CN110687047A - 一种用于cod测量的多光源装置及检测方法 - Google Patents
一种用于cod测量的多光源装置及检测方法 Download PDFInfo
- Publication number
- CN110687047A CN110687047A CN201911004423.XA CN201911004423A CN110687047A CN 110687047 A CN110687047 A CN 110687047A CN 201911004423 A CN201911004423 A CN 201911004423A CN 110687047 A CN110687047 A CN 110687047A
- Authority
- CN
- China
- Prior art keywords
- light source
- ultraviolet light
- cod
- sample
- uvn
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 63
- 238000000691 measurement method Methods 0.000 title description 2
- 238000005259 measurement Methods 0.000 claims abstract description 62
- 230000005540 biological transmission Effects 0.000 claims abstract description 16
- 239000007788 liquid Substances 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 38
- KMUONIBRACKNSN-UHFFFAOYSA-N potassium dichromate Chemical compound [K+].[K+].[O-][Cr](=O)(=O)O[Cr]([O-])(=O)=O KMUONIBRACKNSN-UHFFFAOYSA-N 0.000 claims description 26
- 230000015654 memory Effects 0.000 claims description 23
- 238000010801 machine learning Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 17
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000012360 testing method Methods 0.000 claims description 12
- 238000012417 linear regression Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 14
- 239000000126 substance Substances 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000010561 standard procedure Methods 0.000 description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 4
- 229910052760 oxygen Inorganic materials 0.000 description 4
- 239000001301 oxygen Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 241000195493 Cryptophyta Species 0.000 description 2
- 239000011324 bead Substances 0.000 description 2
- 238000011088 calibration curve Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007800 oxidant agent Substances 0.000 description 2
- 239000012286 potassium permanganate Substances 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- 238000004065 wastewater treatment Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003703 image analysis method Methods 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Images
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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
-
- 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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种用于COD测量的多光源装置及检测方法，所述多光源装置至少包括：进液口，用于接收待测样本；透光检测通道，与所述进液口连通，用于检测时存放待测样本；多个波长不同的紫外光源发生器，设于透光检测通道的同侧，用于发出紫外光源；紫外光源探测器，与紫外光源发生器相对设置。本发明所述的用于COD测量的多光源装置，可以形成对不同水体中COD进行准确的测量。测量简便快捷。
Description
技术领域
本发明涉及水质分析领域，特别是涉及一种用于COD测量的多光源装置及检测方法。
背景技术
化学需氧量COD(Chemical Oxygen Demand)是以化学方法测量水样中需要被氧化的还原性物质的量。废水、废水处理厂出水和受污染的水中，能被强氧化剂氧化的物质(一般为有机物)的氧当量。在河流污染和工业废水性质的研究以及废水处理厂的运行管理中，它是一个重要的而且能较快测定的有机物污染参数。以高锰酸钾溶液为氧化剂测得的化学需氧量，在我国的水质环境标准中，已经把该值称为高锰酸盐指数，用于表征地表水、饮用水和生活污水的COD。这种方法测量结果较为准确，但是测试过程复杂，操作繁琐，分析费用较高，商业应用困难。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种用于COD测量的多光源装置及检测方法。
为实现上述目的及其他相关目的，本发明第一方面提供一种用于COD测量的多光源装置，所述多光源装置至少包括：
进液口，用于接收待测样本；
透光检测通道，与所述进液口连通，用于检测时存放待测样本；
多个波长不同的紫外光源发生器，设于透光检测通道的同侧，用于发出紫外光源；
紫外光源探测器，与紫外光源发生器相对设置。
本发明第二方面提供前述用于COD测量的多光源装置在COD测量领域的用途。
本发明第三方面提供一种COD测量模型的建模方法，至少包括如下步骤：
(1)以各建模样本的△UVn及COD值为输入值进行机器学习，获得多个候选模型，
其中，所述各建模样本的COD值由重铬酸钾COD检测法测定获得；
△UVn＝UVn-UV0；
UV0：为无紫外光透过样本时紫外光源探测器的信号值；
UVn：为波长为n的紫外光透过样本时紫外光源探测器的信号值；
△UVn：为各建模样本在波长为n的紫外波长下的紫外光源探测器检测值，各建模样本分别检测多种波长的紫外光分别透过样本时紫外光源探测器的信号值；
(2)分别检验不同候选模型的拟合效果，选取拟合度最高的模型，作为COD测量模型。
本发明第四方面提供一种COD测量模型的建模装置，至少包括如下模块：
机器学习模块，用于以各建模样本的的△UVn及COD值为输入值进行机器学习，获得多个候选模型；
其中，所述各建模样本的COD值由重铬酸钾COD检测法测定获得；
△UVn＝UVn-UV0；
UV0：为无紫外光透过样本时紫外光源探测器的信号值；
UVn：为波长为n的紫外光透过样本时紫外光源探测器的信号值；
△UVn：为各建模样本在波长为n的紫外波长下的紫外光源探测器检测值，各建模样本分别检测多种波长的紫外光分别透过样本时紫外光源探测器的信号值；
模型筛选模块，用于分别检验不同候选模型的拟合效果，选取拟合度最高的模型，作为COD测量模型。
本发明第五方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述的COD测量模型的建模方法。
本发明第六方面提供一种计算机处理设备，包括处理器及前述的计算机可读存储介质，所述处理器执行所述计算机可读存储介质上的计算机程序，实现前述的COD测量模型的建模方法的步骤。
本发明第七方面提供一种电子终端，包括：处理器、存储器、及通信器；所述存储器用于存储计算机程序，所述通信器用于与外部设备进行通信连接，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行前述的COD测量模型的建模方法。
本发明第八方面提供一种COD测量方法，包括如下步骤：
(1)通过进液口将待测样本置入透光检测通道中；
(2)通过紫外光源探测器接收光信号并转化为电信号，获得为无紫外光透过样本时紫外光源探测器的信号值UV0，以及波长为n的紫外光透过样本时紫外光源探测器的信号值UVn；根据公式△UVn＝UVn-UV0，得到波长为n的紫外波长下的紫外光源探测器检测值△UVn；
(3)基于步骤(2)得到的测定值，通过待测样本的COD测量模型得到COD值；所述待测样本的COD测量模型通过权利要求8-9任一所述的建模方法构建获得。
如上所述，本发明的用于COD测量的多光源装置及检测方法，具有以下有益效果：
本发明所述的用于COD测量的多光源装置，结合数据分析算法可以形成对不同水体中COD进行更为准确的测量。测量简便快捷。因为水体中的浊度会对测量值形成一定的影响，所以本装置布置的红外传感器可以对水体中的浊度进行分析，将浊度对测量产生的影响排出，从而得到更精准的测量数据。在长期的测量过程中，透光检测通道的管壁会生长生物膜，包括细菌、蓝藻等物质，这些物质也会影响测量，因此在每次测量之前开启超声波10-30秒的时间，可以有效的清洁管壁表面生长的生物膜。
附图说明
图1显示为本发明的用于COD测量的多光源装置图。
图2显示为本发明用于COD测量的多光源装置的爆炸图。
图3显示为本发明浊度模块原理图。
图4显示为本发明COD测量模型的建模方法流程图。
图5显示为本发明COD测量模型的建模装置图。
图6显示为本发明一实施例中电子终端示意图。
图7显示为本发明所述检测方法与国标法测定的COD值的拟合图。
图8显示为本发明所述检测方法与重铬酸钾国标方法COD检测结果拟合图。
元件标号说明
1 进液口
2 透光检测通道
3 紫外光源发生器
4 紫外光源探测器
5 排液口
6 红外光源发生器
7 红外光源探测器
8 清洁模块
9 壳体
A 透射光
B 散射光
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效。
请参阅图1至图8。须知，本说明书所附图式所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。同时，本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语，亦仅为便于叙述的明了，而非用以限定本发明可实施的范围，其相对关系的改变或调整，在无实质变更技术内容下，当亦视为本发明可实施的范畴。
如图1和图2所示，本发明提供一种用于COD测量的多光源装置，所述多光源装置至少包括：
进液口1，用于接收待测样本；
透光检测通道2，与所述进液口1连通，用于检测时存放待测样本；
多个波长不同的紫外光源发生器3，设于透光检测通道1的同侧，用于发出紫外光源；
紫外光源探测器4，与紫外光源发生器3相对设置。具体的是指，所述紫外光源探测器4设于所述透光检测通道的一侧，且与紫外光源发生器3不在同一侧，而是相对设置。
所述紫外光源探测器用于接收紫外光源发生器的光信号，并将光信号转换为电信号，以便后续分析处理。
所述紫外光源发生器3的数量可以为4～10个。具体可以为4、5、6、7、8、9、10个。
所述紫外光源发生器3发出光源的波长可为200-400nm。
在一种实施方式中，所述紫外光源发生器3的数量为4个，发出光源的波长分别为254nm、275nm、310nm、365nm。
在另一种实施方式中，所述紫外光源发生器3的数量为3个，发出光源的波长分别为280nm、275nm、和310nm。
进一步的，所述多光源装置还包括排液口5，与所述透光检测通道2连通，用于排出待测样本。
所述紫外光源探测器可以为各种适于检测紫外光的装置或器件，例如紫外光传感器。所述紫外光源发生器可以为紫外灯。
透光检测通道可以采用各种透光材料制成，在一种实施方式中，所述透光检测通道为石英管。
在较佳的实施方式中，所述用于多光源装置还包括浊度检测模块，设于所述透光检测通道的侧面。
所述浊度检测模块包括：
红外光源发生器6和红外光源探测器7；
所述浊度检测模块采用90°散射光原理。如图3所示，由红外光源发生器发出的平行光束通过待测样本时，一部分被吸收和散射，另一部分透过待测样本。与入射光成90°方向的散射光强度符合雷莱公式：
Is＝((KNV2)/λ)×I0其中：I0——入射光强度Is——散射光强度N——单位溶液微粒数
V——微粒体积λ——入射光波长K——系数
在入射光恒定条件下，在一定浊度范围内，散射光强度与溶液的混浊度成正比。
上式可表示为：Is/I0＝K′N(K′为常数)
所述红外光源探测器7可以接收到90°角散射光，根据这一公式，可以通过测量水样中微粒的散射光强度来测量水样的浊度。
在一种实施方式中，所述红外光源探测器7的对侧还可设置红外光源发生器6，增强检测精度。
具体的，所述红外光源探测器为红外光传感器。所述红外光源发生器为红外灯。
所述浊度检测模块用于检测待测样本浊度，可通过后续数据分析排除浊度对测量产生的影响。
所述红外光源发生器6发出光源的波长为830-890nm。
在一种实施方式中，所述红外光源发生器6发出光源的波长为860nm。
在优选的实施方式中，所述多光源装置还包括清洁模块，与透光检测通道连接，用于对透光检测通道进行清洁。在一种实施方式中，所述清洁模块包括超声波发生器8。较佳的，所述超声波发生器的工作头设置于透光检测通道的一端，且至少部分探入透光检测通道内。在长期的测量过程中，透光检测通道的管壁会生长生物膜，包括细菌、蓝藻等物质，这些物质也会影响测量，因此在每次测量之前开启清洁模块10-30秒的时间，可以有效的清洁管壁表面生长的生物膜。
所述多光源装置还包括壳体9，用于放置各个部件。
所述多光源装置还可包括控制器，所述述控制器可以为单片机，单片机可以是一个8位最小系统。所述控制器也可以选用不同的品牌和型号，或者更高位数的控制器或处理器。控制器可用于安装相关控制程序。安装相关控制程序后，控制器与紫外光源探测器和红外光源探测器信号连接，可根据需要收集紫外光源探测器和红外光源探测器的信号，进行处理。
前述用于COD测量的多光源装置可用于COD测量领域。
本发明提供的COD测量方法，包括如下步骤：
(1)通过进液口将待测样本置入透光检测通道中；
(2)通过紫外光源探测器接收光信号并转化为电信号，获得为无紫外光透过样本时紫外光源探测器的信号值UV0，以及波长为n的紫外光透过样本时紫外光源探测器的信号值UVn；根据公式△UVn＝UVn-UV0，得到波长为n的紫外波长下的紫外光源探测器检测值△UVn；
(3)基于步骤(2)得到的测定值，通过待测样本的COD测量模型得到COD值。
在一种实施方式中，如图3所示，步骤(2)中，还包括：
通过红外光源探测器接收光信号并转化为电信号，获得在无红外光源照射时红外光源探测器的信号值RV0，以及经红外光照射时待测样本的信号值RV；得到△RV，所述△RV＝RV-RV0。
对应的，此时步骤(3)中的测定值为△UV和△RV。
在一种实施方式中，可以利用该红外光源探测器直接测量水中浊度：将浊度标准试剂置入装置中，进行校准，得到校准曲线，在实际测量过程中将待测样本测定值比对校准曲线获得浊度值。
如图4所示，步骤(3)中所述的COD测量模型可采用下列方法构建：
(1)以各建模样本的△UVn及COD值为输入值进行机器学习，获得多个候选模型，
其中，所述各建模样本的COD值由重铬酸钾COD检测法测定获得(HJ/T399-2007)；
△UVn＝UVn-UV0；
UV0：为无紫外光透过样本时紫外光源探测器的信号值；
UVn：为波长为n的紫外光透过样本时紫外光源探测器的信号值；
△UVn：为各建模样本在波长为n的紫外波长下的紫外光源探测器检测值，各建模样本分别检测多种波长的紫外光分别透过样本时紫外光源探测器的信号值；
(2)分别检验不同候选模型的拟合效果，选取拟合度最高的模型，作为COD测量模型。
拟合度最高是指，拟合值与样品COD值具有最低的标准差和最高的R2。
在一种实施方式中，步骤(1)中，利用python,R或Matlab中任一软件行机器学习；
在一种实施方式中，步骤(1)中，用于机器学习的模型包括以下任一种或多种：linear regression,stepwise linear regression,interations linear regression,regression tree,support vector machines。
如图5所示，本发明提供的COD测量模型的建模装置，至少包括如下模块：
机器学习模块，用于以各建模样本的的△UVn及COD值为输入值进行机器学习，获得多个候选模型；
其中，所述各建模样本的COD值由重铬酸钾COD检测法测定获得；
△UVn＝UVn-UV0；
UV0：为无紫外光透过样本时紫外光源探测器的信号值；
UVn：为波长为n的紫外光透过样本时紫外光源探测器的信号值；
△UVn：为各建模样本在波长为n的紫外波长下的紫外光源探测器检测值，各建模样本分别检测多种波长的紫外光分别透过样本时紫外光源探测器的信号值；
模型筛选模块，用于分别检验不同候选模型的拟合效果，选取拟合度最高的模型，作为COD测量模型。
在一种实施方式中，机器学习模块中，利用python,R或Matlab中任一软件行机器学习；
在一种实施方式中，机器学习模块中，用于机器学习的模型包括以下任一种或多种：linear regression,stepwise linear regression,interations linearregression,regression tree,support vector machines。
需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，获取模块可以为单独设立的处理元件，也可以集成在某一个芯片中实现，此外，也可以以程序代码的形式存储于存储器中，由某一个处理元件调用并执行以上获取模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路(Application Specific Integrated Circuit，简称ASIC)，或，一个或多个微处理器(digital singnal processor，简称DSP)，或，一个或者多个现场可编程门阵列(FieldProgrammable Gate Array，简称FPGA)等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器(Central Processing Unit，简称CPU)或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统(system-on-a-chip，简称SOC)的形式实现。
本发明提供的计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述的COD测量模型的建模方法。
本发明提供的计算机处理设备，包括处理器及前述的计算机可读存储介质，所述处理器执行所述计算机可读存储介质上的计算机程序，实现前述的COD测量模型的建模方法的步骤。
本发明提供的电子终端，包括：处理器、存储器、及通信器；所述存储器用于存储计算机程序，所述通信器用于与外部设备进行通信连接，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行前述的COD测量模型的建模方法。
如图6所示，展示本发明提供的一种电子终端的示意图。所述电子终端包括处理器31、存储器32、通信器33、通信接口34和系统总线35；存储器32和通信接口34通过系统总线35与处理器31和通信器33连接并完成相互间的通信，存储器32用于存储计算机程序，通信器34、通信接口34用于和其他设备进行通信，处理器31和通信器33用于运行计算机程序，使电子终端执行如上图像分析方法的各个步骤。
上述提到的系统总线可以是外设部件互连标准(PeripheralPomponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(RandomAccessMemory，简称RAM)，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field－ProgrammableGateArray，简称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。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；所述计算机可读存储介质可包括，但不限于，软盘、光盘、CD-ROM(只读光盘存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。所述计算机可读存储介质可以是未接入计算机设备的产品，也可以是已接入计算机设备使用的部件。
在具体实现上，所述计算机程序为执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。
数据分析实例：
1.1样本来源：某农村污水处理站点。
1.2样品数量：76个。
1.3取样后的数据验证方法：
送交有资质的实验室进行国标GB 11914-89的COD测试。(国标法COD测试分为高锰酸钾法与重铬酸钾法两种)此次测试采用的是重铬酸钾法。所谓重铬酸钾法指的是首先使用重铬酸钾对水样进行消解，通过对重铬酸钾的消耗进行定量，可以计算出水样中COD的浓度。
1.4使用的紫外灯珠：
本次测试使用了3颗紫外灯珠，波长分别为280nm(UV1),275nm(UV2)和310nm(UV3)。三颗灯珠公用一个传感器。每次检测传感器读取4个信号，首先直接逐一读取紫外灯发出的紫外光穿透样本后的电信号，最后再读取一次背景电压信号(UV0)，指的是在不开紫外灯时，传感器读取的信号。
传感器信号读取后会通过系统直接在系统后台生成一个4列的表格，分别为UV0，UV1，UV2，UV3。同时交由实验室进行国标法测试的样品实际值会通过UI经人工手动录入到系统，系统会将实测样本与之前的4列表格通过时间和点位的匹配生成一个新的4列表格，如表1所示表头及部分数据如下
表1
所有信号需要减去暗电流的信号，为了去除其背景电压干扰。
根据此4列数据，在系统后台中利用Matlab或Python对其进行机器学习(machinelearning)分别检验不同模型对其的拟合效果，最终选取最优的模型。可以考察的模型包括(linear regression,stepwise linear regression,interations linear regression,regression tree,support vector machines等)。针对此次数据的机器学习后发现，stepwise linear regression的拟合度最好，拟合值与样品真值具有最低的标准差(18)和最高的R2(75％).生成的公式为：
Predicted＝373.015-74.8747*(UV1-UV0)-595.4812*(UV2-UV0)-1373.5*(UV3-UV0)+2601.6*(UV2-UV0)*(UV3-UV0)
图7展示的是通过上述方法拟合后真值(蓝色)与预测值(黄色)的区别，趋势基本相同，达到了用户的需求。则选用该模型对于后续传感器测量值进行分析并给出COD的测量值。
如图8所示，经过本发明所述多光源COD分析后的水样与重铬酸钾国标方法COD检测方法相比，可以达到较高的拟合度，超过94.7％。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (14)
1.一种用于COD测量的多光源装置，其特征在于，所述多光源装置至少包括：
进液口(1)，用于接收待测样本；
透光检测通道(2)，与所述进液口(1)连通，用于检测时存放待测样本；
多个波长不同的紫外光源发生器(3)，设于透光检测通道(1)的同侧，用于发出紫外光源；
紫外光源探测器(4)，与紫外光源发生器(3)相对设置。
2.如权利要求1所述的用于COD测量的多光源装置，其特征在于，还包括以下特征中的一项或多项：
a.所述紫外光源发生器(3)的数量为4-10个；
b.所述多光源装置还包括排液口(5)，与所述透光检测通道(2)连通，用于排出待测样本。
3.如权利要求1所述的用于COD测量的多光源装置，其特征在于，所述紫外光源发生器(3)发出光源的波长为200-400nm。
4.如权利要求3所述的用于COD测量的多光源装置，其特征在于，所述紫外光源发生器(3)的数量为4个，发出光源的波长分别为254nm、275nm、310nm、365nm。
5.如权利要求1所述的用于COD测量的多光源装置，其特征在于，还包括以下特征中的一项或多项：
1)所述多光源装置还包括浊度检测模块，设于所述透光检测通道的侧面；
2)所述多光源装置还包括：清洁模块(8)，设于所述透光检测通道的一端，用于对透光检测通道进行清洗。
6.如权利要求1-5任一所述的用于COD测量的多光源装置在COD测量领域的用途。
7.一种COD测量模型的建模方法，至少包括如下步骤：
(1)以各建模样本的△UVn及COD值为输入值进行机器学习，获得多个候选模型，
其中，所述各建模样本的COD值由重铬酸钾COD检测法测定获得；
△UVn＝UVn-UV0；
UV0：为无紫外光透过样本时紫外光源探测器的信号值；
UVn：为波长为n的紫外光透过样本时紫外光源探测器的信号值；
△UVn：为各建模样本在波长为n的紫外波长下的紫外光源探测器检测值，各建模样本分别检测多种波长的紫外光分别透过样本时紫外光源探测器的信号值；
(2)分别检验不同候选模型的拟合效果，选取拟合度最高的模型，作为COD测量模型。
8.如权利要求7所述的COD测量模型的建模方法，其特征在于，还包括以下特征中的一项或多项：
a.步骤(1)中，利用python,R或Matlab任一软件进行机器学习；
b.步骤(1)中，用于机器学习的模型包括以下任一种或多种：linear regression,stepwise linear regression,interations linear regression,regression tree,support vector machines。
9.一种COD测量模型的建模装置，至少包括如下模块：
机器学习模块，用于以各建模样本的的△UVn及COD值为输入值进行机器学习，获得多个候选模型；
其中，所述各建模样本的COD值由重铬酸钾COD检测法测定获得；
△UVn＝UVn-UV0；
UV0：为无紫外光透过样本时紫外光源探测器的信号值；
UVn：为波长为n的紫外光透过样本时紫外光源探测器的信号值；
△UVn：为各建模样本在波长为n的紫外波长下的紫外光源探测器检测值，各建模样本分别检测多种波长的紫外光分别透过样本时紫外光源探测器的信号值；
模型筛选模块，用于分别检验不同候选模型的拟合效果，选取拟合度最高的模型，作为COD测量模型。
10.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求7-8任一所述的COD测量模型的建模方法。
11.一种计算机处理设备，包括处理器及前述的计算机可读存储介质，所述处理器执行所述计算机可读存储介质上的计算机程序，实现权利要求7-8任一所述的COD测量模型的建模方法的步骤。
12.一种电子终端，包括：处理器、存储器、及通信器；所述存储器用于存储计算机程序，所述通信器用于与外部设备进行通信连接，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行权利要求7-8任一所述的COD测量模型的建模方法。
13.一种COD测量方法，包括如下步骤：
(1)通过进液口将待测样本置入透光检测通道中；
(2)通过紫外光源探测器接收光信号并转化为电信号，获得为无紫外光透过样本时紫外光源探测器的信号值UV0，以及波长为n的紫外光透过样本时紫外光源探测器的信号值UVn；根据公式△UVn＝UVn-UV0，得到波长为n的紫外波长下的紫外光源探测器检测值△UVn；
(3)基于步骤(2)得到的测定值，通过待测样本的COD测量模型得到COD值；所述待测样本的COD测量模型通过权利要求8-9任一所述的建模方法构建获得。
14.如权利要求13所述的COD测量方法，其特征在于，步骤(2)中，还包括：通过红外光源探测器接收光信号并转化为电信号，获得在无红外光源照射时红外光源探测器的信号值RV0，以及经红外光照射时待测样本的信号值RV；得到△RV，所述△RV＝RV-RV0。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911004423.XA CN110687047A (zh) | 2019-10-22 | 2019-10-22 | 一种用于cod测量的多光源装置及检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911004423.XA CN110687047A (zh) | 2019-10-22 | 2019-10-22 | 一种用于cod测量的多光源装置及检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110687047A true CN110687047A (zh) | 2020-01-14 |
Family
ID=69113462
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911004423.XA Pending CN110687047A (zh) | 2019-10-22 | 2019-10-22 | 一种用于cod测量的多光源装置及检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110687047A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112285047A (zh) * | 2020-11-23 | 2021-01-29 | 南京大学 | 一种化学需氧量与硝态氮水质监测探头及方法 |
| CN117420092A (zh) * | 2023-12-19 | 2024-01-19 | 河北德润厚天科技股份有限公司 | 水质检测方法、装置及设备 |
-
2019
- 2019-10-22 CN CN201911004423.XA patent/CN110687047A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112285047A (zh) * | 2020-11-23 | 2021-01-29 | 南京大学 | 一种化学需氧量与硝态氮水质监测探头及方法 |
| CN117420092A (zh) * | 2023-12-19 | 2024-01-19 | 河北德润厚天科技股份有限公司 | 水质检测方法、装置及设备 |
| CN117420092B (zh) * | 2023-12-19 | 2024-03-12 | 河北德润厚天科技股份有限公司 | 水质检测方法、装置及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103983595A (zh) | 一种基于紫外-可见光谱处理的水质浊度解算方法 | |
| CN109959634A (zh) | 一种水质监测系统及方法 | |
| CN102661923A (zh) | 一种复合型水质多参数在线自动监测仪 | |
| CN203275288U (zh) | 一种集合光谱和传感器技术的水质多参数在线自动监测仪 | |
| CN110687047A (zh) | 一种用于cod测量的多光源装置及检测方法 | |
| CN206248652U (zh) | 实时原位水质监测仪 | |
| CN110736723B (zh) | 一种在线式同时检测低浊和高浊的方法与系统 | |
| Li et al. | Global calibration model of UV-Vis spectroscopy for COD estimation in the effluent of rural sewage treatment facilities | |
| CN113283072B (zh) | 一种适用于多场景条件的水体cod检测方法 | |
| CN109520983B (zh) | 一种基于dom的水质评价方法及装置 | |
| US20220187197A1 (en) | Electrochemical digestion | |
| CN1580739A (zh) | Cod在线检测方法及仪器 | |
| CN108717098B (zh) | 一种提高混合气体浓度检测精度的方法 | |
| Xu et al. | Research on COD measurement method based on UV-vis absorption spectra of transmissive and reflective detection systems | |
| CN206906239U (zh) | 水质检测探头及水质检测仪 | |
| CN211505168U (zh) | 一种用于cod测量的多光源装置 | |
| CN105510423B (zh) | 测量水体化学需氧量的自动在线监测仪 | |
| CN114835241B (zh) | 污水中难降解有机物实时监测及臭氧智能投加控制方法 | |
| CN116297279A (zh) | 甲醛气体/voc气体浓度检测方法、系统、装置及设备 | |
| CN1458529A (zh) | 基于图像技术的比色成分分析方法及其装置 | |
| CN108318428A (zh) | 一种光电传感测量装置 | |
| CN104977334B (zh) | 一种测量生物需氧量的实验装置和方法 | |
| CN113189355A (zh) | 一种液体检测方法及检测装置 | |
| Kim et al. | Measurement of Turbidity Using an 850 nm Light-emitting Diode. | |
| TWI793446B (zh) | 檢測水中銅離子方法及其系統 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201222 Address after: Room 205, West District, 2nd floor, 707 Zhangyang Road, China (Shanghai) pilot Free Trade Zone, 200120 Applicant after: Shanghai Bozhong Guanche Intelligent Technology Co.,Ltd. Address before: 200000 Pudong New Area, Shanghai, China (Shanghai) free trade trial area, No. 3, 1 1, Fang Chun road. Applicant before: SHANGHAI GUANLIU INTELLIGENT TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right |