你可能没听过这些污水厂新型检测设备

每隔10 min对图像采集室连续拍摄3张照片(拍摄间隔为5 s)进行图像分析。通过软件获取图像的四个特征量——对比度(contrast)、熵(entropy)、相似度(homogeneity)和差异度(variance)，然后采用GLCM法对图像的纹理进行分析。研究发现所拍摄絮体图片的纹理信息和絮凝剂的投加剂量存在一定相关性，因此可用于预测絮凝剂的投加量和预报混凝沉淀出水的浊度值。

图4 絮体装置示意图

图5 图像采集室

出水浊度分别为1.9~5 FNU、小于1.9 FNU以及大于5 FNU时所拍摄的絮体照片及对应的四个特征向量值如表1所示。根据照片发现相似度较高的絮体照片对应的出水浊度更低，处理效果更佳，而剩余三个特征量更高的照片对应的出水浊度高，表明絮凝效果不理想，需提高絮凝剂投加量。

表1 不同出水浊度下三种絮体的照片及对应的GLCM特征参数

根据每天的进出水参数(流量、浊度、pH、温度等)及四个GLCM特征量，建立模型预测絮凝剂的投加量，与该污水处理厂的絮凝剂实际投加剂量采用偏最小二乘法进行拟合，结果如图6所示。红色连续实线为该污水处理厂絮凝剂投加量的参考值(即实际采用量);黄色三角为实际出水浊度值;根据运行经验确定出水的理想浊度范围为1.9~5 FNU，即两条绿色虚线之间;方框点为出水浊度在1.9~5 FNU时的模型预测投加量;方框点、圆黑点、菱形点分别是出水浊度为1.9~5 FNU、小于1.9 FNU以及大于5 FNU时的模型预测投加量。结果显示预测值和参考值之间的拟合情况较为理想，其中出水浊度超过5 FNU的天数实际发生降雨，絮凝剂投加为人工控制，投加量被低估。

图6 絮凝剂预测投加量及参考投加量对比

研究表明若该絮体检测器和絮凝剂投加自动控制系统进一步联用，十分具有应用前景。

延伸阅读：

多级AO与多模式AAO工艺在污水厂的应用对比

污水厂里的计算第三篇—污水处理厂的水量平衡

国控污水厂名单及主流污水处理工艺流程图、特点全介绍

设计师必读：上海白龙港污水厂污泥消化和干化处理工程