本发明涉及污水处理领域，特别是涉及一种高密度沉淀池智能控制系统及控制方法。
背景技术：
混凝沉淀工艺是水处理过程中一个十分重要的环节，反应效果的好坏直接关系到出水水质和处理成本，不论是自来水、生活污水还是各类工业废水的处理均需应用到混凝沉淀工艺。混凝沉淀工艺是指通过向水中投加适量的混凝剂，破坏水中胶体颗粒及细微悬浮物的稳定性使其团聚，在絮凝剂的捕捉作用以及一定的水力条件下，形成絮凝体(水处理中一般称为矾花)，并使之从水中分离的过程。高密度沉淀池是法国得利满公司技术，20世纪90年代中期被引入国内。由于高密度沉淀池工艺集良好的机械混合、絮凝、澄清于一体，并且具有分离效率高、排泥量低、占地面积小、出水浊度低等优点，在国内被广泛应用于市政供水、污水处理、工业废水处理中，是目前应用十分广泛的一种混凝工艺池体构型。
但是高密度沉淀池为实现良好的处理效果，混凝剂、絮凝剂投加量，搅拌机速度，污泥回流量等等参数均需要根据水质情况进行实时调节。目前惯常采用的是人工控制模式，即运行过程中依靠人工肉眼识别水中矾花形态(包括大小、密实度、均匀度等)，由经验工人判断混凝剂或絮凝剂加药量是否合适，是否需要进行调整。此方法虽然在一定程度上可以保证出水水质的达标，但是存在如下问题：1)原水水质波动幅度通常较大，且频率很高，定时的人工巡检不能实时适应水质波动情况；2)需要投入大量人工；3)药剂使用量，运行成本高。
技术实现要素：
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种高密度沉淀池智能控制系统及控制方法，用于解决现有技术的缺陷。
为实现上述目的及其他相关目的，本发明提供一种高密度沉淀池智能控制系统，包括：
信号检测模块，用于获取所述高密度沉淀池的检测指标和第一控制参数，所述检测指标包括进水指标、出水指标；
图像获取模块，用于获取水下图像；
分析模块，用于根据所述水下图像、所述进水指标和第一控制参数生成出水指标，根据所述出水指标生成第二控制参数；
控制模块，用于根据所述第二控制参数对执行模块进行控制。
可选地，所述分析模块包括：
图像识别子模块，用于对所述水下图像进行识别，以获取所述水下图像的图像特征参数；
智能算法子模块，用于根据所述图像特征参数、所述进水指标和所述第一控制参数生成所述出水指标；根据所述出水指标生成所述第二控制参数。
可选地，所述图像特征参数包括以下至少之一：矾花平均等效直径、分形维数。
可选地，所述根据所述水下图像、所述进水指标和第一控制参数生成出水指标，包括：
将所述水下图像、所述进水指标和第一控制参数输入至预先训练好的预测模型中，输出出水指标。
可选地，获取预先训练好的预测模型的方法，包括：
获取训练数据，并构建训练数据集，所述训练数据包括所述检测指标、所述水下图像的图像特征参数、所述第一控制参数；
基于所述训练数据集用回归模型算法训练得到预测模型。
可选地，所述进水指标或/和出水指标包括以下至少之一：浊度、ph、温度、流量、电导率、溶解氧含量、cod、总磷、总硬度。
可选地，所述第一控制参数或/和第二控制参数包括以下至少之一：混凝剂投加量、絮凝剂投加量、除硬剂投加量、加药泵转速频率、污泥回流泵转速频率、污泥排放泵转速频率、污泥回流量、污泥排放量、混合区搅拌机转速、絮凝反应区搅拌机转速、沉淀区污泥搅拌机转速、加药泵转速频率。
为实现上述目的及其他相关目的，本发明提供一种高密度沉淀池智能控制方法，其特征在于，包括：
获取所述高密度沉淀池的检测指标和第一控制参数，所述检测指标包括进水指标、出水指标；
获取水下图像；
根据所述水下图像、所述进水指标和第一控制参数生成出水指标；
根据所述出水指标生成第二控制参数；
根据所述第二控制参数对执行模块进行控制。
可选地，所述根据所述水下图像、所述进水指标和第一控制参数生成出水指标，包括：
对所述水下图像进行识别，以获取所述水下图像的图像特征参数；
根据所述图像特征参数、所述进水指标和所述第一控制参数生成所述出水指标。
可选地，所述图像特征参数包括以下至少之一：矾花平均等效直径、分形维数。
可选地，所述根据所述水下图像、所述进水指标和第一控制参数生成出水指标，包括：
将所述水下图像、所述进水指标和第一控制参数输入至预先训练好的预测模型中，输出出水指标。
可选地，获取预先训练好的预测模型的方法，包括：
获取训练数据，并构建训练数据集，所述训练数据包括所述检测指标、所述水下图像的图像特征参数、所述第一控制参数；
基于所述训练数据集用回归模型算法训练得到预测模型。
可选地，所述进水指标或/和出水指标包括以下至少之一：浊度、ph、温度、流量、电导率、溶解氧含量、cod、总磷、总硬度。
可选地，所述第一控制参数或/和第二控制参数包括以下至少之一：混凝剂投加量、絮凝剂投加量、除硬剂投加量、加药泵转速频率、污泥回流泵转速频率、污泥排放泵转速频率、污泥回流量、污泥排放量、混合区搅拌机转速、絮凝反应区搅拌机转速、沉淀区污泥搅拌机转速、加药泵转速频率。
如上所述，本发明的一种高密度沉淀池智能控制系统及控制方法，具有以下有益效果：
本发明将图像识别技术应用于混凝工艺分析，利用自适应的智能算法构建了智能控制模型，实现了高密度沉淀池的智能化控制。针对不同水质情况，模型可实现自更新，同时计算结果为最佳控制参数值，避免了因不断修正已有参数带来的反应延迟，并且可实现对高密度沉淀池各个环节控制参数的协同控制，实现了智能化最优化控制。应用所述高密度沉淀池智能控制系统及其方法，在保证出水水质稳定达标的前提下，通过连续不间断采集水中矾花的状态，实时适应水质波动情况，减少人工投入，降低劳动强度和成本，并且显著降低高密度沉淀池的药剂投加量，降低系统运行成本。
附图说明
图1显示为本发明一实施例中一种高密度沉淀池智能控制系统的原理方框图；
图2显示为本发明一实施例中一种高密度沉淀池智能控制系统的原理方框图；
图3显示为本发明一实施例中水下图像采集装置的安装位置示意俯视图；
图4显示为本发明一实施例中水下图像采集装置的安装位置示意正视图；
图5显示为本发明一实施例中水下图像采集装置的结构示意图；
图6显示为本发明一实施例中一种高密度沉淀池智能控制方法的流程图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
如图1所示，一种高密度沉淀池智能控制系统，用于对高密度沉淀池的参数进行控制，其中，如图2～4所示，高密度沉淀池包括依次设置的高密度沉淀池混合区2、与高密度沉淀池混合区相通的高密度沉淀池絮凝反应区3、与所述高密度沉淀池絮凝反应区相通的高密度沉淀池沉淀区4；所述高密度沉淀池絮凝反应区3或所述高密度沉淀池沉淀区4内设置有一个或多个图像获取模块20；通过所述一个或多个图像获取模块获取所述高密度沉淀池絮凝反应区3或所述高密度沉淀池沉淀区4中水下的图像，即图像获取模块在安装时位于所述高密度沉淀池絮凝反应区3或所述高密度沉淀池沉淀区4的液面下。
高密度沉淀池混合区2设置有进水口1，高密度沉淀池沉淀区4设置有出水口5，在与高密度沉淀池混合区连接的连接通道上设置有进药口，进药口与加药泵相通，在分别与高密度沉淀池混合区、高密度沉淀池絮凝反应区的连接通道上设置有进药品，进药口与加药泵相通。
在一实施例中，高密度沉淀池混合区的底部与高密度沉淀池絮凝反应区的底部通过管道相通。
如图5所示，所述图像获取模块包括保护仓101、补光灯104和高速摄像机102，所述保护仓上设有透明窗口105，所述高速摄像机安装在密封的保护仓内，透过透明窗口采集外部图像，并通过所述补光灯提供用于外部图像照明的光源。
所述图像获取模块可竖直安装于高密度沉淀池絮凝反应区中心筒外侧水面下0.5m～1.5m，可同时安装数台，建议安装1～3台；或可水平安装于高密度沉淀池沉淀区挡墙顶端，可同时安装数台，建议安装1～3台，并以挡墙中心对称安装。当配置多台图像获取模块时，不得在所述絮凝反应区与所述沉淀区同时安装，并且须保证全部所述水下图像采集装置的安装深度一致。
所述高密度沉淀池沉淀区4中靠近出水口区域设置有斜管沉淀区17，斜管沉淀区17的上方设置有出水堰16。
所述高密度沉淀池沉淀区中设置有挡墙14，所述图像获取装置设置于所述挡墙上。
所述高密度沉淀池混合区2内设置有高密度沉淀池混合区搅拌机11。
所述高密度沉淀池絮凝反应区3内设置有高密度沉淀池絮凝反应区搅拌机12。
所述高密度沉淀池沉淀区4内设置有高密度沉淀池沉淀区污泥浓缩搅拌机15。
所述高密度沉淀池絮凝反应区3中设置有开口向下的高密度沉淀池絮凝反应区中心筒13，所述高密度沉淀池絮凝反应区搅拌机12的搅拌部分伸入到所述高密度沉淀池絮凝反应区中心筒13内。
如图1所示，一种高密度沉淀池智能控制系统，包括：
信号检测模块11，用于获取所述高密度沉淀池的检测指标和第一控制参数，所述检测指标包括进水指标、出水指标；
图像获取模块12，用于获取水下图像；
分析模块13，用于根据所述水下图像、所述进水指标和第一控制参数生成出水指标，根据所述出水指标生成第二控制参数；
控制模块14，用于根据所述第二控制参数对执行模块进行控制。
其中，执行模块包括加药泵、高密度沉淀池混合区搅拌机11、高密度沉淀池絮凝反应区搅拌机12、高密度沉淀池沉淀区污泥浓缩搅拌机15。
本发明将图像识别技术应用于混凝工艺分析，利用自适应的智能算法构建了智能控制模型，实现了高密度沉淀池的智能化控制。
在一实施例中，所述控制模块为plc控制模块，通过socket协议或opc协议与所述分析模块进行数据交互。
在一实施例中，所述分析模块包括：
图像识别子模块，用于对所述水下图像进行识别，以获取所述水下图像的图像特征参数；
智能算法子模块，用于根据所述图像特征参数、所述进水指标和所述第一控制参数生成所述出水指标；根据所述出水指标生成所述第二控制参数。
所述图像特征参数包括以下至少之一：矾花平均等效直径、分形维数。所述进水指标包括以下至少之一：浊度、ph、温度、流量、电导率、溶解氧含量、cod、总磷、总硬度。所述出水指标包括以下至少之一：浊度、ph、温度、流量、电导率、溶解氧含量、cod、总磷、总硬度。所述第一控制参数包括以下至少之一：混凝剂投加量、絮凝剂投加量、除硬剂投加量、加药泵转速频率、污泥回流泵转速频率、污泥排放泵转速频率、污泥回流量、污泥排放量、混合区搅拌机转速、絮凝反应区搅拌机转速、沉淀区污泥搅拌机转速、加药泵转速频率。所述第二控制参数包括以下至少之一：混凝剂投加量、絮凝剂投加量、除硬剂投加量、加药泵转速频率、污泥回流泵转速频率、污泥排放泵转速频率、污泥回流量、污泥排放量、混合区搅拌机转速、絮凝反应区搅拌机转速、沉淀区污泥搅拌机转速、加药泵转速频率。所述加药泵为变频计量泵、变频离心泵或变频螺杆泵，所述加药泵转速频率信号传输至所述plc控制模块。
所述图像获取模块拍摄得到的图像作为第一输入信号传输至所述图像识别子模块，所述图像识别子模块输出信号作为第二输入信号传输至所述智能算法子模块，所述plc控制模块接收的信号检测模块的检测指标作为第三输入信号传输至所述智能算法子模块，所述智能算法子模块输出控制参数传输至所述plc控制模块，plc控制模块根据控制参数对执行模块进行控制。
其中，所述信号检测模块为检测仪表，可以为在线实时检测仪表，检测信号传输至plc控制模块中，再传输至智能算法子模块中。
在一实施例中，所述分析模块还可以是一服务器，服务器嵌入有智能控制算法。其中服务器可就地部署于高密度沉淀池周边或远程部署于中央控制室。
在一实施例中，所述根据所述水下图像、所述进水指标和第一控制参数生成出水指标，包括：
将所述水下图像(具体是水下图像的图像特征参数)、所述进水指标和第一控制参数输入至预先训练好的预测模型中，输出出水指标。
在一实施例中，获取预先训练好的预测模型的方法，包括：
获取训练数据，并构建训练数据集，所述训练数据包括所述检测指标、所述水下图像的图像特征参数、所述第一控制参数；其中，所述训练数据为历史时间段内数据。
基于所述训练数据集用回归模型算法训练得到预测模型。
通过所述预测模型就可以得到出水指标，重到出水指标后，根据出水指标判断水质是否达标，若水质达标则不进行后续处理，若水质不达标，则进入下一步处理，即根据出水指标调整相应的第二控制参数，直至水质达标为止。可以理解的是，水质达标时对应的第二控制参数可以包括很多组，即第二控制参数中的相对应地每个指标可以包括多个，选择成本最低的第二控制参数组合，作为最终的第二控制参数。
同时在算法运行过程中，会根据实时的图像参数、进水指标、控制参数以及出水指标不断更新优化最终模型，保证最终模型的准确性。
本发明避免了混凝反应过程对控制的影响，算法可提前预测未来可能的出水情况，提前做出响应。同时自学习的能力可以保证模型的准确性越来越高，同时适用性也更强。
本发明将图像识别技术应用于混凝工艺分析，利用自适应的智能算法构建了智能控制模型，实现了高密度沉淀池的智能化控制。针对不同水质情况，模型可实现自更新，同时计算结果为最佳控制参数值，避免了因不断修正已有参数带来的反应延迟，并且可实现对高密度沉淀池各个环节控制参数的协同控制，实现了智能化最优化控制。应用所述高密度沉淀池智能控制系统及其方法，在保证出水水质稳定达标的前提下，通过连续不间断采集水中矾花的状态，实时适应水质波动情况，减少人工投入，降低劳动强度和成本，并且显著降低高密度沉淀池的药剂投加量，降低系统运行成本。
如图6，一种高密度沉淀池智能控制方法，包括：
s61获取所述高密度沉淀池的检测指标和第一控制参数，所述检测指标包括进水指标、出水指标；
s62获取水下图像；
s63根据所述水下图像、所述进水指标和第一控制参数生成出水指标；
s64根据所述出水指标生成第二控制参数；
s65根据所述第二控制参数对执行模块进行控制。
本发明将图像识别技术应用于混凝工艺分析，利用自适应的智能算法构建了智能控制模型，实现了高密度沉淀池的智能化控制。
在一实施例中，所述根据所述水下图像、所述进水指标和第一控制参数生成出水指标，包括：
对所述水下图像进行识别，以获取所述水下图像的图像特征参数；
根据所述图像特征参数、所述进水指标和所述第一控制参数生成所述出水指标。
在一实施例中，所述图像特征参数包括以下至少之一：矾花平均等效直径、分形维数。
所述进水指标包括以下至少之一：浊度、ph、温度、流量、电导率、溶解氧含量、cod、总磷、总硬度。所述出水指标包括以下至少之一：浊度、ph、温度、流量、电导率、溶解氧含量、cod、总磷、总硬度。
在一实施例中，所述根据所述水下图像、所述进水指标和第一控制参数生成出水指标，包括：
将所述水下图像(具体是水下图像的图像特征参数)、所述进水指标和第一控制参数输入至预先训练好的预测模型中，输出出水指标。
在一实施例中，获取预先训练好的预测模型的方法，包括：
获取训练数据，并构建训练数据集，所述训练数据包括所述检测指标、所述水下图像的图像特征参数、所述第一控制参数；
基于所述训练数据集用回归模型算法训练得到预测模型。
在一实施例中，所述控制参数包括以下至少之一：混凝剂投加量、絮凝剂投加量、除硬剂投加量、加药泵转速频率、污泥回流泵转速频率、污泥排放泵转速频率、污泥回流量、污泥排放量、混合区搅拌机转速、絮凝反应区搅拌机转速、沉淀区污泥搅拌机转速、加药泵转速频率。所述图像特征参数包括以下至少之一：矾花平均等效直径、分形维数。
所述进水指标包括以下至少之一：浊度、ph、温度、流量、电导率、溶解氧含量、cod、总磷、总硬度。所述出水指标包括以下至少之一：浊度、ph、温度、流量、电导率、溶解氧含量、cod、总磷、总硬度。可选地，所述污泥指标包括以下至少之一：污泥回流流量、污泥排放流量。
所述加药泵为变频计量泵、变频离心泵或变频螺杆泵，所述加药泵转速频率信号传输至所述plc控制模块。
在本实施例中，方法部分的实施例与前述的装置部分的实施例相对应，方法部分实施例与装置部分实施例可以相互参考，在此不再对方法实施例进行赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom,read-onlymemory)、随机存取存储器((ram,randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
1.一种高密度沉淀池智能控制系统，其特征在于，包括：
信号检测模块，用于获取所述高密度沉淀池的检测指标和第一控制参数，所述检测指标包括进水指标、出水指标；
图像获取模块，用于获取水下图像；
分析模块，用于根据所述水下图像、所述进水指标和第一控制参数生成出水指标，根据所述出水指标生成第二控制参数；
控制模块，用于根据所述第二控制参数对执行模块进行控制。
2.根据权利要求1所述的高密度沉淀池智能控制系统，其特征在于，所述分析模块包括：
图像识别子模块，用于对所述水下图像进行识别，以获取所述水下图像的图像特征参数；
智能算法子模块，用于根据所述图像特征参数、所述进水指标和所述第一控制参数生成所述出水指标；根据所述出水指标生成所述第二控制参数。
3.根据权利要求2所述的高密度沉淀池智能控制系统，其特征在于，所述图像特征参数包括以下至少之一：矾花平均等效直径、分形维数。
4.根据权利要求1所述的高密度沉淀池智能控制系统，其特征在于，所述根据所述水下图像、所述进水指标和第一控制参数生成出水指标，包括：
将所述水下图像、所述进水指标和第一控制参数输入至预先训练好的预测模型中，输出出水指标。
5.根据权利要求4所述的高密度沉淀池智能控制系统，其特征在于，获取预先训练好的预测模型的方法，包括：
获取训练数据，并构建训练数据集，所述训练数据包括所述检测指标、所述水下图像的图像特征参数、所述第一控制参数；
基于所述训练数据集用回归模型算法训练得到预测模型。
6.根据权利要求1所述的高密度沉淀池智能控制系统，其特征在于，所述进水指标或/和出水指标包括以下至少之一：浊度、ph、温度、流量、电导率、溶解氧含量、cod、总磷、总硬度。
7.根据权利要求1所述的高密度沉淀池智能控制系统，其特征在于，所述第一控制参数或/和第二控制参数包括以下至少之一：混凝剂投加量、絮凝剂投加量、除硬剂投加量、加药泵转速频率、污泥回流泵转速频率、污泥排放泵转速频率、污泥回流量、污泥排放量、混合区搅拌机转速、絮凝反应区搅拌机转速、沉淀区污泥搅拌机转速、加药泵转速频率。
8.一种高密度沉淀池智能控制方法，其特征在于，包括：
获取所述高密度沉淀池的检测指标和第一控制参数，所述检测指标包括进水指标、出水指标；
获取水下图像；
根据所述水下图像、所述进水指标和第一控制参数生成出水指标；
根据所述出水指标生成第二控制参数；
根据所述第二控制参数对执行模块进行控制。
9.根据权利要求8所述的高密度沉淀池智能控制方法，其特征在于，所述根据所述水下图像、所述进水指标和第一控制参数生成出水指标，包括：
对所述水下图像进行识别，以获取所述水下图像的图像特征参数；
根据所述图像特征参数、所述进水指标和所述第一控制参数生成所述出水指标。
10.根据权利要求9所述的高密度沉淀池智能控制方法，其特征在于，所述图像特征参数包括以下至少之一：矾花平均等效直径、分形维数。
11.根据权利要求8所述的高密度沉淀池智能控制方法，其特征在于，所述根据所述水下图像、所述进水指标和第一控制参数生成出水指标，包括：
将所述水下图像、所述进水指标和第一控制参数输入至预先训练好的预测模型中，输出出水指标。
12.根据权利要求11所述的高密度沉淀池智能控制方法，其特征在于，获取预先训练好的预测模型的方法，包括：
获取训练数据，并构建训练数据集，所述训练数据包括所述检测指标、所述水下图像的图像特征参数、所述第一控制参数；
基于所述训练数据集用回归模型算法训练得到预测模型。
13.根据权利要求9所述的高密度沉淀池智能控制方法，其特征在于，所述进水指标或/和出水指标包括以下至少之一：浊度、ph、温度、流量、电导率、溶解氧含量、cod、总磷、总硬度。
14.根据权利要求8所述的高密度沉淀池智能控制方法，其特征在于，所述第一控制参数或/和第二控制参数包括以下至少之一：混凝剂投加量、絮凝剂投加量、除硬剂投加量、加药泵转速频率、污泥回流泵转速频率、污泥排放泵转速频率、污泥回流量、污泥排放量、混合区搅拌机转速、絮凝反应区搅拌机转速、沉淀区污泥搅拌机转速、加药泵转速频率。
技术总结