基于YOLOv3的微生物目标检测研究  

作　　者：杨龙飞 王海龙 刘婉莹 张宇轩 吴开帅 纪晓娜[1,3] 田曦 

机构地区：[1]长春工程学院,吉林长春130012 [2]吉林省天恒水务工程有限公司,吉林长春130000 [3]吉林省城市污水处理重点实验室,吉林长春130012

出　　处：《科学技术创新》2021年第33期56-58,共3页Scientific and Technological Innovation

基　　金：吉林省发改委高技术处-产业技术研究与开发(2019C056-4);吉林省科技发展计划项目(202002030JC)。

摘　　要：当今世界污水处理行业,活性污泥法是最常用的污水处理工艺,活性污泥的状态直接影响着出水水质。目前的传统活性污泥状态检测手段,是利用显微镜识别活性污泥系统中指示性微生物的种类进行判断的。但是目前采用人工镜检指示性微生物的手段,会出现检测时操作步骤繁琐检测速度慢等问题,导致无法实时把控活性污泥的状态。针对这一问题,我们提出一种人工智能微生物目标识别系统的设想,以此手段来解决无法实时监测活性污泥状态的问题。本文通过对比目前主流的深度学习神经网络算法,最终采用最适合的YOLOv3深度学习目标检测算法思想,搭建出针对活性污泥系统中微生物的人工智能目标识别系统。在理论论证中,评估了基于YOLOv3的目标检测平台特点,并对其平台能解决的微生物识别问题进行研究及对于整套活性污状态监测提出新展望。

关 键 词：深度学习 目标检测 微生物识别 YOLOv3 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]