機器視覺在自來水廠的應用

王亮?闞力華?張軍

摘要：在開展自來水水質檢測工作時，可以應用機器視覺技術，通過對水體顏色、pH值等參數進行分析來開展無損檢測，這種水質檢測方式成本低、速度快、自動化程度高。自來水廠在水處理的過程中，大多采用絮凝的方法來降低原水的濁度。通過觀察礬花的形態，可以判斷凈化水的效果，根據凈化效果來調節絮凝劑的投加量。利用機器視覺技術，代替人工工作，可以實現水中礬花在線持續的形態觀察，結果分析，以及調整絮凝劑投加量，保證了藥劑調整的及時性、準確性，從而降低人工勞動強度，節約藥劑的投加量，保證水處理的效果。

關鍵詞：機器視覺；自來水廠；水質檢測；絮凝凈化；應用分析

一、前言

機器視覺技術已經在我國自來水廠有一定范圍的應用，其主要應用于水質監測及水體凈化兩個方面。對于傳統的水質檢測及凈化方式來說，其通常是以微生物法及化學法為主，需要相關技術人員自身具備極強的專業素質，并且測量周期較長，成本較高，尤其難以滿足當前自來水廠實時監測的需求，因此，要應用更為先進的檢測及凈化技術來滿足當前自來水廠經營發展需求。

二、機器視覺技術簡析

隨著我國社會不斷發展，人們生活水平不斷提高，對飲水資源質量要求也越來越高，在這樣的背景下，自來水廠的生產及檢測模式也發生了較大變化，基于機器視覺技術的水質監測、水體凈化方式被應用到自來水廠的相關業務中。對于機器視覺技術而言，其屬于一項高效化、自動化的自來水檢測及凈化技術，已經被廣泛應用于水環境檢測、水體凈化、無人機等多個領域。具體來說，機器視覺技術在自來水廠的應用主要是借助傳感設備、攝像頭、計算機系統等幾個組成部分來開展工作，需要將軟件系統與硬件設備有機結合，進而獲得高清晰、可視化的圖像數據。

三、機器視覺在自來水廠水質檢測中的應用

基于機器視覺的水質檢測系統屬于一種先進的水體檢測技術手段，其主要是通過對水體顏色、pH值、濁度等一系列指標進行測定來實現對當前水質情況的深入分析，進而得出檢測結果[1]。機器視覺水質檢測技術在應用過程中體現出了諸多優勢，主要包括檢測速度快、成本可控、自動化程度高、數據直觀等，可以有效起到補充傳統檢測方法的作用。在將機器視覺技術應用到自來水廠的水質檢測中時，應該注意從以下兩個層面入手。

（一）硬件層面

傳感器、攝像頭及計算機系統是機器視覺水質檢測系統的基本硬件組成，其中，傳感器負責參數分析，當完成參數分析之后，傳感器會將所得到的參數傳輸到計算機系統中，進而實現對參數的有效處理與分析[2]。攝像頭主要負責可視化數據采集，采集完成之后，將其傳遞給傳感器。

（二）軟件層面

軟件層面是機器視覺水質檢測系統的關鍵，水質參數分析、數據處理、圖像識別、模式識別等都由軟件系統完成，進而得到精準的、可以反映實際水質情況的參數。因此，要通過模型識別算法來構建起相應的數據模型，進而實現對圖片數據的自主檢索與分析，從而確定圖片數據與模型特征是否相符。可以看出，軟件系統的合理設計及應用實現了檢測數據精準性、高效性及直觀性的有效保證[3]。在正式開展軟件系統設計時，應該注意從以下幾個方面入手：

1.響應度

軟件系統需要對當前水質異常情況進行快速反應，并通過數據處理與分析的方式及時提供處理方法（需要通過調整絮凝劑投加量來確定最佳凈化處理方案）。

2.精準度

保證水質參數精度高、可參照程度高（需要配置高像素攝像頭，并安裝防電磁干擾裝置）。

3.實時監測

通過對自來水廠水質的實時監測，可以使水質檢測工作常態化，同時也縮短了系統響應時間（需要設計緊湊的模塊響應結構，使各響應環節銜接緊密，使數據采集終端、數據分析端口、數據輸出端口協調程度更高）。

4.用戶自主

方便用戶及時了解軟件系統工作狀態（需要保證系統具備問題定位模塊，進而實現對具體問題位置及產生原因的快速分析，使相應水體處理業務及時開展）[4]。

四、機器視覺在自來水廠水體凈化中的應用

絮凝是自來水廠凈化水過程中的關鍵工藝，為了保證凈化水的處理效果，需要及時觀察礬花的形態，結合原水進水的濁度，出水的濁度，以及水溫度、流量等數據，及時調整絮凝劑的投加量。目前采用人工巡檢的方式，通過肉眼觀察礬花狀態、定時觀測礬花狀態，對藥劑投加量進行調整。這種方式存在著很多問題。

第一，水質變化較大，通過肉眼觀察來調整加藥量，對人員的經驗要求較高，而且由于員工業務水平、責任心參差不齊，造成藥劑投加量變化較大，很難保證凈化水的效果。

第二，采用人工巡檢的方式，不但耗費人工，增加工人的勞動強度，而且無法實現及時調整，造成投加量調整滯后，投加偏少處理效果不好，不能有效降低濁度；投加量過大，造成藥劑浪費，成本增高，甚至會造成水質事故。

目前除了采用傳統的人工觀察調整方法外，也有采用礬花圖像分析的做法，但由于圖像采集設備需要長期在水下工作，絮凝劑會附著在照明設施及取樣窗上，造成采集效果變差；另外僅僅通過礬花的形態來確定投加量的多少在水處理工藝的實踐中往往不能得到好的效果。藥劑的投加量和原水的濁度、出水的濁度以及水溫、流量都有一定的關系，需要將這些數據綜合分析，再結合礬花的形態，才能得到合理的藥劑投加量。

針對以上問題，并基于機器視覺技術，結合工程實踐，設計出了新型的解決方案，并經過在工程中的應用檢驗，效果良好[5]。

第一，采集終端硬件設計。機器視覺主要應用于工件檢測、高速移動目標拍攝、材料分析等領域。隨著機器視覺在智能制造領域的應用，適用于不同場景的工業相機也層出不窮。在不同的應用場景，工業相機的像素、像元間距、曝光時間等參數選擇也不相同。工業相機用于水下圖像采集鮮有應用，只有從防護、照明、清潔等方面都做到合理設計，才能保證其在水下長期穩定工作。

本設備采用了大面陣全局快門工業相機，像素數達到了5000萬像素，像元間距3.2微米，曝光時間12微妙，針對現場環境惡劣的情況，還增加抗電磁干擾防護電路[6]，完全滿足礬花采集的需求。

結構設計主要考慮相機、照明的位置關系，以及防水的要求，防水等級達到IP68，光源為條形光源，采用側上方打光的方式。采樣池尺寸為50×60mm2，采樣池深度為可調節模式，深度調節范圍5-20mm。

在水下工作，采樣窗會附著污垢，影響透明度。如果經常將采樣窗從水中取出進行清洗，會給后期的運行維護帶來不便之處。本終端引入了自清潔概念，定期啟動沖洗泵將附著在采樣窗上的絮凝物沖洗干凈。

經過驗證，該結構設計緊湊，布局簡潔，可以實現免維護運行，適合在水下長期工作。采集的圖像質量清晰、穩定可以滿足后期分析的要求。

第二，分析軟件的設計。采集軟件的設計主要包括采集操作、圖像處理、圖像分析、聯動控制等功能。其中圖像的處理和圖像分析是礬花形態識別的關鍵。

圖像處理和分析部分的設計利用OPENCV技術，避免了底層的基本圖像處理的繁瑣編碼工作。OpenCV是一個基于BSD許可（開源）發行的跨平臺計算機視覺庫，可以運行在Windows操作系統上，輕量且高效，由C 函數和少量 C++ 類構成，實現了圖像處理和計算機視覺方面的一些通用算法。

礬花識別的流程設計見圖2。

1.圖像采集：利用工業相機的高速拍攝功能，在流動的水體中抓拍到清晰的圖像，光源強度調整也很關鍵，保持恒定的光強有助于采集的圖像具有較好的一致性，可以保證后期分析、計算結果的準確性（見圖3）。

2.清晰度評估：主要分析圖像的清晰度，清晰度就是每個像素點（i，j）在x或者y方向上的一階差分的平方和的開方取平均值，值越大越清晰。如果采集的圖像不清晰，則會丟棄該幀，繼續采集，直至采集到清晰的圖像，再進入下一個處理環節。

3.圖像預處理：主要是消除無關信息，恢復有用信息，增強可檢測性、簡化數據，優化二值化、圖像分形可靠性。采用高斯模糊算法對圖像做一次平滑處理，消除圖像噪點，再采用高通濾波完成邊緣的銳化，突出礬花的邊緣特征。

4.二值化處理：經過處理的圖像仍然是灰度圖像，圖像中像素的值在0-255之間連續變化。通過二值化將礬花從背景中提取出來，為了避免水中光影對圖像提取效果的影響，采用動態閾值法，實現圖像的二值化處理（見圖4）。

5.形態學處理：二值化后的圖像，背景值為0，礬花值為1，但是礬花在圖像中難免有重疊的現象，采用開運算，可以先將相連的礬花分開，提高了分形的效果。

6.圖像分形：基于邊緣檢測的分形方法可以將圖像中不連續的礬花逐個分揀出來，根據采集的圖像使用一次微分sobel算子效果較好（見圖5）[7]。

7.對象過濾：通過分形計算，將圖像中礬花的個數，每個礬花的面積大小全部計算出來，通過對面積進行閾值的對比，將面積過小的礬花作為干擾對象，將其過濾掉，以穩定計算結果。

8.結果輸出：通過一系列的計算，最終得到礬花特征數據，使用礬花個數和礬花的面積來表達礬花特征，與肉眼觀察的描述可以做到基本一致（見圖6）。

以礬花分析的結果為依據，將進水流量、進水濁度、進水溫度一并計算在內，利用加權法，得到加藥量的調整數據，并聯動加藥泵實現加藥量的調整。

應用機器視覺技術，在三坪水廠部署了三套礬花圖像采集設備，將圖像采集到計算機后，進行圖像處理、礬花識別，并以此來調整絮凝劑的投加量。經過半年的持續運行，系統極大地降低了工人現場觀察礬花的頻次，降低了人員勞動強度。通過在線實時采集、識別，并及時調整加藥量，保證出水水質達標，為水廠的智能化運行提供了技術保障。

五、結語

總而言之，基于機器視覺的自來水廠水質檢測、水體凈化技術實現了對傳統人工檢測、化學及生物凈化技術的有效補充。高清晰度的攝像頭、快速響應的傳感器、圖像優化效果明顯的數據預處理系統、針對性較強的過濾系統等使得水質檢測工藝、絮凝凈化工藝先進程度更高。在當前人們用水品質要求日益提高及自來水廠供水量逐年加大的背景下，機器視覺技術的應用實現了對自來水廠業務的有效優化，符合當前我國自來水廠現代化發展需求。

參考文獻

[1]朱逸，蔡雅瓊，陳柯宇，等.采用機器視覺與模糊控制的水廠絮凝劑投加控制系統[J].合肥工業大學學報（自然科學版），2017，40（08）：1059-1063+1081.

[2]劉華，張營，張英杰，等.基于自適應差分進化算法的礬花圖像分割[J].控制工程，2016，23（08）：1203-1207.

[3]沈彥.基于機器視覺的多級分析絮凝加藥表征系統[J].集成電路應用，2022，39（01）：63-65.

[4]張文博，鄭淏天，李杰，等.基于機器視覺系統的智能化驗機器人設計與分析[J].數碼世界，2019，11（05）：6.

[5]湯一平，尤思思，葉永杰，等.基于機器視覺的生物式水質監測儀的開發[J].工業控制計算機，2016，19（06）：64-66.

[6]翟士才，陸明剛.基于Opencv的絮體顆粒跟蹤與沉速測量系統研究[J].計量與測試技術，2017，44（01）：47-50.

[7]彭聰，劉彬，周乾，等.基于機器視覺和盲源分離的機械故障檢測[J].上海交通大學學報，2020，54（09）：953-960.

作者單位：克拉瑪依市水務有限責任公司

責任編輯：尚丹