CN112666103A - 基于光谱特征的水质监测系统 - Google Patents
基于光谱特征的水质监测系统 Download PDFInfo
- Publication number
- CN112666103A CN112666103A CN202011346415.6A CN202011346415A CN112666103A CN 112666103 A CN112666103 A CN 112666103A CN 202011346415 A CN202011346415 A CN 202011346415A CN 112666103 A CN112666103 A CN 112666103A
- Authority
- CN
- China
- Prior art keywords
- fluorescence
- water quality
- ultraviolet
- light
- data
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 100
- 230000003595 spectral effect Effects 0.000 title claims abstract description 58
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 230000004927 fusion Effects 0.000 claims abstract description 29
- 238000002189 fluorescence spectrum Methods 0.000 claims description 21
- 238000002211 ultraviolet spectrum Methods 0.000 claims description 21
- 238000001228 spectrum Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 13
- 239000000523 sample Substances 0.000 claims description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 11
- 238000000034 method Methods 0.000 claims description 11
- 229910052760 oxygen Inorganic materials 0.000 claims description 11
- 239000001301 oxygen Substances 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 10
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 9
- 229910052799 carbon Inorganic materials 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 9
- 230000005284 excitation Effects 0.000 claims description 8
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 6
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 claims description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 3
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 3
- 229910052698 phosphorus Inorganic materials 0.000 claims description 3
- 239000011574 phosphorus Substances 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 2
- 238000001506 fluorescence spectroscopy Methods 0.000 abstract 1
- 230000007704 transition Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000005274 electronic transitions Effects 0.000 description 2
- 238000012372 quality testing Methods 0.000 description 2
- 229910002704 AlGaN Inorganic materials 0.000 description 1
- 239000004696 Poly ether ether ketone Substances 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- JUPQTSLXMOCDHR-UHFFFAOYSA-N benzene-1,4-diol;bis(4-fluorophenyl)methanone Chemical compound OC1=CC=C(O)C=C1.C1=CC(F)=CC=C1C(=O)C1=CC=C(F)C=C1 JUPQTSLXMOCDHR-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000002795 fluorescence method Methods 0.000 description 1
- 239000010842 industrial wastewater Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 229920002530 polyetherether ketone Polymers 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及一种基于光谱特征的水质监测系统。该基于光谱特征的水质监测系统利用光源发出激发光，通过第一单色器将激发光分离成单一波长的激发光，未被待测水体吸收的单色光透射过待测水体后通过紫外检测器得到紫外‑可见光信号；被待测水体吸收的单色光进行电子跃迁发出荧光，通过第二单色器将荧光分离成单一波长的荧光，并通过荧光检测器检测单色荧光的荧光信号，处理器对单色光的波长、单色荧光的波长、紫外‑可见光信号和荧光信号进行处理，得到水质参数预测结果。本发明将设备集成在一个箱体装置轻便，方便携带，并且处理器利用紫外荧光数据进行融合分析，提高了本系统检测的精度。
Description
技术领域
本发明涉及水质监测领域，特别是涉及一种基于光谱特征的水质监测系统。
背景技术
随着我国经济的快速发展和城市化进程加快，大量工业废水、生活污水和其他废弃物进入到江河湖海等水体中，这会导致水体的污染，造成水质恶化的现象，因此在水处理过程中需要对水体的水质进行监测预警。
现有技术中通常是采用深紫外LED对水质进行监测，运用特征波长的紫外吸收值对化学需氧量(Chemical Oxygen Demand)水质指标或某种污染物进行预测，或是采用荧光法对待测水体中蛋白类物质进行监测，检测方法较为单一，只能检测到待测水体中的部分水质参数。当需要对待测水体中的多种水质参数进行监测时，往往需要更换不同设备，检测过程较为复杂。
发明内容
基于此，有必要针对于上述技术问题，提供一种在多次水质检测时，不需要更换滤光片的基于光谱特征的水质监测系统。
一种基于光谱特征的水质监测系统，该水质监测系统包括：
光源，用于发出激发光；
第一单色器，设置于激发光的发射光路上，用于将激发光分离成单一波长的单色光；
紫外检测器，用于检测单色光透射过待测水体后的紫外-可见光信号；
第二单色器，设置于荧光的发射光路上，用于将荧光分离成单一波长的单色荧光；荧光通过单色光激发待测水体得到；
荧光检测器，用于检测单色荧光的荧光信号；
处理器，与第一单色器和第二单色器相连，用于调节第一单色器和第二单色器所分离的光的波长；
处理器，还与紫外检测器和荧光检测器相连，用于接收紫外-可见光信号和荧光信号，并对单色光的波长、单色荧光的波长、紫外-可见光信号和荧光信号进行处理，得到水质参数预测结果。
在本实施例提供的基于光谱特征的水质监测系统，包括光源、第一单色器、紫外检测器、第二单色器、荧光检测器和处理器。光源发出的激发光通过第一单色器将激发光分离成单一波长的单色光，第二单色器将荧光分离成单一波长的单色荧光，当需要调整单色光和单色荧光的波长时候，可以直接通过处理器对第一单色器和第二单色器所分离的光的波长进行调整，而不需要去更换不同波长的滤光片，使得基于光谱特征的水质监测系统当需要更换波长进行水质测量验证时相比于现有技术更加合理高效。
在其中一个实施例中，该水质监测系统还包括：
探头，探头底部设置有反射镜片，用于将透射进待测水体的单色光反射至紫外检测器。
在本实施例中，基于光谱特征的水质监测系统还设置有探头，在进行水质检测时将探头置于水中可以将透射进水体的单色光光路进行改变，使单色光反射到本系统中紫外检测器中，提升了水质检测的效率。
在其中一个实施例中，处理器，具体用于：
根据单色光的波长和紫外-可见光信号得到紫外光谱数据；
根据单色荧光的波长和荧光信号得到荧光光谱数据；
对紫外光谱数据和荧光光谱数据进行处理，得到水质参数预测结果。
在其中一个实施例中，处理器，具体用于：
将紫外光谱数据和荧光光谱数据进行数据级融合预测或特征级融合预测，得到水质参数预测结果。
在本实施例中，将紫外光谱数据和荧光光谱数据进行数据级融合预测或特征级融合预测，相比于现有根据紫外-可见光强度或荧光强度进行预测具有更高的监测精度。
在其中一个实施例中，处理器，具体用于：
将紫外光谱数据和荧光光谱数据进行融合，得到第一融合光谱数据；
将第一融合光谱数据进行特征提取得到第一融合光谱特征；
将第一融合光谱特征输入到人工神经网络模型中进行处理，得到水质参数预测结果。
在其中一个实施例中，处理器，具体用于：
对紫外光谱数据和荧光光谱数据分别进行光谱特征提取，得到紫外光谱特征数据和荧光光谱特征数据；
将紫外光谱特征数据和荧光光谱特征数据进行融合得到第二融合光谱数据；
将第二融合光谱数据进行特征提取得到第二融合光谱特征；
将第二融合光谱特征输入到人工神经网络模型中进行处理，得到水质参数预测结果。
在其中一个实施例中，对紫外光谱数据和荧光光谱数据进行融合的方法包括：
标准归一化、最小最大归一化及矢量归一化其中至少一种。
在其中一个实施例中，特征提取方法包括：
偏最小二乘算法以及其改进算法：联合区间偏最小二乘、移动窗口偏最小二乘、蚁群算法-偏最小二乘等其中至少一种。
在其中一个实施例中，水质参数包括化学需氧量、总有机碳、硝酸盐氮、浊度、总磷、氨氮、亚硝酸盐氮、溶解性有机碳、生化需氧量和色度。
在其中一个实施例中，基于光谱特征的水质监测系统还包括：
显示模块，用于对水质参数结果进行显示；
无线模块，用于将水质参数结果进行无线传输。
在本实施例提供的基于光谱特征的水质监测系统，还包括了显示模块和无线模块，能够在完成水质监测的基础上，能够将水质参数结果进行显示以及无线传输。
附图说明
图1为本申请基于光谱特征的水质监测系统的结构示意图；
图2为本申请一个实施例中基于光谱特征的水质监测系统的结构示意图；
图3为本申请一个实施例中紫外光谱数据和荧光光谱数据进行数据级融合预测的结构示意图；
图4为本申请一个实施例中紫外光谱数据和荧光光谱数据进行特征级级融合预测的结构示意图；
图5为本申请一个实施例中基于光谱特征的水质监测系统中无线模块和显示模块部分的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供一种基于光谱特征的水质监测系统，如图1所示，水质监测系统具体包括：
光源，在本申请实施例中所采用的光源为氙灯光源(200-1100nm)或者氘-卤光源(180-2000nm)，用于发出能够覆盖全波长的激发光，能够以连续或脉冲形式照射。
第一单色器，单色器是指将光源发出的光分离成所需要的单色光的器件，单色器由入射狭缝、准直镜、色散元件、物镜和出射狭缝构成。其中色散元件是关键部件，作用是将复合光分解成单色光。入射狭缝用于限制杂散光进入单色器，准直镜将入射光束变为平行光束后进入色散元件。物镜将出自色散元件的平行光聚焦于出口狭缝。出射狭缝用于限制通带宽度。
在本申请实施例中，第一单色器设置于激发光的发射光路上，用于将激发光分离成单一波长的单色光，第一单色器与处理器相连，可以通过处理器调节第一单色器所分离的光的波长。
紫外检测器，经过调节后的单色光射向待测水体，未被水样吸收的单色光透射过水体被紫外检测器所检测，检测到紫外-可见光信号，紫外检测器具体可以选用宽禁带AlGaN基光电二极管。
经过调节后的单色光照射向待测水体时，待测水体中受激发的原子或分子在吸收了特定波段的紫外-可见光后会发生电子跃迁，发出与调节后的单色光波长不同的辐射，这种再发射的光称为荧光。
第二单色器，与第一单色器结构相同，设置在荧光的发射光路上，将荧光分离成单一波长的单色荧光，第二单色器与处理器相连，可以通过处理器调节第二单色器所分离的单色荧光的波长。
荧光检测器，用于检测单色荧光的荧光信号，荧光检测器具体可以选用硅光电二极管。
处理器，与第一单色器和第二单色器相连，可以通过处理器调节第一单色器和第二单色器所分离的光的波长；处理器还与紫外检测器和荧光检测器相连，用于接收紫外-可见光信号和荧光信号，处理器中的A/D转换模块还可以将接收到的紫外-可见光信号和荧光信号转换成数字信号。并根据单色光的波长、单色荧光的波长、紫外-可见光信号和荧光信号进行数据处理得到水质参数预测结果。
水质监测系统可以集成在一个箱体中，便于携带和使用。
在一个实施例中，如图2，水质监测系统还包括探头，探头底部设置有反射镜片，将探头浸入到待测水体中，通过底部的反射镜用于将透射进待测水体的单色光反射至紫外检测器，探头内部为不锈钢材质，外部PEEK套管设计。
在一个实施例中，处理器，具体用于：
根据单色光的波长和紫外-可见光信号得到紫外光谱数据，紫外光谱数据具体是指在单色光一定波长下的紫外-可见光信号强度大小；
根据单色荧光的波长和荧光信号得到荧光光谱数据，荧光光谱数据具体是指在荧光一定波长下的荧光信号强度大小；
将紫外光谱数据和荧光光谱数据进行数据级融合预测或特征级融合预测，得到水质参数预测结果。建立出基于数据级和特征级的融合预测模型，比起单纯使用紫外光谱数据或者荧光光谱数据，能够更加精确。
其中，数据级融合预测是将得到的各种原始数据按照某种方式直接进行组合，该方式具有最多的真实数据，有利于数据的进一步分析和处理。
特征级融合预测是对得到的各种原始数据进行特征提取，然后将其以某种方式进行组合，最后对目标进行综合分析和处理的方法，特征级融合预测由于提取了原始信息的特征，使信息量得到有效的压缩，有利于对数据进行实时处理。
在本申请实施例中，如图3，数据集融合预测具体是将紫外光谱数据和荧光光谱数据进行融合，得到第一融合光谱数据；
将第一融合光谱数据进行特征提取得到第一融合光谱特征；
将第一融合光谱特征输入到人工神经网络模型中进行处理，得到水质参数预测结果。
在本申请另一个实施例中，如图4，特征级融合预测具体是将紫外光谱数据和荧光光谱数据分别进行光谱特征提取，得到紫外光谱特征数据和荧光光谱特征数据；
将紫外光谱特征数据和荧光光谱特征数据进行融合得到第二融合光谱数据；
将第二融合光谱数据进行特征提取得到第二融合光谱特征；
将第二融合光谱特征输入到人工神经网络模型中进行处理，得到水质参数预测结果。
在本申请实施例的数据级融合预测中，紫外光谱数据和荧光光谱数据进行融合，以及，在特征级融合预测中，紫外光谱特征数据和荧光光谱特征数据进行融合，所采用的融合方法具体包括：标准归一化、最小最大归一化及矢量归一化其中至少一种，在本申请实施例中，优选矢量归一化。
在本申请实施例的数据级融合预测中，对第一融合光谱数据进行特征提取，以及在特征级融合预测中，将紫外光谱数据和荧光光谱数据分别进行光谱特征提取所采用的特征提取方法具体包括：偏最小二乘算法以及其改进算法：联合区间偏最小二乘、移动窗口偏最小二乘、蚁群算法-偏最小二乘法其中至少一种，在本申请实施例中，优选蚁群算法-偏最小二乘法。
在本申请实施例中，所检测的水质参数具体包括了化学需氧量(Chemical OxygenDemand)、总有机碳(Total Organic Carbon)、硝酸盐氮(Nitrate nitrogen)、浊度、总磷、氨氮、亚硝酸盐氮、溶解性有机碳、生化需氧量和色度。
在本申请实施例中，如图5，水质监测系统还包括：
显示模块，用于对水质参数结果进行显示，即对当前所检测到的化学需氧量、总有机碳、硝酸盐氮和浊度的预测数值进行显示。
无线模块，用于将水质参数结果进行无线传输，不仅可以对当前所检测到的化学需氧量、总有机碳、硝酸盐氮和浊度的预测数值进行传输，如果需要远程进行二次计算或者存储数据，还可以对第一单色器和第二单色器所分离的光的波长和所接收的紫外-可见光信号和荧光信号等进行数据传输，传到服务器进行数据的储存，可后续开展数据挖掘和大数据分析等工作。
在本申请实施例中，提供一种水质监测系统的使用方法：
首先通过处理器将紫外探测器和荧光探测器进行校零操作，并将第一单色器和第二单色器调节到需要分离的光的波长，比如波长Ex＝230nm，最后将探头浸入到待测水体中；
然后打开光源发射，通过第一单色器将激发光分离成单一波长的单色光；将调节后的单色光射向待测水体，未被水样吸收的单色光透射进水体经过探头进行光路校正，通过紫外检测器对单色光进行检测，检测到紫外-可见光信号，并将紫外-可见光信号传输到处理器中，被水样吸收的单色光发生电子跃迁发出荧光，通过第二单色器将荧光分离成单色荧光，并通过荧光检测器对单色荧光进行检测，并将检测到的荧光信号传输到处理器中；
处理器中的A/D转换模块将紫外-可见光信号和荧光信号转换为数字信号，并通过单色光的波长和紫外数字信号得到紫外光谱数据，荧光的波长和荧光数字信号得到荧光光谱数据；
处理器将得到的紫外光谱数据和荧光光谱数据进行数据级融合预测或特征级融合预测，得到水质参数预测结果；
最后，处理器对该水质参数预测结果进行显示与无线传输。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于光谱特征的水质监测系统，其特征在于，所述基于光谱特征的水质监测系统包括：
光源，用于发出激发光；
第一单色器，设置于所述激发光的发射光路上，用于将所述激发光分离成单一波长的单色光；
紫外检测器，用于检测所述单色光透射过待测水体后的紫外-可见光信号；
第二单色器，设置于荧光的发射光路上，用于将所述荧光分离成单一波长的单色荧光；所述荧光通过所述单色光激发所述待测水体得到；
荧光检测器，用于检测所述单色荧光的荧光信号；
处理器，与所述第一单色器和所述第二单色器相连，用于调节所述第一单色器和所述第二单色器所分离的光的波长；
所述处理器，还与所述紫外检测器和所述荧光检测器相连，用于接收所述紫外-可见光信号和所述荧光信号，并对所述单色光的波长、所述单色荧光的波长、所述紫外-可见光信号和所述荧光信号进行处理，得到水质参数预测结果。
2.根据权利要求1所述的基于光谱特征的水质监测系统，其特征在于，所述基于光谱特征的水质监测系统还包括：
探头，所述探头底部设置有反射镜片，用于将透射进所述待测水体的所述单色光反射至所述紫外检测器。
3.根据权利要求1所述的基于光谱特征的水质监测系统，其特征在于，所述处理器，具体用于：
根据所述单色光的波长和所述紫外-可见光信号得到紫外光谱数据；
根据所述单色荧光的波长和所述荧光信号得到荧光光谱数据；
对所述紫外光谱数据和所述荧光光谱数据进行处理，得到所述水质参数预测结果。
4.根据权利要求3所述的基于光谱特征的水质监测系统，其特征在于，所述处理器，具体用于：
将所述紫外光谱数据和所述荧光光谱数据进行数据级融合预测或特征级融合预测，得到所述水质参数预测结果。
5.根据权利要求4所述的基于光谱特征的水质监测系统，其特征在于，所述处理器，具体用于：
将所述紫外光谱数据和所述荧光光谱数据进行融合，得到第一融合光谱数据；
将所述第一融合光谱数据进行特征提取得到第一融合光谱特征；
将所述第一融合光谱特征输入到人工神经网络模型中进行处理，得到所述水质参数预测结果。
6.根据权利要求4所述的基于光谱特征的水质监测系统，其特征在于，所述处理器，具体用于：
对所述紫外光谱数据和所述荧光光谱数据分别进行光谱特征提取，得到紫外光谱特征数据和荧光光谱特征数据；
将所述紫外光谱特征数据和所述荧光光谱特征数据进行融合得到第二融合光谱数据；
将所述第二融合光谱数据进行特征提取得到第二融合光谱特征；
将所述第二融合光谱特征输入到人工神经网络模型中进行处理，得到所述水质参数预测结果。
7.根据权利要求5所述的基于光谱特征的水质监测系统，其特征在于，对所述紫外光谱数据和所述荧光光谱数据进行融合的方法包括：
标准归一化、最小最大归一化及矢量归一化其中至少一种。
8.根据权利要求5或6所述的基于光谱特征的水质监测系统，其特征在于，所述特征提取方法包括：
偏最小二乘算法以及其改进算法：联合区间偏最小二乘、移动窗口偏最小二乘、蚁群算法-偏最小二乘等其中至少一种。
9.根据权利要求1所述的基于光谱特征的水质监测系统，其特征在于，所述水质参数包括化学需氧量、总有机碳、硝酸盐氮、浊度、总磷、氨氮、亚硝酸盐氮、溶解性有机碳、生化需氧量和色度。
10.根据权利要求1所述的基于光谱特征的水质监测系统，其特征在于，所述基于光谱特征的水质监测系统还包括：
显示模块，用于对所述水质参数结果进行显示；
无线模块，用于将所述水质参数结果进行无线传输。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011346415.6A CN112666103A (zh) | 2020-11-26 | 2020-11-26 | 基于光谱特征的水质监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011346415.6A CN112666103A (zh) | 2020-11-26 | 2020-11-26 | 基于光谱特征的水质监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112666103A true CN112666103A (zh) | 2021-04-16 |
Family
ID=75403640
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011346415.6A Pending CN112666103A (zh) | 2020-11-26 | 2020-11-26 | 基于光谱特征的水质监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112666103A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115684059A (zh) * | 2023-01-04 | 2023-02-03 | 中国市政工程华北设计研究总院有限公司 | 基于多种光谱对水体的检测方法及检测系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104865331A (zh) * | 2015-03-09 | 2015-08-26 | 俞嘉德 | 高效液相色谱兼用紫外可见和荧光双分光双检测仪 |
| CN106706584A (zh) * | 2016-12-30 | 2017-05-24 | 国家海洋局第二海洋研究所 | 一种可应用于海水中痕量铵氮分析的便携式荧光检测器 |
| CN107179285A (zh) * | 2017-05-26 | 2017-09-19 | 北京汇智精仪科技有限公司 | 基于紫外可见吸收光谱和荧光光谱的水质监测探头及方法 |
| CN107631983A (zh) * | 2017-10-23 | 2018-01-26 | 杭州希玛诺光电技术股份有限公司 | 一种用于水质分析的样品多光谱并行生成装置 |
| CN109142296A (zh) * | 2018-08-16 | 2019-01-04 | 中国科学院合肥物质科学研究院 | 基于多源光谱特征的城市水体黑臭快速识别测定方法 |
| CN111487213A (zh) * | 2020-04-29 | 2020-08-04 | 武汉新烽光电股份有限公司 | 多光谱融合的化学需氧量测试方法及装置 |
-
2020
- 2020-11-26 CN CN202011346415.6A patent/CN112666103A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104865331A (zh) * | 2015-03-09 | 2015-08-26 | 俞嘉德 | 高效液相色谱兼用紫外可见和荧光双分光双检测仪 |
| CN106706584A (zh) * | 2016-12-30 | 2017-05-24 | 国家海洋局第二海洋研究所 | 一种可应用于海水中痕量铵氮分析的便携式荧光检测器 |
| CN107179285A (zh) * | 2017-05-26 | 2017-09-19 | 北京汇智精仪科技有限公司 | 基于紫外可见吸收光谱和荧光光谱的水质监测探头及方法 |
| CN107631983A (zh) * | 2017-10-23 | 2018-01-26 | 杭州希玛诺光电技术股份有限公司 | 一种用于水质分析的样品多光谱并行生成装置 |
| CN109142296A (zh) * | 2018-08-16 | 2019-01-04 | 中国科学院合肥物质科学研究院 | 基于多源光谱特征的城市水体黑臭快速识别测定方法 |
| CN111487213A (zh) * | 2020-04-29 | 2020-08-04 | 武汉新烽光电股份有限公司 | 多光谱融合的化学需氧量测试方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115684059A (zh) * | 2023-01-04 | 2023-02-03 | 中国市政工程华北设计研究总院有限公司 | 基于多种光谱对水体的检测方法及检测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10961558B2 (en) | Substance or contamination detection | |
| US8125635B2 (en) | Compact, low cost raman monitor for single substances | |
| US20040155202A1 (en) | Methods and apparatus for molecular species detection, inspection and classification using ultraviolet fluorescence | |
| US20170038299A1 (en) | Online process monitoring | |
| US20150041682A1 (en) | Systems and Methods for Monitoring Phenanthrene Equivalent Concentrations | |
| CN101608998A (zh) | 基于arm技术的多参数水质快速检测装置 | |
| Brandl et al. | A portable sensor system for measurement of fluorescence indices of water samples | |
| US20050243313A1 (en) | Method and device for conducting the spectral differentiating, imaging measurement of fluorescent light | |
| EP3701235B1 (en) | A fluorescent substance detection system | |
| CN112666103A (zh) | 基于光谱特征的水质监测系统 | |
| CN108732146A (zh) | 量子产率计算方法、荧光分光光度计以及存储介质 | |
| JP2006308308A (ja) | プラスチック表面診断方法およびプラスチック表面診断装置 | |
| CN111272735B (zh) | 一种激光诱导击穿光谱的检测方法 | |
| CN102103084B (zh) | 一种基于叶绿素分析藻类分类和鉴别的仪器和方法 | |
| CN109342394B (zh) | 一种采用双波长激光的手持式拉曼光谱仪及实现方法 | |
| Wu et al. | Development of a Low-Cost, Sensitivity-Optimized Fluorescence Sensor for Visible Spectrum Analysis | |
| US10139329B2 (en) | Particle size determination using Raman spectroscopy | |
| Peng et al. | Development of laser fluorometer system for CDOM measurements | |
| CN102980864A (zh) | 分光光度检测装置及其检测方法 | |
| CN115372321A (zh) | 一种水质检测系统 | |
| JP2004527767A (ja) | 濃縮媒質に含まれる化学種の光学検出方法 | |
| Guo et al. | Development of a compact deep-sea Raman spectroscopy system and direct bicarbonate detection in sea trials | |
| KR20110042401A (ko) | 비접촉식 수질계측장치 | |
| CN110879217B (zh) | 光学测量系统和包括所述光学测量系统的方法 | |
| CN108760710B (zh) | 一种基于f-p腔增强的水污染在线监测装置及其应用方法 |
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 |
Application publication date: 20210416 |
|
| RJ01 | Rejection of invention patent application after publication |