通过对微观图像进行深度学习,实时量化活性污泥度和粘度
1School of Eco-Environment, Harbin Institute of Technology, Shenzhen, 518055, China.
Environmental science and ecotechnology
|March 14, 2025
概括
一个新的系统使用显微镜图像实时测量活性污泥的混合液体悬浮固体 (MLSS) 和表面粘度. 这项创新支持更智能的废水处理操作.
科学领域:
- 环境工程 环境工程
- 废水处理技术 废水处理技术
- 生物质的表征生物质的表征
背景情况:
- 活性污泥的参数,如混合液悬浮固体 (MLSS) 和表面粘度,对于废水处理厂 (WWTP) 的运行至关重要.
- 测量这些参数的传统方法是缓慢的,劳动密集型的,缺乏实时功能,阻碍了智能WWTP的发展.
研究的目的:
- 开发一个实时在线系统,用微观图像分析量化测量MLSS和活性污泥的表面粘度.
- 为了确定微观图像和活性污泥的关键物理参数之间的相关性.
主要方法:
- 使用卷积神经网络 (Xception架构) 来分析活性污泥的微观视频.
- 从化学氧气需求冲击下的实验室规模测序批量反应堆捕获了高质量的图像.
- 该系统使用41482张图像进行训练和验证,以将视觉数据与MLSS和表面粘度相关联.
主要成果:
- 该系统在MLSS和表面粘度的定性识别方面取得了很高的准确性,两者都超过97%.
- 定量相关性产生了高系数:MLSS的0.95和表面粘度的0.96.
- 证明了显微镜图像特征与活性污泥的物理性质之间的强烈联系.
结论:
- 通过微观图像分析和深度学习,可以实时在线监测活性污泥参数.
- 开发的系统为在WWTP中实施智能监控和控制提供了基础.
- 这种方法为评估污泥性质的传统方法提供了更快,更有效的替代方案.
