Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 沈阳化工大学;国能辽宁环保产业集团有限公司赵立杰获国家专利权

沈阳化工大学;国能辽宁环保产业集团有限公司赵立杰获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉沈阳化工大学;国能辽宁环保产业集团有限公司申请的专利一种污水处理的污泥状态异常识别检测方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120339675B

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510240567.4,技术领域涉及:G06V10/764;该发明授权一种污水处理的污泥状态异常识别检测方法是由赵立杰;李智乐;赵一玲;李昊阳;梅慕琪;周驰设计研发完成,并于2025-03-03向国家知识产权局提交的专利申请。

一种污水处理的污泥状态异常识别检测方法在说明书摘要公布了:本发明一种污水处理的污泥状态异常识别检测方法,涉及一种生化污水处理方法,使用高清图像采集设备拍摄污泥沉降过程中的图像数据,污泥沉降图像增强预处理操作;构建一种新型混合模型,该模型结合了改进后的YOLOv11模型和K‑means聚类算法,用于污泥状态检测和异常识别;边缘部署与模型输出:优化训练的混合模型部署至边缘计算设备上,实现实时污泥状态检测与异常识别结果的输出,并据此判断是否存在异常情况。本发明提供的方法提升了污泥状态及异常情况检测的速度和准确性,减少了模型参数量,提高了整体检测效率。此技术在环境监测、污水处理等领域展现出广泛的应用前景。

本发明授权一种污水处理的污泥状态异常识别检测方法在权利要求书中公布了:1.一种污水处理的污泥状态异常识别检测方法,其特征在于,所述方法包括以下步骤: S01.数据采集:获取污泥混合液图像数据,污泥混合液图像数据来源于污水处理曝气池末端污泥混合液,将混合液放置于1000ml量筒中,通过高清图像采集设备拍摄污泥沉降过程中的图像数据,并通过人工进行数据标注; S02.图像预处理:对采集图像进行图像预处理,图像预处理方法包括去噪、Mosaic数据增强、Copy-Paste增强以及缩放平移; S03.模型构建:采用一种新型混合模型,对污泥状态进行状态检测与异常识别,获取污泥沉降过程中的状态信息,其中状态信息包括污泥沉降过程中的上清液清澈度、絮体紧凑度、污泥上浮、污泥沉降比以及污泥絮体的颜色; 其中,混合模型是首先采用改进后的YOLOv11模型检测污泥的上清液清澈度、絮体紧凑度、污泥上浮信息,并获取ROI沉降区域,对提取的ROI沉降区域分别进行污泥絮体颜色的识别以及污泥沉降比的计算,对于絮体颜色的识别采用K-means聚类算法识别污泥的絮体颜色,通过计算主导颜色的欧氏距离判断污泥的絮体颜色;通过获得沉降区域的面积以及转换系数,计算出污泥沉降比; S04.边缘端部署与模型输出:将经过训练和优化的混合模型部署到边缘计算设备上,并实时输出污泥状态检测与异常识别的结果,并做出判断是否出现异常情况; 其中污泥状态类别包括上清液清澈、上清液较清澈、上清液较浑浊、上清液浑浊、絮体松散、絮体较紧凑、絮体紧凑及污泥上浮,以及5种污泥颜色类别,即黑色、浅褐色、褐色、深褐色以及浅红色,其中,污泥上浮、上清液浑浊、絮体松散、污泥发黑、污泥浅红色设定为污泥的异常情况;同时输出污泥沉降比趋势曲线以及沉降速率曲线; 所述混合模型中的改进后的YOLOv11的训练步骤具体包括: 利用采集到的沉降图片以及人工进行标注的标签数据,通过数据预处理模块,进行数据增强,增加数据集的多样性以及突出污泥细节;然后进行特征提取模块,通过网络结构获取图像细粒度特征,通过预测与分类模块后通过损失计算模块以及反向传播与优化模块进行误差计算以及权重更新,以获取更好的模型参数进行训练;最后到达迭代次数后,系统进行后处理及模型评估输出最后的结果; 其中,改进后的YOLOv11模型做出了针对性的模型改进,包括: 在PAFPN空间金字塔结构中,采用V7DownSampling卷积模块替代普通下采样模块,V7DownSampling模块为YOLOv7中的下采样模块,用于提升多尺度特征提取能力和特征信息保留效果;在PAFPN网络架构的骨干和颈部,采用C3k2_Faster模块替代原始的C3k2模块;C3k2_Faster模块通过引入FasterNet中的backbone模块,提高模型的推理速度和检测精度; 在PAFPN网络架构中,采用一种新型轻量化尺度融合模块替代其中一个C3k2模块和一个Conv模块,所述轻量化尺度融合模块通过融合轻量级的LightConv卷积和两个ShuffleNet模块,实现高效特征融合和模型轻量化; 采用MPDIoU损失函数替代CIoU损失函数,以优化边界框回归性能,提升模型的检测精度。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人沈阳化工大学;国能辽宁环保产业集团有限公司,其通讯地址为:110142 辽宁省沈阳市沈阳经济技术开发区11号街;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。