[發明專利]智能化水處理微生物機器視覺辨識系統和方法

無效

• 申請號: 200910094106.1
• 申請日: 2009-02-17
• 公開（公告）號: CN101477630A
• 公開（公告）日: 2009-07-08
• 發明（設計）人: 吳俊;黃敏;李建鴻;柏晶;史紅春
• 申請（專利權）人: 吳俊;黃敏;李建鴻
• 主分類號: G06K9/60
• 分類號: G06K9/60;G06K9/46;G06K9/62;G06N5/00;C02F3/34;H04N5/225
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種智能化水處理微生物機器視覺辨識系統和方法，屬于計算機生物醫學工程應用技術領域。

背景技術

在飲用水處理領域，我國政府一向十分關心和重視飲用水衛生及安全保障工作，多次發布和修改了飲用水的衛生標準。生活飲用水是由集中式供水單位直接供給居民作為人體飲用和生活使用的水，該水的水質必須確保居民的飲用安全。據世界衛生組織(WorldHealth?Organization)調查表明，80％以上的人類疾病以及50％以上的兒童死亡原因與食用水水質不良有關。水的質量直接影響著人們的身體健康。理想的飲用水不應含有已知致病微生物，也不應含有水體糞便污染指示菌。實時掌握水中微生物的種類、種群數量是衡量自來水是否達到生活飲用水衛生標準的重要指標之一，直接關系到飲用水安全保障工作的成敗。所以對于飲用水安全保障工作來說，定期抽樣檢查水中是否含有致病微生物和水體糞便污染指示菌是極為重要的。

在污水處理領域，隨著我國城鎮化速度的加快，城市生活污水在污水總量中所占的比例高達70％以上。人們日常生活產生的污水主要含有一些無毒有機物，且其中氮、磷等植物營養元素較高。這些污染物質大量排入天然水體會導致水體富營養化，水體透明度降低，自然水體功能及水質惡化，最終導致生態結構的破壞，這將會對我們所生存的環境產生長遠的、無法估計的影響。所以，加強城市污水處理，對于保障城市的可持續發展具有重要的社會意義和經濟意義。而由于微生物的種類繁多、分解代謝能力強、繁殖速度快。所以用微生物處理城市生活污水是全世界目前效果最好，處理費用最低方法。被世界各國污水處理工業廣泛采用。在微生物污水處理過程中為了準確掌握污水處理系統的運行狀況并及時調整處理系統的控制因素，可以通過實時觀察和使用污水處理系統中微生物的顯微圖像來對微生物進行分類識別和生存狀況預報。所以在污水處理系統運行過程中對微生物顯微圖像的觀察就顯得尤為重要。在水污染日益嚴重的今天，能否實時掌握水中微生物的種類、種群數量已經成為了評價城市生活污水處理過程中微生物處理工藝成敗的關鍵，受到了越來越多的專業污水處理運行管理人員的高度重視。

利用傳統的光學顯微鏡，觀測人員只能靠目視進行分析和檢驗，不但勞動強度大、效率低，而且難以對被觀測對象進行客觀記錄和準確的定位定量分析。隨著機器視覺、計算機和圖像處理等技術的發展，使我們運用數字顯微圖像處理技術來代替傳統人工方法對微生物進行觀測、分析、識別和狀態預報等工作的希望成為了可能。由于數字顯微圖像處理技術能夠排除各種主觀因素的影響，快速、準確的獲得定量的測量數據，更客觀地揭示微生物生命活動及生存狀況的規律，與傳統人工分析方式相比，既提高了工作效率，又增強了分析的客觀性，因此自20世紀90年代以來，它已逐漸成為了國際計算機生物醫學工程應用技術領域的發展熱點。

發明內容

本發明的目的就在于提供一種智能化水處理微生物機器視覺辨識系統和方法，所述系統和方法利用人工智能技術，對實時攝取的水中微生物顯微圖像自動進行圖像預處理；圖像分割；微生物特征參數提取與選擇；微生物分類與識別。其優點為：能通過自適應的圖像分割算法在HSI色彩空間自動尋找最優的分割閾值；分類器的設計采用投票方式，避免了由單個分類器分類時精度較低的問題，有效的提高了整體的分類精度，可在短時間內準確識別飲用水和城市生活污水中的微生物。在自來水處理中能為水質是否達標提供科學依據，克服原有人工光學鏡檢勞動強度大、用時過長、無法對各種致病微生物逐一比對的缺點；在城市生活污水微生物處理中能為正確指揮生產工藝和適時調整控處理系統控制因素提供重要的決策依據，克服了原有工藝靠現場操作人員憑感官和經驗指揮生產的盲目性和主觀性，能有力的保障城市生活污水處理設施的正常運行。

為實現本發明目的，本發明提供一種智能化水處理微生物機器視覺辨識方法，所述方法包含以下步驟：

步驟一：微生物顯微圖像攝取

對經過水樣預處理的待檢水樣使用本發明中的顯微圖像攝取硬件系統進行顯微圖像的瞬時攝錄，以備后續圖像處理過程的使用。

步驟二：圖像預處理

把顯微圖像由RGB(紅Red，綠Green，藍Blue)彩色模式轉換為HSI(色調Hue，色飽和度Saturation，亮度Intensity)彩色模式和灰度模式(Grayscale?Mode)圖像，并對轉換過的圖像用基于小波自適應閾值的圖像去噪方法進行圖像去噪和增強，消除圖像中的無關信息，恢復有用的真實信息，增強有關信息的可檢測性并最大限度地簡化數據。