船载水域污染物识别装置的研究现状及发展趋势

马梓焱，张 彦，王恒涛

(武汉理工大学能源与动力工程学院，湖北武汉 430063)

20世纪80年代以来，海洋原油漏油事件屡有发生，赤潮现象屡见不鲜，原本清澈的水面因各种污染物而变得污浊不堪［1］，人们开始意识到水域环境保护的重要性。维持海洋湖泊生态系统稳定，保护水域生态环境不被破坏成为了很多研究学者的研究方向和目标。

依靠清污船对水域污染物进行清理一直被认为是主要的水域环境保护手段，但因为水域面积广大，污染物分布散乱，传统的清污手段耗费了大量的人力、物力。为了提升清污效率、降低劳动强度，人们逐渐将研究重点放在自动化清污方面。水域环境的自动化清污，核心内容就是水域污染物识别。水域污染物识别技术早期应用于水域环境监测、水质检测等，因其能够有效帮助无人清污船识别污染物进而采用针对性的清污方式，故被逐渐应用于水域清污领域。相较于水域清污机构的快速发展，船载清污用污染物识别装置的更新升级相对缓慢，从而阻碍了水域环境自动化清污的步伐。

1 水域污染物识别

1.1 水域污染物的种类

水域清污领域所涉及的污染物通常大小形状各异、位置随水的流动不断变化、易于积聚在水流漩涡处，综合作用下使得水质恶化、水体透明度降低、水生态系统发生退化。污染物按照成分主要可以分为4类。

1)难以自行降解的塑料制品、树枝等漂浮固体。漂浮固体是内河水域最主要的污染物，影响水质，还容易造成各类水泵堵塞，给取水带来很大困难，更甚者，给工业生产和水电站造成巨大损失。

2)能漂浮在水域表面的石油类液体。石油类液体是当前海洋中主要的污染物，损害水体环境，并对海洋生物产生严重的有害影响。

3)成分复杂的有机废物。有机废物除了影响水质以外，最主要的是引起藻类等浮游生物迅速繁殖，造成富营养化污染，最终可能导致鱼类和其他生物大量死亡。

4)浮游植物。蓝藻、金藻等浮游植物使水质具有毒性，并制约其他藻类生长、繁殖，同时产氧力差;裸藻等浮游植物自身大量死亡后形成一层黄锈色膜，覆盖水面遮光、隔气造成水中缺氧。

结合上述4类污染物的形态特性，应从清污手段的角度将各污染物分为固体污染物和液体污染物，对应类别采取不同识别方式。

1.2 水域污染物的识别难点

水域污染物的有效识别决定着水域环境自动化清污的效果，核心要求是对于污染物种类和程度的有效判别以及对污染物位置的准确定位。

对于污染物种类和程度的有效判别决定着清污手段的选取，而合理的清污手段影响着清污效率;同时有效判别决定着对清污效果的认定，影响着清污过程的决策，并规避无人清污船对某一区域的重复清污。在水域环境中，污染物种类繁多，识别装置必须能适应于各种类别 (固体污染物和液体污染物)的漂浮污染物，才能保证识别准确性。与此同时，由于鸟类、鱼类等各种生物，航标、浮体等水中装置，光线折射、反射以及水雾等干扰物的影响，对于污染物的精准识别十分困难，极易发生误判现象。

对于污染物位置的确定决定着无人清污船的运行路径进而影响着清污策略。由于水域是一个不停运动的动态环境，除去水流自身的运动，无人清污船清污过程中造成的水面波动都会使得污染物随水流运动而改变位置，影响对被识别物的准确定位。

2 固体污染物的识别重点与装置

2.1 固体污染物的识别重点

水域环境下的固体污染物通常包括难以自行降解的塑料制品、树枝等漂浮固体和浮游植物，两者在形态上差别较大，漂浮固体通常浮于水面以上，种类及形状各异，随水流运动而移动;浮游植物通常连接成片，覆盖于大片水域，易于辨认。漂浮固体识别的最大难度在于鸟类、鱼类等各种生物与航标、浮体等水中装置的区分，同时准确定位;浮游植物，主要是对区域边界的确定。

2.2 超声波测距系统

基于固体污染物的特征，对其识别最常用的装置为超声波测距系统。该系统利用了超声波传播过程中接触物体可反方向回传的特性，通过向未知物体发射具有特定频率的超声波，根据发射出超声波和接收到反射回的超声波所用的时间，换算出距离，通过相关设计算法也能得到漂浮固体的大致形状和尺寸大小。超声波测距系统原理示意图如图1所示。

图1 超声波测距系统原理示意图

超声波测距系统具有硬件要求低、探测角度广等特点［2］，但此种装置对工作环境要求较高，受到外界温度、压力、湿度等因素的影响，精度会降低。因此该类固体污染物识别装置适用于水库、人工湖等封闭水域，环境变化较小，且没有航标、浮体等水中装置。目前市面上已有多款超声波测距传感器事宜应用于水域清污领域［3］。

2.3 红外线/激光测距系统

限制于超声波测距系统在检测范围等方面的不足，红外线/激光测距系统被考虑应用于水中固体污染物识别。该系统由红外线/激光调制发射器和反馈接收器两大主要组成部分构成［3］，基于红外线/激光测距原理，在运行期间实时进行反馈数据的接收，并回传至处理器部件，使用模糊控制算法，通过偏转角、时间差等数据计算分析，对目标物进行坐标定位，得到距离，并测定物体实际形状、大小，从而通过数据判断固体漂浮物的种类和运动情况［4］。红外线/激光测距系统原理示意图如图2所示。

红外线/激光测距系统相比于超声波系统，反应速度更快，精度更高，检测范围大大提高，更能适应复杂的工作环境，但对于装置硬件的要求较高，且无法准确的测量出透明物体 (如漂浮的塑料瓶)。

图2 红外线/激光测距系统原理示意图

2.4 机器视觉识别系统

随着计算机图像识别技术和相关硬件的发展，机器视觉识别系统也被尝试应用于水域清污。该系统通过摄像头对水域进行拍摄［5］，中央处理器对图像进行区域处理和分类识别，便能对污染物进行判定［6］。此技术自动化程度高、灵活性好，相较于其他种类的识别技术，拥有更强的判断能力［7］。机器视觉识别系统原理示意图如图3所示。但机器视觉识别对相应计算机硬件、系统运行速度与存储器的存储能力都有严格的要求，且处理过程中遇到的环境偶然性因素较多，对于图像识别算法的要求较高，与此同时，由于水面反光等，对于机器识别的精准度也存在影响。

图3 机器视觉识别系统原理示意图

3 液体漂浮物的识别原理与装置

3.1 液体污染物的识别原理

水域环境下的液体污染物包括能漂浮在水域表面的石油类液体和成分复杂的有机废物。相较于固体污染物，液体污染物通常与水混合，在水域中成片存在，不易区分。对于液体污染物的识别关键在于判定其在水中的含量以及对区域边界的确定。

3.2 光谱检测系统

光谱检测是检测水中石油含量的常用方式。该系统中的光谱传感器部件实时对水域采样进行检测，通过光谱显示出其中各元素含量［8］，当系统检测到水样中烷烃含量达到浮油污染的阈值时，便能判定出该水域中有浮油污染情况发生。光谱检测系统精确度极高，错误发生率小，但检测时间周期较长，不能及时进行信息反馈，故并不完全适用于船载识别装置，在该方向的使用中仍需对传感器进行改进。

3.3 荧光探测系统

荧光探测系统的原理是激光器部件产生的激发光经过调节后照射在检测水域上，水中漂浮的石油类污染物会在激发光的作用下发出荧光，激光雷达部件对产生的荧光信号进行收集并导入光栅光谱仪中进行分光处理，生成的荧光光谱经光电转换器件转换为电信号并最终传回计算机进行分析［9］，荧光探测系统原理示意图如图4所示。该种系统对于浮油的检测速度较快、结果精准，可对水域中的浮油进行精确检测［10］，十分适用于水域清污领域。

图4 荧光探测系统原理示意图

4 水域污染物识别的发展

从国内外最新研究成果来看，固体污染物识别装置的发展逐渐趋向于适应性更强、自动化程度更高的机器视觉识别系统，一些不足可以通过改进算法和传感器研制来解决，而工作受环境影响因素较大的超声波传感识别技术和硬件要求较高的红外识别技术逐渐被替代。液体污染物识别装置的发展中，近年来新兴的荧光探测系统技术更能适应于复杂水域中对液体污染物的识别，发展空间更大。

从目前的发展需求上来看，将固体污染物识别技术和液体污染物识别技术合二为一，在工作运行时同时进行两种污染物的识别处理，更符合当今时代追求高效率的风格，也能省去多种识别装置共用时冗杂的结构，现有多个研究项目也正是朝这个目标发展。两种污染物同时识别，实现高度自动化、智能化是未来水域污染物识别装置发展的总趋势。

综合本文对于现有多种水域污染物识别装置在原理、研究现状、发展趋势等多方面的探讨和比较，不难看出，现有的多种水域污染物识别装置仍具有可改进之处，这也正是各项技术在下一步发展中的趋势所在。在未来的发展中，各项新技术将占有更大的比重，水域污染物识别装置也必将有更广阔的发展空间和更大的应用前景。

［1］梁新生.对长江水域污染问题及对策的初探 ［J］.中国水运，2010，(9):179，204.

［2］Bernd，Henning，Andreas，et al.Ultrasonic distance sensors－An overview and trends［J］.电子测量与仪器学报，2011，25(7):577－581.

［3］Jian Pu Bia， MeiXiaGao.Design ofUltrasonic Rangefinder Controlled by Single Chip Microcomputer［J］.Applied Mechanics and Materials，2014，3360(599).1470－1473.

［4］耿捷.激光测距研究与设计 ［D］.北京:北方工业大学，2016.

［5］常兴华.基于无人机红外遥感图像的海上目标识别系统设计及其应用［D］.沈阳:东北大学，2013.

［6］Li Pengfei，Meng Qi，Zhang Weihong.Study on Image Target Enhancement Algorithm and Feature Location Technique［C］.Proceedings of 2014 IEEE Computers，Communications and IT Applications Conference(ComComAp)，2014.

［7］吕雪.关于计算机智能化图像识别技术的理论性研究［J］.数字技术与应用，2017(4):235.

［8］张华，田纪宇，黄健，等.三维荧光光谱技术对污水处理中溶解性有机物转化过程的分析［J］.环境污染与防治，2017(4):375－378，383.

［9］刘星，孙茜，王震，等.三维荧光联合气相色谱/质谱快速溢油鉴别技术研究 ［J］.环境污染与防治，2010(9):13－17.

［10］刘鹏，陈思颖，张寅超.海面浮油探测荧光激光雷达系统仿真［J］.北京理工大学报，2013(2):208－212.