一种基于机器视觉的畜牧养殖废水处理方法与流程

本发明涉及图像数据处理领域，具体涉及一种基于机器视觉的畜牧养殖废水处理方法。

背景技术：

1、目前，全国规模化养殖场每天排放的畜牧养殖废水量比较大。由于畜牧养殖废水中含有大量污染物，如不经过处理直接排放，将会造成严重污染。因此，畜牧养殖废水需要先进行固液分离，再进行排放。然而，经过固液分离后的畜牧养殖废水中仍然含有大量微小的固体附着物，在经过废水管道排放的过程中会附着在废水管道中，长期积累下会造成废水管道的堵塞。因此，规模化养殖场会定期对废水管道进行清理，但是由于清理废水管道的工序复杂，且恶臭气体对人员的危害极大，所以人们提出对废水管道的堵塞情况进行识别，来评估废水管道是否需要进行清理。

2、规模化养殖场常常采用在废水管道中安装流量计的方法来识别废水管道是否堵塞。常用的流量计包括电磁流量计、超声波流量计、插入式涡轮流量计、转子流量计等。其中，电磁流量计用于较小流量、较小流速的流动液体时，把与干扰信号相向数量级的感应电势进行放大和测量是较困难的，且仪表也易产生零点漂移；超声波流量计仅适用于水质较清澈的检测目标，并且不能用于衬里或结垢很厚的管道，显然前两者并不适用于脏污程度较高的养殖废水的流量监测工作。传统涡轮、转子流量传感器需要液体穿过并推动叶轮，然后将转动信号转化为流量信号，放置在排放养殖废水的管道中，也极容易发生叶轮堵塞、故障。基于此，人们提出了一种视频测流技术，即通过对视频分析来获取废水流量数据，采用传统浮标法原理，通过对废水排放口图像进行处理，提取画面中的刚性漂浮物或波纹、气泡等水面纹理特征并进行跟踪匹配，计算出特征点的物理距离以及帧间时间，从而得出水体表面实时流速值，根据断面数据可推算出断面流量。根据废水排放口的断面流量对废水管道的堵塞情况进行识别，根据废水管道的堵塞情况评估废水管道是否需要进行清理。

3、但是，采用视频测流技术对废水管道的堵塞情况进行识别的过程中需要对视频帧图像进行去噪，而现有的去噪方法主要采用滤波处理方法，即对图像的所有像素点采用同样的去噪方法。这种去噪方法容易降低帧图像中背景区域和废水区域的对比度，从而导致废水轮廓不准确以及废水流量数据不准确，降低了对废水管道堵塞情况的识别准确度，进而降低对废水管道是否需要清理的评估准确度。

技术实现思路

1、本发明提供一种基于机器视觉的畜牧养殖废水处理方法，以解决现有的畜牧养殖废水处理方法对废水管道是否需要清理的评估准确度低的问题。

2、为达到上述目的，本发明采用如下技术方案，一种基于机器视觉的畜牧养殖废水处理方法，包括：

3、获取当前时刻的废水排放口灰度图，并对灰度图进行超像素分割得到所有超像素区域；

4、利用每个超像素区域中各像素点的灰度值、像素点的数量及每一个灰度值的频率，计算得到每个超像素区域的像素结构混乱系数；

5、利用每个超像素区域中各像素点在不同邻域方向上的灰度梯度值计算得到每个超像素区域的平均灰度梯度值；

6、利用每个超像素区域的平均灰度梯度值、超像素区域中像素点的数量、超像素区域中各像素点在不同邻域方向上的灰度梯度值，计算得到每个超像素区域的纹理丰富度；

7、利用每个超像素区域的像素结构混乱系数和纹理丰富度，计算得到每个超像素区域的增强权重；

8、将每个超像素区域中所有像素点在不同邻域方向上的灰度梯度值最大值作为该超像素区域的灰度梯度值最大值；

9、利用每个超像素区域中各像素点在不同邻域方向上的灰度梯度值、该超像素区域的灰度梯度值最大值、超像素区域中各像素点的邻域方向的数量，计算得到每个超像素区域中各像素点的增强需求指数；

10、利用每个超像素区域的增强权重和每个超像素区域中各像素点的增强需求指数，计算得到每个超像素区域中各像素点的灰度拉伸系数；

11、根据每个超像素区域中各像素点的灰度拉伸系数对废水排放口灰度图进行灰度拉伸增强，得到当前时刻增强后的废水排放口灰度图；

12、根据当前时刻增强后的废水排放口灰度图判断当前时刻废水管道是否发生堵塞，当废水管道发生堵塞时对废水管道进行清理。

13、所述一种基于机器视觉的畜牧养殖废水处理方法，所述利用每个超像素区域中各像素点的灰度值、像素点的数量及每一个灰度值的频率，计算得到每个超像素区域的像素结构混乱系数，具体包括：

14、对每个超像素区域进行如下操作：

15、统计超像素区域中每一个灰度值的频率；

16、利用每个超像素区域中各像素点的灰度值、像素点的数量及每一个灰度值的频率，计算得到每个超像素区域的像素结构混乱系数。

17、所述一种基于机器视觉的畜牧养殖废水处理方法，所述利用每个超像素区域的平均灰度梯度值、超像素区域中像素点的数量、超像素区域中各像素点在不同邻域方向上的灰度梯度值，计算得到每个超像素区域的纹理丰富度，具体包括：

18、对每个超像素区域进行如下操作：

19、将超像素区域中任意像素点作为第一像素点，获取第一像素点的邻域像素点；

20、利用第一像素点及其邻域像素点的灰度值，计算得到第一像素点在不同邻域方向上的灰度梯度值；

21、按照得到第一像素点在不同邻域方向上的灰度梯度值的方法得到超像素区域中各像素点在不同邻域方向上的灰度梯度值；

22、以超像素区域中各像素点在不同邻域方向上的灰度梯度值为横轴，每个灰度梯度值的数量为纵轴，构建超像素区域的灰度梯度统计直方图；

23、根据超像素区域的灰度梯度统计直方图中的灰度梯度值，计算超像素区域的平均灰度梯度值；

24、利用每个超像素区域的平均灰度梯度值、超像素区域中像素点的数量、超像素区域中各像素点在不同邻域方向上的灰度梯度值，计算得到每个超像素区域的纹理丰富度。

25、所述一种基于机器视觉的畜牧养殖废水处理方法，所述利用每个超像素区域中各像素点在不同邻域方向上的灰度梯度值、该超像素区域的灰度梯度值最大值、超像素区域中各像素点的邻域方向的数量，计算得到每个超像素区域中各像素点的增强需求指数，具体包括：

26、对每个超像素区域进行如下操作：

27、选取超像素区域中任意像素点作为第一像素点，选取第一像素点的任意邻域方向上的灰度梯度值作为第一灰度梯度值；

28、将超像素区域中所有像素点在不同邻域方向上的灰度梯度值最大值作为该超像素区域的灰度梯度值最大值；

29、利用超像素区域的灰度梯度值最大值、第一灰度梯度值，计算得到第一灰度梯度值的增强需求指数；

30、按照得到第一灰度梯度值的增强需求指数的方法得到第一像素点在其他邻域方向上的灰度梯度值的增强需求指数，得到第一像素点在不同邻域方向上的灰度梯度值的增强需求指数；

31、按照得到第一像素点在不同邻域方向上的灰度梯度值的增强需求指数的方法得到超像素区域中各像素点在不同邻域方向上的灰度梯度值的增强需求指数；

32、利用超像素区域中各像素点在不同邻域方向上的灰度梯度值的增强需求指数、超像素区域中各像素点的邻域方向的数量，计算得到超像素区域中各像素点的增强需求指数。

33、所述一种基于机器视觉的畜牧养殖废水处理方法，所述每个超像素区域中各像素点的灰度拉伸系数的表达式如下：

34、

35、式中，表示第g个超像素区域中第i个像素点的灰度拉伸系数，表示第g个超像素区域的增强权重，表示第g个超像素区域中第i个像素点的增强需求指数。

36、所述一种基于机器视觉的畜牧养殖废水处理方法，所述获取当前时刻的废水排放口灰度图，并对灰度图进行超像素分割得到所有超像素区域，具体包括：

37、采集当前时刻的废水排放口图像；

38、对当前时刻的废水排放口图像进行灰度化处理，得到当前时刻的废水排放口灰度图；

39、对当前时刻的废水排放口灰度图进行超像素分割，得到所有超像素块；

40、根据各超像素块之间的灰度相似性及空间距离对所有超像素块进行合并，获取废水排放口灰度图中的所有超像素区域。

41、进一步地，所述根据当前时刻增强后的废水排放口灰度图判断当前时刻废水管道是否发生堵塞，当废水管道发生堵塞时对废水管道进行清理包括：

42、利用当前时刻增强后的废水排放口灰度图和前一时刻增强后的废水排放口灰度图获得当前时刻的废水排放口的排放流量，根据得到的当前时刻的废水排放口的排放流量判断当前时刻废水管道是否发生堵塞，当废水管道发生堵塞时对废水管道进行清理；所述前一时刻增强后的废水排放口灰度图的增强方法与当前时刻增强后的废水排放口灰度图的增强方法相同。

43、进一步地，所述利用每个超像素区域中各像素点的灰度值、像素点的数量及每一个灰度值的频率，计算得到每个超像素区域的像素结构混乱系数包括：

44、采用熵值计算公式获得所述像素结构混乱系数。

45、进一步地，所述邻域方向设置为像素点的8邻域方向。

46、进一步地，所述增强需求指数的获取方法包括：

47、

48、式中，表示第g个超像素区域中第i个像素点的增强需求指数，表示第g个超像素区域中第i个像素点存在灰度梯度值的邻域方向的数量，表示第g个超像素区域中第i个像素点存在灰度梯度值的第d个邻域方向的增强需求指数。

49、本发明的有益效果是：本发明根据废水排放口灰度图中各超像素区域的灰度特征，得到每个超像素区域的增强权重，基于宏观视觉特征得到废水排放口灰度图中每个像素点在宏观角度的拉伸系数。本发明利用废水排放口灰度图中每个像素点与其邻域像素点的灰度梯度，计算得到每个像素点的增强需求指数，基于微观像素点的灰度梯度特征得到废水排放口灰度图中每个像素点在微观角度的拉伸系数。本发明结合废水排放口灰度图中每个像素点在宏观和微观角度的拉伸系数，得到废水排放口灰度图中每个像素点的自适应拉伸系数，使得图像的细节更加突出，避免了传统去噪方法无差别增强带来的失真问题，提高了对废水管道堵塞情况识别的准确度。本发明通过提高对废水管道堵塞情况识别的准确度，来提高废水管道是否需要清理的评估准确度。