基于机器视觉的生化池监测技术

作     者：张亮 杨博文 刘宇衡 张雨 高瑜 李佳诚 李俊辰 林斯杰 

作者机构：北京工业大学环境科学与工程学院城镇污水深度处理与资源化利用技术国家工程实验室 南方科技大学环境科学与工程学院 南方科技大学工程技术创新中心(北京) 

出 版 物：《环境工程》 (Environmental Engineering)

年 卷 期：2025年

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家重点研发计划“基于智能感知物联网的生态环境高密度监测关键技术研发”(2021YFC1809001) 

主　　题：生化池监测 曝气量 图像数据 机器视觉 可视化 

摘      要：生化池的在线监测对污水处理厂的稳定运行具有重要意义。现有生化池监测依赖流量计、传感器以及人工巡查和综合判断。为降低生化池人工巡检的工作量，提升监测的连续性和准确性，本研究提出基于机器视觉的监测方案，并以曝气量预测为目标，考察了该技术方案的可行性。以小试规模生化池曝气量1 L/min-5 L/min为预测对象，通过采集生化池的曝气图像、构建数据库、使用卷积神经网络提取特征、建立模型的监测框架，实现了污水处理过程中曝气量变化的自动感知。模型分析表明测试集的预测精度达到99%，且模型预测精度稳定性较高，满足自动监测的需求。进一步考察机器视觉技术从小试迁移到中试规模生化池的可行性，证明了该方法在不同的生化池中均具有可行性，表现出良好的应用潜力。研究利用硬件（摄像头）和软件（机器学习模型），实现生化池运行关键信息的在线监测和异常识别，可实现对人工巡视的部分替代，从而为污水处理厂的智慧化运行提供可行思路。