[发明专利]一种基于活性污泥相差显微图像的SVI测量方法

权利要求书

1.一种基于活性污泥相差显微图像的SVI测量方法，其特征在于，所述方法包括下述步骤：

步骤1：采集图像：污泥样本取自曝气池出口，相差显微镜和CCD图像采集系统获取污泥样本的相差显微图像；取不同阶段和不同状态的活性污泥进行采样制成载玻片，在不同倍数下的相差显微镜下进行观察，以获取完整活性污泥菌胶团为标准，拍照并采集图像；

步骤2：图像处理：读入步骤1的显微图像，原始数字图像的尺寸为1024×768×3像素，基于原图标定絮体和丝状菌并将标定图与原图缩放至512×384；标定图为单通道，原图为三通道RGB图像；数据集包括絮体和丝状菌的输入图像和标签图像，分为训练、验证和测试数据；模型采用基于DCNN改进的DeepLabv3+模型，使用融合深度可分离卷积的Atrous空间金字塔池和解码器模块，前者即以空洞卷积级联或不同采样率空洞卷积并行架构，解决多尺度下的目标分割问题；后者改进解码器模块从而捕获更清晰的对象边界；以此结构训练与测试模型进而评估活性污泥图像分割的准确性；

步骤3：特征提取：读入步骤2分割好的对象（即絮体和丝状菌）与背景区分开，就可以计算出形态学特征参数；提取的絮体和丝状菌特征参数和MLSS、DO、pH在线检测数据这些参数可以用于监测目的，以检测污泥（沉降）特征的变化等；

步骤4：SVI测量：将步骤3中 SVI模型的输入为活性污泥样本絮体和丝状菌形态学特征参数，以及在线检测数据MLSS、DO、PH，输出为实验室SVI化验值，寻求图像分析信息和SVI之间的相关性，考虑SCN-PLS模型，对模型参数调整。

2.根据权利要求1所述的一种基于活性污泥相差显微图像的SVI测量方法，其特征在于，所述方法污水处理过程采用活性污泥法；活性污泥样本来源于某石化废水处理厂，污泥样本在实验室活性污泥装置培养，实验室活性污泥工艺装置持续运行，活性污泥微生物图像采集系统包括倒置光学显微镜，工业数码相机和图像采集软件，显微镜的物镜具有10倍，20倍和40倍的放大率，数字图像大小为1024×768像素。

3.根据权利要求1所述的一种基于活性污泥相差显微图像的SVI测量方法，其特征在于，所述方法需要读入显微图像，将RGB图像转化为灰度图像，原始数字图像的尺寸为1024×768×3像素，絮体和丝状菌缩放到512×384单通道图像，数据集包括絮体和丝状菌的输入图像和标签，分为训练、验证和测试数据；输入改进的DeepLabv3+模型，通过采用编码器-解码器结构扩展了DeepLabv3，编码器模块通过在多个尺度上应用卷积对多尺度上下文信息进行编码，简单有效的解码器模块沿着目标边界细化分割结果，来执行训练和测试数据集以评估活性污泥图像分割的准确性。

4.根据权利要求1所述的一种基于活性污泥相差显微图像的SVI测量方法，其特征在于，上述步骤3的特征提取包括以下步骤：

步骤3.1：计算絮体面积A：目标区域的面积用该区域所包含的像素数表示；

步骤3.2：计算絮体周长Perimeter：目标区域的周长也就是区域的边界长度；

步骤3.3：计算丝状菌长度（F）：每个图像的丝状菌长度描述了丝状菌骨架的总长度；

步骤3.4：计算絮体欧拉数Euler Number：可作为识别物体的特征，欧拉数定义为连通成份数减去空洞数，这种拓扑特征具有平稳、旋转和比例不变特性；

步骤3.5：计算絮体等效圆直径：污泥絮凝物的大小是沉降性质的重要参数，絮体的大小表示为等效圆直径，根据实际投影面积A计算：

步骤3.6：计算絮体形状因子（FF）：圆的FF等于1：

步骤3.7：计算絮体圆度(R)：它在0和1之间变化，一个圆的R等于1；

步骤3.8：计算絮体旋转半径（RG）：受物体伸长的影响，较长的絮体具有较大的RG，圆RG的值为，为二阶矩；

步骤3.9：计算絮体纵横比（AR）：该特征描述细胞外形关于中心对称的程度，它能够在一定程度上反映细胞外形关于中心对称的程度；

。

5.根据权利要求1所述的一种基于活性污泥相差显微图像的SVI测量方法，其特征在于，上述步骤4包括下述步骤：

步骤4.1：模型训练数据集

SVI模型的输入为活性污泥样本絮体和丝状菌形态学特征参数，以及在线检测数据MLSS、DO、PH，输出为实验室SVI化验值；

步骤4.2：SCN模型初始化和隐含层参数配置

首次（L=1）构建SCN模型时，初始化模型误差；设置最大随机配置次数，分配不同权重范围输入权重和偏差，计算第L层的隐含层节点输出：

和不等式约束变量：

生成候选节点集合，使不等式约束最大时对应的参数为最优的输入权值和偏差；

步骤4.3：计算L个隐含层输出矩阵；

步骤4.4：用PLS方法确定SCN模型输出权重

归一化隐含层输出矩阵和输出为零均值和单位方差；采用非线性迭代偏最小二乘（NIPALS）算法求解外部模型隐含层潜在向量和输出层潜在向量，内部模型采用最小二乘法计算隐含层和输出层潜在变量之间的回归模型系数：

其中分别是隐含层和输出层得分向量，和分别表示隐含层和输出层潜在变量，和分别是隐含层和输出层残差矩阵；是模型保留的潜在变量个数；隐含层和输出层之间的内部模型是建立在每个潜在变量和之间的线性回归模型：

其中潜在变量最小二乘系数，标量为的对角线元素，输出权重；

步骤4.5：计算SVI模型输出。