中值濾波

圖6 信號(hào)濾波流程圖

3.2 基于顏色信息評(píng)價(jià)的多級(jí)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(duì)水質(zhì)分析的影響，本系統(tǒng)從時(shí)間連續(xù)性和空間連續(xù)性上來(lái)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(yùn)動(dòng)的)，在時(shí)間連續(xù)性上，不可能存在多張連續(xù)圖像同一像素點(diǎn)的移動(dòng)距離超出對(duì)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(gè)像素點(diǎn)的R、G、B值突變。根據(jù)污染物的沉降速度確定時(shí)間區(qū)間T，判斷時(shí)間區(qū)間T內(nèi)無(wú)異常水體圖像中每個(gè)像素點(diǎn)的R、G、B值是否超出對(duì)應(yīng)均值±Δδ。時(shí)間區(qū)間T值受顆粒漂移和沉降影響，懸浮物沉降速度(簡(jiǎn)稱(chēng)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(shí)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(gè)區(qū)域內(nèi)多個(gè)像素點(diǎn)的R、G、B值均高于其他區(qū)域，根據(jù)時(shí)間連續(xù)性和空間連續(xù)性的結(jié)合來(lái)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(shí)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(jí)圖像信息調(diào)節(jié)流程圖

3.3 水體污染特征值提取

由實(shí)時(shí)測(cè)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(gè)像素點(diǎn)的3個(gè)顏色分量值，通過(guò)統(tǒng)計(jì)圖像中像素點(diǎn)的R、G、B值，經(jīng)加權(quán)計(jì)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(jìn)行水體圖像分析，預(yù)測(cè)水體污染指數(shù)Cr。

4 實(shí)驗(yàn)結(jié)果與分析

為實(shí)現(xiàn)水體污染監(jiān)測(cè)，控制系統(tǒng)的實(shí)現(xiàn)采用臺(tái)達(dá)AS320 PLC控制器、變頻器和機(jī)器視覺(jué)計(jì)算機(jī)，主站使用AS320P-B CPU，變頻器和機(jī)器視覺(jué)計(jì)算機(jī)通過(guò)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(mén)狀態(tài)和故障狀態(tài)等信號(hào)，數(shù)字量輸出模塊主要發(fā)送取水泵電機(jī)、閥門(mén)啟停和開(kāi)關(guān)等信號(hào)，變頻器接收取和發(fā)送水泵電機(jī)的運(yùn)行速度反饋信號(hào)和電機(jī)速度信號(hào)。

雨水排放口逐一布置智能監(jiān)測(cè)裝置，系統(tǒng)正常工作時(shí)，首先由控制系統(tǒng)發(fā)送取水泵啟動(dòng)和速度信號(hào)，取水泵開(kāi)始抽水。樣本輸送至水箱，水箱內(nèi)水位達(dá)到工作液位后，視覺(jué)計(jì)算機(jī)控制工業(yè)相機(jī)和光源控制器進(jìn)行拍照。

獲取樣本圖像后，水體污染分析系統(tǒng)進(jìn)行圖像預(yù)處理：

1)檢測(cè)圖像噪點(diǎn)，自適應(yīng)設(shè)置濾波窗口進(jìn)行中值濾波。

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

3)針對(duì)濾波后圖像，提取每個(gè)像素點(diǎn)的3個(gè)顏色分量R、G、B，經(jīng)加權(quán)計(jì)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(jìn)行同時(shí)分析后，由水體污染指數(shù)評(píng)價(jià)模塊進(jìn)行評(píng)價(jià)，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(lèi)污染物類(lèi)別的色度(稀釋倍數(shù))或懸浮物的水體為識(shí)別對(duì)象，污染指數(shù)為0%～25%為輕度污染(一級(jí)可排放水體)，25%～50%為中度污染(二級(jí)可排放水體)，50%～75%重度污染(二級(jí)以上污染水體)，75%～100%為嚴(yán)重污染(二級(jí)以上污染水體)。一級(jí)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(guò)二級(jí)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(jí)，保存污染水體圖像同時(shí)控制系統(tǒng)進(jìn)行報(bào)警、消息推送等操作并啟動(dòng)連鎖保護(hù)。

5 結(jié)束語(yǔ)

本文分析了突發(fā)性水污染事故監(jiān)測(cè)需求，研究了一種基于工業(yè)視覺(jué)的水體表面污染監(jiān)測(cè)系統(tǒng)。該系統(tǒng)對(duì)水體圖像進(jìn)行分析，通過(guò)水中濁度、色度監(jiān)測(cè)，實(shí)現(xiàn)快速判斷是否存在污染，縮短判斷時(shí)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(dòng)強(qiáng)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。