黑龙江大学王国涛课题组ESE：深度学习+射流成像——污泥含水率监测进入20秒智能时代

论文的视频和音频解读由NotebookLM AI智能生成，内容仅供参考，具体研究请查阅原文。

废弃活性污泥管理是全球污水处理厂面临的一个至关重要且举步维艰问题。传统的含水率监测方法（如热干燥法、红外线法等）存在速度慢、成本高、精度低等瓶颈，严重制约污泥脱水、厌氧消化和堆肥等工艺效率。黑龙江大学与黑龙江省科学院联合团队近日开发出一项融合高速射流成像与深度学习的创新技术——“活性污泥喷射膨胀图像瞬时捕获系统”（iCASJEI）——将含水率监测时间压缩至20秒内，精度最高达93.5%，为全球污水处理厂面临的紧迫挑战提供了革命性解决方案。这项研究在发表后得到EurekAlert、Mirage News、AlphaGalileo等国际科技新闻媒体的报道。

EurekAlert!报道截图

iCASJEI能以260帧/秒的速度实时捕捉污泥喷射图像。通过分析11 000余张活性污泥喷射图像，并结合卷积神经网络VGG-16构建预测模型，研究团队首次建立了污泥非牛顿流体行为与其含水率之间的相关性。关键创新包括：

• 多参数优化：系统测试不同喷嘴直径和喷射压力并对其优化，以确保最高的预测精度。

• 模型对比：VGG-16是最优的含水率预测模型，其准确性和效率均显著优于AlexNet、LeNet等模型。

• 技术表现：精度为2%时准确率为93.5%，精度为1%时准确率为87.6%。

• 实时监测：从图像采集到结果输出全程自动化，耗时仅需20秒。

这项创新技术已验证可在复杂工况下稳定运行，不仅适用于污水处理领域，在以下行业同样具有巨大潜力：

• 食品工业：酱料、乳制品等黏稠物料水分控制。

• 化工生产：聚合物、胶体等流程监测。

• 制药领域：培养基、生物制剂质量管控。

“这项技术打破了传统监测方法的时空局限，将高速成像与深度学习相结合，实现了从‘经验判断’到‘数据驱动’的范式转移，”通讯作者王国涛表示，“我们也正在开发便携式设备，让智能监测走进更多工业场景。”

图1 瞬时捕捉活性污泥喷射膨胀图像和图像采集流程图。MC：含水量。

图2 实验条件下的喷流发生情况。评估压力（0.2～0.6 MPa）、喷嘴直径（1～5 mm）和含水量（79%～94%）。蓝色：喷射太小；黄色：堵塞；红色：性能最佳。

图3  a-c, 不同压力下的模型训练：d-f，不同压力下的混淆矩阵：模型1(d)；模型2(e)；模型3(f)。0.2 MPa时的模型1误差率最低，是最佳预测模型。