CN108872092A - 一种水质参数光谱智能检测分析系统及方法 - Google Patents

一种水质参数光谱智能检测分析系统及方法 Download PDF

Info

Publication number
CN108872092A
CN108872092A CN201810354121.4A CN201810354121A CN108872092A CN 108872092 A CN108872092 A CN 108872092A CN 201810354121 A CN201810354121 A CN 201810354121A CN 108872092 A CN108872092 A CN 108872092A
Authority
CN
China
Prior art keywords
quality parameter
digital signal
module
water
measured
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
CN201810354121.4A
Other languages
English (en)
Inventor
张立福
黄长平
张霞
张红明
代双凤
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.)
Zhongke Light Science And Technology (beijing) Co Ltd
Original Assignee
Zhongke Light Science And Technology (beijing) 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 Zhongke Light Science And Technology (beijing) Co Ltd filed Critical Zhongke Light Science And Technology (beijing) Co Ltd
Priority to CN201810354121.4A priority Critical patent/CN108872092A/zh
Publication of CN108872092A publication Critical patent/CN108872092A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明实施例提供了一种水质参数光谱智能检测分析系统及方法，系统包括：便携式光谱采集模块、智能手机控制模块和云平台智能分析模块；智能手机控制模块分别与便携式光谱采集模块和云平台智能分析模块通信连接；便携式光谱采集模块用于获取待测水体反射的光谱信号；智能手机控制模块用于获取数字信号，并将数字信号传输至云平台智能分析模块；云平台智能分析模块用于基于数字信号和预设水质参数反演模型，获取待测水体的水质参数。本发明利用便携式光谱仪模块和智能手机控制模块实现待测水质光谱信息的快速获取，并通过云平台智能分析模块定量反演计算待测水质的水质参数，可实现快速分析待测水质优劣程度和变化趋势。

Description

一种水质参数光谱智能检测分析系统及方法
技术领域
本发明实施例涉及水质监测技术领域，更具体地，涉及一种水质参数光谱智能检测分析系统及方法。
背景技术
目前，天然湖泊河流、人工湖泊以及运河，共同构成了丰富的内陆水体，这些内陆水体具有调蓄水量、调节气候、灌溉、养殖、航运、旅游、提取化工原料和发电等多种功能。内陆水体也是淡水蓄水池，为湖泊周围的城市居民提供生活用水，这些湖泊的水质与人们的生活息息相关，由此保持内陆水体水质的健康十分重要。
然而随着经济发展，内陆水体水质的健康状况并不乐观，许多湖泊水域富营养化程度严重，因此展开水质监测工作十分重要。常规的水质检测工作需要现场采集水样，而现有的水质检测的相关仪器缺点是其体积和重量都无法满足日常携带的要求，难以实现单人操作，加上后期实验室的水样分析，使水体检测耗费大量的人力物力。因此，如何节约成本，实现对水质的简单、快速、高效监测是目前亟待解决的关键问题。
发明内容
为解决上述问题，本发明实施例提供了一种水质参数光谱智能检测分析系统及方法。
一方面，本发明实施例提供了一种水质参数光谱智能检测分析系统，包括：便携式光谱采集模块、智能手机控制模块和云平台智能分析模块；
其中，所述智能手机控制模块分别与所述便携式光谱采集模块和所述云平台智能分析模块通信连接；
所述便携式光谱采集模块用于获取待测水体反射的光谱信号，并将所述光谱信号转换为数字信号，将所述数字信号传输至所述智能手机控制模块；
所述智能手机控制模块用于获取所述数字信号，并将所述数字信号传输至所述云平台智能分析模块；
所述云平台智能分析模块用于基于所述数字信号和预设水质参数反演模型，获取所述待测水体的水质参数；
其中，所述预设水质参数反演模型具体包括：波段比值与所述待测水体的水质参数之间的关系；所述波段比值为从所述数字信号中提取的两个预设特征波段的中心波长处对应的数字信号的比值，所述预设特征波段为所述数字信号中对应的波段中与所述待测水体的水质参数相关系数最大的波段或所述相关系数最大和第二大的波段。
优选地，所述便携式光谱采集模块具体包括：光源、探测器和数据传输模块；
所述光源用于照射所述待测水体；所述探测器上设置有滤波片，所述滤波片用于对所述待测水体反射的光谱信号进行滤波处理；所述探测器用于接收所述滤波片滤波处理后的光谱信号，并通过数模转换将滤波处理后的光谱信号转换为数字信号；所述数据传输模块用于将数字信号传输至所述智能手机控制模块。
优选地，所述便携式光谱采集模块还包括电源管理模块；所述电源管理模块用于为所述便携式光谱采集模块供电以及进行充放电管理。
优选地，所述智能手机控制模块还用于向所述便携式光谱采集模块发送控制指令，以控制所述便携式光谱采集模块的获取动作。
优选地，所述智能手机控制模块所处的智能手机内设置有显示模块，所述显示模块与所述智能手机控制模块物理连接；所述智能手机控制模块在获取光谱数字信号后，将所述数字信号与对应的波长绘制成曲线，并控制所述显示模块显示所述曲线。
优选地，所述云平台智能分析模块具体用于获取所述智能手机控制模块发送的所述数字信号，并基于所述数字信号和预设水质参数反演模型获取所述待测水体的水质参数；
所述云平台智能分析模块还用于将所述水质参数反馈至所述智能手机控制模块，以供所述智能手机控制模块控制所述显示模块显示所述待测水体的水质参数。
优选地，所述水质参数包括所述待测水体的叶绿素a浓度、水体浊度和水体悬浮物浓度；相应地，所述预设水质参数反演模型具体包括：波段比值与所述叶绿素a浓度之间的关系、波段比值与所述水体浊度之间的关系以及波段比值与所述水体悬浮物浓度之间的关系。
另一方面，本发明实施例提供了一种水质参数光谱智能检测分析方法，所述检测方法包括：获取待测水体反射的光谱信号，并将所述光谱信号转换为数字信号；基于所述数字信号和预设水质参数反演模型，获取所述待测水体的水质参数；
其中，所述预设水质参数反演模型具体包括：波段比值与所述待测水体的水质参数之间的关系；所述波段比值为从所述数字信号中提取的两个预设特征波段的中心波长处对应的数字信号的比值，所述预设特征波段为所述数字信号中对应的波段中与所述待测水体的水质参数相关系数最大的波段或所述相关系数最大和第二大的波段。
优选地，所述预设水质参数反演模型通过如下方法构建：
获取样本水体反射的光谱信号以及水质参数，并将所述光谱信号转换为数字信号；
基于相关系数法，从所述数字信号中提取两个预设特征波段，所述预设特征波段为所述数字信号中对应的波段中与所述样本水体的水质参数相关系数最大的波段或所述相关系数最大和第二大的波段；
获取两个所述预设特征波段的中心波长处对应的数字信号的比值，得到波段比值；
根据所述波段比值与所述水质参数之间的关系，构建所述预设水质参数反演模型。
本发明实施例提供的一种水质参数光谱智能检测分析系统及方法，利用便携式光谱仪模块和智能手机模块实现待测水质光谱信息的快速获取，并通过云平台智能分析模块定量反演计算待测水质的水质参数，可实现快速分析待测水质优劣程度和变化趋势。该系统相对于传统水质监测仪器设备具有结构简单、便携、处理速度快等优点，并实现了水质监测设备的微型化及水质参数现场、实时获取。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，附图是示意性的而不应理解为对本发明的任何限制，在附图中：
图1为本发明一实施例提供的一种水质参数光谱智能检测分析系统的结构示意图；
图2为本发明一实施例提供的一种水质参数光谱智能检测分析系统中便携式光谱采集模块与智能手机控制模块之间的通信方式示意图；
图3为本发明另一实施例提供的一种水质参数光谱智能检测分析系统的结构示意图；
图4为本发明另一实施例提供的一种水质参数光谱智能检测分析方法的流程示意图；
图5为本发明另一实施例提供的一种水质参数光谱智能检测分析方法中构建叶绿素a浓度的反演模型的流程示意图；
图6为本发明另一实施例提供的一种水质参数光谱智能检测分析方法中构建水体浊度的反演模型的流程示意图；
图7为本发明另一实施例提供的一种水质参数光谱智能检测分析方法中构建水体悬浮物浓度的反演模型的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明一实施例提供了一种水质参数光谱智能检测分析系统，包括：便携式光谱采集模块1、智能手机控制模块2和云平台智能分析模块3，所述智能手机控制模块2分别与所述便携式光谱采集模块1和所述云平台智能分析模块3通信连接；
所述便携式光谱采集模块1用于获取待测水体反射的光谱信号，并将所述光谱信号转换为数字信号，将所述数字信号传输至所述智能手机控制模块2；
所述智能手机控制模块2用于获取所述数字信号，并将所述数字信号传输至所述云平台智能分析模块3；
所述云平台智能分析模块3用于基于所述数字信号和预设水质参数反演模型，获取所述待测水体的水质参数；
其中，所述预设水质参数反演模型具体包括：波段比值与所述待测水体的水质参数之间的关系；所述波段比值为从所述数字信号中提取的两个预设特征波段的中心波长处对应的数字信号的比值，所述预设特征波段为所述数字信号中对应的波段中与所述待测水体的水质参数相关系数最大的波段或所述相关系数最大和第二大的波段。
具体地，本发明实施例中提供的水质参数光谱智能检测分析系统实际上是一种集光谱采集、智能手机控制及云平台智能分析于一体的水质参数智能检测分析系统。所述的通信连接是指可以进行双向数据传输的通信连接，例如，由于智能手机控制模块2分别与便携式光谱采集模块1和云平台智能分析模块3通信连接，则便携式光谱采集模块1与智能手机控制模块2之间可以进行双向数据传输，智能手机控制模块2和云平台智能分析模块3之间可以进行双向数据传输。具体可以表现为便携式光谱采集模块1可以将转换后得到的数字信号传输至智能手机控制模块2，同时也可以接收由智能手机控制模块2发送的控制指令。云平台智能分析模块3可以接收智能手机控制模块2发送的数字信号，也可以将最后获取到的待测水体的水质参数发送至智能手机控制模块2。
可选的，本发明实施例所说的通信连接，可以选择通过蓝牙串口进行的无线通信连接或通过USB接口进行的有线通信连接。还可以基于蓝牙通信协议建立便携式光谱采集模块与智能手机控制模块之间的数据传输，可同时支持USB接口和蓝牙串口双通道数据传输方式。
便携式光谱采集模块为体积小，可以方便携带的光谱采集模块，通过便携式光谱采集模块可以获取到待测水体反射的光谱信号，并将光谱信号转换为数字信号，将数字信号传输至智能手机控制模块。智能手机控制模块接收数字信号后，将数字信号传输至云平台智能分析模块；云平台智能分析模块基于数字信号和预设水质参数反演模型，获取待测水体的水质参数。
本发明实施例中的智能手机控制模块可以设置在android以及iSO移动终端上，如此便可以远程控制便携式光谱采集模块的工作。当智能手机控制模块接收数字信号后，由智能手机控制模块所处的智能手机对数字信号进行存储，以防止数据在后续传输或处理过程中丢失，无法找到原始数据。可选的，智能手机控制模块所处的智能手机支持蓝牙串口4.0及以上版本SPP串口通信，运行环境支持android5.0及以上版本和iSO6.0及以上版本。
作为优选方案，本发明实施例中的云平台智能分析模块通过云端服务器实现分析功能。云平台智能分析模块将接收到的数字信号进行存储，并从数字信号中提取两个预设特征波段，并计算这两个预设特征波段的中心波长处对应的数字信号的比值，即波段比值，将计算得到的波段比值输入至预设水质参数反演模型，即可得到待测水体的水质参数。此时，智能手机控制模块与云平台智能分析模块之间的通信连接可通过通信模块进行连接，通信模块可以通过HTTP通信协议实现。以下均以此为例。
本实施例中，通过在云平台智能分析模块中设置预设水质参数反演模型，确定波段比值与待测水质的水质参数之间的关系，通过定量反演计算得到水质参数，即可分析出待测水体的质量优劣程度和变化趋势。本发明实施例可以解决水质监测仪器设备重、检测方法复杂又耗时的问题，实现了方便快捷的获取待测水质的水质参数的目的；同时待测水质的光谱信息及检测结果可实时上传至云端服务器进行存储，数据安全，易于共享，同时便于反演模型的更新与添加。
在上述实施例的基础上，所述便携式光谱采集模块具体包括：光源、探测器和数据传输模块；
所述光源用于照射所述待测水体，所述待测水体反射的光谱信号由所述探测器接收；所述探测器上设置有滤波片，所述滤波片用于对所述待测水体反射的光谱信号进行滤波处理；所述探测器用于接收所述滤波片滤波处理后的光谱信号，并通过数模转换将滤波处理后的光谱信号转换为数字信号；所述数据传输模块用于将所述数字信号传输至所述智能手机控制模块。
具体地，光源照射待测水体后，若直接由探测器接收光谱信号，则该光谱信号中包括待测水体反射的光谱信号和除待测水质外环境中其他物体或杂质漫反射的光谱信号，因此为避免除待测水质外环境中其他物体或杂质漫反射的光谱信号对检测结果的影响，本发明实施例中在探测器接收光谱信号前对光谱信号进行处理，使得探测器接收到的光谱信号均为待测水体反射得到。
本发明实施例中设置的滤波片用于对反射的光谱信号进行滤波处理，得到待测水体反射的光谱信号的有用波段，以缩小光谱信号的波段范围，降低研究成本。
这里需要说明的是，由探测器接收到的光谱信号为某一波长处的光信号强度幅值，将其转换为数字信号仅仅是为了后续计算方便，数字信号中还保留了光谱信号中的所有光学信息，光谱信号和数字信号均为光谱信息。
作为优选方案，本发明实施例中选取的光源为微型卤素光源；选取的探测器的光谱覆盖范围是350-1050nm，光谱分辨率为5nm；数据传输模块支持USB接口及蓝牙串口通信的双通道数据传输模式。如图2所述，便携式光谱采集模块1与智能手机控制模块2通过蓝牙串口通信。
本实施例中，便携式光谱采集模块基于MEMS和图像传感器技术，采用尺寸为厘米级的光谱采集单元，使其体积小、重量轻，更易于携带；同时内置数据传输模块，通过USB接口或蓝牙串口进行通信，便于与智能手机控制模块进行有线或无线数据传输，使用更方便。
在上述实施例的基础上，所述便携式光谱采集模块还包括：电源管理模块；所述电源管理模块用于为所述便携式光谱采集模块供电以及进行充放电管理。电源管理模块支持USB接口及电源双充电模式。本发明实施例中的便携式光谱采集模块还包括开关，可以根据开关的状态控制是否进行光谱信号的采集，由于内部设置有电源管理模块，可以独立于控制模块和分析模块进行工作。
在上述实施例的基础上，所述智能手机控制模块还用于向所述便携式光谱采集模块发送控制指令，以控制所述便携式光谱采集模块的获取动作；相应地，所述数据传输模块还用于接收所述智能手机控制模块发送的控制指令。
具体地，智能手机控制模块通过向便携式光谱采集模块发送控制指令以控制便携式光谱采集模块的获取动作。工作人员可通过智能手机设置便携式光谱采集模块的相关参数，以调节便携式采集模块内探测器的积分时间和平均采样次数，进而获取到合适的光谱信号。
本实施例中，通过智能手机控制模块向便携式光谱采集模块发送控制指令以对其进行控制，可以远程进行控制，并不需要工作人员实时手持便携式光谱采集模块，节约了人力物力。
在上述实施例的基础上，所述智能手机控制模块所处的智能手机内设置有显示模块，所述显示模块与所述控制模块物理连接；
所述云平台智能分析模块具体用于获取所述智能手机控制模块发送的所述数字信号，基于所述数字信号和所述云平台智能分析模块内的所述预设水质参数反演模型，获取所述待测水体的水质参数；所述云平台智能分析模块还用于将所述水质参数反馈至所述智能手机控制模块，以供所述智能手机控制模块控制在智能手机的显示模块上显示所述待测水体的水质参数。
具体地，由于显示模块与智能手机控制模块之间为物理连接，且控制模块设置在智能手机内，可以认为显示模块即为智能手机的显示屏幕，显示模块用于显示云平台智能分析模块计算得到的待测水体的水质参数。
在上述实施例的基础上，所述智能手机控制模块在获取所述数字信号后，还用于将所述数字信号与对应的波长绘制成曲线，并控制所述显示模块显示所述曲线。该曲线代表的即为光谱曲线，当工作人员需要查看光谱曲线时，打开智能手机，通过控制模块即可控制显示模块显示该曲线。显示模块还可以随着待测水体的位置变化实时显示水面光谱信号的变化，同时显示云平台智能分析模块返回的计算结果。通过对待测水体的水质参数的定量反演计算，从而可以分析该待测水体的质量优劣程度和变化趋势。
在上述实施例的基础上，所述水质参数包括所述待测水体的叶绿素a浓度、水体浊度和水体悬浮物浓度；
相应地，所述预设水质参数反演模型具体包括：波段比值与所述叶绿素a浓度之间的关系、波段比值与所述水体浊度之间的关系以及波段比值与所述水体悬浮物浓度之间的关系。波段比值是对波段范围内的任意两个波段的遥感反射率进行波段组合，对组合后的两个波段与取样点处实际测得的水质参数进行相关性分析，从而找到相关性最高的波段组合进行反演。采用波段比值可以减少水表面的粗糙度干扰，并在一定程度上降低其它污染物对所述水质参数的影响，从而提高反演的精度。
具体地，云平台智能分析模块构建预设水质参数反演模型的具体方法如下：
首先，分析模块对接收到的数字信号进行平滑去噪和归一化预处理；
对预处理后的数字信号利用相关系数法提取与对应水质参数相关性最高的两个预设特征波段；
利用这两个预设特征波段计算波段比值，即计算这两个预设特征波段的中心波长处对应的数字信号的比值；
利用波段比值与所述待测水体的水质参数之间的关系，构建待测水体的叶绿素a浓度、悬浮物浓度、水体浊度等关键的水质参数的反演模型，即分别确定出波段比值与待测水体的叶绿素a浓度之间的关系、波段比值与待测水体的悬浮物浓度之间的关系以及波段比值与待测水体的水体浊度之间的关系。
其中，水体浊度是指水体在光线通过时所产生的阻碍程度，它包括水体内悬浮物对光的散射和水体内溶质分子对光的吸收。水体浊度不仅与水中悬浮物质的含量有关，而且与它们的大小、形状及折射系数等有关。
本发明实施例中选取邻域均值滤波的方法去除数字信号中随机噪声的影响，以实现平滑去噪预处理，实现邻域均值滤波的具体公式如下：
其中，λi表示待滤波波段的中心波长，λj为λi周围波段的中心波长，即λi的邻域窗口中任一波段的中心波长，R(λi)为实现平滑去噪预处理后中心波长λi对应的波段处反射光谱数据对应的数字信号，N为邻域窗口中波段的总数量，Ω为邻域窗口中所有波段的集合。最为优选方案，可根据经验将N的取值设置为5，即j＝1、2、3、4、5。R(λj)为R(λi)邻域窗口内实现平滑去噪预处理前，中心波长λi对应的波段处反射光谱数据对应的数字信号。
本发明实施例中选取的对数字信号进行归一化预处理的方法减少或去除太阳光、大气和传感器等对数字信号的影响，具体实现数字信号归一化的具体公式如下：
其中，R(λi)是中心波长λi对应的波段处反射光谱数据对应的数字信号，R*(λi)是中心波长λi对应的波段处反射光谱数据对应的数字信号归一化预处理后的数字信号，band_sta和band_end分别是便携式光谱采集模块采集到的待测水体的波段范围对应的中心波长λi起始值与结束值，n为待测水体的波段总数。
本发明实施例中，预设特征波段通常可以理解为最佳特征波段，这里的“最佳”是指相比于其他波段更能准确确定出待测水体的水质参数。最佳特征波段可以为数字信号中对应的波段信号与所述待测水体的水质参数相关系数最大的波段或所述相关系数最大和第二大的波段。
最佳特征波段提取方法——相关系数法，计算公式如下：
式中：xi表示便携式光谱采集模块采集到的待测水体的样本点i处所对应的任意两个波段的数字信号的比值，yi为实际测量得到的待测水体的样本点i处的水质参数浓度，n为待测水体的样本点的个数，x表示n个xi的平均值，表示n个yi的平均值。运用上述相关系数公式，计算n个样本点处xi与yi的相关系数r，选取最大相关系数对应的两个波段或者最大相关系数和第二大相关系数对应的两个波段为最佳特征波段。这里需要说明的是，由于求得的最佳特征波段是为了后面计算波段比值，所以需要求两个最佳特征波段，如果最大相关系数仅对应一个波段，则选取最大相关系数和第二大相关系数对应的两个波段为最佳特征波段，如果最大相关系数恰好对应两个波段，则将这两个波段作为最佳特征波段，如果最大相关系数同时对应多个波段，则随机从多个波段中选取两个波段为最佳特征波段。
本发明实施例中，为了减少测量待测水体光谱信号时水体表面粗糙度和阴影、光谱采集设备高度角等的影响，提高所述水质参数反演的精度，所述预设水质参数反演模型选用的是与实测水质参数相关性最高的波段组合的波段比值模型。在此，为便于说明，假设通过相关系数法提取的两个最佳特征波段分别为λm和λn(即两个最佳特征波段的中心波长分别为λm和λn)，则波段比值的计算公式如下：
式中R(λm)和R(λn)分别为对应最佳特征波段λm和λn的数字信号，R为最佳特征波段的比值，即波段比值。
基于波段比值的水体叶绿素a浓度的反演模型如下：
其中，f(R0)为所求待测水体的叶绿素a浓度的反演结果，λm0和λn0分别是预设的用于反演叶绿素a的最佳特征波段组合，a0、b0、c0为预设三个参数，均可由实测叶绿素a浓度与该点水体光谱信号最佳特征波段组合的相关关系得到。可选的，a0＝4.089，b0＝-0.7458、c0＝7.7329。基于波段比值的水体浊度反演模型如下：
其中，f(R1)为所求待测水体的水体浊度反演结果，λm1和λn1分别是预设的用于反演水体浊度的最佳特征波段组合，a1、b1为预设三个参数，均可由实测水体浊度值与该点水体光谱信号最佳特征波段组合的相关关系得到。可选的，a1＝360.09，b1＝-218.8。
基于波段比值的水体悬浮物浓度反演模型如下：
其中，f(R2)为所求待测水体的悬浮物浓度反演结果，λm2和λn2分别是预设的用于反演悬浮物浓度的最佳特征波段组合，a2、b2为预设三个参数，均可由实测悬浮物浓度值与该点水体光谱信号最佳特征波段组合的相关关系得到。可选的，a2＝119.62，b2＝6.0823。
由于在选取最佳特征波段时，利用的相关系数是表示的是数字信号中对应的波段与待测水体的水质参数之间的相关关系，所以由于水质参数的不同，最佳特征波段λm和λn也不相同，最终得到的波段比值也不相同，而且各水质参数对应的波段比值之间是相互独立的，取值可相同也可不相同。如图3所示，为本发明实施例提供的基于光谱分析的水质参数智能检测系统的具体结构示意图，图中便携式光谱采集模块1包括光源11、探测器12、数据传输模块13和电源管理模块14。智能手机控制模块2的功能主要有：对便携式光谱采集模块的功能进行控制的功能，将接收到的数字信号绘制成曲线的功能，以及控制显示模块显示的功能。云平台智能分析模块的功能为首先对数字信号进行预处理，将预处理后的数字信号进行提取最佳特征波段，并根据提取到的最佳特征波段计算波段比值，并根据波段比值与水质参数之间的关系建立水质参数反演模型。
与现有技术相比，本发明实施例的优点和有益效果在于：本发明实施例采用基于智能手机的智能手机控制模块，控制便携式光谱采集模块对光谱信号的采集及处理，并控制显示模块能够实现实时显示检测结果，并且将转换后的数字信号及检测结果实时保存到云平台，数据安全，易于共享。
本发明实施例提出基于大数据、云平台的数据分析处理模块，将复杂的光谱信号对应的数字信号的处理与分析过程建立云端数据处理中心，大大提高了数据的运算速度，对水体检测的响应速度更快。
本发明实施例所提供的基于光谱采集、智能手机控制及云平台智能分析的水质参数智能检测分析系统，能够实现水质反射光谱的测量、数据处理分析和结果反馈，具有良好的便捷性及快速性，充分利用光谱检测技术的优势，节约设备成本，节省人力物力，缩短耗时，具备投入市场广泛应用的潜力。
如图4所示，本发明另一实施例提供了一种水质参数光谱智能检测分析方法，包括：
S1，获取待测水体反射的光谱信号，并将所述光谱信号转换为数字信号；
S2，基于所述数字信号和预设水质参数反演模型，获取所述待测水体的水质参数；
其中，所述预设水质参数反演模型具体包括：波段比值与所述待测水体的水质参数之间的关系；所述波段比值为从所述数字信号中提取的两个预设特征波段的中心波长处对应的数字信号的比值，所述预设特征波段为所述数字信号中对应的波段中与所述待测水体的水质参数相关系数最大的波段或所述相关系数最大和第二大的波段。
具体地，本实施例中为实现对待测水体的水质参数的检测，首先获取待测水体反射的光谱信号，并将所述光谱信号转换为数字信号；这一过程可通过上述的便携式光谱采集模块来实现，也可通过其他器件实现，本实施例不作具体限定。
得到数字信号后，首先需要对数字信号进行平滑去噪和归一化预处理，其中平滑去噪的具体实现方法可采用邻域均值滤波的方法，实现邻域均值滤波的具体公式如下：
其中，λi表示待滤波波段的中心波长，λj为λi周围波段的中心波长，即λi的邻域窗口中任一波段的中心波长，R(λi)为实现平滑去噪预处理后中心波长λi对应的波段处反射光谱数据对应的数字信号，N为邻域窗口中波段的总数量，Ω为邻域窗口中所有波段的集合。最为优选方案，N取值为5，即j＝1、2、3、4、5。R(λj)为R(λi)邻域窗口内实现平滑去噪预处理前中心波长λi对应的波段处反射光谱数据对应的数字信号。
本发明实施例中选取数字信号归一化的方法减少或去除太阳光、大气和传感器等对数字信号的影响，实现数字信号归一化的具体公式如下：
其中，R(λi)是中心波长λi对应的波段处反射光谱数据对应的数字信号，R*(λi)是中心波长λi对应的波段处反射光谱数据对应的数字信号归一化预处理后的数字信号，band_sta和band_end分别是便携式光谱采集模块采集到的待测水体的波段范围对应的中心波长λi起始值与结束值，n为待测水体的波段总数。
本发明实施例中，预设特征波段通常可以理解为最佳特征波段，这里的“最佳”是指相比于其他波段更能准确确定出待测水体的水质参数。最佳特征波段可以为数字信号中对应的波段中与所述待测水体的水质参数相关系数最大的波段或所述相关系数最大和第二大的波段。
本发明实施例中，为了减少测量水体光谱信号时水体表面粗糙度和阴影、光谱采集设备高度角等的影响，提高所述水质参数反演的精度，所述预设水质参数反演模型选用的是与实测水质参数相关性最高的波段组合的波段比值模型。具体方法为，从预处理后的数字信号中提取最佳特征波段λm和λn对应的数字信号，并通过如下公式计算二者的比值，得到波段比值。
式中R(λm)和R(λn)分别为对应最佳特征波段λm和λn的数字信号，R为最佳特征波段的比值，即波段比值。
将计算得到的波段比值代入至预设水质参数反演模型中，即可得到待测水体的水质参数。
一般情况下，水质参数是一个整体概念，其中可包括多种具体参数，此时每一种参数均对应一个最佳特征波段。
本实施例中，通过在云平台智能分析模块中设置预设水质参数反演模型，确定波段比值与待测水质的水质参数之间的关系，通过定量反演计算得到水质参数，即可分析出待测水体的质量优劣程度和变化趋势。本发明实施例可以解决较大湖区水质监测仪器设备重、检测方法复杂又耗时的问题，实现了方便快捷的监测大范围湖区水质的目的；同时水质光谱数据及检测结果可实时上传至云端服务器进行存储，数据安全，易于共享。
在上述实施例的基础上，预设水质参数反演模型通过如下方法构建：
获取样本水体的反射的光谱信号以及水质参数，并将所述光谱信号转换为数字信号；
基于相关系数法，从所述数字信号中提取两个预设特征波段，所述预设特征波段为所述数字信号中对应的波段中与所述样本水体的水质参数相关系数最大的波段或所述相关系数最大和第二大的波段；
获取两个所述预设特征波段的中心波长处对应的数字信号的比值，得到波段比值；
根据所述波段比值与所述水质参数之间的关系，构建所述预设水质参数反演模型。
具体地，本实施例中以水质参数包括所述待测水体的叶绿素a浓度、水体浊度和水体悬浮物浓度为例进行说明，但对于其他水质参数的检测也均适用于本发明实施例提供的检测方法。
如图5所示，为构建叶绿素a浓度的反演模型的流程图，首先获取样本水体的光谱信号，以及样本水体中叶绿素a浓度，并将光谱信号转换为数字信号；这一过程可先将光谱信号转换为电信号，再通过模数转换将电信号转换为数字信号，但实现方案并不限于此。
得到数字信号后，也需要对数字信号进行平滑去噪和数字信号归一化预处理，平滑去噪的具体实现方法可采用邻域均值滤波的方法，实现邻域均值滤波的具体公式如下：
数字信号归一化的实现方法即是将采集的水体每一波段数字信号值比上该点所有波长之和的平均值，数字信号归一化的具体公式如下：
对预处理后的数字信号中提取两个预设特征波段，即最佳特征波段。计算两个最佳特征波段的中心波长处对应的数字信号的比值，得到波段比值；波段比值的模型能够减少测量水体光谱信号时水体表面粗糙度和阴影、光谱采集设备高度角等的影响，提高所述水质参数反演的精度。
根据波段比值与叶绿素a浓度之间的关系，构建叶绿素a浓度的反演模型。
其中，两个预设特征波段是根据实测水体叶绿素a浓度与该点对应的预处理后数字信号之间的相关性分析，得到的相关性最高的波段比值组合。最佳特征波段提取方法——相关系数法，计算公式如下：
式中：xi表示便携式光谱采集模块采集到的待测水体的样本点i处所对应的任意两个波段的数字信号的比值，yi为实际测量得到的待测水体的样本点i处的叶绿素a浓度，n为待测水体的样本点的个数，表示n个xi的平均值，表示n个yi的平均值。运用上述相关系数公式，计算n个样本点处xi与yi的相关系数r，选取最大相关系数对应的两个波段或者最大相关系数和第二大相关系数对应的两个波段为最佳特征波段。这里需要说明的是，由于求得的最佳特征波段是为了后面计算波段比值，所以需要求两个最佳特征波段，如果最大相关系数仅对应一个波段，则选取最大相关系数和第二大相关系数对应的两个波段为最佳特征波段，如果最大相关系数恰好对应两个波段，则将这两个波段作为最佳特征波段，如果最大相关系数同时对应多个波段，则随机从多个波段中选取两个波段最为最佳特征波段。
在此，为便于说明，假设通过相关系数法提取的两个最佳特征波段分别为λm和λn，则波段比值的计算公式如下：
式中R(λm)和R(λn)分别为对应最佳特征波段λm和λn的数字信号，R为最佳特征波段的比值，即波段比值。
最终得到水体叶绿素a浓度的反演模型如下：
其中，f(R0)为所求待测水体的叶绿素a浓度的反演结果，λm0和λn0分别是预设的用于反演叶绿素a的最佳特征波段组合，a0、b0、c0为预设三个参数，均可由实测叶绿素a浓度值与该点水体光谱信号最佳特征波段组合的相关关系得到。可选的，a0＝4.089，b0＝-0.7458、c0＝7.7329。
如图6所示，为构建水体浊度的反演模型的流程图，首先获取样本水体的光谱信号，以及样本水体中水体浊度，并将光谱信号转换为数字信号；这一过程可先将光谱信号转换为电信号，再通过模数转换将电信号转换为数字信号，但实现方案并不限于此。
得到数字信号后，也需要对数字信号进行平滑去噪和数字信号归一化预处理，平滑去噪的具体实现方法可采用邻域均值滤波的方法，实现邻域均值滤波的具体公式如下：
数字信号归一化的实现方法即是将采集的水体每一波段数字信号值比上该点所有波长之和的平均值，数字信号归一化的具体公式如下：
对预处理后的数字信号中提取两个预设特征波段，即最佳特征波段。计算两个最佳特征波段的中心波长处对应的数字信号的比值，得到波段比值；波段比值的模型能够减少测量水体光谱信号时水体表面粗糙度和阴影、光谱采集设备高度角等的影响，提高所述水质参数反演的精度。
根据波段比值与水体浊度之间的关系，构建水体浊度的反演模型。
其中两个预设特征波段是根据实测水体浊度与该点对应的预处理后数字信号之间的相关性分析，得到的相关性最高的波段比值组合。最佳特征波段提取方法——相关系数法，计算公式如下：
式中：xi表示便携式光谱采集模块采集到的待测水体的样本点i处所对应的任意两个波段的数字信号的比值，yi为实际测量得到的待测水体的样本点i处的水体浊度，n为待测水体的样本点的个数，表示n个xi的平均值，表示n个yi的平均值。运用上述相关系数公式，计算n个样本点处xi与yi的相关系数r，选取最大相关系数对应的两个波段或者最大相关系数和第二大相关系数对应的两个波段为最佳特征波段。这里需要说明的是，由于求得的最佳特征波段是为了后面计算波段比值，所以需要求两个最佳特征波段，如果最大相关系数仅对应一个波段，则选取最大相关系数和第二大相关系数对应的两个波段为最佳特征波段，如果最大相关系数恰好对应两个波段，则将这两个波段作为最佳特征波段，如果最大相关系数同时对应多个波段，则随机从多个波段中选取两个波段最为最佳特征波段。
在此，为便于说明，假设通过相关系数法提取的两个最佳特征波段分别为λm和λn，则波段比值的计算公式如下：
式中R(λm)和R(λn)分别为对应最佳特征波段λm和λn的数字信号，R为最佳特征波段的比值，即波段比值。
最终得到水体浊度的反演模型如下：
其中，f(R1)为所求待测水体的水体浊度反演结果，λm1和λn1分别是预设的用于反演水体浊度的最佳特征波段组合，a1、b1为预设三个参数，均可由实测水体浊度值与该点水体光谱信号最佳特征波段组合的相关关系得到。
如图7所示，为构建水体悬浮物浓度的反演模型的流程图，首先获取样本水体的光谱信号，以及样本水体中水体悬浮物浓度，并将光谱信号转换为数字信号；这一过程可先将光谱信号转换为电信号，再通过模数转换将电信号转换为数字信号，但实现方案并不限于此。
得到数字信号后，也需要对数字信号进行平滑去噪和数字信号归一化预处理，其中平滑去噪的具体实现方法可采用邻域均值滤波的方法，实现邻域均值滤波的具体公式如下：
数字信号归一化的实现方法即是将采集的水体每一波段数字信号值比上该点所有波长之和的平均值，数字信号归一化的具体公式如下：
对预处理后的数字信号中提取两个预设特征波段，即最佳特征波段。计算两个最佳特征波段的中心波长处对应的数字信号的比值，得到波段比值；波段比值的模型能够减少测量水体光谱信号时水体表面粗糙度和阴影、光谱采集设备高度角等的影响，提高所述水质参数反演的精度。
根据波段比值与水体悬浮物浓度之间的关系，构建水体悬浮物浓度反演模型。
其中，两个预设特征波段是根据实测水体悬浮物浓度与该点对应的预处理后数字信号之间的相关性分析，得到的相关性最高的波段比值组合。最佳特征波段提取方法——相关系数法，计算公式如下：
式中：xi表示便携式光谱采集模块采集到的待测水体的样本点i处所对应的任意两个波段的数字信号的比值，yi为实际测量得到的待测水体的样本点i处的水体悬浮物浓度，n为待测水体的样本点的个数，表示n个xi的平均值，表示n个yi的平均值。运用上述相关系数公式，计算n个样本点处xi与yi的相关系数r，选取最大相关系数对应的两个波段或者最大相关系数和第二大相关系数对应的两个波段为最佳特征波段。这里需要说明的是，由于求得的最佳特征波段是为了后面计算波段比值，所以需要求两个最佳特征波段，如果最大相关系数仅对应一个波段，则选取最大相关系数和第二大相关系数对应的两个波段为最佳特征波段，如果最大相关系数恰好对应两个波段，则将这两个波段作为最佳特征波段，如果最大相关系数同时对应多个波段，则随机从多个波段中选取两个波段最为最佳特征波段。
在此，为便于说明，假设通过相关系数法提取的两个最佳特征波段分别为λm和λn，则波段比值的计算公式如下：
式中R(λm)和R(λn)分别为对应最佳特征波段λm和λn的数字信号，R为最佳特征波段的比值，即波段比值。
最终得到水体悬浮物浓度的反演模型如下：
其中，f(R2)为所求待测水体的悬浮物浓度反演结果，λm2和λn2分别是预设的用于反演悬浮物浓度的最佳特征波段组合，a2、b2为预设三个参数，均可由实测悬浮物浓度值与该点水体光谱信号最佳特征波段组合的相关关系得到。可选的，a2＝119.62，b2＝6.0823。
在上述实施例的基础上，所述方法还包括：在获取所述数字信号并对数字信号进行预处理后，将预处理后得到的数字信号与对应的波长绘制成曲线，并进行显示，使工作人员可以更直接的观察到待测水体中光谱信号的变化情况。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种水质参数光谱智能检测分析系统，其特征在于，包括：便携式光谱采集模块、智能手机控制模块和云平台智能分析模块；
其中，所述智能手机控制模块分别与所述便携式光谱采集模块和所述云平台智能分析模块通信连接；
所述便携式光谱采集模块用于获取待测水体反射的光谱信号，并将所述光谱信号转换为数字信号，将所述数字信号传输至所述智能手机控制模块；
所述智能手机控制模块用于获取所述数字信号，并将所述数字信号传输至所述云平台智能分析模块；
所述云平台智能分析模块用于基于所述数字信号和预设水质参数反演模型，获取所述待测水体的水质参数；
其中，所述预设水质参数反演模型具体包括：波段比值与所述待测水体的水质参数之间的关系；所述波段比值为从所述数字信号中提取的两个预设特征波段的中心波长处对应的数字信号的比值，所述预设特征波段为所述数字信号中对应的波段中与所述待测水体的水质参数相关系数最大的波段或所述相关系数最大和第二大的波段。
2.根据权利要求1所述的系统，其特征在于，所述便携式光谱采集模块具体包括：光源、探测器和数据传输模块；
所述光源用于照射所述待测水体；所述探测器上设置有滤波片，所述滤波片用于对所述待测水体反射的光谱信号进行滤波处理；所述探测器用于接收所述滤波片滤波处理后的光谱信号，并通过数模转换将滤波处理后的光谱信号转换为数字信号；所述数据传输模块用于将所述数字信号传输至所述智能手机控制模块。
3.根据权利要求2所述的系统，其特征在于，所述便携式光谱采集模块还包括：电源管理模块；
所述电源管理模块用于为所述便携式光谱采集模块供电以及进行充放电管理。
4.根据权力要求1所述的系统，其特征在于，所述智能手机控制模块还用于向所述便携式光谱采集模块发送控制指令，以控制所述便携式光谱采集模块的获取动作。
5.根据权利要求1所述的系统，其特征在于，所述智能手机控制模块所处的智能手机内设置有显示模块，所述显示模块与所述智能手机控制模块物理连接；
所述智能手机控制模块在获取光谱数字信号后，将所述数字信号与对应的波长绘制成曲线，并控制所述显示模块显示所述曲线。
6.根据权利要求5所述的系统，其特征在于，所述云平台智能分析模块具体用于获取所述智能手机控制模块发送的所述数字信号，并基于所述数字信号和预设水质参数反演模型获取所述待测水体的水质参数；
所述云平台智能分析模块还用于将所述水质参数反馈至所述智能手机控制模块，以供所述智能手机控制模块控制所述显示模块显示所述待测水体的水质参数。
7.根据权利要求1-6中任一项所述的系统，其特征在于，所述水质参数包括所述待测水体的叶绿素a浓度、水体浊度和水体悬浮物浓度；相应地，所述预设水质参数反演模型具体包括：波段比值与所述叶绿素a浓度之间的关系、波段比值与所述水体浊度之间的关系以及波段比值与所述水体悬浮物浓度之间的关系。
8.一种水质参数光谱智能检测分析方法，其特征在于，包括：
获取待测水体反射的光谱信号，并将所述光谱信号转换为数字信号；基于所述数字信号和预设水质参数反演模型，获取所述待测水体的水质参数；
其中，所述预设水质参数反演模型具体包括：波段比值与所述待测水体的水质参数之间的关系；所述波段比值为从所述数字信号中提取的两个预设特征波段的中心波长处对应的数字信号的比值，所述预设特征波段为所述数字信号中对应的波段中与所述待测水体的水质参数相关系数最大的波段或所述相关系数最大和第二大的波段。
9.根据权利要求8所述的方法，其特征在于，所述预设水质参数反演模型通过如下方法构建：
获取样本水体反射的光谱信号以及水质参数，并将所述光谱信号转换为数字信号；
基于相关系数法，从所述数字信号中提取两个预设特征波段，所述预设特征波段为所述数字信号中对应的波段中与所述样本水体的水质参数相关系数最大的波段或所述相关系数最大和第二大的波段；
获取两个所述预设特征波段的中心波长处对应的数字信号的比值，得到波段比值；
根据所述波段比值与所述水质参数之间的关系，构建所述预设水质参数反演模型。
CN201810354121.4A 2018-04-19 2018-04-19 一种水质参数光谱智能检测分析系统及方法 Pending CN108872092A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810354121.4A CN108872092A (zh) 2018-04-19 2018-04-19 一种水质参数光谱智能检测分析系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810354121.4A CN108872092A (zh) 2018-04-19 2018-04-19 一种水质参数光谱智能检测分析系统及方法

Publications (1)

Publication Number Publication Date
CN108872092A true CN108872092A (zh) 2018-11-23

Family

ID=64326847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810354121.4A Pending CN108872092A (zh) 2018-04-19 2018-04-19 一种水质参数光谱智能检测分析系统及方法

Country Status (1)

Country Link
CN (1) CN108872092A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109580509A (zh) * 2018-12-03 2019-04-05 北京英视睿达科技有限公司 全光谱水质监测方法和系统
CN109959634A (zh) * 2019-04-15 2019-07-02 中科谱光科技（天津）有限公司 一种水质监测系统及方法
CN110213509A (zh) * 2019-05-27 2019-09-06 浙江工业大学 一种ccd自适应积分时间与频谱可视化系统
CN111257261A (zh) * 2020-02-26 2020-06-09 Oppo广东移动通信有限公司 电子设备、利用电子设备进行水质监测的方法
CN111504915A (zh) * 2020-04-27 2020-08-07 中国科学技术大学先进技术研究院 反演水体叶绿素浓度的方法、装置、设备及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104155247A (zh) * 2013-11-27 2014-11-19 中国农业大学 水体叶绿素和浊度原位测定方法及测定装置
CN104914069A (zh) * 2015-05-28 2015-09-16 中国农业大学 可迁移计算的肉类品质近红外检测方法及装置
CN105548033A (zh) * 2016-01-15 2016-05-04 华东师范大学 一种量子点嵌入式光谱仪
CN105897920A (zh) * 2016-05-27 2016-08-24 北京农业信息技术研究中心 一种农作物监测分析方法和系统
CN106525762A (zh) * 2016-11-07 2017-03-22 航天恒星科技有限公司 一种基于自适应模型的水质监测方法和水质监测装置
CN107036974A (zh) * 2016-11-18 2017-08-11 中国水利水电科学研究院 基于确定性集合建模的水质参数多模型协同反演方法
CN107314791A (zh) * 2017-07-05 2017-11-03 合肥思博特软件开发有限公司 一种户外水质监测系统
CN206959911U (zh) * 2017-07-26 2018-02-02 深圳市金海威景观设计工程有限公司 一种水库生态环境监测系统
CN107860473A (zh) * 2017-10-25 2018-03-30 暨南大学 一种基于云数据的智能手持光谱仪

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104155247A (zh) * 2013-11-27 2014-11-19 中国农业大学 水体叶绿素和浊度原位测定方法及测定装置
CN104914069A (zh) * 2015-05-28 2015-09-16 中国农业大学 可迁移计算的肉类品质近红外检测方法及装置
CN105548033A (zh) * 2016-01-15 2016-05-04 华东师范大学 一种量子点嵌入式光谱仪
CN105897920A (zh) * 2016-05-27 2016-08-24 北京农业信息技术研究中心 一种农作物监测分析方法和系统
CN106525762A (zh) * 2016-11-07 2017-03-22 航天恒星科技有限公司 一种基于自适应模型的水质监测方法和水质监测装置
CN107036974A (zh) * 2016-11-18 2017-08-11 中国水利水电科学研究院 基于确定性集合建模的水质参数多模型协同反演方法
CN107314791A (zh) * 2017-07-05 2017-11-03 合肥思博特软件开发有限公司 一种户外水质监测系统
CN206959911U (zh) * 2017-07-26 2018-02-02 深圳市金海威景观设计工程有限公司 一种水库生态环境监测系统
CN107860473A (zh) * 2017-10-25 2018-03-30 暨南大学 一种基于云数据的智能手持光谱仪

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109580509A (zh) * 2018-12-03 2019-04-05 北京英视睿达科技有限公司 全光谱水质监测方法和系统
CN109959634A (zh) * 2019-04-15 2019-07-02 中科谱光科技（天津）有限公司 一种水质监测系统及方法
CN110213509A (zh) * 2019-05-27 2019-09-06 浙江工业大学 一种ccd自适应积分时间与频谱可视化系统
CN110213509B (zh) * 2019-05-27 2021-05-18 浙江工业大学 一种ccd自适应积分时间与频谱可视化系统
CN111257261A (zh) * 2020-02-26 2020-06-09 Oppo广东移动通信有限公司 电子设备、利用电子设备进行水质监测的方法
CN111504915A (zh) * 2020-04-27 2020-08-07 中国科学技术大学先进技术研究院 反演水体叶绿素浓度的方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108872092A (zh) 一种水质参数光谱智能检测分析系统及方法
CN104897607B (zh) 便携式近红外光谱食品建模与快速检测一体化方法和系统
Zhang et al. A bio-optical model based method of estimating total suspended matter of Lake Taihu from near-infrared remote sensing reflectance
CN104034861B (zh) 土壤容重实时测量方法及其测量装置
CN105651728B (zh) 一种便携式近红外光谱检测系统
CN106679806A (zh) 一种基于微型光谱仪的光谱检测系统及方法
CN204461607U (zh) 一种手持式光谱仪
CN104914069B (zh) 可迁移计算的肉类品质近红外检测方法及装置
CN110118742A (zh) 基于光谱分析的陆表植被冠层生态水含量遥感反演方法
CN105891146A (zh) 用于光谱检测的智能终端及其检测方法
CN115524294A (zh) 一种离水式实时智能遥感水质监测方法
CN207675640U (zh) 一种农产品营养品质检测光谱仪
CN106441983A (zh) 一种多功能土壤检测取样装置
CN104931680A (zh) 基于移动互联网的便携式尿蛋白检测系统及方法
CN101696935A (zh) 基于高光谱空间散射曲线的苹果硬度无损检测方法
CN104977258A (zh) 基于二维相关光谱的茶叶/化妆品等品质检测方法
CN104155247B (zh) 水体叶绿素和浊度原位测定方法及测定装置
CN108827882A (zh) 水质参数光谱分析系统
CN101059427A (zh) 多光谱成像技术快速无损测量茶树含氮量的方法
Wagner et al. Proximal VIS-NIR spectrometry to retrieve substance concentrations in surface waters using partial least squares modelling
CN106768334A (zh) 一种便携式二维成像微型光谱仪
CN109269989A (zh) 一种溶解氧的识别方法、装置、存储介质及设备
CN212379296U (zh) 一种便携式光谱数据采集装置及作物长势监测系统
CN106805943B (zh) 基于分数阶微分方程的血糖数据处理方法及装置
CN206450322U (zh) 一种基于微型光谱仪的光谱检测系统

Legal Events

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

Application publication date: 20181123