1.一种基于机器视觉的畜牧养殖废水处理方法,其特征在于,包括:
2.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法,其特征在于,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:
3.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法,其特征在于,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:
4.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法,其特征在于,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:
5.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法,其特征在于,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:
6.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法,其特征在于,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:
7.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法,其特征在于,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:
8.根据权利要求2所述的一种基于机器视觉的畜牧养殖废水处理方法,其特征在于,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:
9.根据权利要求1所述的一种基于机器视觉的畜牧养殖废水处理方法,其特征在于,所述邻域方向设置为像素点的8邻域方向。
10.根据权利要求4所述的一种基于机器视觉的畜牧养殖废水处理方法,其特征在于,所述增强需求指数的获取方法包括: