CN110196250A - 基于颜色分量值的六价铬的检测方法以及处理设备 - Google Patents
基于颜色分量值的六价铬的检测方法以及处理设备 Download PDFInfo
- Publication number
- CN110196250A CN110196250A CN201910456868.5A CN201910456868A CN110196250A CN 110196250 A CN110196250 A CN 110196250A CN 201910456868 A CN201910456868 A CN 201910456868A CN 110196250 A CN110196250 A CN 110196250A
- Authority
- CN
- China
- Prior art keywords
- component value
- color component
- processing equipment
- rgb image
- ion concentration
- 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
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
- G01N21/75—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated
- G01N21/77—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator
- G01N21/78—Systems in which material is subjected to a chemical reaction, the progress or the result of the reaction being investigated by observing the effect on a chemical indicator producing a change of colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Plasma & Fusion (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Non-Biological Materials By The Use Of Chemical Means (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本申请提供基于颜色分量值的六价铬的检测方法以及处理设备,用于根据当前六价铬试纸在受检水样中形成变色反应时的RGB图像,智能分析得到受检水样准确的六价铬的离子浓度。方法包括:处理设备获取当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度;处理设备基于光照强度以及环境温度,对第一RGB图像进行修正,得到第二RGB图像;处理设备从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值;处理设备根据R颜色分量值、G颜色分量值以及B颜色分量值之间的比值,以及不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,确定受检水样的六价铬的离子浓度;处理设备输出受检水样的六价铬的离子浓度。
Description
技术领域
本申请涉及检测领域,尤其涉及基于颜色分量值的六价铬的检测方法以及处理设备。
背景技术
六价铬Cr(VI),除了可能在某些化工生产活动中出现以外,还可能通过皮革、电镀物或者颜料等容易忽视的物体靠近人体,并威胁到人体健康。
对于六价铬的检测,面向大众的做法是,由用户将六价铬试纸浸泡在相关的水样中,通过观察六价铬试纸在水样中的变色反应,与标准变色色阶进行比对,估计水样的六价铬的离子浓度。
然而,该检测方式,由于每个用户的熟练性不一,以及在视觉上的不同感知能力,容易误判水样的六价铬的离子浓度。
发明内容
本申请提供了基于颜色分量值的六价铬的检测方法以及处理设备,用于根据当前六价铬试纸在受检水样中形成变色反应时的RGB图像,智能分析得到受检水样准确的六价铬的离子浓度。
第一方面,本申请提供了六价铬的检测方法,方法包括:
处理设备获取当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度;
处理设备基于光照强度以及环境温度,对第一RGB图像进行修正,得到第二RGB图像,第二RGB图像为标准光照强度以及标准环境温度下当前六价铬试纸在受检水样中形成变色反应时的真实RGB图像;
处理设备从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值;
处理设备计算R颜色分量值、G颜色分量值以及B颜色分量值之间的比值;
处理设备根据R颜色分量值、G颜色分量值以及B颜色分量值之间的比值,以及不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,确定受检水样的六价铬的离子浓度;
处理设备输出受检水样的六价铬的离子浓度。
优选地,方法还包括:
处理设备获取标准光照强度以及标准环境温度下,六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像;
处理设备根据六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像,建立离子浓度的分析模型,分析模型包括不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系。
优选地,处理设备根据六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像,建立离子浓度的分析模型包括:
处理设备在六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像的基础上,通过最小二乘法拟合得到不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系;
处理设备在不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系的基础上,建立离子浓度的分析模型。
优选地,不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系具体通过下述公式表示:
优选地,处理设备从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值包括:
处理设备将第二RGB图像识别为M乘N的矩阵图像;
处理设备通过颜色分量计算公式,从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值,颜色分量计算公式为:
优选地,在处理设备从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值之前,方法还包括:
处理设备对第二RGB图像进行滤波去噪处理,并通过kmeans聚类算法对第二RGB图像进行目标区域图像优化。
优选地,处理设备获取当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度包括:
处理设备接收用户设备(User Equipment,UE)上报的第一RGB图像;
处理设备从第一RGB图像的属性信息中提取光照强度以及环境温度。
第二方面,本申请提供了处理设备,处理设备包括:
获取单元,用于获取当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度;
修正单元,用于基于光照强度以及环境温度,对第一RGB图像进行修正,得到第二RGB图像,第二RGB图像为标准光照强度以及标准环境温度下当前六价铬试纸在受检水样中形成变色反应时的真实RGB图像;
提取单元,用于从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值;
计算单元,用于计算R颜色分量值、G颜色分量值以及B颜色分量值之间的比值;
确定单元,用于根据R颜色分量值、G颜色分量值以及B颜色分量值之间的比值,以及不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,确定受检水样的六价铬的离子浓度;
输出单元,用于输出受检水样的六价铬的离子浓度。
优选地,获取单元,还用于:
获取标准光照强度以及标准环境温度下,六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像;
处理设备还包括:
建立单元,用于根据六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像,建立离子浓度的分析模型,分析模型包括不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系。
优选地,建立单元,具体用于:
在六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像的基础上,通过最小二乘法拟合得到不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系;
在不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系的基础上,建立离子浓度的分析模型。
优选地,不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系具体通过下述公式表示:
优选地,提取单元,具体用于:
将第二RGB图像识别为M乘N的矩阵图像;
通过颜色分量计算公式,从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值,颜色分量计算公式为:
优选地,处理设备还包括:
滤波单元,用于对第二RGB图像进行滤波去噪处理;
优化单元,用于通过kmeans聚类算法对第二RGB图像进行目标区域图像优化。
优选地,获取单元,具体用于:
接收UE上报的第一RGB图像;
从第一RGB图像的属性信息中提取光照强度以及环境温度。
第三方面,本申请提供了处理设备,包括处理器,处理器用于执行存储器中存储的计算机程序时实现如上述第一方面基于颜色分量值的六价铬的检测方法的任一步骤。
第四方面,本申请提供一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述第一方面基于颜色分量值的六价铬的检测方法的任一步骤。
从以上技术方案可以看出,本申请具有以下优点:
处理设备可获取当前的六价铬检测中,当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度,再根据光照强度以及环境温度对第一RGB图像进行修正,还原在标准光照强度以及标准环境温度下的真实RGB图像,以克服不同操作条件下导致RGB图像存在的误差;接着,处理设备再从第二RGB图像中提取R、G以及B三种颜色分量值,并计算三者之间的比值,从而可根据不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,确定当前受检水样的六价铬的离子浓度,如此通过智能分析,稳定且准确地分析出受检水样的六价铬的离子浓度。
附图说明
图1示出了本申请基于颜色分量值的六价铬的检测方法的一种流程示意图;
图2示出了本申请基于颜色分量值的六价铬的检测方法的又一种流程示意图;
图3示出了本申请基于颜色分量值的六价铬的检测方法的又一种流程示意图;
图4示出了本申请基于颜色分量值的六价铬的检测方法的又一种流程示意图;
图5示出了本申请基于颜色分量值的六价铬的检测方法的又一种流程示意图;
图6示出了本申请处理设备的一种结构示意图;
图7示出了本申请处理设备的又一种结构示意图。
具体实施方式
本申请提供了基于颜色分量值的六价铬的检测方法以及处理设备,用于根据当前六价铬试纸在受检水样中形成变色反应时的RGB图像,智能分析得到受检水样准确的六价铬的离子浓度。
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域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,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。在本申请中出现的对步骤进行的命名或者编号,并不意味着必须按照命名或者编号所指示的时间/逻辑先后顺序执行方法流程中的步骤,已经命名或者编号的流程步骤可以根据要实现的技术目的变更执行次序,只要能达到相同或者相类似的技术效果即可。
本申请中所出现的模块的划分,是一种逻辑上的划分,实际应用中实现时可以有另外的划分方式,例如多个模块可以结合成或集成在另一个系统中,或一些特征可以忽略,或不执行,另外,所显示的或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,模块之间的间接耦合或通信连接可以是电性或其他类似的形式,本申请中均不作限定。并且,作为分离部件说明的模块或子模块可以是也可以不是物理上的分离,可以是也可以不是物理模块,或者可以分布到多个电路模块中,可以根据实际的需要选择其中的部分或全部模块来实现本申请方案的目的。
首先,在介绍本申请之前,首先介绍本申请涉及的处理设备以及UE。
在本申请中,处理设备为具有数据处理能力的服务器或者主机设备,通过部署本申请基于颜色分量值的六价铬的检测方法,避免前期在不同操作条件下将六价铬试纸浸泡在受检水样中时导致RGB图像存在的误差,再基于颜色分量值的应用,稳定且准确地智能分析出受检水样的六价铬的离子浓度。
UE具体可以为智能手机、笔记本电脑、台式电脑、电脑一体机、个人数字助理(Personal Digital Assistant,PDA)、智能手环或者智能手表等可连接或者访问处理设备的终端设备,可向处理设备发起六价铬的检测任务,或者接收处理设备反馈的六价铬的离子浓度的检测结果。
下面,则基于上述场景的说明,开始对本申请提供的六价铬的检测方法进行详细介绍。
参阅图1,图1示出了本申请基于颜色分量值的六价铬的检测方法的一种流程示意图,具体的,本申请基于颜色分量值的六价铬的检测方法可包括如下步骤:
步骤S101,处理设备获取当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度;
可以理解,在本申请中,用户将六价铬试纸插设于其期望进行六价铬检测的受检水样中时,可通过UE,向处理设备发送拍摄的当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像,以及当前环境条件下的光照强度以及环境温度。
或者,处理设备也可从其他存储有当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度。
当然,处理设备所获取的第一RGB图像、光照强度以及环境温度,也可包括于当前六价铬试纸从插设于受检水样中开始得到的RGB图像、光照强度以及环境温度中,处理设备可从这些信息中提取出动态变化信息,即当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度。
步骤S102,处理设备基于光照强度以及环境温度,对第一RGB图像进行修正,得到第二RGB图像;
其中,第二RGB图像为标准光照强度以及标准环境温度下当前六价铬试纸在受检水样中形成变色反应时的真实RGB图像。
可以理解,在不同的环境温度下,会对当前六价铬试纸在受检水样中所形成的变色反应造成些许影响;此外,不同的光照强度,拍摄到的RGB图像中当前六价铬试纸在受检水样中所形成的变色反应的色阶也会受到影响。
因此,在本申请中,处理设备预设有标准光照强度以及标准环境温度,在获取到当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度时,处理设备先基于标准光照强度、标准环境温度、第一RGB图像的光照强度以及第一RGB图像的环境温度,对第一RGB图像进行修正,还原在标准光照强度以及标准环境温度下的真实RGB图像,以克服不同操作条件下导致RGB图像存在的误差。
步骤S103,处理设备从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值;
在得到真实RGB图像,即第二RGB图像后,处理设备开始进行颜色分量值的提取,从第二RGB图像中分贝提取出R颜色分量值、G颜色分量值以及B颜色分量值,用于分别表示第二RGB图像不同颜色分量的像素平均值。
步骤S104,处理设备计算R颜色分量值、G颜色分量值以及B颜色分量值之间的比值;
接着,处理设备将上述步骤S103获取到的三个颜色分量值进行对比,得到它们之间的比值。
步骤S105,处理设备根据R颜色分量值、G颜色分量值以及B颜色分量值之间的比值,以及不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,确定受检水样的六价铬的离子浓度;
在本申请中,处理设备预设有不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,因此,在获取到当前第二RGB图像对应的R颜色分量值、G颜色分量值以及B颜色分量值之间的比值后,即可基于上述对应关系,确定受检水样的六价铬的离子浓度,完成受检水样的六价铬的例子浓度的分析。
步骤S106,处理设备输出受检水样的六价铬的离子浓度。
后面,处理设备即可输出受检水样的六价铬的例子浓度。具体的,处理设备可通过自身的触摸屏、显示屏或者喇叭向用户输出受检水样的六价铬的离子浓度,进一步的,还可结合振动马达或者喇叭提醒用户并通过触摸屏或者显示屏向用户输出受检水样的六价铬的离子浓度。
当然,处理设备也可上报至服务器进行云存储或者云端推送,或者,还可直接通过UE向用户推送受检水样的六价铬的离子浓度。
从上述可看出,处理设备可获取当前的六价铬检测中,当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度,再根据光照强度以及环境温度对第一RGB图像进行修正,还原在标准光照强度以及标准环境温度下的真实RGB图像,以克服不同操作条件下导致RGB图像存在的误差;接着,处理设备再从第二RGB图像中提取R、G以及B三种颜色分量值,并计算三者之间的比值,从而可根据不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,确定当前受检水样的六价铬的离子浓度,如此通过智能分析,稳定且准确地分析出受检水样的六价铬的离子浓度。
在上文中已提及,处理设备预设有不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,因此,在一种可选的实施例中,参阅图2示出的本申请基于颜色分量值的六价铬的检测方法的又一种流程示意图,图1对应实施例还可包括如下步骤:
步骤S201,处理设备获取标准光照强度以及标准环境温度下,六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像;
为得到不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,处理设备先在上述提及的标准光照前强度以及标准环境温度下,获取六价铬试纸在不同的六价铬的例子浓度的水样中拍摄到的N张RGB图像,以便进行对应关系的分析。
步骤S202,处理设备根据六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像,建立离子浓度的分析模型;
其中,分析模型包括不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系。
在获取到上述N张RGN图像后,处理设备即可通过曲线的分析、模型的拟合,建立例子浓度的分析模型,该分析模型即包括上述提及的不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系。
进一步的,在又一种可选的实施例中,参阅图3示出的本申请基于颜色分量值的六价铬的检测方法的又一种流程示意图,上述图2对应实施例步骤S202,具体可包括:
步骤S301,处理设备在六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像的基础上,通过最小二乘法拟合得到不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系;
在获取到上述N张RGN图像后,处理设备具体可通过最小二乘法,拟合出一条在空间内与所有的浓度对应的点之间,距离平方和最小的曲线,作为不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系。
步骤S302,处理设备在不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系的基础上,建立离子浓度的分析模型。
在上述拟合得到的曲线的基础上,处理设备即可建立上述离子浓度的分析模型。
进一步的,在又一种可选的实施例中,上述拟合的曲线,即不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,具体通过下述公式表示:
代入具体的参数发现,上述公式,判定系数R2=0.9959,F检验F=327.0452,P=5.9902*10-13趋近于0,误差方差σ2=7.6625,拟合效果显著。
在又一种可选的实施例中,上述图1对应实施例步骤S103,对于不同颜色分量值的提取,参阅图4示出的本申请基于颜色分量值的六价铬的检测方法的又一种流程示意图,具体可通过如下步骤实现:
步骤S401,处理设备将第二RGB图像识别为M乘N的矩阵图像;
处理设备先将真实RGB图像,即第二RGB图像识别为M*N的矩阵图像,再求得第二RGB图像不同颜色分量的像素平均值。
步骤S402,处理设备通过颜色分量计算公式,从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值;
其中,颜色分量计算公式为:
在求得第二RGB图像不同颜色分量的像素平均值的过程中,处理设备,具体的,可采用上述颜色分量计算公式,从第二RGB图像对应的矩阵图像中,分别提取出R颜色分量值、G颜色分量值以及B颜色分量值。
在又一种可选的实施例中,在处理设备从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值之前,还可对第二RGB图像进行预处理,例如,可通过滤波去躁处理去除第二RGB图像中的异常点,使得第二RGB图像中像素之间更加的平滑,或者,还可通过Kmeans等聚类算法对第二RGB图像进行聚类处理,并在第二RGB图像中保留更多的边缘信息。对应的,图1对应实施例中,方法还可包括:
处理设备对第二RGB图像进行滤波去噪处理,并通过kmeans聚类算法对第二RGB图像进行目标区域图像优化。
在又一种可选的实施例中,上述图1对应实施例步骤S101,已在上文中提及,可由UE上报,具体的,UE可安装处理设备对应的客户端应用(Application,APP),UE启动APP,拍摄当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像,在拍摄过程中,APP还可检测到当前环境条件下的光照强度以及环境温度。
进一步的,在该应用场景下,为便于UE与处理设备之间传递信息的便捷性以及节省网络资源的占用,还可将检测到的当前环境条件下的光照强度以及环境温度携带在第一RGB图像的属性信息中,大大降低光照强度以及环境温度两者信息的发送成本。对应的,上述图1对应实施例步骤S101,具体可包括如下步骤:
步骤S501,处理设备接收UE上报的第一RGB图像;
步骤S502,处理设备从第一RGB图像的属性信息中提取光照强度以及环境温度。
以上是对本申请基于颜色分量值的六价铬的检测方法的介绍,下面开始介绍本申请的处理设备。
参阅图6,图6示出了本申请处理设备的一种结构示意图,具体的,处理设备可包括如下结构:
获取单元601,用于获取当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度;
修正单元02,用于基于光照强度以及环境温度,对第一RGB图像进行修正,得到第二RGB图像,第二RGB图像为标准光照强度以及标准环境温度下当前六价铬试纸在受检水样中形成变色反应时的真实RGB图像;
提取单元603,用于从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值;
计算单元604,用于计算R颜色分量值、G颜色分量值以及B颜色分量值之间的比值;
确定单元605,用于根据R颜色分量值、G颜色分量值以及B颜色分量值之间的比值,以及不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,确定受检水样的六价铬的离子浓度;
输出单元606,用于输出受检水样的六价铬的离子浓度。
优选地,获取单元601,还用于:
获取标准光照强度以及标准环境温度下,六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像;
处理设备还包括:
建立单元607,用于根据六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像,建立离子浓度的分析模型,分析模型包括不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系。
优选地,建立单元607,具体用于:
在六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像的基础上,通过最小二乘法拟合得到不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系;
在不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系的基础上,建立离子浓度的分析模型。
优选地,不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系具体通过下述公式表示:
优选地,提取单元603,具体用于:
将第二RGB图像识别为M乘N的矩阵图像;
通过颜色分量计算公式,从第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值,颜色分量计算公式为:
优选地,处理设备还包括:
滤波单元608,用于对第二RGB图像进行滤波去噪处理;
优化单元609,用于通过kmeans聚类算法对第二RGB图像进行目标区域图像优化。
优选地,获取单元601,具体用于:
接收UE上报的第一RGB图像;
从第一RGB图像的属性信息中提取光照强度以及环境温度。
参阅图7,图7示出了本申请处理设备的另一种结构示意图,具体的,本申请处理设备包括处理器701,处理器701用于执行存储器702中存储的计算机程序时实现如图1至图5对应任意实施例中基于颜色分量值的六价铬的检测方法的各步骤;或者,处理器701用于执行存储器702中存储的计算机程序时实现如图6对应实施例中各单元的功能。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器702中,并由处理器701执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在计算机装置中的执行过程。
处理设备可包括,但不仅限于处理器701、存储器702。本领域技术人员可以理解,示意仅仅是计算机装置的示例,并不构成对处理设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如处理设备还可以包括输入输出设备、网络接入设备、总线等,处理器501、存储器702、输入输出设备以及网络接入设备等通过总线相连。
处理器701可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,处理器是计算机装置的控制中心,利用各种接口和线路连接整个计算机装置的各个部分。
存储器702可用于存储计算机程序和/或模块,处理器701通过运行或执行存储在存储器702内的计算机程序和/或模块,以及调用存储在存储器702内的数据,实现计算机装置的各种功能。存储器702可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本申请还提供一种可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如图1至图5对应任意实施例中基于颜色分量值的六价铬的检测方法。
可以理解,集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,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)执行本申请各方法实施例的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的处理设备及其单元的具体工作过程,可以参考图1至图7对应实施例中基于颜色分量值的六价铬的检测方法的说明,具体在此不再赘述。
综上所述,本申请基于颜色分量值的六价铬的检测方法、处理设备以及可读存储介质,处理设备可获取当前的六价铬检测中,当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度,再根据光照强度以及环境温度对第一RGB图像进行修正,还原在标准光照强度以及标准环境温度下的真实RGB图像,以克服不同操作条件下导致RGB图像存在的误差;接着,处理设备再从第二RGB图像中提取R、G以及B三种颜色分量值,并计算三者之间的比值,从而可根据不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,确定当前受检水样的六价铬的离子浓度,如此通过智能分析,稳定且准确地分析出受检水样的六价铬的离子浓度。
在本申请所提供的几个实施例中,应该理解到,所揭露的处理设备及其单元,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种基于颜色分量值的六价铬的检测方法,其特征在于,所述方法包括:
处理设备获取当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度;
所述处理设备基于所述光照强度以及所述环境温度,对所述第一RGB图像进行修正,得到第二RGB图像,所述第二RGB图像为标准光照强度以及标准环境温度下所述当前六价铬试纸在所述受检水样中形成变色反应时的真实RGB图像;
所述处理设备从所述第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值;
所述处理设备计算所述R颜色分量值、所述G颜色分量值以及所述B颜色分量值之间的比值;
所述处理设备根据所述R颜色分量值、所述G颜色分量值以及所述B颜色分量值之间的比值,以及不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,确定所述受检水样的六价铬的离子浓度;
所述处理设备输出所述受检水样的六价铬的离子浓度。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
所述处理设备获取所述标准光照强度以及所述标准环境温度下,六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像;
所述处理设备根据所述六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像,建立离子浓度的分析模型,所述分析模型包括所述不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系。
3.根据权利要求1所述的方法,其特征在于,所述处理设备根据所述六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像,建立离子浓度的分析模型包括:
所述处理设备在所述六价铬试纸在不同六价铬的离子浓度的水样中拍摄得到的多个RGB图像的基础上,通过最小二乘法拟合得到所述不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系;
所述处理设备在所述不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系的基础上,建立所述离子浓度的分析模型。
4.根据权利要求1所述的方法,其特征在于,所述不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系具体通过下述公式表示:
5.根据权利要求1所述的方法,其特征在于,所述处理设备从所述第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值包括:
所述处理设备将所述第二RGB图像识别为M乘N的矩阵图像;
所述处理设备通过颜色分量计算公式,从所述第二RGB图像中提取所述R颜色分量值、所述G颜色分量值以及所述B颜色分量值,所述颜色分量计算公式为:
6.根据权利要求1所述的方法,其特征在于,在所述处理设备从所述第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值之前,所述方法还包括:
所述处理设备对所述第二RGB图像进行滤波去噪处理,并通过kmeans聚类算法对所述第二RGB图像进行目标区域图像优化。
7.根据权利要求1所述的方法,其特征在于,处理设备获取当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度包括:
所述处理设备接收用户设备UE上报的所述第一RGB图像;
所述处理设备从所述第一RGB图像的属性信息中提取所述光照强度以及所述环境温度。
8.一种处理设备,其特征在于,所述处理设备包括:
获取单元,用于获取当前六价铬试纸在受检水样中形成变色反应时的第一RGB图像、光照强度以及环境温度;
修正单元,用于基于所述光照强度以及所述环境温度,对所述第一RGB图像进行修正,得到第二RGB图像,所述第二RGB图像为标准光照强度以及标准环境温度下所述当前六价铬试纸在所述受检水样中形成变色反应时的真实RGB图像;
提取单元,用于从所述第二RGB图像中提取R颜色分量值、G颜色分量值以及B颜色分量值;
计算单元,用于计算所述R颜色分量值、所述G颜色分量值以及所述B颜色分量值之间的比值;
确定单元,用于根据所述R颜色分量值、所述G颜色分量值以及所述B颜色分量值之间的比值,以及不同颜色分量值的比值与不同的六价铬的离子浓度之间的对应关系,确定所述受检水样的六价铬的离子浓度;
输出单元,用于输出所述受检水样的六价铬的离子浓度。
9.一种处理设备,其特征在于,所述处理设备包括处理器,处理器用于执行存储器中存储的计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种可读存储介质,其特征在于,其上存储有计算机程序,计算机程序被处理器执行时实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910456868.5A CN110196250A (zh) | 2019-05-29 | 2019-05-29 | 基于颜色分量值的六价铬的检测方法以及处理设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910456868.5A CN110196250A (zh) | 2019-05-29 | 2019-05-29 | 基于颜色分量值的六价铬的检测方法以及处理设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110196250A true CN110196250A (zh) | 2019-09-03 |
Family
ID=67753433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910456868.5A Pending CN110196250A (zh) | 2019-05-29 | 2019-05-29 | 基于颜色分量值的六价铬的检测方法以及处理设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110196250A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796136A (zh) * | 2019-10-09 | 2020-02-14 | 陈浩能 | 标志与图像处理方法及相关装置 |
CN111678876A (zh) * | 2020-07-21 | 2020-09-18 | 福州大学 | 一种基于机器学习的水环境中六价铬的快速检测方法 |
CN111830017A (zh) * | 2020-07-10 | 2020-10-27 | 山东商业职业技术学院 | 获取色变试纸综合颜色变化的装置及方法 |
CN113155784A (zh) * | 2021-03-19 | 2021-07-23 | 东营市阔海水产科技有限公司 | 水体透明度检测方法、终端设备及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103984964A (zh) * | 2014-06-05 | 2014-08-13 | 爱威科技股份有限公司 | 一种试纸条图像识别方法及系统 |
CN104198482A (zh) * | 2014-09-05 | 2014-12-10 | 北京智云达科技有限公司 | 一种试纸读取方法和装置 |
CN105335658A (zh) * | 2014-08-15 | 2016-02-17 | 张钰昕 | 一种用智能移动设备的照相功能进行尿液分析的应用系统 |
CN105899935A (zh) * | 2013-01-07 | 2016-08-24 | 安盛生科股份有限公司 | 试片和读取试片的方法 |
CN106226298A (zh) * | 2016-08-11 | 2016-12-14 | 芜湖美的厨卫电器制造有限公司 | 检测水质的系统、方法及试纸 |
CN106323977A (zh) * | 2016-08-23 | 2017-01-11 | 刘钢 | 基于移动终端的变色诊断试纸定量成像系统 |
CN106546581A (zh) * | 2016-11-02 | 2017-03-29 | 长沙云知检信息科技有限公司 | 试纸检测卡智能检测系统以及试纸检测卡智能分析方法 |
CN107315003A (zh) * | 2017-06-28 | 2017-11-03 | 深圳市掌医科技有限公司 | 一种尿检试纸反应色分析方法 |
US20180106789A1 (en) * | 2016-10-17 | 2018-04-19 | Reliant Immune Diagnostics, LLC | System and method for variable function mobile application for providing medical test results using visual indicia to determine medical test function type |
CN109587337A (zh) * | 2018-12-14 | 2019-04-05 | 江苏科技大学 | 一种快速检测真菌毒素的方法及智能手机 |
-
2019
- 2019-05-29 CN CN201910456868.5A patent/CN110196250A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105899935A (zh) * | 2013-01-07 | 2016-08-24 | 安盛生科股份有限公司 | 试片和读取试片的方法 |
CN103984964A (zh) * | 2014-06-05 | 2014-08-13 | 爱威科技股份有限公司 | 一种试纸条图像识别方法及系统 |
CN105335658A (zh) * | 2014-08-15 | 2016-02-17 | 张钰昕 | 一种用智能移动设备的照相功能进行尿液分析的应用系统 |
CN104198482A (zh) * | 2014-09-05 | 2014-12-10 | 北京智云达科技有限公司 | 一种试纸读取方法和装置 |
CN106226298A (zh) * | 2016-08-11 | 2016-12-14 | 芜湖美的厨卫电器制造有限公司 | 检测水质的系统、方法及试纸 |
CN106323977A (zh) * | 2016-08-23 | 2017-01-11 | 刘钢 | 基于移动终端的变色诊断试纸定量成像系统 |
US20180106789A1 (en) * | 2016-10-17 | 2018-04-19 | Reliant Immune Diagnostics, LLC | System and method for variable function mobile application for providing medical test results using visual indicia to determine medical test function type |
CN106546581A (zh) * | 2016-11-02 | 2017-03-29 | 长沙云知检信息科技有限公司 | 试纸检测卡智能检测系统以及试纸检测卡智能分析方法 |
CN107315003A (zh) * | 2017-06-28 | 2017-11-03 | 深圳市掌医科技有限公司 | 一种尿检试纸反应色分析方法 |
CN109587337A (zh) * | 2018-12-14 | 2019-04-05 | 江苏科技大学 | 一种快速检测真菌毒素的方法及智能手机 |
Non-Patent Citations (4)
Title |
---|
何汉武,吴悦明,陈和恩编著: "《增强现实交互方法与实现》", 31 December 2018, 华中科技大学出版社 * |
吕新广编著: "《现代印刷技术》", 30 June 2017, 暨南大学出版社 * |
梁进,陈雄达,张华隆等编著: "《数学建模讲义》", 31 January 2014, 上海科学技术出版社 * |
辽宁省卫生防疫站编: "《常见毒物分析》", 31 October 1973, 辽宁科学技术出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110796136A (zh) * | 2019-10-09 | 2020-02-14 | 陈浩能 | 标志与图像处理方法及相关装置 |
CN110796136B (zh) * | 2019-10-09 | 2023-06-27 | 陈浩能 | 标志与图像处理方法及相关装置 |
CN111830017A (zh) * | 2020-07-10 | 2020-10-27 | 山东商业职业技术学院 | 获取色变试纸综合颜色变化的装置及方法 |
CN111678876A (zh) * | 2020-07-21 | 2020-09-18 | 福州大学 | 一种基于机器学习的水环境中六价铬的快速检测方法 |
CN113155784A (zh) * | 2021-03-19 | 2021-07-23 | 东营市阔海水产科技有限公司 | 水体透明度检测方法、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110196250A (zh) | 基于颜色分量值的六价铬的检测方法以及处理设备 | |
CN107292154B (zh) | 一种终端特征识别方法及系统 | |
EP3989104A1 (en) | Facial feature extraction model training method and apparatus, facial feature extraction method and apparatus, device, and storage medium | |
CN112052186B (zh) | 目标检测方法、装置、设备以及存储介质 | |
CN112348765A (zh) | 数据增强方法、装置、计算机可读存储介质及终端设备 | |
CN111461097A (zh) | 识别图像信息的方法、装置、电子设备及介质 | |
CN109117773A (zh) | 一种图像特征点检测方法、终端设备及存储介质 | |
CN111984803B (zh) | 多媒体资源处理方法、装置、计算机设备及存储介质 | |
CN114171167B (zh) | 图像显示方法、装置、终端及存储介质 | |
CN111738083B (zh) | 一种人脸识别模型的训练方法和装置 | |
CN109784394A (zh) | 一种翻拍图像的识别方法、系统及终端设备 | |
CN110955891B (zh) | 文件检测的方法、装置、系统和数据处理法的方法 | |
CN109657535B (zh) | 图片识别方法、目标设备及云平台 | |
CN110163794B (zh) | 图像的转换方法、装置、存储介质和电子装置 | |
CN110401626B (zh) | 一种黑客攻击分级检测方法及装置 | |
CN111666884A (zh) | 活体检测方法、装置、计算机可读介质及电子设备 | |
CN111340722A (zh) | 图像处理方法、处理装置、终端设备及可读存储介质 | |
US20220292011A1 (en) | Automated application testing of mutable interfaces | |
CN115376198A (zh) | 视线方向估计方法、装置、电子设备、介质及程序产品 | |
CN107707815B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN111462087B (zh) | 基于人工智能的图像检测方法、装置、系统及存储介质 | |
CN105683996B (zh) | 用于确定图像特征检测器的局部差分颜色的方法 | |
CN113568735A (zh) | 数据处理方法及系统 | |
CN114612098A (zh) | 一种交易信息处理方法、装置和计算机可读存储介质 | |
CN112132000A (zh) | 一种活体检测方法、装置、计算机可读介质及电子设备 |
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: 20190903 |