CN116858753B - 一种水体藻类浓度的测量方法及系统 - Google Patents
一种水体藻类浓度的测量方法及系统 Download PDFInfo
- Publication number
- CN116858753B CN116858753B CN202310552931.1A CN202310552931A CN116858753B CN 116858753 B CN116858753 B CN 116858753B CN 202310552931 A CN202310552931 A CN 202310552931A CN 116858753 B CN116858753 B CN 116858753B
- Authority
- CN
- China
- Prior art keywords
- algae
- value
- water sample
- light intensity
- actual
- 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.)
- Active
Links
- 241000195493 Cryptophyta Species 0.000 title claims abstract description 92
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 238000012937 correction Methods 0.000 claims abstract description 14
- 238000005259 measurement Methods 0.000 claims description 21
- 238000005070 sampling Methods 0.000 claims description 19
- 238000001228 spectrum Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims 1
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 229930002868 chlorophyll a Natural products 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 229930002875 chlorophyll Natural products 0.000 description 2
- 235000019804 chlorophyll Nutrition 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 238000002189 fluorescence spectrum Methods 0.000 description 2
- 238000004611 spectroscopical analysis Methods 0.000 description 2
- 238000009360 aquaculture Methods 0.000 description 1
- 244000144974 aquaculture Species 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000004163 cytometry Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012851 eutrophication Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1434—Optical arrangements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1434—Optical arrangements
- G01N2015/144—Imaging characterised by its optical setup
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明涉及一种水体藻类浓度的测量方法，包括以下步骤：S1获取不少于一个已知藻类浓度的含藻水样；S2测量含藻水样在有检测光束照射和无检测光束照射时的荧光光强，通过环境光校正公式计算得到实际测量值；S3重复步骤S2直到获得所述含藻水样的实际测量值数列，通过最优估计算法对所述含藻水样的实际测量值数列进行分析得到实际光强值；S4重复步骤S2至S3直到获得全部所述已知藻类浓度的含藻水样的实际光强值，与藻类浓度值进行拟合得到藻类浓度模型；S5利用步骤S2至S3中所述方法得到未知藻类浓度的待检水样的实际光强值，带入所述藻类浓度模型得到所述待检水样的藻类浓度值。本发明所述测量方法能够降低检测环境和检测系统带来的误差。
Description
技术领域
本发明涉及水质检测领域，特别是涉及一种水体藻类浓度的测量方法及系统。
背景技术
水质监测在水产养殖和环境保护中占有重要地位。叶绿素a浓度作为水质监测的关键要素之一，可以反映水体富营养化程度，而藻类浓度是衡量水体叶绿素a浓度的重要指标。
常规的藻类浓度测定方法包括细胞计数法和光谱法。细胞计数法通常在实验室使用显微镜对水样进行观察，并统计其中藻类细胞的数量。该方法准确度高，但实时性差、自动化程度低。光谱法主要通过叶绿素a在受光照时激发的荧光光谱来推算叶绿素的浓度。以荧光光谱法为原理的藻类浓度测量方法主要可分为被动式光源光谱法和主动式光源法。其中遥感光谱监测技术为被动式光源光谱，通过自然光光谱反演藻类浓度，该方法受限于遥感设备，受天气影响较大，且长期监测成本较高。主动式光源式通过设备主动提供激发光源，但常规的光学诱导叶绿素荧光监测设备没有考虑到环境光的变化对设备监测的影响，设备的环境缺陷较大。
发明内容
本发明所要解决的技术问题是提供一种水体藻类浓度的测量方法及系统，在提高检测准确度的同时，能够解决现有方法及设备实时性差、自动化程度低、对环境变化敏感的缺陷。
本发明解决其技术问题所采用的技术方案是：提供一种水体藻类浓度的测量方法，包括以下步骤：
S1获取不少于一个已知藻类浓度的含藻水样；
S2测量含藻水样在有检测光束照射和无检测光束照射时的荧光光强，通过环境光校正公式计算得到实际测量值；
S3重复步骤S2直到获得所述含藻水样的实际测量值数列，通过最优估计算法对所述含藻水样的实际测量值数列进行分析得到实际光强值；
S4重复步骤S2至S3直到获得全部所述已知藻类浓度的含藻水样的实际光强值，与藻类浓度值进行拟合得到藻类浓度模型；
S5利用步骤S2至S3中所述方法得到未知藻类浓度的待检水样的实际光强值，带入所述藻类浓度模型得到所述待检水样的藻类浓度值。
进一步的，步骤S3中所述最优估计算法为卡尔曼滤波。
进一步的，步骤S3中所述实际测量值数列的长度为能够使卡尔曼滤波结果收敛的最小迭代次数。
进一步的，步骤S2中所述实际测量值通过以下公式得到：
实际测量值＝原始测量值-环境光校正值
其中，原始测量值为被测水样在检测光束照射下的荧光光强，环境光校正值为所述被测水样在没有检测光束照射时的荧光光强。
进一步的，在步骤S1和步骤S2之间还包括确定用来发出检测光束的光源发生装置处于稳定状态的步骤。
进一步的，通过以下步骤来判断所述光源发生装置处于稳定状态：
对所述光源发生装置发出的检测光束的光强进行采样得到光强采样序列；
基于所述光强采样序列计算得到自相关系数；
基于所述自相关系数判断所述检测光束是否处于稳定状态。
进一步的，所述自相关系数ρk为
其中，k为信号时延，γ0为没有信号时延时的自协方差，γk为信号时延为k时的自协方差，通过以下公式计算得到
其中，N为采样序列的长度，k为信号时延，xn为所述采样序列中第n个数据，为所述采样序列的光强均值。
进一步的，当所述自相关系数小于0.1时所述光源发生装置处于稳定状态。
本发明还提供一种水体藻类浓度的测量系统，包括安装在同一个密闭光学检测平台中的光源发生装置、光谱检测装置、供电装置、通讯接口和主控装置；所述主控装置一方面控制所述光源发生装置发出检测光束，一方面通过所述光谱检测装置获取光强数据并通过所述通讯接口将相关数据传送至上位机；所述主控装置中还部署了藻类浓度模型，所述藻类浓度模型是通过如上所述任一水体藻类浓度的测量方法获得的。
有益效果
由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：
(1)本发明通过对光源发生装置所发出检测光束的采样分析，确定该装置处于稳定状态时再开始检测，提高了检测光束的稳定性，降低了光源质量对测量的干扰；
(2)本发明通过环境光校正降低了环境光对测量的干扰，对环境变化有更好的适应性。
(3)本发明通过卡尔曼算法进一步降低了系统误差对检测结果的影响，使处理后的光强值更接近实际值。
附图说明
图1是本发明的流程图；
图2是本发明的系统示意图；
图3是本发明的设备立体结构示意图。
具体实施方式
下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种水体藻类浓度的测量方法，如图1所示，包括以下步骤：
S1获取不少于一个已知藻类浓度的含藻水样；
S2测量含藻水样在有检测光束照射和无检测光束照射时的荧光光强，计算得到实际测量值；
S3重复步骤S2直到获得含藻水样的实际测量值数列，通过最优估计算法对含藻水样的实际测量值数列进行分析得到实际光强值；
S4重复步骤S2至S3直到获得全部已知藻类浓度的含藻水样的实际光强值，与藻类浓度值进行拟合得到藻类浓度模型；
S5利用步骤S2至S3中所述方法得到未知藻类浓度的待检水样的实际光强值，带入藻类浓度模型得到该待检水样的藻类浓度值。
进一步的，在步骤S1和步骤S2之间还包括确定用来发出检测光束的光源发生装置处于稳定状态的步骤。
在本实施方式中，采用激光器作为光源发生装置，采用波长为440nm的激光作为检测光束。激光器发射光强受温度影响，有一个达到稳定状态的过程，因为440nm光谱数据和激光工作的电流数据高度正相关，通过计算时间序列信号光谱数据的自相关系数，可以判断其是否为平稳序列，进而确定设备是否处于稳定状态，具体步骤为：
对激光器发出的检测光束的光强数据进行采样得到光强采样序列；
基于该光强采样序列计算得到自相关系数；
基于该自相关系数判断激光器是否处于稳定状态。
其中，自相关系数ρk为
其中，k为信号时延，γ0为没有信号时延时的自协方差，γk为信号时延为k时的自协方差，通过以下公式计算得到
其中，N为采样序列的长度，k为信号时延，xn为所述采样序列中第n个数据，为所述采样序列的光强均值。
在本实施方式中，我们设定N为100，即测量系统读取到100组光强数据记为{x1，x2，x3…x100}，选取信号时延k为4，通过以下公式分别计算自协方差γ4和γ0的值
在本实施方式中，认定自相关系数ρ4<0.1时该组数据为平稳时间序列，即激光器处于稳定状态。
藻类被波长为440nm的检测光束诱导产生波长为680nm的激发光，通过读取并分析680nm的光强数据与藻类浓度数据进行拟合，实现利用680nm的光强数据来反演藻类浓度。
根据步骤S2测量含藻水样的荧光光强得到实际测量值，该实际测量值是经过环境光校正的，具体公式为
实际测量值＝原始测量值-环境光校正值
其中，原始测量值为被测水样在检测光束照射下的荧光光强，环境光校正值为被测水样在没有检测光束照射时的荧光光强。
实验模拟6种不同的环境光条件对环境光校正算法的测试，在同一环境光条件下分别进行重复测量，取得多次测量下的光强平均值。测量结果见表1，可以看到通过环境光校正，680nm光强差值保持稳定，可见环境光校正算法提高了测量系统对环境条件的抗干扰性。
表1环境光校验数据结果
基于时序t通过控制激光器的开启与闭合，对水样进行100次检测得到该水样的实际测量值数列，然后利用卡尔曼滤波对数列进行最优化估计得到实际光强值，具体方法如下：
首先，预估t时刻的实际光强值为
表示t时刻的先验估计状态，即t-1时刻预估t时刻的实际光强值。/>表示t-1时刻的后验估计值。
表示t时刻的先验预估误差协方差，即根据t-1时刻预测t时刻的预估误差协方差，/>表示t-1时刻的后验估计协方差，是滤波结果之一。
接下来，更新卡尔曼增益Kt
Kt表示卡尔曼增益，是滤波过程的中间结果，R表示测量噪声协方差，即在测量过程中的系统误差；表示在t时刻根据卡尔曼增益和先验预估误差协方差所计算的后验估计协方差，是滤波结果之一，具体计算公式为
通过以下公式不断进行迭代计算
其中，表示t时刻的后验估计值，Zt表示实际测量值。
设置R为0.1，初始先验预估误差协方差设为1，初始预估值/>为0。对100组数据通过卡尔曼算法不断迭代，最终得到/>即为此次测量所得的实际光强值。
采用上述方法，对多个已知藻类浓度的含藻水样进行测量得到相应的实际光强值，与藻类浓度数据进行拟合得到藻类浓度模型。
对未知藻类浓度的待检水样，通过上述方法测量并计算得到待检水样的实际光强值，将其带入上述藻类浓度模型可以得到该水样的藻类浓度。在实际应用中，可以将拟合模型和上述方法部署在仪器中，该仪器实时获取测量数据，计算得出当前水体的藻类浓度。
表2是在测试拟合模型在4组待测溶液预测时是否通过卡尔曼算法的误差率，结果表明，使用卡尔曼算法可以有效降低拟合模型的误差率。
本发明的第二实施方式涉及一种水体藻类浓度的测量系统，如图2所示，包括安装在同一个密闭光学检测平台中的光源发生装置、光谱检测装置、供电装置、通讯接口和主控装置。其中，主控装置一方面控制所述光源发生装置发出检测光束，一方面通过所述光谱检测装置获取光强数据并通过所述通讯接口将相关数据传送至上位机。该主控装置中还部署了藻类浓度模型，该藻类浓度模型是通过上述水体藻类浓度的测量方法获得的。
密闭光学检测平台如图3所示，主结构包括柱体和安装盖，其中柱体正面设置了两个通光孔，通光孔使用独立的光学镜片进行密闭，通光孔下设计了光学元件腔室，分别放置光源发生装置和光谱检测装置。通过各自使用独立的腔室和光学镜片，保证了两个元器件之间互不干扰，可以有效降低误检率。
Claims (8)
1.一种水体藻类浓度的测量方法，其特征在于，包括以下步骤：
S1获取不少于一个已知藻类浓度的含藻水样；
S2测量含藻水样在有检测光束照射和无检测光束照射时的荧光光强，通过环境光校正公式计算得到实际测量值；
S3重复步骤S2直到获得所述含藻水样的实际测量值数列，通过卡尔曼滤波对所述含藻水样的实际测量值数列进行分析得到实际光强值；所述通过卡尔曼滤波对所述含藻水样的实际测量值数列进行分析得到实际光强值，包括：
S100设置初始预估值
S101预估t时刻的先验估计值其中/>表示t时刻的先验估计值，/>表示t-1时刻的后验估计值；
S102计算t时刻的先验预估误差协方差其中/>表示t时刻的先验预估误差协方差，/>表示t-1时刻的后验估计协方差；
S103通过公式更新卡尔曼增益Kt，其中R表示预设的测量噪声协方差，/>表示t时刻的后验估计协方差，通过公式/>计算得到；
S104利用公式计算得到t时刻的后验估计值/>其中Zt表示所述实际测量值；
S105重复步骤S101至步骤S104直到穷尽所述实际测量值数列获得对应时刻的先验估计值为所述实际光强值；
S4重复步骤S2至S3直到获得全部所述已知藻类浓度的含藻水样的实际光强值，与藻类浓度值进行拟合得到藻类浓度模型；
S5利用步骤S2至S3中所述方法得到未知藻类浓度的待检水样的实际光强值，带入所述藻类浓度模型得到所述待检水样的藻类浓度值。
2.根据权利要求1所述的水体藻类浓度的测量方法，其特征在于，步骤S3中所述实际测量值数列的长度为能够使卡尔曼滤波结果收敛的最小迭代次数。
3.根据权利要求1所述的水体藻类浓度的测量方法，其特征在于，步骤S2中所述环境光校正公式通过以下公式得到：
实际测量值＝原始测量值-环境光校正值
其中，原始测量值为被测水样在有检测光束照射时的荧光光强，环境光校正值为所述被测水样在没有检测光束照射时的荧光光强。
4.根据权利要求1所述的水体藻类浓度的测量方法，其特征在于，在步骤S1和步骤S2之间还包括确定用来发出检测光束的光源发生装置处于稳定状态的步骤。
5.根据权利要求4所述的水体藻类浓度的测量方法，其特征在于，通过以下步骤来判断所述光源发生装置处于稳定状态：
对所述光源发生装置发出的检测光束的光强进行采样得到光强采样序列；
基于所述光强采样序列计算得到自相关系数；
基于所述自相关系数判断所述检测光束是否处于稳定状态。
6.根据权利要求5所述的水体藻类浓度的测量方法，其特征在于，所述自相关系数ρk为
其中，k为信号时延，γ0为没有信号时延时的自协方差，γk为信号时延为k时的自协方差，通过以下公式计算得到
其中，N为采样序列的长度，xn为所述采样序列中第n个光强数据，为所述采样序列的光强均值。
7.根据权利要求6所述的水体藻类浓度的测量方法，其特征在于，当所述自相关系数小于0.1时所述光源发生装置处于稳定状态。
8.一种水体藻类浓度的测量系统，其特征在于，包括安装在同一个密闭光学检测平台中的光源发生装置、光谱检测装置、通讯接口和主控装置；所述主控装置一方面控制所述光源发生装置发出检测光束，一方面通过所述光谱检测装置获取光强数据并通过所述通讯接口将相关数据传送至上位机；所述主控装置中还部署了藻类浓度模型，所述藻类浓度模型是通过如权利要求1-7中任一所述水体藻类浓度的测量方法获得的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310552931.1A CN116858753B (zh) | 2023-05-16 | 2023-05-16 | 一种水体藻类浓度的测量方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310552931.1A CN116858753B (zh) | 2023-05-16 | 2023-05-16 | 一种水体藻类浓度的测量方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116858753A CN116858753A (zh) | 2023-10-10 |
| CN116858753B true CN116858753B (zh) | 2024-05-24 |
Family
ID=88229237
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310552931.1A Active CN116858753B (zh) | 2023-05-16 | 2023-05-16 | 一种水体藻类浓度的测量方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116858753B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3927768A1 (de) * | 1989-08-23 | 1991-02-28 | Perkin Elmer Corp | Verfahren zur konzentrationsbestimmung mittels atomemissions-spektroskopie |
| CN101059428A (zh) * | 2007-05-23 | 2007-10-24 | 浙江大学 | 基于修正卡尔曼滤波理论的气体浓度定量分析仪 |
| 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 |
| CA2864777A1 (en) * | 2013-10-17 | 2015-04-17 | Honeywell International Inc. | Apparatus and method for closed-loop control of creped tissue paper structure |
| CN106092895A (zh) * | 2016-08-23 | 2016-11-09 | 中国电子科技集团公司第四十九研究所 | 一种水体叶绿素浓度原位检测装置及其检测方法 |
| FR3062912A1 (fr) * | 2017-02-14 | 2018-08-17 | Elichens | Procede d'estimation de l'intensite d'une onde emise par une source emettrice |
| CN112378888A (zh) * | 2020-12-08 | 2021-02-19 | 中国水产科学研究院淡水渔业研究中心 | 水体透明度测量装置 |
| EP3978949A2 (en) * | 2020-10-02 | 2022-04-06 | Origin Wireless, Inc. | System and method for wireless motion monitoring |
| CN115236045A (zh) * | 2022-07-01 | 2022-10-25 | 华夏安健物联科技(青岛)有限公司 | 一种利用荧光光谱法测定水中化学需氧量的方法、装置及存储介质 |
-
2023
- 2023-05-16 CN CN202310552931.1A patent/CN116858753B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3927768A1 (de) * | 1989-08-23 | 1991-02-28 | Perkin Elmer Corp | Verfahren zur konzentrationsbestimmung mittels atomemissions-spektroskopie |
| CN101059428A (zh) * | 2007-05-23 | 2007-10-24 | 浙江大学 | 基于修正卡尔曼滤波理论的气体浓度定量分析仪 |
| CA2864777A1 (en) * | 2013-10-17 | 2015-04-17 | Honeywell International Inc. | Apparatus and method for closed-loop control of creped tissue paper structure |
| 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 |
| CN106092895A (zh) * | 2016-08-23 | 2016-11-09 | 中国电子科技集团公司第四十九研究所 | 一种水体叶绿素浓度原位检测装置及其检测方法 |
| FR3062912A1 (fr) * | 2017-02-14 | 2018-08-17 | Elichens | Procede d'estimation de l'intensite d'une onde emise par une source emettrice |
| EP3978949A2 (en) * | 2020-10-02 | 2022-04-06 | Origin Wireless, Inc. | System and method for wireless motion monitoring |
| CN112378888A (zh) * | 2020-12-08 | 2021-02-19 | 中国水产科学研究院淡水渔业研究中心 | 水体透明度测量装置 |
| CN115236045A (zh) * | 2022-07-01 | 2022-10-25 | 华夏安健物联科技(青岛)有限公司 | 一种利用荧光光谱法测定水中化学需氧量的方法、装置及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| Analytical form of the autocorrelation function for the fluorescence correlation spectroscopy;Robert Holyst;Royal society of chemistry;20171231;1267-1275 * |
| Kalman filter with recursive covariance estimation-sequentially estimating process noise covariance;Bo Feng;IEEE;20141031;6253-6263 * |
| 卡尔曼滤波在分布式拉曼光纤温度传感系统去噪中的应用;刘涛等;红外与激光工程;20140525;98-106 * |
| 激光诱导荧光水体叶绿素a浓度检测仪器研制;贺刘刚等;农业工程学报;20231031;157-163 * |
| 闫振刚.光散射信号统计规律及在尘埃粒子计数中的应用.中国博士学位论文全文数据库,2014,A005-17. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116858753A (zh) | 2023-10-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107037012B (zh) | 用于激光诱导击穿光谱采集的阶梯光谱仪动态校正方法 | |
| WO2009146036A2 (en) | Quantification of differences between measured values and statistical validation based on the differences | |
| CN109060760B (zh) | 分析模型建立方法、气体分析装置及方法 | |
| CN105486655A (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
| CN109916831B (zh) | 一种降低激光气体遥测仪数据误报率的方法和系统 | |
| CN110826238B (zh) | 一种荧光寿命估计方法、装置及存储介质 | |
| Di Natale et al. | Sensor-array calibration time reduction by dynamic modelling | |
| CN115809427B (zh) | 基于混合策略优化bp神经网络的混合气体识别方法 | |
| CN111879709B (zh) | 湖泊水体光谱反射率检验方法及装置 | |
| CN115236044A (zh) | 荧光光谱法计算水环境中溶解性有机碳浓度的方法和装置 | |
| CN116858753B (zh) | 一种水体藻类浓度的测量方法及系统 | |
| You et al. | Hidden Markov model based data-driven calibration of non-dispersive infrared gas sensor | |
| CN106814045A (zh) | 一种基于近红外光谱技术的类pse鸡肉判定方法 | |
| CN113376107A (zh) | 基于云平台的水质监测系统和方法 | |
| CN116519887A (zh) | 适用于大气二氧化碳浓度高密度观测的数据质量控制方法 | |
| CN114609083B (zh) | 一种二维几何路径下的气体浓度场重建系统及其方法 | |
| CN105954206B (zh) | 紫玉米叶片花色苷含量的测量方法及系统 | |
| CN108896511A (zh) | 一种智能化修复光谱分析仪谱图形变的方法 | |
| CN103954594B (zh) | 不同光电倍增管电压下三维光谱数据的峰值换算方法 | |
| CN111504497A (zh) | 一种基于荧光光纤的测温方法 | |
| CN111898314A (zh) | 湖泊水体参数检验方法、装置、电子设备及存储介质 | |
| CN118549367B (zh) | 一种基于改进最小二乘法的海水硝酸盐浓度测量方法 | |
| CN112861412A (zh) | 基于近红外光谱主成分和神经网络的生物质挥发分含量测量与建模方法 | |
| CN117648537B (zh) | 基于超光谱技术的大气污染实时监测方法及系统 | |
| CN118329739A (zh) | 一种用于循环肿瘤细胞的识别系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |