CN102234609A - 水体综合毒性检测系统及方法 - Google Patents

水体综合毒性检测系统及方法 Download PDF

Info

Publication number
CN102234609A
CN102234609A CN2010101563405A CN201010156340A CN102234609A CN 102234609 A CN102234609 A CN 102234609A CN 2010101563405 A CN2010101563405 A CN 2010101563405A CN 201010156340 A CN201010156340 A CN 201010156340A CN 102234609 A CN102234609 A CN 102234609A
Authority
CN
China
Prior art keywords
luminescent bacteria
solution
pure water
salt solution
bacteria
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN2010101563405A
Other languages
English (en)
Inventor
董剑锋
崔海松
金奇军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
HANGZHOU GREAN WATER TECHNOLOGY Co Ltd
Original Assignee
HANGZHOU GREAN WATER TECHNOLOGY Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by HANGZHOU GREAN WATER TECHNOLOGY Co Ltd filed Critical HANGZHOU GREAN WATER TECHNOLOGY Co Ltd
Priority to CN2010101563405A priority Critical patent/CN102234609A/zh
Publication of CN102234609A publication Critical patent/CN102234609A/zh
Pending legal-status Critical Current

Links

Images

Abstract

本发明所提供的一种水体综合毒性检测系统及方法,集合被测水样、纯净水和发光菌的混合工作,混合溶液的提取工作,发光菌的发光强度检测工作于一体,实现了在线、连续、实时的对被测水样进行检测;并且,由于通过将纯净水、盐水和发光菌三种的混合溶液作为参比溶液,提取该参比溶液并检测其中发光菌的放光强度,生成参比图像,同时提取所述被测水样、纯净水和发光菌的混合溶液,并检测其中发光菌的放光强度,生成检测图像,比较所述参比图像和检测图像,就可以得出该被测水样中污染物的毒性,采用神经网络算法分析所述参比图像和检测图像就可以得出被测水体毒性的种类。

Description

水体综合毒性检测系统及方法
技术领域
本发明涉及水体综合毒性检测技术领域,更具体地说,涉及一种水体综合毒性检测系统及方法。
背景技术
随着社会的进步和工业的快速发展,人们在享受高品质生活的同时也面临着严峻的资源问题,尤其是水源污染的问题。水是生命之源,而水的质量更是生命的保证,为了保障人们的饮水安全,须严格检测饮用水的毒性。
传统的理化检测方法反映的只是水体中某一种或几种污染物的浓度水平及贡献量,并不能反映水体的综合毒性大小,生物综合毒性测试则能够弥补理化检测在此方面的不足。传统的生物综合毒性测试虽然能反映污染物对生物的直接影响,但这些方法的最大缺点是实验周期长,实验比较繁琐。而发光菌法则具有快速、简便且费用低廉的优点,并且可以与化学分析、化学分离等技术结合使用,是一种快捷、有效的测定方法。
发光菌因其独特的生理特性被应用在水体综合毒性的检测中。发光菌在正常的生理条件下能发出波长在450nm~490nm之间的蓝绿色可见光,在一定的试验条件下发光强度是恒定的,与待检测水体接触后,由于水体中的毒性物质具有抑制其活性或新陈代谢,故使发光菌的发光强度有所改变,变化的程度与水体的浓度在一定范围内呈相关关系,同时与水体中污染物的毒性大小有关,因此,测量发光菌的发光强度就能得知水体的综合毒性。
现有的用来检测水体综合毒性的仪器有美国SDI公司生产的Microtox实验室毒性仪和DeltaTox便携式毒性仪,这两种仪器均是利用发光菌作为生物传感器,通过测量发光菌的发光强度来检测水体的毒性情况。实验室毒性仪和便携式毒性仪测量数据稳定,能方便快速地检测出被测水样的毒性情况。但是其缺点为:不能在线、连续、实时地检测水体的毒性;还不能将检测水样中污染物的毒性进行分类。
发明内容
有鉴于此,本发明提供一种水体综合毒性检测系统及方法,实现在线、连续、实时检测水体的综合毒性,并对被测水样中的污染物进行分类的目的。
为实现上述目的,本发明提供如下技术方案:
一种水体综合毒性检测系统,包括:
溶液存放单元,用于分别存放纯净水、盐水和发光菌的混合溶液,以及被测水样、纯净水、盐水和发光菌的混合溶液;
提取单元,用于提取所述溶液存放单元中的两种混合溶液;
检测单元,用于在预设时间内检测所述提取单元提取的两种混合溶液中的发光菌的发光强度预设次数,分别得到发光菌的光强比;
上位机,用于根据所述发光菌的光强比结合与之相对应的检测时间分别绘制图像并输出,对比所述两种混合溶液形成的图形,得出所述被测水样的污染物毒性,并且采用神经网络算法分析所述图像得出所述被测水样中污染物种类。
优选地,所述检测系统还包括:进液单元,用于将所述纯净水、盐水以及被测水样传送至溶液存放单元。
优选地,所述检测系统还包括:发光菌保存单元和发光菌培养单元,其中:
所述发光菌保存单元,用于在第一预设温度下保存所述发光菌,且通过磁力搅拌器搅拌该发光菌;
所述发光菌培养单元,用于在第二预设温度下,混合所述发光菌、盐水和纯净水,形成发光菌溶液,使用磁力搅拌器搅拌该发光菌溶液预设时间。
一种水体综合毒性检测方法,包括:
分别混合纯净水、盐水和发光菌,以及被测水样、盐水、纯净水和发光菌,其中,所述纯净水、盐水和发光菌的混合溶液作为参比溶液;
提取所述纯净水、盐水和发光菌的混合溶液,以及被测水样、纯净水、盐水和发光菌的混合溶液;
在预设时间内检测提取的两种混合溶液中的发光菌的发光强度预设次数,分别得到发光菌的光强比;
根据所述发光菌的光强比结合与之相对应的检测时间分别绘制图像并输出,对比所述两种混合溶液形成的图形,得出所述被测水样的污染物毒性,并且采用神经网络算法分析所述图像得出所述被测水样中污染物种类。
优选地,所述提取两种混合溶液并进行检测前还包括:
提取所述纯净水、盐水和发光菌的混合溶液和参比溶液;
在预设时间内检测所述混合溶液和参比溶液中的发光菌的发光强度预设次数,分别得到该混合溶液中发光菌的光强比;
根据所述发光菌的光强比结合与之相对应的检测时间分别绘制图像并输出。
优选地,所述提取两种混合溶液并进行检测前还包括:
混合所述纯净水、盐水、发光菌和标准污染物,并提取所述混合液以及所述参比溶液;
在预设时间内检测所述标准污染物混合溶液以及参比溶液中发光菌的发光强度预设次数,分别得到发光菌的光强比;
根据所述发光菌的光强比结合与之相对应的检测时间绘制图像并输出。
优选地,采用光电倍增管检测所述发光菌的发光强度。
由此可见,本发明所提供的一种水体综合毒性检测系统及方法,集合被测水样、纯净水和发光菌的混合工作,混合溶液的提取工作,发光菌的发光强度检测工作于一体,实现了在线、连续、实时的对被测水样进行检测;并且,由于通过将纯净水、盐水和发光菌三种的混合溶液作为参比溶液,提取该参比溶液并检测其中发光菌的放光强度,生成参比图像,同时提取所述被测水样、盐水、纯净水和发光菌的混合溶液,并检测其中发光菌的放光强度,生成检测图像,比较所述参比图像和检测图像,就可以得出该被测水样中污染物的毒性,采用神经网络算法分析所述参比图像和检测图像就可以得出被测水体毒性的种类。
附图说明
为了更清楚地说明本发明实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种水体综合毒性检测系统结构示意图;
图2为本发明实施例提供的一种水体综合毒性检测方法的流程图;
图3为本发明实施例提供的另一种水体综合毒性检测方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,所获得的所有其他实施例,都属于本发明保护范围。
本发明提供一种水体综合毒性检测系统及方法,实现在线、连续、实时检测水体的综合毒性,并对被测水样中的污染物进行分类的目的。
根据图1所示,所述水体综合毒性检测系统包括:溶液存放单元101、提取单元102、检测单元103以及上位机104,其中:
溶液存放单元101包括:参比溶液存放单元11,用于存放纯净水、盐水和发光菌的混合溶液,以及检测溶液存放单元12,用于存放被测水样、盐水、纯净水和发光菌的混合溶液;
提取单元102,用于提取参比溶液存放单元11以及检测溶液存放单元12中的混合溶液;
检测单元103,用于在预设时间内检测提取单元102提取的两种混合溶液中的发光菌的发光强度预设次数,分别得到发光菌的光强比;
上位机104,用于根据该发光菌的光强比结合与之相对应的检测时间分别绘制图像并输出,对比所述两种混合溶液形成的图形,得出所述被测水样的污染物毒性,并且采用神经网络算法分析所述图像得出所述被测水样中污染物种类。
为了提高所述检测系统的工作效率,便于溶液的传输,本发明实施例公开的检测系统还包括:进液单元,用于传送所述纯净水、盐水以及被测水样至溶液存放单元101。并且,在进液单元中还可以设置三个储液罐用来存储被测水样、纯净水和盐水。
具体的,利用进液单元的蠕动泵分别提取所述三个储油罐存放的被测水样、纯净水以及盐水,并将其传输至溶液存放单元101中。
再且,由于本实施例中所使用的发光菌一般为海洋发光细菌,也称费希尔弧菌,该细菌的发光强弱能代表代谢旺盛程度,任何毒性,无论是生物毒性还是化学毒性都会抑制细菌的新陈代谢,进而抑制发光强度,所以只要通过测量其发光强度的变化,就能精确地检测出被测水样毒性的大小。
此种发光菌一般要在较低的温度下保存,同样,所述水体综合毒性检测系统还包括:发光菌保存单元和发光菌培养单元,其中:
所述发光菌保存单元,用于在在第一预设温度下保存所述发光菌,且通过磁力搅拌器搅拌该发光菌;
所述发光菌培养单元,用于在第二预设温度下,混合所述发光菌、盐水和纯净水,形成发光菌溶液,使用磁力搅拌器搅拌该发光菌溶液预设时间。
具体的,为了加长发光菌的保存时间,需采用低温保存,使其处于半休眠状态,一般所述发光菌保存单元中采用2摄氏度左右保存发光菌,即第一预设温度为2摄氏度。
并且,当需要进行毒性检测时,采用提取单元102提取所述发光菌保存单元中的发光菌并传送至所述发光菌培养单元,使其混合纯净水以及盐水形成发光菌溶液,将该混合溶液的温度控制在15摄氏度左右,在所述发光菌培养单元中培养15分钟,在次过程中,需采用磁力搅拌器不断搅拌该溶液,使其中的发光菌处于最佳活性状态。然后,再通过提取单元102提取该混合溶液并传送至溶液存放单元101,进行后续操作。
本发明实施例还公开了一种水体综合毒性检测方法,结合上述实施例公开的系统且参见图2,包括步骤:
S11、分别混合纯净水、盐水和发光菌,以及被测水样、盐水、纯净水和发光菌,其中,所述纯净水、盐水和发光菌的混合溶液作为参比溶液,所述被测水样、盐水、纯净水和发光菌的混合溶液作为检测溶液;
具体的,采用进液单元102的蠕动泵传送所述纯净水、盐水以及被测水样至溶液存放单元101,再通过提取单元102提取发光菌至溶液存放单元101。其中,分别将所述纯净水、盐水和发光菌混合在参比溶液存放单元11中,将所述纯净水、盐水、被测水样和发光菌混合在检测溶液存放单元12中。
为了使溶液的充分混合,一般让其互相反应15分钟之后,才进行提取工作。
S12、提取所述纯净水、盐水和发光菌的混合溶液,以及被测水样、盐水、纯净水和发光菌的混合溶液;
具体的,要通过提取单元102提取相同容量的参比溶液和检测溶液。
S13、在预设时间内检测所述提取单元提取的两种混合溶液中的发光菌的发光强度预设次数,分别得到发光菌的光强比;
具体的,可以采用光电倍增管检测发光菌的发光强度。并且,每分钟就检测一次发光菌的发光强度,连续进行15分钟的检测,得出该时间内的发光菌的光强比。
S14、根据所述发光菌的光强比结合与之相对应的检测时间分别绘制图像并输出,对比所述两种混合溶液形成的图形,得出所述被测水样的污染物毒性,并且采用神经网络算法分析所述图像得出所述被测水样中污染物种类。
具体的,判断被测水样中污染物分为判断所述被测水样中污染物的毒性,以及判断所述被测水样中污染物的种类,在判断污染物的种类时也可以得到该污染物占有的比例。
对比所述检测溶液和参比溶液检测后形成的图像,具体的,检测时间作为图像的横轴,发光菌的光强比作为纵轴。将检测过程中,将检测溶液最后一次检测得到的发光菌的光强比,除以参比溶液最后一次检验得到的发光菌的光强比,其商就为污染物的毒性。
一般情况下,污染物具体分为剧毒的无机污染,重金属污染,有机物污染和富营养化污染。具体的,发光菌对不同的污染物的反应不同,当污染物为剧毒的无机污染时,发光菌的发光强度随着时间的推移会急剧下降然后达到平稳;当污染物为重金属污染时,发光菌的发光强度随着时间的推移会缓慢下降的趋势,然后达到平稳,而且其发光菌的光强比不会达到很弱;当污染物为有机污染物时,因为适量的有机物会使发光菌的活性变强,导致其繁殖,所以发光菌的发光强度随着时间的推移会缓慢上升的趋势,然后达到平稳;当污染物为富氧化污染时,发光菌的发光强度随着时间的推移会迅速上升的趋势,然后急剧下降,因为富营养物会使发光菌的活性迅速变强,导致其繁殖,等消耗完富营养物后,发光菌的活性会下降,甚至死亡,因此发光强度会迅速下降。
在上述论述的内容中,由于污染物单一,基本可以通过分析根据发光菌发光强度的发光菌的光强比和与检测时间生成的图像的走向,得出该被测水体中的污染物。但综合毒性检测,一般是指检测由多种污染物混合的被测水样,仅通过简单分析生成的图像并不能得出被测水样中包含的污染物。此时,需要采用神经网络算法分析所述检测溶液生成的图像得出所述被测水样中污染物种类。
具体的,采用神经网络建立发光菌的光强比与污染物种类的数学模型,并根据被测水样的发光菌的光强比对该水样的污染物种类进行反演计算,可以得到主要的污染物种类。在本实施例公开的检测方法中,将得到的检测溶液检测形成的图像和参比溶液检测形成的图像作用于所述数学模型中,将15个不同时间的发光菌的光强比作为输入数据,经过该数学模型的运算,被检测水样的污染物类型和其占有的比例作为输出数据。
现有的神经网络理论表明,三层前馈神经网络能够以任意精度逼进非线性关系,因此选用三层网络建立模型。网络的输入结点为15时,输出结点为1。并且,根据Hecht-Nielsen理论,一般将隐含层节点数设为2N+1(其中N为输入节点数),但综合考虑网络的收敛速度与输出精度,在本发明实施例公开的检测方法中,取其为30。
在使用发光菌进行毒性检测前,还需要验证该发光菌是否具有正常的活性,可以利用纯净水做零点校正进而判断发光菌的活性,具体过程如下:
分别提取所述参比溶液和参比溶液,并检测该溶液中的发光菌的发光强度,并得到发光菌的光强比。将所述发光菌的光强比结合检测时间分别绘制初始图像并输出。同样,还可以每分钟检测一次发光菌的发光强度,连续进行15分钟。
通过分析绘制成的图像,判断该发光菌的活性。待零点校正完成之后,就可进行水体综合毒性检测的具体过程,为了减小检测误差,一次检测中发光菌的光强比生成后,可重复进行多次,进行比对,取其平均值,最终使用平均值绘制图像。
为了能准确地进行水体的毒性检测,本发明另一实施例还公开了一种检测方法,在进行毒性检测前,先进行量程校正,其过程如图3所示,包括步骤:
S21、分别混合纯净水、盐水和发光菌,以及被测水样、盐水、纯净水和发光菌,其中,所述纯净水、盐水和发光菌的混合溶液作为参比溶液;被测水样、盐水、纯净水和发光菌作为检测溶液;
S22、混合纯净水、发光菌以及标准污染物;
其中,该标准污染物可以为ZnSO4
S23、提取所述纯净水、发光菌和标准污染物组成的混合溶液以及参比溶液;
S24、每分钟检测所述提取的混合溶液和参比溶液中的发光菌的发光强度,并分别得到发光菌的光强比,连续检测15分钟;
S25、以检测时间作为横轴、发光菌的光强比为纵轴分别根据得到的混合溶液和参比溶液中发光菌的光强比绘制图像并输出。
为了提高检测工作效率,可以提前设定量程更正的时间,当毒性检测进行一定次数后,就自动进行量程更正。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种水体综合毒性检测系统,其特征在于,包括:
溶液存放单元,用于分别存放纯净水、盐水和发光菌的混合溶液,以及被测水样、盐水、纯净水和发光菌的混合溶液;
提取单元,用于提取所述溶液存放单元中的两种混合溶液;
检测单元,用于在预设时间内检测所述提取单元提取的两种混合溶液中的发光菌的发光强度预设次数,分别得到发光菌的光强比;
上位机,用于根据所述发光菌的光强比结合与之相对应的检测时间分别绘制图像并输出,对比所述两种混合溶液形成的图形,得出所述被测水样的污染物毒性,并且采用神经网络算法分析所述图像得出所述被测水样中污染物种类。
2.根据权利要求1所述的系统,其特征在于,还包括:进液单元,用于将所述纯净水、盐水以及被测水样传送至溶液存放单元。
3.根据权利要求1所述的系统,其特征在于,还包括:发光菌保存单元和发光菌培养单元,其中:
所述发光菌保存单元,用于在第一预设温度下保存所述发光菌,且通过磁力搅拌器搅拌该发光菌;
所述发光菌培养单元,用于在第二预设温度下,混合所述发光菌、盐水和纯净水,形成发光菌溶液,使用磁力搅拌器搅拌该发光菌溶液预设时间。
4.一种水体综合毒性检测方法,其特征在于,包括:
分别混合纯净水、盐水和发光菌,以及被测水样、盐水、纯净水和发光菌,其中,所述纯净水、盐水和发光菌的混合溶液作为参比溶液;
提取所述纯净水、盐水和发光菌的混合溶液,以及被测水样、纯净水、盐水和发光菌的混合溶液;
在预设时间内检测提取的两种混合溶液中的发光菌的发光强度预设次数,分别得到发光菌的光强比;
根据所述发光菌的光强比结合与之相对应的检测时间分别绘制图像并输出,对比所述两种混合溶液形成的图形,得出所述被测水样的污染物毒性,并且采用神经网络算法分析所述图像得出所述被测水样中污染物种类。
5.根据权利要求4所述的方法,其特征在于,所述提取两种混合溶液并进行检测前还包括:
提取所述纯净水、盐水和发光菌的混合溶液和所述参比溶液;
在预设时间内检测所述混合溶液和参比溶液中的发光菌的发光强度预设次数,分别得到该混合溶液和参比溶液中发光菌的光强比;
根据所述发光菌的光强比结合与之相对应的检测时间分别绘制图像并输出。
6.根据权利要求4所述的方法,其特征在于,所述提取两种混合溶液并进行检测前还包括:
混合所述纯净水、盐水、发光菌和标准污染物,并提取所述混合液以及所述参比溶液;
在预设时间内检测所述标准污染物混合溶液以及参比溶液中发光菌的发光强度预设次数,分别得到发光菌的光强比;
根据所述发光菌的光强比结合与之相对应的检测时间绘制图像并输出。
7.根据权利要求4至6任意一项所述的系统,其特征在于,采用光电倍增管检测所述发光菌的发光强度。
CN2010101563405A 2010-04-27 2010-04-27 水体综合毒性检测系统及方法 Pending CN102234609A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010101563405A CN102234609A (zh) 2010-04-27 2010-04-27 水体综合毒性检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010101563405A CN102234609A (zh) 2010-04-27 2010-04-27 水体综合毒性检测系统及方法

Publications (1)

Publication Number Publication Date
CN102234609A true CN102234609A (zh) 2011-11-09

Family

ID=44885738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010101563405A Pending CN102234609A (zh) 2010-04-27 2010-04-27 水体综合毒性检测系统及方法

Country Status (1)

Country Link
CN (1) CN102234609A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103645163A (zh) * 2013-12-20 2014-03-19 北京城市排水集团有限责任公司 再生水水质急性毒性连续在线监测设备及方法
CN106053438A (zh) * 2016-05-07 2016-10-26 浙江理工大学 一种水质综合生物毒性远程自动分析仪
CN106990101A (zh) * 2017-04-25 2017-07-28 广东海洋大学 一种基于发光弧菌的海水重金属污染监测传感器及其制备方法
CN112394152A (zh) * 2020-10-27 2021-02-23 范玲珍 一种基于大数据的水质实时智能监测分析管理系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1343888A (zh) * 2001-10-19 2002-04-10 厦门大学 发光菌水质毒性监测传感装置
CN1560608A (zh) * 2004-03-10 2005-01-05 沈阳七彩科技工程有限公司 城市污水生物毒性在线自动分析仪及其使用方法
CN101571534A (zh) * 2009-05-25 2009-11-04 上海凯实生物科技有限公司 水质毒性检测仪

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1343888A (zh) * 2001-10-19 2002-04-10 厦门大学 发光菌水质毒性监测传感装置
CN1560608A (zh) * 2004-03-10 2005-01-05 沈阳七彩科技工程有限公司 城市污水生物毒性在线自动分析仪及其使用方法
CN101571534A (zh) * 2009-05-25 2009-11-04 上海凯实生物科技有限公司 水质毒性检测仪

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
RI SON-IL等: "基于BP人工神经网络的生化处理水水质预测", 《现代化工》, vol. 29, no. 12, 31 December 2009 (2009-12-31) *
孟彦京,高希明: "神经网络在污水处理过程建模中的应用", 《微计算机信息(测控自动化)》, vol. 25, no. 91, 31 December 2009 (2009-12-31) *
李占东,林钦: "BP人工神经网络模型在珠江口水质评价中的应用", 《南方水产》, vol. 1, no. 4, 31 August 2005 (2005-08-31), pages 48 - 55 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103645163A (zh) * 2013-12-20 2014-03-19 北京城市排水集团有限责任公司 再生水水质急性毒性连续在线监测设备及方法
CN103645163B (zh) * 2013-12-20 2016-01-27 北京城市排水集团有限责任公司 再生水水质急性毒性连续在线监测设备及方法
CN106053438A (zh) * 2016-05-07 2016-10-26 浙江理工大学 一种水质综合生物毒性远程自动分析仪
CN106053438B (zh) * 2016-05-07 2018-09-11 浙江理工大学 一种水质综合生物毒性远程自动分析仪
CN106990101A (zh) * 2017-04-25 2017-07-28 广东海洋大学 一种基于发光弧菌的海水重金属污染监测传感器及其制备方法
CN112394152A (zh) * 2020-10-27 2021-02-23 范玲珍 一种基于大数据的水质实时智能监测分析管理系统

Similar Documents

Publication Publication Date Title
Zhu et al. A modified method for on-line determination of trace ammonium in seawater with a long-path liquid waveguide capillary cell and spectrophotometric detection
Briand et al. The use of oxygen microprobes to measure bacterial respiration for determining bacterioplankton growth efficiency
Williams et al. A tale of three taxes: photo-gyro-gravitactic bioconvection
Madrid et al. Microbial biomass estimation
Ma et al. Optimization of a salinity-interference-free indophenol method for the determination of ammonium in natural waters using o-phenylphenol
Kroukamp et al. CO2 production as an indicator of biofilm metabolism
CN102234609A (zh) 水体综合毒性检测系统及方法
CN102507553A (zh) 水产养殖用水亚硝酸盐氮快速检测试剂盒及其检测方法
CN205581046U (zh) 基于微生物传感器的热带养殖水体bod在线测定装置
Sipior et al. Phase fluorometric optical carbon dioxide gas sensor for fermentation off‐gas monitoring
White et al. Impacts of nutrient competition on microalgae biomass production
Benavides et al. Parameter identification of Droop model: an experimental case study
O’Donoghue et al. Simplified low-cost LED nephelometer and turbidity experiments for practical teaching
CA2791211C (en) Metabolic rate indicator for cellular populations
CN201796012U (zh) 一种水质毒性检测用多通道生物传感装置
Jones Gas-liquid mass transfer in an external airlift loop reactor for syngas fermentation
CN106591424A (zh) 一种应用羊角月牙藻测试采油废水生物毒性的方法
Moodley et al. Biomass-specific respiration rates of benthic meiofauna: Demonstrating a novel oxygen micro-respiration system
Yu et al. Characterization of activated sludge in wastewater treatment processes using front-face excitation–emission matrix (FF-EEM) fluorescence spectroscopy
Williams et al. Coulometric titration of ethylenediaminetetraacetate (EDTA) with spectrophotometric endpoint detection: an experiment for the instrumental analysis laboratory
CN109060692A (zh) 基于注射泵的活性磷自动分析仪及其测定方法
Garland et al. Physiological profiling of microbial communities
Holló et al. HOI versus HOIO selectivity of a molten-type AgI electrode
WO2008081060A3 (es) Celda de medida, analizador, procedimiento, y programa de ordenador para medir la demanda bioquímica de oxígeno (dbo)
CN102495031B (zh) 一种采用三法融合的荧光法水中溶解氧含量测量方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C12 Rejection of a patent application after its publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20111109