CN116559162A - 一种基于图像识别技术的砂料mb值快速判定方法 - Google Patents
一种基于图像识别技术的砂料mb值快速判定方法 Download PDFInfo
- Publication number
- CN116559162A CN116559162A CN202310843765.0A CN202310843765A CN116559162A CN 116559162 A CN116559162 A CN 116559162A CN 202310843765 A CN202310843765 A CN 202310843765A CN 116559162 A CN116559162 A CN 116559162A
- Authority
- CN
- China
- Prior art keywords
- methylene blue
- color
- value
- sample
- image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 85
- 238000005516 engineering process Methods 0.000 title claims abstract description 24
- 229960000907 methylthioninium chloride Drugs 0.000 claims abstract description 274
- RBTBFTRPCNLSDE-UHFFFAOYSA-N 3,7-bis(dimethylamino)phenothiazin-5-ium Chemical compound C1=CC(N(C)C)=CC2=[S+]C3=CC(N(C)C)=CC=C3N=C21 RBTBFTRPCNLSDE-UHFFFAOYSA-N 0.000 claims abstract description 255
- 239000000725 suspension Substances 0.000 claims abstract description 96
- 239000004576 sand Substances 0.000 claims abstract description 58
- 238000002835 absorbance Methods 0.000 claims abstract description 39
- 239000000463 material Substances 0.000 claims abstract description 14
- 238000013507 mapping Methods 0.000 claims abstract description 9
- 239000010413 mother solution Substances 0.000 claims description 58
- 238000012360 testing method Methods 0.000 claims description 51
- 239000012452 mother liquor Substances 0.000 claims description 31
- 239000000243 solution Substances 0.000 claims description 28
- 239000007788 liquid Substances 0.000 claims description 19
- 239000013049 sediment Substances 0.000 claims description 14
- 241000533901 Narcissus papyraceus Species 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 239000003086 colorant Substances 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 239000006228 supernatant Substances 0.000 claims description 6
- 230000007704 transition Effects 0.000 claims description 6
- 125000001475 halogen functional group Chemical group 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 239000004615 ingredient Substances 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 2
- 239000000843 powder Substances 0.000 description 23
- 239000004575 stone Substances 0.000 description 13
- 238000004519 manufacturing process Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 238000002360 preparation method Methods 0.000 description 5
- 229920004449 Halon® Polymers 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- PXBRQCKWGAHEHS-UHFFFAOYSA-N dichlorodifluoromethane Chemical compound FC(F)(Cl)Cl PXBRQCKWGAHEHS-UHFFFAOYSA-N 0.000 description 4
- 239000011521 glass Substances 0.000 description 4
- 239000002244 precipitate Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000007620 mathematical function Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000012153 distilled water Substances 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000001179 sorption measurement Methods 0.000 description 2
- 238000010561 standard procedure Methods 0.000 description 2
- 238000003756 stirring Methods 0.000 description 2
- 239000011550 stock solution Substances 0.000 description 2
- 239000008399 tap water Substances 0.000 description 2
- 235000020679 tap water Nutrition 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 238000004448 titration Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005119 centrifugation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000007598 dipping method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 125000000325 methylidene group Chemical group [H]C([H])=* 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Plasma & Fusion (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Investigating Or Analysing Materials By The Use Of Chemical Reactions (AREA)
Abstract
本发明公开了一种基于图像识别技术的砂料MB值快速判定方法,属于材料分析技术领域,本发明的方法结合图像识别技术建立亚甲蓝在滤纸上的色晕颜色同分光光度计测得亚甲蓝吸光度和浓度进行映射,直接通过图像颜色识别定量判断出试样悬浊液中亚甲蓝的残留量,获得的MB值更准确,且本发明的方法可向砂料生产端移植,拓展了MB值检测的使用范围,使其不在局限于实验室检测,使得砂料在生产过程中就可完成MB值的快速判定,并且可根据MB值,在生产过程中就实现砂料的及时优化、调配,提高生产效率。
Description
技术领域
本发明涉及材料分析技术的领域,尤其涉及一种利用MB值判定砂料的成分的方法。
背景技术
在建筑、建材、混凝土领域,因天然砂资源短缺,机制砂或混合砂已广泛应用于实际生产中。机制砂在加工生产过程中,受原材材质、加工环境、工艺条件等因素的限制及影响,机制砂中含粉量大,且存在石粉与泥粉相互混合。若机制砂中含有过多的泥粉,会显著影响混凝土的性能(如:和易性、强度和耐久性等)。使用亚甲蓝测定机制砂或混合砂中石粉含量的方法,已经成为国家和行业所通行的标准规范,且在标准规范中明确规定两种测定方法。这两种方法分别为使用亚甲蓝测定的逐步判定法和快速判定法。逐步判定法:在原集料(机制砂或含机制砂的混合砂)悬浮液中,逐步多次加入少量的亚甲蓝溶液,每次加入后按一定转速至少搅拌1min后,用玻璃棒蘸取1滴悬浮液,并滴在滤纸上,再观察滤纸上沉淀物周围是否出现明显且稳定的蓝色色晕或色环,当色晕宽度出现1mm以上,即可判定为终点,并计算亚甲蓝母液的总消耗量,最后根据原理及公式计算出MB值进行判定,此法在实际操作中通常需要反复操作5~10次,才能确定终点。快速判定法:一次性向原集料悬液中加入30mL亚甲蓝溶液,再以一定转速持续搅拌8min,然后用玻璃棒蘸取1滴悬浮液,滴于滤纸上,观察沉淀物周围是否出现明显且稳定的蓝色色晕,且色晕宽度须在1mm以上,若出现明显色晕则判定亚甲蓝快速试验为合格,即原集料是以石粉为主,反之未出现明显色晕,则判定亚甲蓝快速试验为不合格,即原集料是以泥粉为主,但此法是不能计算出具体的MB值,只做定性判断。这种两种方法,存在明显的缺陷,主要体现如下:其一,逐步判定法中对实验人员的操作要求较高,需要准确把握亚甲蓝的添加量,准确把控添加终点,通常亚甲蓝是添加过量,使得MB值存在一定偏差,同时该法需要进行重复性的步骤,使得试验方法相对耗时,此两点使得该法难以向现场生产领域迁移应用;其二,快速判定法只能做定性判断,无法计算出具体的MB值,就无法根据MB值对原机制砂或混合砂进行优化、调配,使得该法应用范围受限。
基于此,本专利提出一种基于图像识别技术的砂料MB值快速判定方法,可直接应用于生产环境下砂料MB值的快速判定。
发明内容
针对上述现有技术中存在重复操作、试验时间长、难以准确把控亚甲蓝的加入量、MB值偏大、不能很好地对原集料进行调配优化、难以向现场生产领域迁移应用等技术难题,本发明在原亚甲蓝试验方法的基础上,利用可见光分光光度计测出溶液中亚甲蓝残余量,并结合图像识别技术建立亚甲蓝在滤纸上的色晕颜色同分光光度计测得亚甲蓝吸光度和浓度进行映射,直接通过图像颜色识别出亚甲蓝的残留量,再计算出MB值,即通过图像颜色值计算出MB值,进而判断砂料的成分。
为达到上述目的,本发明采用的技术方案如下:
一种基于图像识别技术的砂料MB值快速判定方法,包括:在砂料中加入亚甲蓝溶液,根据试样悬浊液液滴在滤纸上的显色情况判定砂料成分情况,其特征在于,采用图像识别技术获得悬浊液中的亚甲
蓝吸光度和浓度关系曲线进行映射,计算出砂料MB值,进而判定砂料成分情况。
区别于现有技术用人眼观测亚甲蓝的色晕以判断终点的方式,本发明主要采用图像识别技术对实验悬浊液和亚甲蓝母液的试滴在滤纸上的色晕颜色值进行表征,结合亚甲蓝吸光度和浓度关系曲线,得道亚甲蓝的消耗量,计算MB值,进而对砂料进行定性或定量判定。
进一步地,所述基于图像识别技术的砂料MB值快速判定方法具体为:
绘制亚甲蓝标准曲线;
配制亚甲蓝母液;
标定亚甲蓝母液浓度;
制备试样悬浊液;
添加亚甲蓝母液;
滤纸滴定;
试滴图像采集;
试滴图像识别;
试样MB值判定。
在绘制亚甲蓝标准曲线时,首先配制不同浓度的标准亚甲蓝溶液,然后在相对最大吸光度波长下,测定不同浓度亚甲蓝的吸光度,建立亚甲蓝标准浓度与吸光度的相关关系,本次拟合成线性的数学函数关系式。此数学函数关系式,可用于在相同或类似环境条件下任意含有亚甲蓝溶液中亚甲蓝浓度的预测,但本发明方法中主要用于试样所使用的亚甲蓝母液浓度的标定,从而获得初始亚甲蓝母液浓度所对应的吸光度。
配制亚甲蓝母液时,取一定量的亚甲蓝配制成一定浓度的亚甲蓝溶液,即亚甲蓝母液。亚甲蓝母液的配制,可按标准规范中亚甲蓝溶液的配制方法进行配制,也可任意溶度配制,但亚甲蓝母液浓度不宜偏低。
通过亚甲蓝标准曲线标定出母液浓度C0时,配制好的亚甲蓝溶液取样,在分光光度计下测定亚甲蓝吸光度A0,其波长取亚甲蓝的相对最大吸光度所对应的波长,同时将亚甲蓝母液通过亚甲蓝标准曲线标定出亚甲蓝母液浓度C0。
制备试样悬浊液时,首先称取一定量的砂料试样,须记录下初始质量值M1(湿重),然后测定试样的净干重量M2,该净干重也可采用已知含水率 (相对干重的含水率)进行推算,公式如下:(8)
取样用量不宜太小,应超过50g,精度至少为1g,且宜采用多点取样综合评估出试样的含水率。
将砂料试样,加入一定量的蒸馏水或自来水溶液中,定容、搅拌,制备成悬浮液,并记录悬浮液体积V0(可以是用水体积)。试样悬浮液制备方法可参照并移植标准规范方法,也可自定义,重点是能够形成相对稳定的悬浮液,不能太粘稠、太稀释,可以配制成不同相对溶度悬浮液,即设置不同梯度进行测试,以衡量试样对亚甲蓝吸附的稳定性。
亚甲蓝母液添加方法,可参考标准规范任意一种方法。逐步判断法不必要求那么严格,但需确保亚甲蓝母液添加过量,且试样原液对亚甲蓝进行了充分吸附。若采用快速判定法,若加入亚甲蓝母液被完全吸附,则须补加亚甲蓝溶液。两种方法均须记录亚甲蓝母液的总用量V1。
滤纸滴定时取一定速率的白色滤纸,水平放置,然后用玻璃棒或滴液管向滤纸上滴试样悬浊液液滴,记录下液滴下落的初始时刻t1。
本发明结合图像识别技术建立亚甲蓝在滤纸上的色晕颜色同分光光度计测得亚甲蓝吸光度和浓度进行映射,直接通过图像颜色识别出亚甲蓝的残留量。因此需要对滤纸上的试样滴液进图像采集,通过其颜色值识别出亚甲蓝残留量。
在进行图像采集时,包括两种,试样图像采集和亚甲蓝母液图像采集。其中,试样图像采集是指添加亚甲蓝的试样悬浮液所形成的试滴图像,亚甲蓝母液图像采集是指亚甲蓝母液所形成的试滴图像,此图像是作为亚甲蓝的参考色。图像采集时应该取稳定的亚甲蓝试滴图像作为最终目标图像,稳定图像的判断方式,可通过印迹区域范围不再扩大变化作为终点,也可将色晕区域颜色值不再发生显著的变化作为终点。
试样图像采集有两种方法,不同的试样图像采集方法对应的图像识别方法也不同:
在一个具体的实施例中,试样图像采集的方法为:直接取试样悬浊液所形成的试滴图像,同时提取所述亚甲蓝母液所形成的试滴图像。
由于试样悬浊液中分散有石粉和泥粉,其悬浊液试样的试滴中含有各种沉淀物,附有沉淀物的区域颜色不同于纯的亚甲蓝溶液的区域颜色,其图像识别的方法为:
(1)图像整体去噪声,平滑图像,识别噪点像素点和噪点区域进行图像过滤,采用2倍或3倍标准差识别噪点像素点进行图像过滤;
(2)图像分割,将图像分割为滤纸白色背景颜色区域、试样悬浊液水印背景颜色区域、试样悬浊液亚甲蓝色晕颜色区域、试样悬浊液沉淀物颜色区域、亚甲蓝母液试滴颜色区域,利用不同区域所形成的色差梯度区分出不同颜色区域,同时切除相邻颜色区域所形成的过渡色,仅保留每个区域最核心区域的真实颜色;
(3)计算每个区域颜色值的均值,将每个区域颜色转化为RGB格式,然后剔除R通道颜色,然后计算出G和B通道颜色,每个通道采用加权方式取两个通道的和值作为每个颜色区域的颜色值,记录滤纸白色背景颜色区域的颜色值BG1、亚甲蓝色晕颜色区域颜色值BG3、亚甲蓝母液颜色区域颜色值BG4,当无法有效识别出试样悬浊液亚甲蓝色晕颜色区域时,可取试样悬浊液水印背景颜色作为试样悬浊液亚甲蓝色晕颜色。
在实际工作中,也可以将水印背景颜色区域颜色值BG2、沉淀物颜色区域颜色值BG5也作为图像识别的对象,用以计算MB值时扣除背景或校正,使MB值更精确。
在另一个实施例中,试样图像采集的方法为:将所述试样悬浊液在充分吸附之后,取样进行离心,然后取离心上清液进行试滴,并形成试滴图像,同时提取亚甲蓝母液所形成的试滴图像。由于该方法中试样悬浊液经过离心分离,上清液中不含沉淀物或沉淀物较少,其试滴图像可不考虑沉淀物所形成的颜色区域,因此,这种试样图像采集方法对应的图像识别方法为:
(1)图像整体去噪声,平滑图像,识别噪点像素点和噪点区域进行图像过滤;采用2倍或3倍标准差识别噪点像素点进行图像过滤;
(2)图像分割,将图像分割为滤纸白色背景颜色区域、试样离心液水印背景颜色区域、试样离心液亚甲蓝色晕印迹颜色区域、亚甲蓝母液试滴颜色区域,同时切除相邻颜色区域所形成的过渡色,仅保留每个区域最核心区域的真实颜色;
(3)计算每个区域颜色值的均值,将每个区域颜色转化为RGB格式,然后剔除R通道颜色,然后计算出G和B通道颜色,每个通道采用加权方式取两个通道的和值作为每个颜色区域的颜色值,记录滤纸白色背景颜色区域的颜色值BG1、水印背景颜色区域颜色值BG2、亚甲蓝色晕颜色区域颜色值BG3、亚甲蓝母液颜色区域颜色值BG4, 当无法有效识别出试样悬浊液亚甲蓝色晕颜色区域时,可取试样悬浊液水印背景颜色作为试样悬浊液亚甲蓝色晕颜色。
MB值判定方法为:
S1:计算所述试样悬浊液所形成的残留亚甲蓝色晕真实颜色值
(1)
式中,Y1为残留亚甲蓝色晕真实颜色值,BG3为亚甲蓝色晕颜色区域,BG1为滤纸白色背景颜色区域的颜色值;
S2:计算所述亚甲蓝母液所形成的色晕真实颜色值
(2)
式中,Y2为亚甲蓝母液色晕真实颜色值,BG4为亚甲蓝母液颜色区域颜色值,BG1为滤纸白色背景颜色区域的颜色值;
对于不同组分的悬浊液,悬浊液自身背景液的吸光度因原集料的类型和浓度差别而影响较大,为了跟精确地检测亚甲蓝的色晕的真实颜色值,通过式(1)与(2)中减去BG1,清除了悬浊液自身背景对吸光度的影响,得到试样悬浊液中残留的亚甲蓝以及亚甲蓝母液中的亚甲蓝对应的色晕的真实颜色值。此处忽略水印造成的背景干扰,因为实际操作中水印会随着时间干燥而消失,不利于操作,且水印干燥消失后与变色滤纸的颜色值接近,因此为方便操作,此处只考虑滤纸颜色的背景扣除,忽略水印背景颜色区域颜色值BG2。
S3:计算试样残留亚甲蓝色晕真实颜色值相对于亚甲蓝母液色晕真实颜色值的比率
(3)
S4:计算试样残留亚甲蓝溶液所对应的吸光度
(4)
式中,A1为残留亚甲蓝溶液的吸光度,A0为亚甲蓝母液的吸光度,为亚甲蓝颜色值向吸光度映射时的偏差矫正系数;
S5:计算试样残留亚甲蓝浓度
利用所述亚甲蓝标准曲线,计算出残留亚甲蓝的浓度C1;
利用公式(3)将悬浊液中残留亚甲蓝的颜色值与亚甲蓝母液中的亚甲蓝颜色值进行相比,得到二者颜色值的比率,再通过公式(4)利用颜色值的比率得到试样悬浊液残留亚甲蓝的吸光度,再通过亚甲蓝标准曲线得到试样悬浊液中残留亚甲蓝的浓度C1。
S6:计算试样亚甲蓝的残留量和消耗量
试样亚甲蓝的残留量:
(5)
为了消除亚甲蓝母液加入试样悬浊液引起的总体积变化带来的误差,得到更精确的计算结果,计算亚甲蓝残留量时总体积将加入的亚甲蓝母液的体积也计算在内。
试样吸附亚甲蓝的消耗量:
(6)
式中,W1,W2分别为亚甲蓝的残留量和消耗量,V0是实验悬浊液体积,V1为亚甲蓝母液的消耗体积,C0为亚甲蓝母液浓度;
S7:计算MB值
(7)
式中,M2为砂料试样的净干重量,为放大倍数;
在计算时,当试样量纲为g时,需转化为Kg,所计算的MB值应同国标中数值范围保持一致。
S8:根据MB值进行判定
根据MB数值大小对砂料成分进行判定。有了MB值,实际操作中,根据场景和需要不同,可根据MB值对砂料的成分进行定性判定或定量判定。
在建筑混凝土领域,使用亚甲蓝测定MB值,用于砂料中石粉含量的判定,并根据MB值判断砂料中石粉和泥粉情况,其判断标准:当MB值<1.4时,则判定原集料是以石粉为主;而当MB值≥1.4时,则判定原集料是以泥粉为主的石粉。在实际工业应用中,则根据这个MB值,针对原集料给出具体的意见和措施,具体体现为对原集料的肯定与否定,以及原集料的优化调配。
与现有技术相比,本发明具有以下有益效果:
传统方法直接根据亚甲蓝色晕的出现判断亚甲蓝的消耗量,无法定量获得试样悬浊液中亚甲蓝的残留量,只能忽略亚甲蓝的残留量,从而导致最后测得的MB值偏大,而本发明的方法结合图像识别技术建立亚甲蓝在滤纸上的色晕颜色同分光光度计测得亚甲蓝吸光度和浓度进行映射,直接通过图像颜色识别定量判断出亚甲蓝的残留量,更加准确地计算出MB值。
此外,本发明克服了现有技术中重复操作、试验时间长、难以准确把控亚甲蓝的加入量、不能很好地对原集料进行调配优化,难以向现场生产领域迁移应用等技术难题,实现了传统检测方法向砂料生产端移植,拓展了MB值检测的使用范围,使其不在局限于实验室检测,使得砂料在生产过程中就可完成MB值的快速判定,并且可根据MB值,在生产过程中就实现砂料的及时优化、调配,提高生产效率。
附图说明
图1是本发明实施例1的方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
本实施例技术方案为:一种基于图像识别技术的砂料MB值快速判定方法,包括在砂料中加入亚甲蓝溶液,根据试样悬浊液液滴在滤纸上的显色情况判定砂料成分,采用图像识别技术获得悬浊液中的亚甲蓝和亚甲蓝母液中亚甲蓝在滤纸上的色晕颜色值,然后同亚甲蓝吸光度和浓度关系曲线进行映射,计算出MB值,判定砂料成分。
区别于现有技术用人眼观测亚甲蓝的色晕以判断终点的方式,本发明主要采用图像识别技术对实验悬浊液和亚甲蓝母液的试滴在滤纸上的色晕颜色值进行表征,结合亚甲蓝吸光度和浓度关系曲线,得道亚甲蓝的消耗量,计算MB值,进而对砂料进行定性或定量判定。
如图1所示,本实施例的方案具体包括如下步骤:
(一)绘制亚甲蓝标准曲线;
(二)配制亚甲蓝母液;
(三)标定亚甲蓝母液浓度;
(四)制备试样悬浊液;
(五)添加亚甲蓝母液;
(六)滤纸滴定;
(七)试滴图像采集;
(八)试滴图像识别;
(九)试样MB值判定。
以上方法的步骤具体如下:
(一)绘制亚甲蓝标准曲线
配制不同浓度的标准亚甲蓝溶液,然后在相对最大吸光度波长下,测定不同浓度亚甲蓝的吸光度,建立亚甲蓝标准浓度与吸光度的相关关系,拟合成线性的数学函数关系式。此数学函数关系式,可用于在相同或类似环境条件下任意含有亚甲蓝溶液中亚甲蓝浓度的预测,但本专利方法中主要用于试样所使用的亚甲蓝母液浓度的标定。
(二)配制亚甲蓝母液
取一定量的亚甲蓝配制成一定浓度的亚甲蓝溶液,即亚甲蓝母液。亚甲蓝母液的配制,可按标准规范中亚甲蓝溶液的配制方法进行配制,也可任意溶度配制,所配制亚甲蓝母液浓度不宜偏小。
(三)通过亚甲蓝标准曲线标定出亚甲蓝母液浓度C0
配制好的亚甲蓝溶液取样,在分光光度计下测定亚甲蓝吸光度A0,其波长取亚甲蓝的相对最大吸光度所对应的波长,同时将亚甲蓝母液通过标准曲线关系式标定出亚甲蓝母液浓度C0。
(四)试样搅拌悬浮液制备
(1)称取一定量的砂料试样,须记录下初始质量值M1(湿重),然后测定试样的净干重量M2,该净干重也可采用已知含水率 (相对干重的含水率)进行推算,公式如下:
(8)
取样用量不宜太小,应超过50g,且精度至少为1g。
(2)将砂料试样,加入一定量的蒸馏水或自来水溶液中,定容、搅拌,制备成悬浮液,并记录悬浮液体积V0(可以是用水体积)。试样悬浮液制备方法可参照并移植标准规范方法,也可自定义,重点是能够形成相对稳定的悬浮液,不能太粘稠、太稀释,可以配制成不同相对溶度悬浮液,即设置不同梯度进行测试,以衡量试样对亚甲蓝吸附的稳定性。
(五)添加亚甲蓝母液
亚甲蓝母液添加方法,可参考标准规范任意一种方法。本实施例采用逐步判断法,要求不严格了,但需确保亚甲蓝母液添加过量,且试样原液对亚甲蓝进行了充分吸附。若采用快速判定法,若加入亚甲蓝母液被完全吸附,则须补加亚甲蓝溶液。两种方法均须记录亚甲蓝母液的总用量V1。
(六)滤纸滴定
取一定速率的白色滤纸,水平放置,然后用玻璃棒或滴液管向滤纸上滴试样悬液液滴,记录下液滴下落的初始时刻t1。
(七)试滴图像采集
采用一定分辨率摄像头采取试滴在滤纸上所形成的液体扩散近圆形图像,需拍摄一定范围的白色滤纸背景区域。试滴取样方式,可以设置间隔时间进行连续拍摄,也可设置一个较大的时间范围进行最后拍摄,每次拍摄均记录下时刻t。
在进行图像采集时,包括两种采集,试样图像采集和亚甲蓝母液图像采集。其中,试样图像采集是指添加亚甲蓝的试样悬浮液所形成的试滴图像,亚甲蓝母液图像采集是指亚甲蓝母液所形成的试滴图像,此图像是作为亚甲蓝的参考色。图像采集时应该取稳定的亚甲蓝试滴图像作为最终目标图像,稳定图像的判断方式,可通过印记区域范围不再扩大变化作为终点,也可将色晕区域颜色值不再发生显著的变化作为终点。
图像采集1:添加亚甲蓝的试样悬浮液所形成的试滴图像
图像采集2:须滴加亚甲蓝母液所形成的试滴图像,此图像是作为亚甲蓝的参考色。
试滴图像采集有两种方法:
方法1:直接取上述添加亚甲蓝后的试样悬液所形成的试滴图像,同时提取亚甲蓝母液所形成的试滴图像。
方法2:将上述试样悬液在充分吸附之后,取样进行离心,然后取离心上清液进行试滴,并形成拍摄试滴图像,同时提取亚甲蓝母液所形成的试滴图像。
本实施例采用第一种方法,即:直接取所述试样悬浊液所形成的试滴图像,同时提取所述亚甲蓝母液所形成的试滴图像。
(八)图像识别
试滴图像采集方法不同,图像识别方法也有所不同。
本实施例采用直接取试样悬浊液所形成的试滴图像的方法,由于试样悬浊液中分散有石粉和泥粉,其悬浊液试样的试滴中含有各种沉淀物,附有沉淀物的区域颜色不同于纯的亚甲蓝溶液的区域颜色,其图像识别的方法为:
(1)图像整体去噪声,平滑图像,采用2倍或3倍标准差识别噪点像素点进行图像过滤;
(2)图像分割,将图像分割为滤纸白色背景颜色区域、试样悬液水印背景颜色区域、试样悬液亚甲蓝色晕颜色区域、试样悬液沉淀物颜色区域、亚甲蓝母液试滴颜色区域。此步骤关键要点在于不同颜色区域边界的处理,利用不同区域所形成的色差梯度区分出不同颜色区域,同时切除一定像素宽度的区域颜色边界,此边界颜色是两种颜色区域所形成的过渡色,仅保留每个区域最核心区域的真实颜色。切除颜色边界方式有3种:其一,按固定像素宽度进行切除;其二,按比例计算像素宽度进行切除;其三,设置像素波动算法自动识别过渡区域进行切除。
(3)计算每个区域颜色值的均值,将每个区域颜色转化为RGB格式,然后剔除R通道颜色,然后计算出G和B通道颜色,每个通道采用加权方式取两个通道的和值作为每个颜色区域的颜色值。记录滤纸白色背景颜色区域的颜色值BG1、水印背景颜色区域BG2、亚甲蓝色晕颜色区域BG3、亚甲蓝母液颜色区域BG4、沉淀物颜色区域BG5。当无法有效识别出试样悬液亚甲蓝色晕颜色区域时,可取试样悬液水印背景颜色作为试样悬液亚甲蓝色晕颜色。
在实际工作中,也可以将水印背景颜色区域颜色值BG2、沉淀物颜色区域颜色值BG5也作为图像识别的对象,用以计算MB值时扣除背景或校正,使MB值更精确。
(九)MB值判定
MB值的判定方法为:
S1:计算所述试样悬浊液所形成的残留亚甲蓝色晕真实颜色值
(1)
式中,Y1为残留亚甲蓝色晕真实颜色值,BG3为亚甲蓝色晕颜色区域,BG1为滤纸白色背景颜色区域的颜色值;
S2:计算所述亚甲蓝母液所形成的色晕真实颜色值
(2)
式中,Y2为亚甲蓝母液色晕真实颜色值,BG4为亚甲蓝母液颜色区域颜色值,BG1为滤纸白色背景颜色区域的颜色值;
对于不同组分的悬浊液,悬浊液自身背景液的吸光度因原集料的类型和浓度差别而影响较大,为了跟精确地检测亚甲蓝的色晕的真实颜色值,通过式(1)、(2)中减去BG1,清除了悬浊液自身背景对吸光度的影响,得到试样悬浊液中残留的亚甲蓝以及亚甲蓝母液中的亚甲蓝对应的色晕的真实颜色值。此处忽略水印造成的背景干扰,因为实际操作中水印会随着时间干燥而消失,不利于操作,且水印干燥消失后与变色滤纸的颜色值接近,因此为方便操作,此处只考虑滤纸颜色的背景扣除。
S3:计算试样残留亚甲蓝色晕真实颜色值相对于亚甲蓝母液色晕真实颜色值的比率
(3)
S4:计算试样残留亚甲蓝溶液所对应的吸光度
(4)
式中,A1为残留亚甲蓝溶液的吸光度,A0为亚甲蓝母液的吸光度,为亚甲蓝颜色值向吸光度映射时的偏差矫正系数;
S5:计算试样残留亚甲蓝浓度
利用所述亚甲蓝标准曲线,计算出残留亚甲蓝的浓度C1;
利用公式(3)将悬浊液中残留亚甲蓝的颜色值与亚甲蓝母液中的亚甲蓝颜色值进行相比,得到二者颜色值的比率,再通过公式(4)利用颜色值的比率得到试样悬浊液残留亚甲蓝的吸光度,再通过亚甲蓝标准曲线得到试样悬浊液中残留亚甲蓝的浓度C1。
S6:计算试样亚甲蓝的残留量和消耗量
试样亚甲蓝的残留量:
(5)
为了消除亚甲蓝母液加入试样悬浊液引起的总体积变化带来的误差,得到更精确的计算结果,计算亚甲蓝残留量时总体积将加入的亚甲蓝母液的体积也计算在内。
试样吸附亚甲蓝的消耗量:
(6)
式中,W1,W2分别为亚甲蓝的残留量和消耗量,V0是实验悬浊液体积,V1为亚甲蓝母液的消耗体积,C0为亚甲蓝母液浓度;
S7:计算MB值
(7)
式中,M2为砂料试样的净干重量,为放大倍数;
在计算时,当试样量纲为g时,需转化为Kg,所计算的MB值应同国标中数值范围保持一致。
S8:根据MB值进行判定
根据MB数值大小进行定性或定量判定。
在建筑混凝土领域,使用亚甲蓝测定MB值,用于砂料中石粉含量的判定,并根据MB值判断砂料中石粉和泥粉情况,其判断标准:当MB值<1.4时,则判定原集料是以石粉为主;而当MB值≥1.4时,则判定原集料是以泥粉为主的石粉。在实际工业应用中,则根据这个MB值,针对原集料给出具体的意见和措施,具体体现为对原集料的肯定与否定,以及原集料的优化调配。
实施例2
实施例2相对实施例1,图像采集的方法和图像识别的方法不同。在实施例2中,试样图像采集的方法为:将所述试样悬浊液在充分吸附之后,取样进行离心,然后取离心上清液进行试滴,并形成试滴图像,同时提取亚甲蓝母液所形成的试滴图像。由于该方法中试样悬浊液经过离心分离,上清液中不含沉淀物或沉淀物较少,其试滴图像可不考虑沉淀物所形成的颜色区域,因此,这种试样图像采集方法对应的图像识别方法为:
(1)图像整体去噪声,平滑图像,采用2倍或3倍标准差识别噪点像素点进行图像过滤;
(2)图像分割,将图像分割为滤纸白色背景颜色区域、试样离心液水印背景颜色区域、试样离心液亚甲蓝色晕印迹颜色区域、亚甲蓝母液试滴颜色区域。同方法一,该步骤关键在于不同颜色区域边界的处理,不再赘述。
(3)计算每个区域颜色值的均值,将每个区域颜色转化为RGB格式,然后剔除R通道颜色,然后计算出G和B通道颜色,每个通道采用加权方式取两个通道的和值作为每个颜色区域的颜色值。记录滤纸白色背景颜色区域的颜色值BG1、水印背景颜色区域BG2、亚甲蓝色晕颜色区域BG3、亚甲蓝母液颜色区域BG4。当无法有效识别出试样悬液亚甲蓝色晕颜色区域时,可取试样悬液水印背景颜色作为试样悬液亚甲蓝色晕颜色。
当然,本发明还可有其它多种实施方式,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (8)
1.一种基于图像识别技术的砂料MB值快速判定方法,包括:在砂料中加入亚甲蓝溶液,根据试样悬浊液液滴在滤纸上的显色情况判定砂料成分情况,其特征在于,采用图像识别技术获得悬浊液中的亚甲蓝残留液和亚甲蓝母液中亚甲蓝在滤纸上的色晕颜色值,然后同亚甲蓝吸光度和浓度关系曲线进行映射,计算出砂料MB值,进而判定砂料成分。
2.根据权利要求1所述的一种基于图像识别技术的砂料MB值快速判定方法,其特征在于,所述方法具体包括:
绘制亚甲蓝标准曲线;
配制亚甲蓝母液;
标定亚甲蓝母液浓度;
制备试样悬浊液;
添加亚甲蓝母液;
滤纸滴定;
试滴图像采集;
试滴图像识别;
试样MB值判定。
3.根据权利要求2所述的一种基于图像识别技术的砂料MB值快速判定方法,其特征在于,所述试滴图像采集包括试样图像采集和亚甲蓝母液图像采集。
4.根据权利要求3所述的一种基于图像识别技术的砂料MB值快速判定方法,其特征在于,所述试样图像采集的方法为:直接取所述试样悬浊液所形成的试滴图像,同时提取所述亚甲蓝母液所形成的试滴图像。
5.根据权利要求4所述的一种基于图像识别技术的砂料MB值快速判定方法,其特征在于,所述图像识别方法为:
(1)图像整体去噪声,平滑图像,识别噪点像素点和噪点区域进行图像过滤;
(2)图像分割,将图像分割为滤纸白色背景颜色区域、试样悬浊液水印背景颜色区域、试样悬浊液亚甲蓝色晕颜色区域、试样悬浊液沉淀物颜色区域、亚甲蓝母液试滴颜色区域,利用不同区域所形成的色差梯度区分出不同颜色区域,同时切除相邻颜色区域所形成的过渡色,仅保留每个区域最核心区域的真实颜色;
(3)计算每个区域颜色值的均值,将每个区域颜色转化为RGB格式,然后剔除R通道颜色,然后计算出G和B通道颜色,每个通道采用加权方式取两个通道的和值作为每个颜色区域的颜色值,记录滤纸白色背景颜色区域的颜色值BG1、亚甲蓝色晕颜色区域颜色值BG3、亚甲蓝母液颜色区域颜色值BG4,当无法有效识别出试样悬浊液亚甲蓝色晕颜色区域时,可取试样悬浊液水印背景颜色作为试样悬浊液亚甲蓝色晕颜色。
6.根据权利要求3所述的一种基于图像识别技术的砂料MB值快速判定方法,其特征在于,所述试样图像采集的方法为:将所述试样悬浊液在充分吸附之后,取样进行离心,然后取离心上清液进行试滴,并形成试滴图像,同时提取亚甲蓝母液所形成的试滴图像。
7.根据权利要求6所述的一种基于图像识别技术的砂料MB值快速判定方法,其特征在于,所述图像识别方法为:
(1)图像整体去噪声,平滑图像,识别噪点像素点和噪点区域进行图像过滤;
(2)图像分割,将图像分割为滤纸白色背景颜色区域、试样离心液水印背景颜色区域、试样离心液亚甲蓝色晕印迹颜色区域、亚甲蓝母液试滴颜色区域,同时切除相邻颜色区域所形成的过渡色,仅保留每个区域最核心区域的真实颜色;
(3)计算每个区域颜色值的均值,将每个区域颜色转化为RGB格式,然后剔除R通道颜色,然后计算出G和B通道颜色,每个通道采用加权方式取两个通道的和值作为每个颜色区域的颜色值,记录滤纸白色背景颜色区域的颜色值BG1、亚甲蓝色晕颜色区域颜色值BG3、亚甲蓝母液颜色区域颜色值BG4,当无法有效识别出试样悬浊液亚甲蓝色晕颜色区域时,可取试样悬浊液水印背景颜色作为试样悬浊液亚甲蓝色晕颜色。
8.根据权利要求5或7所述的一种基于图像识别技术的砂料MB值快速判定方法,其特征在于,所述MB值判定方法为:
S1:计算所述试样悬浊液所形成的残留亚甲蓝色晕真实颜色值
式中,Y1为残留亚甲蓝色晕真实颜色值,BG3为亚甲蓝色晕颜色区域,BG1为滤纸白色背景颜色区域的颜色值;
S2:计算所述亚甲蓝母液所形成的色晕真实颜色值
式中,Y2为亚甲蓝母液色晕真实颜色值,BG4为亚甲蓝母液颜色区域颜色值,BG1为滤纸白色背景颜色区域的颜色值;
S3:计算试样残留亚甲蓝色晕真实颜色值相对于亚甲蓝母液色晕真实颜色值的比率
S4:计算试样残留亚甲蓝溶液所对应的吸光度
式中,A1为残留亚甲蓝溶液的吸光度,A0为亚甲蓝母液的吸光度,为亚甲蓝颜色值向吸光度映射时的偏差矫正系数;
S5:计算试样残留亚甲蓝浓度
利用所述亚甲蓝标准曲线,计算出残留亚甲蓝的浓度C1;
S6:计算试样亚甲蓝的残留量和消耗量
试样亚甲蓝的残留量:
试样吸附亚甲蓝的消耗量:
式中,W1,W2分别为亚甲蓝的残留量和消耗量,V0是实验悬浊液体积,V1为亚甲蓝母液的消耗体积,C0为亚甲蓝母液浓度;
S7:计算MB值
式中,M2为砂料试样的净干重量,为放大倍数;
S8:根据MB值进行判定
根据MB数值大小对砂料成分进行判定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310843765.0A CN116559162B (zh) | 2023-07-11 | 2023-07-11 | 一种基于图像识别技术的砂料mb值快速判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310843765.0A CN116559162B (zh) | 2023-07-11 | 2023-07-11 | 一种基于图像识别技术的砂料mb值快速判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116559162A true CN116559162A (zh) | 2023-08-08 |
CN116559162B CN116559162B (zh) | 2023-09-08 |
Family
ID=87490192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310843765.0A Active CN116559162B (zh) | 2023-07-11 | 2023-07-11 | 一种基于图像识别技术的砂料mb值快速判定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116559162B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3418150A1 (de) * | 1984-05-16 | 1985-11-21 | Degussa Ag, 6000 Frankfurt | Aktivkohle und das verfahren zu ihrer herstellung |
JP2001124699A (ja) * | 1999-10-28 | 2001-05-11 | Miura Co Ltd | 溶存酸素濃度測定用指示薬 |
US20080003687A1 (en) * | 2006-06-28 | 2008-01-03 | The Board Of Trustees Operating Michigan State University | Hydroxyl radical detection |
CN105067607A (zh) * | 2015-07-26 | 2015-11-18 | 滁州学院 | 一种比色传感器及其制备方法及其在食品检测中的新应用 |
CN107192814A (zh) * | 2017-05-04 | 2017-09-22 | 内蒙古蒙牛乳业(集团)股份有限公司 | 组合试剂及利用其检测的方法 |
KR20180107556A (ko) * | 2017-03-22 | 2018-10-02 | 국방과학연구소 | 색도 측정을 이용한 미생물 농도 측정 방법 |
CN109187381A (zh) * | 2018-08-01 | 2019-01-11 | 中建西部建设西南有限公司 | 一种快速测定机制砂mb值的方法 |
JP2019027798A (ja) * | 2017-07-25 | 2019-02-21 | 東京電力ホールディングス株式会社 | フライアッシュのメチレンブルー吸着量の測定方法及び測定装置 |
CN111562194A (zh) * | 2020-05-19 | 2020-08-21 | 中交第四航务工程局有限公司 | 一种机制砂mb值的快速测试方法 |
CN116023098A (zh) * | 2022-12-31 | 2023-04-28 | 四川省川铁枕梁工程有限公司 | 一种低碳高耐久混凝土 |
-
2023
- 2023-07-11 CN CN202310843765.0A patent/CN116559162B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3418150A1 (de) * | 1984-05-16 | 1985-11-21 | Degussa Ag, 6000 Frankfurt | Aktivkohle und das verfahren zu ihrer herstellung |
JP2001124699A (ja) * | 1999-10-28 | 2001-05-11 | Miura Co Ltd | 溶存酸素濃度測定用指示薬 |
US20080003687A1 (en) * | 2006-06-28 | 2008-01-03 | The Board Of Trustees Operating Michigan State University | Hydroxyl radical detection |
CN105067607A (zh) * | 2015-07-26 | 2015-11-18 | 滁州学院 | 一种比色传感器及其制备方法及其在食品检测中的新应用 |
KR20180107556A (ko) * | 2017-03-22 | 2018-10-02 | 국방과학연구소 | 색도 측정을 이용한 미생물 농도 측정 방법 |
CN107192814A (zh) * | 2017-05-04 | 2017-09-22 | 内蒙古蒙牛乳业(集团)股份有限公司 | 组合试剂及利用其检测的方法 |
JP2019027798A (ja) * | 2017-07-25 | 2019-02-21 | 東京電力ホールディングス株式会社 | フライアッシュのメチレンブルー吸着量の測定方法及び測定装置 |
CN109187381A (zh) * | 2018-08-01 | 2019-01-11 | 中建西部建设西南有限公司 | 一种快速测定机制砂mb值的方法 |
CN111562194A (zh) * | 2020-05-19 | 2020-08-21 | 中交第四航务工程局有限公司 | 一种机制砂mb值的快速测试方法 |
CN116023098A (zh) * | 2022-12-31 | 2023-04-28 | 四川省川铁枕梁工程有限公司 | 一种低碳高耐久混凝土 |
Non-Patent Citations (2)
Title |
---|
MARAPPA N等: "Plant growth-promoting active metabolites from Frankia spp. of Actinorhizal Casuarina spp", APPLIED BIOCHEMISTRY AND BIOTECHNOLOGY, vol. 191, no. 1, pages 74 - 91 * |
曾涵荟: "膨润土的吸蓝量测试方法探讨", 中国非金属矿工业导刊, no. 3, pages 70 - 73 * |
Also Published As
Publication number | Publication date |
---|---|
CN116559162B (zh) | 2023-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110782455B (zh) | 一种基于图像处理方法测定原砂的含泥量的新方法 | |
CN101806747B (zh) | 一种膨润土吸蓝量测试方法 | |
CN106353312B (zh) | 一种基于微流控纸芯片技术的茶多酚含量快速检测方法 | |
CN110132916B (zh) | 一种金属元素的精确定量分析方法 | |
CN209589857U (zh) | 基于颜色传感器的水质快速检测系统 | |
US20120275958A1 (en) | Determination method and instruments of hexavalent chromium | |
CN106645325B (zh) | 检测食品中日落黄的电化学方法 | |
CN109852664B (zh) | 一种用于检测水华或赤潮水体中单一藻类生物量的方法 | |
CN116559162B (zh) | 一种基于图像识别技术的砂料mb值快速判定方法 | |
CN107807098A (zh) | 一种基于图像处理的重金属比色识别装置及方法 | |
CN106525826A (zh) | 基于颜色主波长和补色波长的分子智能手机速测方法 | |
CN112730733A (zh) | 一种海砂氯离子含量的检测方法 | |
CN107764757A (zh) | 用于检测目标离子含量的装置、系统、制备方法和目标物含量测定方法以及试剂盒 | |
CN101532983B (zh) | 双席夫碱铬(ⅲ)离子选择性电极的制备方法及应用 | |
CN101592644B (zh) | 油田水中钡离子的测定方法 | |
CN112748079A (zh) | 一种测定建筑用天然砂含泥量的方法 | |
CN109521011B (zh) | 一种便携式快速检测土壤中有效磷含量的测试盒及利用该测试盒测试土壤中有效磷的方法 | |
Iacono et al. | pH strip reader for beer samples based on image analysis | |
CN113324921A (zh) | 一种黄芪种子叶绿素含量测定模型的构建方法和应用 | |
CN114149593B (zh) | 金属有机框架UiO-66-NH2及其制备方法和应用 | |
CN108872213B (zh) | 一种测定Au82Ni合金中高含量镍元素的方法 | |
CN102156104A (zh) | 有机颜料耐溶剂性能定量评价方法 | |
CN108871999B (zh) | 一种烟梗尺寸对浸梗时间优化的预测试验方法 | |
CN118294332A (zh) | 一种半定量检测大米直链淀粉含量的方法 | |
CN110455794A (zh) | 一种基于面源污染的颗粒态磷的直接测定方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |