CN103226095B - 一种光谱仪波长校准方法 - Google Patents
一种光谱仪波长校准方法 Download PDFInfo
- Publication number
- CN103226095B CN103226095B CN201310119705.0A CN201310119705A CN103226095B CN 103226095 B CN103226095 B CN 103226095B CN 201310119705 A CN201310119705 A CN 201310119705A CN 103226095 B CN103226095 B CN 103226095B
- Authority
- CN
- China
- Prior art keywords
- wavelength
- spectrometer
- calibration
- point set
- benchmark
- 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.)
- Active
Links
Landscapes
- Spectrometry And Color Measurement (AREA)
Abstract
本发明设计一种光谱仪波长校准方法,该方法在线对烟气分析仪通入二氧化硫标气,通过系统对出厂前光谱仪波长基准点集处理,及校准点集的存储,利用二氧化硫在202-214nm和280-310nm波段上的明显的特征吸收结构,根据其中的波峰(或者波谷)与像素点的对应关系,进行三阶拟合,确定新的波长与像素点的对应关系,从而实时对烟气分析仪内部的光谱仪进行波长校准。
Description
技术领域
本发明涉及一种在DOAS烟气分析仪内部利用二氧化硫标气对光谱仪进行实时在线波长校准的方法。该方法可以对DOAS烟气分析仪进行在线快速标定,极大提高了系统的维护效率。
背景技术
光谱仪波长校准的常用方法是用诸如汞氩灯等具有公认特征谱线的标准光源,光谱仪对其辐射光线进行采集,根据光谱仪采集的特征谱线的位置与公认谱线进行对比和匹配,通过多项式拟合计算出光谱仪波长校准系数,此校准系数反应的就是波长与光谱仪像素点之间的对应关系。这种方法对于在实验室对光谱仪进行波长校准操作简单、易行,且波长校准结果准确、可靠,但是如果对现场工况条件下DOAS烟气分析仪内部的光谱仪进行波长校准其工作量相当大,且如果将上述标准光源放入DOAS烟气分析系统中系统结构将变得“复杂”。
对于DOAS烟气分析系统而言,光谱仪是其中的核心部件,所以定期对光谱仪进行波长校准能够提升整体系统运行的准确性和稳定性,但是传统的方法需要将光谱仪从现场系统中拆卸下来,返厂使用汞灯进行校准,这样既浪费了时间和资源,又给用户带来很大的不便。
发明内容
本发明提供一种光谱仪波长快速校准方法,该方法通过现场向系统通入二氧化硫标气对光谱仪进行快速校准,从而节省了维护成本,增强了光谱仪使用的稳定性。
本发明的具体技术方案如下:
一种光谱仪波长快速校准方法,该方法的具体步骤如下:
1)向一台出厂光谱仪的测量光路通入二氧化硫标气,由终端设备读取该光谱仪在202-214nm和280-310nm两个波段上的所有的波峰和波谷所处的像素序号及其对应波长,形成基准点集;该基准点集内的基准点的个数为自然数M个;并读取该台出厂光谱仪的出厂校准系数作为最佳适应度存储;
2)对步骤1中的基准点集合进行优化筛选,具体过程如下:
首先定义三个参数分别为适应度,最佳适应度,个体,具体定义如下:
适应度:个体对应的三阶拟合系数;
最佳适应度:光谱仪出厂的校准系数;
个体:基准点集内的部分的或者全部的点及其对应的波长形成的子集;
结合上述三个参数,采用GA或者BP(算法进行优化筛选,得到优化后的基准点集,并在终端设备(如计算机,嵌入式小型计算机等)内存储此优化后的基准点集,作为本台光谱仪的校准点集,校准点集中的基准点的个数为自然数N个,N≤M;
3)当所述出厂光谱仪为待校准光谱仪时,在线对待校准光谱仪测量光路内通入二氧化硫标气,待测量数据的示数稳定后,通过光谱仪读取实时测量光谱,并送入终端设备,以步骤2的校准点集对应的各波长为基准,逐一在各基准±0.6nm范围内寻找测量光谱光强极大值或者极小值,该极大值或者极小值所处的波长对应测量光谱中波峰或者波谷,记录测量光谱中波峰或者波谷波长及对应的像素序号,得到实测基准点集;实测基准点集中基准点的个数也为自然数N个,N≤M;
4)步骤3的实测基准点集与步骤2的校准点集一一对应进行比较,实测基准点集的波长较校准点集的波长相差一个像素以上,即认定发生漂移,进入步骤5)进行校准;否则退出程序,校准结束;
5)、将步骤3的实测基准点集中波长与像素序号进行三阶拟合,得出待校准光谱仪的校准系数:
Lambda[N]=coe[3]×x[N]3+coe[2]×x[N]2+coe[1]×x[N]1+coe[0]×x[N]0;
其中:
N:表示实测基准点集内的第N个点;x[N]:表示实测基准点集内的第N个点所对应的的像素序号,即为待校准光谱仪的第n个像素点;
Lambda[N]:表示实测基准点集内的第N个点所对应的波长;
coe[3],coe[2],coe[1],coe[0]:本数组即为光谱仪的校准系数;
将得出新的校准系数替代光谱仪内原有的校准系数,应用在光谱仪内即可,光谱仪启动时就会以这组新的校准系数为准。
步骤1)中所述波峰和波谷的读取方法如下:在202-214nm和280-310nm这两个波段,逐个比较相邻波长之间的光强,若在某波长处光强不再增加,且此波长+0.6nm的波长的范围内再无更大的光强,则认为此处波长的光强为一个极大值,即是一个波峰;反之逐个比较相邻波长之间的光强,若在某波长处光强不再减小,且波长+0.6nm的波长的范围内无更小的光强,则认为此处波长的光强为一个极小值,即是一个波谷。
步骤3中所述波峰为基准点附近光强极大值,波谷为基准点附近光强极小值。
步骤4中判定漂移的判定值为一个像素,当实测基准点集的与校准点集中对应的波长逐个进行判断,只要有一个差值大于(λmax-λmin)/n,就认定待校准光谱仪发生了漂移,需要校准;
λmax:光谱仪出厂设定的所测量的最大波长值;
λmin:光谱仪出厂设定的所测量的最小波长值;
n:光谱仪像素个数。为了能够定期对DOAS烟气分析仪内部的光谱仪进行波长漂移检查并校准,必须找到一种简单、易行且校准结果既准确又可靠的方法,同时系统结构要求简单。
本发明设计的光谱仪快速校准的方法,在线对烟气分析仪通入二氧化硫标气,通过系统对出厂前光谱仪波长基准点集处理,及校准点集的存储,利用二氧化硫在202-214nm和280-310nm波段上的明显的特征吸收结构,根据其中的波峰(或者波谷)与像素点的对应关系,进行三阶拟合,确定新的波长与像素点的对应关系,从而实时对烟气分析仪内部的光谱仪进行波长校准。
本方法对光谱仪校准的时候不局限于某一测量系统内,也可在实验室内使用。只要使光谱仪采集到通入二氧化硫标气的光谱,即可利用本方法进行漂移判定和校准工作。
与以往的通过汞氩灯对光谱仪进行校准的方法相比,本发明不需要将现场的光谱仪从烟气分析仪内部拆卸出来,不需运输到室内使用汞氩灯对光谱仪进行校准,节省了人力和物力的成本;在线对系统输入二氧化硫标气,由系统直接自动进行校准条件判断以及校准流程,全程时间至多半个小时,极大的减少了时间,降低了成本,增加了系统的可维护性以及稳定性。
附图说明:
图1为二氧化硫在202-214nm的特征吸收结构。
图2为二氧化硫在280-310nm的特征吸收结构。
图3为本发明快速校准方法校准前、后波长漂移结果列表。
具体实施方式:
如图1和图2所示,二氧化硫在202-214nm和280-310nm上有明显的特征吸收结构,图1中圆圈圈定之处代表波峰或波谷位置。每台光谱仪出厂时都要经过人工调校,每台光谱仪的基准波长可能稍微有所不同,但偏差范围不会超过两个像素之间的波长间隔(两个像素之间的波长间隔=测量波长范围/光谱仪像素点数)。
实施例一:
本发明光谱仪波长快速校准方法,该方法的具体步骤如下:
1)向一台出厂的光谱仪的测量光路通入二氧化硫标气,由终端设备(如计算机,嵌入式小型计算机等)读取该光谱仪在202-214nm和280-310nm两个波段上的所有的波峰和波谷所处的像素序号及其对应波长,形成基准点集;该基准点集内的基准点的个数为自然数M个;并读取该台出厂光谱仪的适应度并存储;
步骤1)中所述波峰和波谷的读取方法如下:在202-214nm和280-310nm这两个波段,逐个比较相邻波长之间的光强,若在某波长处光强不再增加(即从一个光强值递增的过程变为减小),且此波长+0.5nm的波长的范围内再无更大的光强,则认为此处波长的光强为一个极大值,即是一个波峰;反之逐个比较相邻波长之间的光强,若在某波长处光强不再减小(即从一个光强值递减的过程变为增加),且波长+0.5nm的波长的范围内无更小的光强,则认为此处波长的光强为一个极小值,即是一个波谷。
2)对步骤1中的基准点集合进行优化筛选,具体过程如下:
首先定义三个参数分别为适应度,最佳适应度,个体,三个参数的定义如下:
适应度:个体对应的三阶拟合系数;
最佳适应度:光谱仪出厂的拟合系数;
个体:基准点集内的部分的或者全部的点及其对应的波长形成的子集;
结合上述三个参数,采用GA(遗传算法)或者BP(神经网络算法)算法进行优化筛选,得到优化后的基准点集,并在终端设备(如计算机,嵌入式小型计算机等)内存储此优化后的基准点集,作为本台光谱仪的校准点集;校准点集中的基准点的个数为自然数N个(N≤M);
举例:以下给出步骤2)使用遗传算法中个体编码的一种方式,以基准点集全集共有5个基准点(像素点和波长)为例。
将5个基准点标号,分别为1-5号,
以5位二进制数据作为个体,由此可以形成一个子集,
如01010表示此子集内包含第2,4个基准点,
如00000表示此子集内不包含任何基准点,
如11111表示此子集内包含所有基准点,
初始种群个体个数初始化:建议以基准点的个数确立初始种群个体数目,如此处初始设置种群个体数目为5,即随机生成5个个体作为初始化种群,
交叉运算:如01010和10101两个个体交叉可形成10010和01101两个新的个体,
变异运算:如01100个体通过变异运算可以得到10011这个新的个体,
交叉概率:建议为0.4-0.9之间,
变异概率:建议为0.1-0.01之间,
最大进化代数:建议50-100之间,
通过解码计算每个个体适应度,通过与最佳适应度的差值绝对值比较,以绝对值等于0或者接近于0为标准,选出最佳个体,即为校准点集。
3)当所述出厂光谱仪为待校准光谱仪时,在线对待校准光谱仪测量光路内通入二氧化硫标气,待测量数据(及所测光谱稳定后)的示数稳定后,通过光谱仪读取实时测量光谱,并送入终端设备(如计算机,嵌入式小型计算机等),以步骤2的校准点集对应的各波长为基准,逐一在各基准±0.6nm范围内寻找测量光谱光强极大值或者极小值,该极大值或者极小值所处的波长对应测量光谱中波峰或者波谷,记录测量光谱中波峰或者波谷波长及对应的像素序号,得到实测基准点集;实测基准点集中基准点的个数为自然数N个(N≤M);
步骤3中所述波峰为基准点附近光强极大值,波谷为基准点附近光强极小值,此处寻找波峰与波谷的方法之所以不同,是鉴于光谱仪的漂移量在一般情况下不会超过3个像素,因此可以逐一选取步骤2校准点集内的波长±0.6nm范围内寻找波峰或者波谷。
4)步骤3的实测基准点集与步骤2的校准点集一一对应进行比较((如使用步骤3的实测基准点集的第N个波长与步骤2的优化基准点集的第N个波长求差值)),实测基准点集的波长较校准点集的波长相差一个像素以上,即认定发生漂移,进入步骤5);否则退出程序,校准结束;
步骤4中判定漂移的判定值为一个像素,当实测基准点集的与校准点集中对应的波长逐个进行判断,只要有一个差值大于(λmax-λmin)/C,就认定待校准光谱仪发生了漂移,需要校准;
λmax:光谱仪出厂设定的所测量的最大波长值;
λmin:光谱仪出厂设定的所测量的最小波长值;
C:光谱仪像素个数。
5)、将步骤3的实测基准点集中波长与像素序号进行三阶拟合,得出待校准光谱仪的校准系数:
Lambda[N]=coe[3]×x[N]3+coe[2]×x[N]2+coe[1]×x[N]1+coe[0]×x[N]0;
其中:
N:表示实测基准点集内的第N个点;x[N]:表示实测基准点集内的第N个点所对应的的像素序号,即为待校准光谱仪的第n个像素点;
Lambda[N]:表示实测基准点集内的第N个点所对应的波长;
coe[3],coe[2],coe[1],coe[0]:本数组即为光谱仪的校准系数;
将得出新的校准系数替代光谱仪内原有的校准系数,应用在光谱仪内即可,光谱仪启动时就会以这组新的校准系数为准。
实施例二:
经过测试,本发明可以达到对光谱仪进行校准的目的,并且校准结果可以有效应用在烟气分析仪内,可以氘灯为光源,在线通入二氧化硫标气。具体结果如图3所示,图中所有波长单位均为nm,第一列为实验光谱仪选好的基准点集的波长,第二列为未校准前光谱仪内的探测到的波长,由此可以得出第三列两个波长的偏移,可以明显看出第一个点发生了漂移,证明实验光谱仪发生了漂移。第四列为使用本方法校准后所探测到的波长,第五列是校准后的波长与基准波长的比较,可以看出此时光谱仪没有便宜,说明本方法已经成功校准了光谱仪,证明了本方法的可行性。由此在不增加系统结构复杂性的情况下可对烟气分析仪内置光谱仪进行准确、快速波长校准,从而避免和消除因光谱仪波长漂移引起的系统测量误差。
Claims (4)
1.一种光谱仪波长校准方法,该方法的具体步骤如下:
1)向一台出厂光谱仪的测量光路通入二氧化硫标气,由终端设备读取该光谱仪在202-214nm和280-310nm两个波段上的所有的波峰和波谷所处的像素序号及其对应波长,形成基准点集;该基准点集内的基准点的个数为自然数M个;并读取该台出厂光谱仪的出厂校准系数作为最佳适应度存储;
2)对步骤1中的基准点集合进行优化筛选,具体过程如下:
首先定义三个参数分别为适应度,最佳适应度,个体,具体定义如下:
适应度:个体对应的三阶拟合系数;
最佳适应度:光谱仪出厂的校准系数;
个体:基准点集内的部分的或者全部的点及其对应的波长形成的子集;
结合上述三个参数,采用GA或者BP算法进行优化筛选,得到优化后的基准点集,并在终端设备内存储此优化后的基准点集,作为本台光谱仪的校准点集,校准点集中的基准点的个数为自然数N个,N≤M;
3)当所述出厂光谱仪为待校准光谱仪时,在线对待校准光谱仪测量光路内通入二氧化硫标气,待测量数据的示数稳定后,通过光谱仪读取实时测量光谱,并送入终端设备,以步骤2的校准点集对应的各波长为基准,逐一在各基准±0.6nm范围内寻找测量光谱光强极大值或者极小值,该极大值或者极小值所处的波长对应测量光谱中波峰或者波谷,记录测量光谱中波峰或者波谷波长及对应的像素序号,得到实测基准点集;实测基准点集中基准点的个数也为自然数N个,N≤M;
4)步骤3的实测基准点集与步骤2的校准点集一一对应进行比较,实测基准点集的波长较校准点集的波长相差一个像素以上,即认定发生漂移,进入步骤5进行校准;否则退出程序,校准结束;
5)、将步骤3的实测基准点集中波长与像素序号进行三阶拟合,得出待校准光谱仪的校准系数:
Lambda[N] = coe[3] × x[N]3+coe[2] × x[N]2+coe[1] × x[N]1+coe[0] ×x[N]0;
其中:
N: 表示实测基准点集内的第N个点; x[N] : 表示实测基准点集内的第N个点所对应的的像素序号,即为待校准光谱仪的第n个像素点;
Lambda[N] :表示实测基准点集内的第N个点所对应的波长;
coe[3],coe[2],coe[1],coe[0] : 本数组即为光谱仪的校准系数;
将得出新的校准系数替代光谱仪内原有的校准系数,应用在光谱仪内完成校准。
2.根据权利要求1所述光谱仪波长校准方法,其特征是:步骤1中所述波峰和波谷的读取方法如下:在202-214nm和280-310nm这两个波段,逐个比较相邻波长之间的光强,若在某波长处光强不再增加,且此波长+0.6nm的波长的范围内再无更大的光强,则认为此处波长的光强为一个极大值,即是一个波峰;反之逐个比较相邻波长之间的光强,若在某波长处光强不再减小,且波长+0.6nm的波长的范围内无更小的光强,则认为此处波长的光强为一个极小值,即是一个波谷。
3.根据权利要求1所述光谱仪波长校准方法,其特征是:步骤3中所述波峰为基准点附近光强极大值,波谷为基准点附近光强极小值。
4.根据权利要求1所述光谱仪波长校准方法,其特征是:步骤4中判定漂移的判定值为一个像素,当实测基准点集的与校准点集中对应的波长逐个进行判断,只要有一个差值大于(λmax-λmin)/ C,就认定待校准光谱仪发生了漂移,需要校准;
λmax :光谱仪出厂设定的所测量的最大波长值;
λmin :光谱仪出厂设定的所测量的最小波长值;
C :光谱仪的像素个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310119705.0A CN103226095B (zh) | 2013-04-08 | 2013-04-08 | 一种光谱仪波长校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310119705.0A CN103226095B (zh) | 2013-04-08 | 2013-04-08 | 一种光谱仪波长校准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103226095A CN103226095A (zh) | 2013-07-31 |
CN103226095B true CN103226095B (zh) | 2014-12-24 |
Family
ID=48836622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310119705.0A Active CN103226095B (zh) | 2013-04-08 | 2013-04-08 | 一种光谱仪波长校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103226095B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104122211B (zh) * | 2014-08-12 | 2016-08-31 | 无锡创想分析仪器有限公司 | 一种全谱直读光谱仪的实时校正方法 |
CN106680221B (zh) * | 2016-12-14 | 2019-09-20 | 重庆川仪自动化股份有限公司 | 一种基于氙灯光谱的波长漂移的补偿方法 |
CN106769937B (zh) * | 2016-12-30 | 2020-07-31 | 杭州谱育科技发展有限公司 | 一种光谱数据处理方法 |
GB2586046B (en) * | 2019-07-31 | 2021-12-22 | Thermo Fisher Scient Bremen Gmbh | Peak determination in two-dimensional optical spectra |
CN111044460A (zh) * | 2019-12-31 | 2020-04-21 | 常州罗盘星检测科技有限公司 | 人工智能仪器的校准方法 |
WO2023041566A1 (en) | 2021-09-15 | 2023-03-23 | Trinamix Gmbh | Method for calibrating a spectrometer device |
CN113899715B (zh) * | 2021-09-25 | 2024-04-09 | 杭州谱育科技发展有限公司 | 降低傅里叶变换红外光谱仪噪声的方法 |
CN113899714B (zh) * | 2021-09-25 | 2024-04-09 | 杭州谱育科技发展有限公司 | 傅里叶变换红外光谱仪的数据处理方法 |
CN116663433B (zh) * | 2023-07-31 | 2023-10-24 | 山东科技大学 | 一种基于差分吸收光谱仪的差分优化方法 |
CN117387763B (zh) * | 2023-12-05 | 2024-03-29 | 安徽创谱仪器科技有限公司 | 光谱仪测试标定方法、装置及设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5347475A (en) * | 1991-09-20 | 1994-09-13 | Amoco Corporation | Method for transferring spectral information among spectrometers |
CN1125321A (zh) * | 1994-12-20 | 1996-06-26 | 中国科学院化工冶金研究所 | 智能光栅单色仪的波长校正装置及其方法 |
WO1998033055A1 (en) * | 1997-01-29 | 1998-07-30 | Kla-Tencor Corporation | Film measurement system with improved calibration |
CN1289919A (zh) * | 1999-09-23 | 2001-04-04 | 中国科学院化工冶金研究所 | 自动波长校正的顺序电感耦合等离子体光谱仪及应用方法 |
US6700661B1 (en) * | 1999-10-14 | 2004-03-02 | Cme Telemetrix, Inc. | Method of optimizing wavelength calibration |
CN101290289A (zh) * | 2008-05-30 | 2008-10-22 | 天津市蓝宇科工贸有限公司 | 紫外差分烟气浓度测量系统校准方法及实施装置 |
CN101441165A (zh) * | 2007-05-30 | 2009-05-27 | 霍夫曼-拉罗奇有限公司 | 光谱仪的波长校准方法 |
CN101520412A (zh) * | 2009-03-23 | 2009-09-02 | 中国计量学院 | 基于独立分量分析和遗传神经网络的近红外光谱分析方法 |
-
2013
- 2013-04-08 CN CN201310119705.0A patent/CN103226095B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5347475A (en) * | 1991-09-20 | 1994-09-13 | Amoco Corporation | Method for transferring spectral information among spectrometers |
CN1125321A (zh) * | 1994-12-20 | 1996-06-26 | 中国科学院化工冶金研究所 | 智能光栅单色仪的波长校正装置及其方法 |
WO1998033055A1 (en) * | 1997-01-29 | 1998-07-30 | Kla-Tencor Corporation | Film measurement system with improved calibration |
CN1289919A (zh) * | 1999-09-23 | 2001-04-04 | 中国科学院化工冶金研究所 | 自动波长校正的顺序电感耦合等离子体光谱仪及应用方法 |
US6700661B1 (en) * | 1999-10-14 | 2004-03-02 | Cme Telemetrix, Inc. | Method of optimizing wavelength calibration |
CN101441165A (zh) * | 2007-05-30 | 2009-05-27 | 霍夫曼-拉罗奇有限公司 | 光谱仪的波长校准方法 |
CN101290289A (zh) * | 2008-05-30 | 2008-10-22 | 天津市蓝宇科工贸有限公司 | 紫外差分烟气浓度测量系统校准方法及实施装置 |
CN101520412A (zh) * | 2009-03-23 | 2009-09-02 | 中国计量学院 | 基于独立分量分析和遗传神经网络的近红外光谱分析方法 |
Non-Patent Citations (6)
Title |
---|
Biomedical Analysis》.1991,第9卷(第8期),第625-635页. * |
HARALD MARTENS et al..Extended multiplicative signal correction and spectral interference subtraction: new preprocessing methods for near infrared spectroscopy.《Journal of Pharmaceutical & * |
High-precision wavelength calibration of astronomical spectrographs with laser frequency combs;M. T. Murphy et al.;《Mon. Not. R. Astron. Soc》;20071231;第839-847页 * |
二氧化硫的紫外光谱测量数据修正方法;李红民 等;《传感技术学报》;20090731;第22卷(第7期);第928-933页 * |
朱红育 等.提高NO测量精度的非线性补偿技术研究.《环境污染与防治》.2013,第35卷(第1期),第60-63页,第68页. * |
算法融合的差分吸收光谱法烟气SO2浓度在线监测研究;汤光华 等;《光谱学与光谱分析》;20090430;第29卷(第4期);第1036-1040页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103226095A (zh) | 2013-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103226095B (zh) | 一种光谱仪波长校准方法 | |
Ansari et al. | A review of monitoring technologies for solar PV systems using data processing modules and transmission protocols: Progress, challenges and prospects | |
Srbinovska et al. | Environmental parameters monitoring in precision agriculture using wireless sensor networks | |
Helfer et al. | A computational model for soil fertility prediction in ubiquitous agriculture | |
CN102183621B (zh) | 水产养殖溶解氧浓度在线预测方法及系统 | |
CN101852725B (zh) | 一种全谱段透射式植物生化参数无损检测装置和方法 | |
CN107949775A (zh) | 定量光谱的频率配准偏差的确定和校正 | |
WO2019068178A1 (en) | SYSTEMS AND METHODS FOR CONTROLLING GREENHOUSE GAS EMISSIONS ASSOCIATED WITH AN ENTITY | |
Zimmerman et al. | Closing the gap on lower cost air quality monitoring: Machine learning calibration models to improve low-cost sensor performance | |
Wang et al. | Wireless mid-infrared spectroscopy sensor network for automatic carbon dioxide fertilization in a greenhouse environment | |
Smith et al. | An improved low-power measurement of ambient NO 2 and O 3 combining electrochemical sensor clusters and machine learning | |
US20220341806A1 (en) | Spectral fitting of compact laser-based trace gas sensor measurements for high dynamic range (hdr) | |
CN101281122A (zh) | 一种测量光学参数谱的装置及其消除散射影响的定量方法 | |
Aygün et al. | Sensor fusion for IoT-based intelligent agriculture system | |
CN114778767A (zh) | 碳排放园区直接碳排放连续测量方法、装置、设备及介质 | |
CN116297288B (zh) | 大气甲烷干空气混合比的快速遥感反演方法及系统 | |
Mäkelä et al. | Data flow of spectral UV measurements at Sodankylä and Jokioinen | |
CN102353648A (zh) | 化肥成分检测方法 | |
CN112683836B (zh) | 基于bp神经网络的二氧化碳传感器的标定方法及其系统 | |
Nair et al. | High frequency root dynamics: sampling and interpretation using replicated robotic minirhizotrons | |
Manap et al. | A DOAS system for monitoring of ammonia emission in the agricultural sector | |
CN112649481B (zh) | 一种使用区域tvoc阵列监测系统的园区tvoc监测方法 | |
CN109239010B (zh) | 基于多谱线光谱技术的气体监测方法 | |
Lourembam et al. | Framework for an optical sensor system for monitoring of soil nitrogen and tailoring soil pH | |
Matović et al. | Air quality prediction in smart city |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |