基于圖像識別的全自動水域清理系統

羅霄 劉慶 廖自強

摘要：近年來國內外水體富營養化現象時頻發，致使藻類等浮游植物在短時間內瘋長。水質惡化，水生生物窒息死亡等一系列環境污染問題日趨嚴重。本文介紹了一種全自動水上浮游植物清理系統，可以通過圖像識別技術實現了清理的自動化與智能化，系統利用圖像智能技術檢測水生植物，并通過智能計算實現對水生植物清理船體的控制。系統能夠實現對定點片區水域的水上浮游植物的打撈清理功能，具有智能化、低成本以及抗干擾能力強等優點。

關鍵詞：圖像識別清理系統自動化

中圖分類號：TP391. 41

文獻標識碼：A

文章編號：1672 - 9129（2018）12 - 0117 - 01

引言：近些年來，國內外水體富營養化現象頻頻發生。以水藻為代表的浮萍類浮游植物和以水葫蘆為代表的根莖類浮游植物大量生長，導致水體透明度下降、溶解氧減少，水質不斷惡化，水體底層呈缺氧狀態，導致一些魚類窒息死亡。其中一些藻類會產生藻毒素，對水生生物和人畜的飲水安全也造成了威脅;一些藻類還會產生異味，影響周圍居民的生活環境[1]。

現今的技術雖然能在一定程度上高效的清理水上浮游植物，但存在著效率低、成本高、易造成二次污染等問題。針對這些問題而展開對水上浮游植物清理系統研究和設計。

1 系統設計

1.1 系統組成。清理船體主要由船體動力部分、微型浮游植物清理部分、中小型浮游植物清理部分、圖像識別與自動化部分、船體支撐部分五部分組成。船體動力部分主要由涵道風扇、電信號接收器、電動機、蓄電池、太陽能電池板等組成;微型浮游植物清理部分主要由止水器、過濾存儲容器、透明水管、過濾網等組成;中小型浮游植物清理部分主要由推料輪、活塞壓板、儲蓄箱、鉸刀等組成;圖像識別與自動化部分主要由CCD相機、單片機、控制器、轉換器、CSM無線發射裝置等組成;船體支撐部分主要由橡膠氣囊、支撐板等組成。

1.2 圖像識別原理。如圖l所示，清理船體在工作時，會通過CCD相機采集視頻信息，并通過AD轉換電路，將連續的視頻信號或者圖像信號進行數字化，送人單片機CPU與預設目標進行對比分析，由于水葫蘆、水藻、障礙物體型差異較大，故本文采用圖像輪廓特征、統計特征、GMM參數特征來作為目標的識別特征，并對特征向量進行內部歸一化處理，將特征向量序列存入圖像特征庫。當分析結果與預設值的匹配度達到90%，則判斷為正確，并對相應水域進行分類，再由相應類別的清理裝置對其進行清理工作。從而達到不同類別的植物分開處理，分開儲存的目的，實現更高效、更快捷、更自動化地清理水上浮游植物[2]。從此來努力鞏固水上浮游植物清理整治成果，提供水體質量，讓水生動物有更好的生活條件，并可以利用太陽能發電給蓄電池充電，創造更好的生態環境。

2 圖像處理與自動化過程

在清理船體運作時，其清理路線可以實現完全的自動化。利用圖像識別技術，船體的控制核心單片機CPU可以接受離散化之后的視頻或者圖像信息，并通過輪廓特征、統計特征、CMM參數特征分析[3]來判斷行方向上的物體屬性，并將判斷結果轉化為電信號，控制電信號發射器發送相應的信號，信號接收器對其進行接收，并控制涵道風扇的旋轉速度和旋轉方向，達到控制其運轉速度和方向的目的。

當清理船體中的儲物箱已經充滿或已完成相應的清理工作時，位于儲物箱底部的重力傳感器檢測到重力信號時，將其轉化為電信號送入單片機，單片機通過控制電路關閉清理系統，此時船體將停止工作直線前進，并到達對岸，此時工作人員便可以將其中的儲物箱取出，并清理儲物箱中的植物，待清理完畢后再裝入清理船體，如此循環往復將其進行重復利用。

控制系統如圖2所示，系統利用AT89C51為控制中心，接受圖片信號并做相應的處理，將處理結果傳輸到執行機構完成相應的調控作用。而軟件系統的主要功能是控制圖像采集卡捕捉采集浮游植物的圖像，并對采集到的數字圖像進行變換處理及特征值提取，實現計算機識別[4]。船體在運動過程中采集圖像的視頻信息，在主控電路里通過采樣定理進行采樣，并經過保持、量化、編碼將模擬圖像信號轉化為數字信號送到單片機的CPU，單片機CPU經過解碼之后，將控制信號送至執行機構，執行機構進行相應的轉向操作和清理模式選擇，并依次完成此過程，實現自動化過程。

3 結論

本系統實施后，將顯著改善現有湖泊水質水生生物治理過程中的水藻清理技術，降低由于水生植物不及時清理而瘋漲導致治理不可控的風險。與此同時，項目的實施增強人們的環保意識，提高整個社會環境保護意識與共同參與的積極性。系統對水體治理和環境保護建設服務的智能化發展具有重要意義。

參考文獻：

[1]賈昌春，余增亮.湖泊富營養化水磁絮凝分離凈化裝置的開發及應用研究[D].安徽大學.2009.

[2]孫亮.計算機智能化圖像識別技術的理論性突破[J].數字技術與應用，2013（ 06）：106 - 107.

[3]盧勝偉.基于圖像處理的目標識別跟蹤研究[D].長春理工大學，2008年.

[4]解曉康.基于遷移學習的模糊圖像識別技術研究[D].華中科技大學，2016.