机器视觉在自来水厂的应用

王亮?阚力华?张军

摘要：在开展自来水水质检测工作时，可以应用机器视觉技术，通过对水体颜色、pH值等参数进行分析来开展无损检测，这种水质检测方式成本低、速度快、自动化程度高。自来水厂在水处理的过程中，大多采用絮凝的方法来降低原水的浊度。通过观察矾花的形态，可以判断净化水的效果，根据净化效果来调节絮凝剂的投加量。利用机器视觉技术，代替人工工作，可以实现水中矾花在线持续的形态观察，结果分析，以及调整絮凝剂投加量，保证了药剂调整的及时性、准确性，从而降低人工劳动强度，节约药剂的投加量，保证水处理的效果。

关键词：机器视觉；自来水厂；水质检测；絮凝净化；应用分析

一、前言

机器视觉技术已经在我国自来水厂有一定范围的应用，其主要应用于水质监测及水体净化两个方面。对于传统的水质检测及净化方式来说，其通常是以微生物法及化学法为主，需要相关技术人员自身具备极强的专业素质，并且测量周期较长，成本较高，尤其难以满足当前自来水厂实时监测的需求，因此，要应用更为先进的检测及净化技术来满足当前自来水厂经营发展需求。

二、机器视觉技术简析

随着我国社会不断发展，人们生活水平不断提高，对饮水资源质量要求也越来越高，在这样的背景下，自来水厂的生产及检测模式也发生了较大变化，基于机器视觉技术的水质监测、水体净化方式被应用到自来水厂的相关业务中。对于机器视觉技术而言，其属于一项高效化、自动化的自来水检测及净化技术，已经被广泛应用于水环境检测、水体净化、无人机等多个领域。具体来说，机器视觉技术在自来水厂的应用主要是借助传感设备、摄像头、计算机系统等几个组成部分来开展工作，需要将软件系统与硬件设备有机结合，进而获得高清晰、可视化的图像数据。

三、机器视觉在自来水厂水质检测中的应用

基于机器视觉的水质检测系统属于一种先进的水体检测技术手段，其主要是通过对水体颜色、pH值、浊度等一系列指标进行测定来实现对当前水质情况的深入分析，进而得出检测结果[1]。机器视觉水质检测技术在应用过程中体现出了诸多优势，主要包括检测速度快、成本可控、自动化程度高、数据直观等，可以有效起到补充传统检测方法的作用。在将机器视觉技术应用到自来水厂的水质检测中时，应该注意从以下两个层面入手。

（一）硬件层面

传感器、摄像头及计算机系统是机器视觉水质检测系统的基本硬件组成，其中，传感器负责参数分析，当完成参数分析之后，传感器会将所得到的参数传输到计算机系统中，进而实现对参数的有效处理与分析[2]。摄像头主要负责可视化数据采集，采集完成之后，将其传递给传感器。

（二）软件层面

软件层面是机器视觉水质检测系统的关键，水质参数分析、数据处理、图像识别、模式识别等都由软件系统完成，进而得到精准的、可以反映实际水质情况的参数。因此，要通过模型识别算法来构建起相应的数据模型，进而实现对图片数据的自主检索与分析，从而确定图片数据与模型特征是否相符。可以看出，软件系统的合理设计及应用实现了检测数据精准性、高效性及直观性的有效保证[3]。在正式开展软件系统设计时，应该注意从以下几个方面入手：

1.响应度

软件系统需要对当前水质异常情况进行快速反应，并通过数据处理与分析的方式及时提供处理方法（需要通过调整絮凝剂投加量来确定最佳净化处理方案）。

2.精准度

保证水质参数精度高、可参照程度高（需要配置高像素摄像头，并安装防电磁干扰装置）。

3.实时监测

通过对自来水厂水质的实时监测，可以使水质检测工作常态化，同时也缩短了系统响应时间（需要设计紧凑的模块响应结构，使各响应环节衔接紧密，使数据采集终端、数据分析端口、数据输出端口协调程度更高）。

4.用户自主

方便用户及时了解软件系统工作状态（需要保证系统具备问题定位模块，进而实现对具体问题位置及产生原因的快速分析，使相应水体处理业务及时开展）[4]。

四、机器视觉在自来水厂水体净化中的应用

絮凝是自来水厂净化水过程中的关键工艺，为了保证净化水的处理效果，需要及时观察矾花的形态，结合原水进水的浊度，出水的浊度，以及水温度、流量等数据，及时调整絮凝剂的投加量。目前采用人工巡检的方式，通过肉眼观察矾花状态、定时观测矾花状态，对药剂投加量进行调整。这种方式存在着很多问题。

第一，水质变化较大，通过肉眼观察来调整加药量，对人员的经验要求较高，而且由于员工业务水平、责任心参差不齐，造成药剂投加量变化较大，很难保证净化水的效果。

第二，采用人工巡检的方式，不但耗费人工，增加工人的劳动强度，而且无法实现及时调整，造成投加量调整滞后，投加偏少处理效果不好，不能有效降低浊度；投加量过大，造成药剂浪费，成本增高，甚至会造成水质事故。

目前除了采用传统的人工观察调整方法外，也有采用矾花图像分析的做法，但由于图像采集设备需要长期在水下工作，絮凝剂会附着在照明设施及取样窗上，造成采集效果变差；另外仅仅通过矾花的形态来确定投加量的多少在水处理工艺的实践中往往不能得到好的效果。药剂的投加量和原水的浊度、出水的浊度以及水温、流量都有一定的关系，需要将这些数据综合分析，再结合矾花的形态，才能得到合理的药剂投加量。

针对以上问题，并基于机器视觉技术，结合工程实践，设计出了新型的解决方案，并经过在工程中的应用检验，效果良好[5]。

第一，采集终端硬件设计。机器视觉主要应用于工件检测、高速移动目标拍摄、材料分析等领域。随着机器视觉在智能制造领域的应用，适用于不同场景的工业相机也层出不穷。在不同的应用场景，工业相机的像素、像元间距、曝光时间等参数选择也不相同。工业相机用于水下图像采集鲜有应用，只有从防护、照明、清洁等方面都做到合理设计，才能保证其在水下长期稳定工作。

本设备采用了大面阵全局快门工业相机，像素数达到了5000万像素，像元间距3.2微米，曝光时间12微妙，针对现场环境恶劣的情况，还增加抗电磁干扰防护电路[6]，完全满足矾花采集的需求。

结构设计主要考虑相机、照明的位置关系，以及防水的要求，防水等级达到IP68，光源为条形光源，采用侧上方打光的方式。采样池尺寸为50×60mm2，采样池深度为可调节模式，深度调节范围5-20mm。

在水下工作，采样窗会附着污垢，影响透明度。如果经常将采样窗从水中取出进行清洗，会给后期的运行维护带来不便之处。本终端引入了自清洁概念，定期启动冲洗泵将附着在采样窗上的絮凝物冲洗干净。

经过验证，该结构设计紧凑，布局简洁，可以实现免维护运行，适合在水下长期工作。采集的图像质量清晰、稳定可以满足后期分析的要求。

第二，分析软件的设计。采集软件的设计主要包括采集操作、图像处理、图像分析、联动控制等功能。其中图像的处理和图像分析是矾花形态识别的关键。

图像处理和分析部分的设计利用OPENCV技术，避免了底层的基本图像处理的繁琐编码工作。OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Windows操作系统上，轻量且高效，由C 函数和少量 C++ 类构成，实现了图像处理和计算机视觉方面的一些通用算法。

矾花识别的流程设计见图2。

1.图像采集：利用工业相机的高速拍摄功能，在流动的水体中抓拍到清晰的图像，光源强度调整也很关键，保持恒定的光强有助于采集的图像具有较好的一致性，可以保证后期分析、计算结果的准确性（见图3）。

2.清晰度评估：主要分析图像的清晰度，清晰度就是每个像素点（i，j）在x或者y方向上的一阶差分的平方和的开方取平均值，值越大越清晰。如果采集的图像不清晰，则会丢弃该帧，继续采集，直至采集到清晰的图像，再进入下一个处理环节。

3.图像预处理：主要是消除无关信息，恢复有用信息，增强可检测性、简化数据，优化二值化、图像分形可靠性。采用高斯模糊算法对图像做一次平滑处理，消除图像噪点，再采用高通滤波完成边缘的锐化，突出矾花的边缘特征。

4.二值化处理：经过处理的图像仍然是灰度图像，图像中像素的值在0-255之间连续变化。通过二值化将矾花从背景中提取出来，为了避免水中光影对图像提取效果的影响，采用动态阈值法，实现图像的二值化处理（见图4）。

5.形态学处理：二值化后的图像，背景值为0，矾花值为1，但是矾花在图像中难免有重叠的现象，采用开运算，可以先将相连的矾花分开，提高了分形的效果。

6.图像分形：基于边缘检测的分形方法可以将图像中不连续的矾花逐个分拣出来，根据采集的图像使用一次微分sobel算子效果较好（见图5）[7]。

7.对象过滤：通过分形计算，将图像中矾花的个数，每个矾花的面积大小全部计算出来，通过对面积进行阈值的对比，将面积过小的矾花作为干扰对象，将其过滤掉，以稳定计算结果。

8.结果输出：通过一系列的计算，最终得到矾花特征数据，使用矾花个数和矾花的面积来表达矾花特征，与肉眼观察的描述可以做到基本一致（见图6）。

以矾花分析的结果为依据，将进水流量、进水浊度、进水温度一并计算在内，利用加权法，得到加药量的调整数据，并联动加药泵实现加药量的调整。

应用机器视觉技术，在三坪水厂部署了三套矾花图像采集设备，将图像采集到计算机后，进行图像处理、矾花识别，并以此来调整絮凝剂的投加量。经过半年的持续运行，系统极大地降低了工人现场观察矾花的频次，降低了人员劳动强度。通过在线实时采集、识别，并及时调整加药量，保证出水水质达标，为水厂的智能化运行提供了技术保障。

五、结语

总而言之，基于机器视觉的自来水厂水质检测、水体净化技术实现了对传统人工检测、化学及生物净化技术的有效补充。高清晰度的摄像头、快速响应的传感器、图像优化效果明显的数据预处理系统、针对性较强的过滤系统等使得水质检测工艺、絮凝净化工艺先进程度更高。在当前人们用水品质要求日益提高及自来水厂供水量逐年加大的背景下，机器视觉技术的应用实现了对自来水厂业务的有效优化，符合当前我国自来水厂现代化发展需求。

参考文献

[1]朱逸，蔡雅琼，陈柯宇，等.采用机器视觉与模糊控制的水厂絮凝剂投加控制系统[J].合肥工业大学学报（自然科学版），2017，40（08）：1059-1063+1081.

[2]刘华，张营，张英杰，等.基于自适应差分进化算法的矾花图像分割[J].控制工程，2016，23（08）：1203-1207.

[3]沈彦.基于机器视觉的多级分析絮凝加药表征系统[J].集成电路应用，2022，39（01）：63-65.

[4]张文博，郑淏天，李杰，等.基于机器视觉系统的智能化验机器人设计与分析[J].数码世界，2019，11（05）：6.

[5]汤一平，尤思思，叶永杰，等.基于机器视觉的生物式水质监测仪的开发[J].工业控制计算机，2016，19（06）：64-66.

[6]翟士才，陆明刚.基于Opencv的絮体颗粒跟踪与沉速测量系统研究[J].计量与测试技术，2017，44（01）：47-50.

[7]彭聪，刘彬，周乾，等.基于机器视觉和盲源分离的机械故障检测[J].上海交通大学学报，2020，54（09）：953-960.

作者单位：克拉玛依市水务有限责任公司

责任编辑：尚丹