Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

1 Przegląd Elektrotechniczny

1 2021

1 Wodołażski A.

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: tlenowa stabilizacja osadów ściekowych

Sortuj według:

Ogranicz wyniki do:

Wybrane algorytmy uczenia maszynowego w segmentacji obrazu kłaczków osadów ściekowych

100%

Wodołażski A.

tom R. 97, nr 8

134--136

W artykule przedstawiono wybrane algorytmy uczenia maszynowego do przetwarzania obrazu mikroskopowego utlenionych kłaczków osadów ściekowych w celu oceny skuteczności monitorowania procesu tlenowej stabilizacji. Przedstawiono i porównano trzy techniki segmentacji algorytmem: k-means, fuzzy c-means oraz progowania Otsu w ocenie skuteczności segmentacji obszarów utlenionych i wykryciu zjawiska spęcznienia lub pienienia się kłaczków osadu ściekowego. Wykorzystane metryki GCE, RI, VI skutecznie porównują zmiany morfologiczne i strukturalne kłaczków poprzez ocenę segmentacji i kwantyfikacji obrazu. Analiza obrazów mikroskopowych przy wykorzystaniu technik uczenia maszynowego zapewniają oszczędność czasu i stanowią alternatywę metod fizyko-chemicznych w ocenie tlenowej stabilizacji osadu ściekowego

The article presents selected machine learning algorithms for processing the microscopic image of oxidized sewage sludge flocs in order to assess the effectiveness of monitoring the oxygen stabilization process. Three techniques of segmentation were presented and compared by algorithm: k-means, fuzzy c-means and Otsu thresholding in assessing segmentation effectiveness of oxidized areas and detecting the swelling or foaming phenomenon of sewage sludge flocs. The GCE, RI, VI metrics has been effectively used and compared for morphological and structural changes of the flocs by assessing the image segmentation and quantification. The analysis of microscopic images using machine learning techniques save time and constitute an alternative to the physico-chemical methods to assessment aerobic stabilization of sewage sludge.