CN117589704B - 一种用于水质在线监测的量程自切换控制方法及系统 - Google Patents
一种用于水质在线监测的量程自切换控制方法及系统 Download PDFInfo
- Publication number
- CN117589704B CN117589704B CN202410073054.4A CN202410073054A CN117589704B CN 117589704 B CN117589704 B CN 117589704B CN 202410073054 A CN202410073054 A CN 202410073054A CN 117589704 B CN117589704 B CN 117589704B
- Authority
- CN
- China
- Prior art keywords
- water body
- dissolved oxygen
- image
- oxygen concentration
- characteristic value
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 264
- 238000012544 monitoring process Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 34
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 132
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 132
- 239000001301 oxygen Substances 0.000 claims abstract description 132
- 238000004364 calculation method Methods 0.000 claims abstract description 62
- 230000036760 body temperature Effects 0.000 claims abstract description 14
- 238000012706 support-vector machine Methods 0.000 claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims description 25
- 238000002835 absorbance Methods 0.000 claims description 19
- 230000003595 spectral effect Effects 0.000 claims description 18
- 239000002245 particle Substances 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 6
- 230000007774 longterm Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000002310 reflectometry Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 44
- 239000000243 solution Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 239000012086 standard solution Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
-
- 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
- G01N21/55—Specular reflectivity
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Immunology (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Mathematical Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种用于水质在线监测的量程自切换控制方法及系统,涉及水质检测技术领域,该方法的步骤包括:建立水质特征曲线数据集,提取当前水体连续图像中第二溶解氧浓度图像特征值序列;使用大量程温度传感器获取当前水体温度预计值,将当前水体温度状态分为低温状态、常温状态和高温状态,并为当前水体不同温度状态设置对应溶解氧浓度图像特征值计算策略;检测水质特征曲线数据集中所述第二溶解氧浓度图像特征值序列对应比例,依据设置的条件函数切换量程,若设置的条件函数不成立,则通过建立溶解氧支持向量机模型,自动切换传感器量程。本发明可以实现实时监测水质,并在节约计算成本的同时减小图像识别不准确对监测精度造成的影响。
Description
技术领域
本发明涉及水质检测技术领域,具体为一种用于水质在线监测的量程自切换控制方法及系统。
背景技术
水质监测在环境保护和水资源管理中起着关键的作用。传统的水质监测通常依赖于定期采样和实验室测试,这种方法的缺点是耗时、昂贵且无法提供实时数据。随着科技的发展,水质在线监测系统逐渐成为一种更有效的方法。在线监测可以提供实时数据,帮助监测水体的变化,及时采取措施,保护水资源。水体中的溶解氧浓度是一个关键的水质指标,对水体生态系统和水生生物的健康至关重要。溶解氧水平的监测可以提供有关水体氧气供应和水质状况的重要信息。然而,不同水域、不同时间和不同季节的溶解氧浓度可能存在显著的变化。在一些情况下,溶解氧浓度可能会在较短的时间内迅速变化,例如由于天气变化、植物光合作用、底泥氧气消耗等原因,为了适应这种变化,传感器的量程通常需要根据实际情况进行调整。如果量程设置得过小,可能无法捕捉到异常浓度的变化;如果设置得过大,可能会导致数据精度降低。为了有效监测水体中溶解氧浓度的变化,需要一种智能化的监测系统,能够根据实时的水质情况自动调整传感器的量程,总体而言,量程自切换控制方法及系统的研究对于提高水质监测系统的智能性、灵活性和可靠性具有显著的意义。这将有助于更好地保护水资源,维护生态平衡,促进可持续发展。
例如,现有的授权公告号为CN114965310B的中国专利公开了一种水质在线监测系统量程自切换控制方法及系统,包括接收标准溶液信息,标准溶液信息包括溶液类型以及与溶液类型相对应的溶液吸光度;从预设的数据库中查询与溶液类型相对应的检测标准曲线信息,检测标准曲线信息包括多组量程数据;根据溶液吸光度以及检测标准曲线信息,确定与溶液吸光度相对应的量程数据;根据溶液吸光度以及所确定的量程数据,生成浓度计算指令并执行,浓度计算指令用于根据所确定的量程数据计算得出溶液吸光度相对应的溶液浓度,具有提高水质在线检测结果准确性的效果。而溶解氧浓度变化拥有多种影响因素,且这种设计计算量大,没有考虑水质参数量程选取错误的后续处理,为此,本发明提供一种用于水质在线监测的量程自切换控制方法及系统。
发明内容
本发明的目的在于提供一种用于水质在线监测的量程自切换控制方法及系统,以解决上述背景技术中提出的现有的问题。
为实现上述目的,本发明提供如下技术方案:一种用于水质在线监测的量程自切换控制方法,包括以下步骤:
S1、建立水质特征曲线数据集,包括常温溶解氧浓度量程-溶解氧浓度图像特征曲线;
S2、采集当前水体连续图像和水体光谱图像,提取所述当前水体连续图像中第二溶解氧浓度图像特征值序列,录入所述水质特征曲线数据集中;
S3、使用大量程温度传感器获取当前水体温度预计值,设置温度特征阈值和/>,其中,/>,/>表示常规温度值,当时,判断当前水体温度状态为低温状态,当/>时,判断当前水体温度状态为常温状态,当/>时,判断当前水体温度状态为高温状态,并为当前水体不同温度状态设置对应溶解氧浓度图像特征值计算策略;
S4、检测所述水质特征曲线数据集中所述第二溶解氧浓度图像特征值序列对应比例,依据设置的条件函数切换量程,若所述设置的条件函数不成立,则进行S5;
S5、采集水质样本,通过建立溶解氧支持向量机模型,自动切换传感器量程;
S6、记录监测数据,包括传感器切换的时间、原因以及监测结果,提供长期数据存储,支持数据分析和报告生成。
本发明进一步改进在于,所述水质特征曲线数据集建立具体步骤包括:
S11、采集所述常规温度值条件下个量程对应水体图像数据集,其中/>表示第/>张水体图像,/>表示水体图像数量;
S12、通过所述水体图像数据集获取第一浊度图像特征值序列和第一溶解氧浓度图像特征值序列/>,其中,/>表示第/>张水体图像的浊度图像特征值,/>表示第/>张水体图像的溶解氧浓度图像特征值;
S13、将所述第一溶解氧浓度图像特征值序列录入溶解氧浓度量程-溶解氧浓度图像特征曲线。
本发明进一步改进在于,所述S12具体步骤包括:
S121、计算所述第一浊度图像特征值,其中/>表示水体图像颗粒状态值,/>表示水体图像光谱吸收度,/>表示水体图像颗粒状态值权重,/>表示水体图像光谱吸收度权重;
S122、计算所述第一溶解氧浓度图像特征值,其中,/>表示水体图像气泡数量,/>表示水体图像气泡尺寸,/>表示水体图像气泡密度。
本发明进一步改进在于,所述水体图像颗粒状态值计算公式如下:,其中,/>和/>表示两种灰度级别,/>表示灰度级别为/>的像素与灰度级别为/>的像素同时出现的概率;
所述水体图像光谱吸收度计算步骤包括:通过将所述水体图像灰度化处理,得到水体像素灰度序列,/>表示第/>个像素灰度值,/>表示像素数量;设置水体图像光谱组合策略集合/>,其中第一水体光谱组合策略/>,第二水体光谱组合策略/>,第三水体光谱组合策略/>,第四水体光谱组合策略/>,其中/>表示第/>张水体图像近红外光谱反射率,/>表示第/>张水体图像可见光光谱反射率;则所述水体图像光谱吸收度计算公式为/>,其中,函数/>表示相关系数,函数/>表示选取函数/>最大值对应的水体光谱组合策略,函数/>表示/>对应的水体图像光谱吸收度。
本发明进一步改进在于,所述S122包括:
S1221、所述水体图像气泡数量获取过程包括:通过findContours函数遍历水体图像中的每个像素,在所述水体图像中查找前置像素的连续边界,从一个边界点启动,追踪连续边界像素以形成气泡轮廓,根据当前像素的位置和相邻像素的位置差异来确定轮廓的走向,获得气泡数量,并将气泡信息数据存储入气泡信息数据集,其中/>表示第/>个气泡的信息数据;
S1222、通过所述气泡信息数据集获取气泡内像素含量录入气泡像素数据集,其中/>表示第/>个气泡像素数量,获得所述水体图像气泡尺寸/>;
S1223、将所述气泡信息数据集映射在所述水体图像中,通过HoughCircles函数遍历每个气泡,并遍历连接相邻圆心,获取气泡边缘与连接线的交点获得气泡密度线段数据集,再将气泡密度线段数据集映射在所述水体图像中,提取所述气泡密度线段数据集中线段所占像素,得到气泡密度像素数据集,其中/>表示第/>个线段像素数量,/>表示线段数量,计算水体图像气泡密度/>。
本发明进一步改进在于,所述S2具体步骤包括:采集当前水体连续图像序列,其中/>表示第/>张当前水体图像,/>表示当前水体图像数量,基于以上步骤同样的方法提取当前水体图像第二浊度图像特征值序列和第二溶解氧浓度图像特征值序列,/>表示第/>张当前水体图像的浊度图像特征值,/>表示第/>张当前水体图像的溶解氧浓度图像特征值。
本发明进一步改进在于,所述溶解氧浓度图像特征值计算策略包括:
低温状态一级第二溶解氧浓度图像特征值计算策略计算公式如下:
;
常温状态二级第二溶解氧浓度图像特征值计算策略计算公式如下:
;
高温状态三级第二溶解氧浓度图像特征值计算策略计算公式如下:
。
本发明进一步改进在于,所述S4通过设置条件函数判断实现,所述条件函数,其中,函数/>表示函数内交集中每个量程区间数量,函数/>表示所述量程区间数量的最大值,若判断条件函数/>成立,则切换至该量程区间,若判断条件函数/>不成立,则进行S5。
本发明进一步改进在于,所述S5通过建立溶解氧支持向量机模型来识别溶解氧的变化模式,采集当前水质样本并预测当下水质溶解氧浓度,设定量程序列,及其对应的所述水质溶解氧浓度量程切换临界值序列,其中,/>表示第/>个量程区间,/>表示切换至第/>个量程的水质溶解氧浓度量程切换临界值,设置切换判断函数序列,其中,/>表示切换至/>量程区间,则切换至/>量程区间的判断函数/>计算公式如下:/>,切换至/>量程区间的判断函数/>计算公式如下:,并依次对切换至/>量程区间的判断函数、切换至量程区间的判断函数、...、切换至/>量程区间的判断函数进行定义,若切换至/>量程区间的判断函数成立,则自动切换至该传感器量程。
另一方面,本发明提供一种用于水质在线监测的量程自切换控制系统,包括:
数据采集模块,用于通过图像传感器采集水体图像和水体光谱图像,以及水质样本;
水质特征曲线数据集建立模块,用于建立常温溶解氧浓度量程-溶解氧浓度图像特征曲线;
温度分级模块,用于使用大量程温度传感器获取当前水体温度预计值,设置温度特征阈值,将当前水体温度分级为低温状态、常温状态和高温状态;
溶解氧浓度图像特征值计算模块,用于根据所述温度分级模块将当前水体分为的不同温度状态设置对应溶解氧浓度图像特征值计算策略,得到第二溶解氧浓度图像特征值序列;
第一量程切换模块,用于检测所述水质特征曲线数据集中所述第二溶解氧浓度图像特征值序列对应比例,依据设置的条件函数切换量程,若所述设置的条件函数不成立,则送入第二量程切换模块;
第二量程切换模块,用于依据所述水质样本建立溶解氧支持向量机模型,自动切换传感器量程;
数据记录和存储模块,用于记录监测数据,包括传感器切换的时间、原因以及监测结果,提供长期数据存储,支持数据分析和报告生成。
本发明进一步改进在于,所述水质特征曲线数据集建立模块和溶解氧浓度图像特征值计算模块包括浊度图像特征值序列获取单元和溶解氧浓度图像特征值序列获取单元,所述浊度图像特征值序列获取单元用于计算浊度图像特征值,所述溶解氧浓度图像特征值序列获取单元用于结合所述浊度图像特征值序列获取单元计算结果计算溶解氧浓度图像特征值。
与现有技术相比,本发明的有益效果是:
1、本发明首先通过采集常温状态下不同量程的水质图像,建立水质特征曲线数据集,在监测水体溶解氧浓度时,经过同样的方式计算水体溶解氧浓度,通过对比水体溶解氧浓度和水质特征曲线数据集,得到量程区间,在实现实时监测水质的同时,通过对比方法节约了计算时间,且图像处理方法节约了计算成本。
2、在本发明中考虑了温度对水质物理特性的影响,通过设置三种溶解氧浓度图像特征值计算策略,提高了水体溶解氧浓度的计算精度。
3、本发明通过在第一量程切换模块设置条件函数切换量程,若条件函数不成立,表明监测精度不符合标准,然后设置第二量程切换模块,引入支持向量机模型来识别溶解氧的变化模式,预测当下水质溶解氧浓度,在节约计算成本的同时减小了图像识别不准确对监测精度造成的影响。
附图说明
图1为本发明一种用于水质在线监测的量程自切换控制方法示意图;
图2为本发明一种用于水质在线监测的量程自切换控制方法流程图;
图3为本发明一种用于水质在线监测的量程自切换控制系统框架图。
具体实施方式
下面通过附图以及具体实施例对本发明技术方案做详细地说明,应当理解本发明实施例以及实施例中的具体特征是对本发明技术方案的详细的说明,而不是对本发明技术方案的限定,在不冲突的情况下,本发明实施例以及实施例中的技术特征可以相互组合。
术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,字符"/",一般表示前后关联对象是一种“或”的关系。
实施例1:
图1和图2分别展示了本实施例公开的一种用于水质在线监测的量程自切换控制方法的流程示意图,步骤如下:
S1、建立水质特征曲线数据集,包括常温溶解氧浓度量程-溶解氧浓度图像特征曲线;具体步骤包括:
S11、采集所述常规温度值条件下个量程对应水体图像数据集,其中/>表示第/>张水体图像,/>表示水体图像数量;
S12、通过所述水体图像数据集获取第一浊度图像特征值序列和第一溶解氧浓度图像特征值序列/>,其中,/>表示第/>张水体图像的浊度图像特征值,/>表示第/>张水体图像的溶解氧浓度图像特征值;
S121、通过图像识别可以得到水质浊度,因此通过纹理分析计算水体图像颗粒状态值,计算公式如下:,其中,/>和/>表示两种灰度级别,/>表示灰度级别为/>的像素与灰度级别为/>的像素同时出现的概率;
由于水体颗粒物对可见光和近红外光谱十分敏感,因此设置不同的可见光和近红外光谱组合策略,并挑选最佳光谱组合策略计算水体图像光谱吸收度,计算步骤包括:通过将所述水体图像灰度化处理,得到水体像素灰度序列,/>表示第/>个像素灰度值,/>表示像素数量;设置水体图像光谱组合策略集合,其中第一水体光谱组合策略/>,第二水体光谱组合策略/>,第三水体光谱组合策略/>,第四水体光谱组合策略/>,其中/>表示第/>张水体图像近红外光谱反射率,表示第/>张水体图像可见光光谱反射率;则所述水体图像光谱吸收度计算公式为,其中,函数/>表示相关系数,函数表示选取函数/>最大值对应的水体光谱组合策略,函数/>表示对应的水体图像光谱吸收度。
则所述第一浊度图像特征值计算公式如下:,其中,/>表示水体图像颗粒状态值权重,/>表示水体图像光谱吸收度权重;
S122、计算第一溶解氧浓度图像特征值,包括以下步骤:
S1221、获取水体图像气泡数量:通过findContours函数遍历水体图像中的每个像素,在所述水体图像中查找前置像素的连续边界,从一个边界点启动,追踪连续边界像素以形成气泡轮廓,根据当前像素的位置和相邻像素的位置差异来确定轮廓的走向,获得气泡数量,并将气泡信息数据存储入气泡信息数据集/>,其中表示第/>个气泡的信息数据;
S1222、通过所述气泡信息数据集获取气泡内像素含量录入气泡像素数据集,其中/>表示第/>个气泡像素数量,获得水体图像气泡尺寸/>;
S1223、将所述气泡信息数据集映射在所述水体图像中,通过HoughCircles函数遍历每个气泡,并遍历连接相邻圆心,获取气泡边缘与连接线的交点获得气泡密度线段数据集,再将气泡密度线段数据集映射在所述水体图像中,提取所述气泡密度线段数据集中线段所占像素,得到气泡密度像素数据集,其中/>表示第/>个线段像素数量,/>表示线段数量,计算水体图像气泡密度/>。
S1224、在水体中,溶解氧浓度越高代表会产生越多的气泡,气泡会随之变小,而气泡间的距离所对应的密度会随之变大,且浊度的表征颗粒物会在一定程度上使得气泡变小,因此第一溶解氧浓度图像特征值的计算公式为:。
S13、将所述第一溶解氧浓度图像特征值序列录入溶解氧浓度量程-溶解氧浓度图像特征曲线。
S2、采集当前水体连续图像和水体光谱图像,提取所述当前水体连续图像中第二溶解氧浓度图像特征值序列,录入所述水质特征曲线数据集中;具体步骤包括:采集当前水体连续图像序列,其中/>表示第/>张当前水体图像,/>表示当前水体图像数量,基于步骤1中同样的方法提取当前水体图像第二浊度图像特征值序列/>和第二溶解氧浓度图像特征值序列,/>表示第/>张当前水体图像的浊度图像特征值,/>表示第/>张当前水体图像的溶解氧浓度图像特征值。
S3、由于温度变化也会对水体气泡产生一定的影响,具体表现为随着温度的升高,气泡含量变多,气泡变大,而气泡密度变小,因此根据当前水体温度的大致范围将温度进行分级处理,考虑到温度计的量程问题,使用大量程温度传感器获取当前水体温度预计值,目的是得到水体温度的大致区间,设置温度特征阈值/>和/>,其中,,/>表示常规温度值,当/>时,判断当前水体温度状态为低温状态,当/>时,判断当前水体温度状态为常温状态,当/>时,判断当前水体温度状态为高温状态,并为当前水体不同温度状态设置对应溶解氧浓度图像特征值计算策略,即为不同温度状态下的气泡状态、水体浊度设置不同的权重,则所述溶解氧浓度图像特征值计算策略包括:
低温状态一级第二溶解氧浓度图像特征值计算策略计算公式如下:
;
常温状态二级第二溶解氧浓度图像特征值计算策略计算公式如下:
;
高温状态三级第二溶解氧浓度图像特征值计算策略计算公式如下:
。
S4、检测所述水质特征曲线数据集中所述第二溶解氧浓度图像特征值序列对应比例,依据设置的条件函数切换量程,所述条件函数,其中,函数/>表示函数内交集中每个量程区间数量,函数/>表示所述量程区间数量的最大值,若判断条件函数/>成立,则切换至该量程区间,若判断条件函数/>不成立,则进行S5。
S5、采集水质样本,建立溶解氧支持向量机模型来识别溶解氧的变化模式,采集当前水质样本并预测当下水质溶解氧浓度,设定量程序列,及其对应的所述水质溶解氧浓度量程切换临界值序列,其中,/>表示第/>个量程区间,/>表示切换至第/>个量程的水质溶解氧浓度量程切换临界值,设置切换判断函数序列,其中,/>表示切换至/>量程区间,则切换至/>量程区间的判断函数/>计算公式如下:/>,切换至/>量程区间的判断函数/>计算公式如下:,并依次对切换至/>量程区间的判断函数、切换至量程区间的判断函数、...、切换至/>量程区间的判断函数进行定义,若切换至/>量程区间的判断函数成立,则自动切换至该传感器量程。
S6、记录监测数据,包括传感器切换的时间、原因以及监测结果,提供长期数据存储,支持数据分析和报告生成。
所述阈值及权重的设定可以根据本发明默认设置,也可由操作人员自行设置。
实施例2:
图3展示了本发明一种用于水质在线监测的量程自切换控制系统框架图,与实施例1基于相同的发明构思,本发明提供一种用于水质在线监测的量程自切换控制系统,包括:
数据采集模块,用于通过图像传感器采集水体图像和水体光谱图像,以及水质样本;
水质特征曲线数据集建立模块,用于建立常温溶解氧浓度量程-溶解氧浓度图像特征曲线,包括浊度图像特征值序列获取单元和溶解氧浓度图像特征值序列获取单元,所述浊度图像特征值序列获取单元用于计算浊度图像特征值,所述溶解氧浓度图像特征值序列获取单元用于结合所述浊度图像特征值序列获取单元计算结果计算溶解氧浓度图像特征值;
温度分级模块,用于使用大量程温度传感器获取当前水体温度预计值,设置温度特征阈值,将当前水体温度分级为低温状态、常温状态和高温状态;
溶解氧浓度图像特征值计算模块,用于根据所述温度分级模块将当前水体分为的不同温度状态设置对应溶解氧浓度图像特征值计算策略,得到第二溶解氧浓度图像特征值序列,在本模块同样包括浊度图像特征值序列获取单元和溶解氧浓度图像特征值序列获取单元;
第一量程切换模块,用于检测所述水质特征曲线数据集中所述第二溶解氧浓度图像特征值序列对应比例,依据设置的条件函数切换量程,若所述设置的条件函数不成立,则送入第二量程切换模块;
第二量程切换模块,用于依据所述水质样本建立溶解氧支持向量机模型,自动切换至合适的传感器量程;
数据记录和存储模块,用于记录监测数据,包括传感器切换的时间、原因以及监测结果,提供长期数据存储,支持数据分析和报告生成。
综上实施例,本发明本发明首先通过采集常温状态下不同量程的水质图像,建立水质特征曲线数据集,在监测水体溶解氧浓度时,经过同样的方式计算水体溶解氧浓度,通过对比水体溶解氧浓度和水质特征曲线数据集,得到量程区间,在实现实时监测水质的同时,通过对比方法节约了计算时间,且图像处理方法节约了计算成本;考虑了温度对水质物理特性的影响,通过设置三种溶解氧浓度图像特征值计算策略,提高了水体溶解氧浓度的计算精度;通过在第一量程切换模块设置条件函数切换量程,若条件函数不成立,表明监测精度不符合标准,然后设置第二量程切换模块,引入支持向量机模型来识别溶解氧的变化模式,预测当下水质溶解氧浓度,在节约计算成本的同时减小了图像识别不准确对监测精度造成的影响,确保水质监测过程中的可靠性和高效性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (3)
1.一种用于水质在线监测的量程自切换控制方法,其特征在于:包括以下步骤:
S1、建立水质特征曲线数据集,包括常温溶解氧浓度量程-溶解氧浓度图像特征曲线;所述水质特征曲线数据集建立具体步骤包括:
S11、采集常规温度值条件下个量程对应水体图像数据集/>,其中/>表示第/>张水体图像,/>表示水体图像数量;
S12、通过所述水体图像数据集获取第一浊度图像特征值序列和第一溶解氧浓度图像特征值序列/>,其中,/>表示第/>张水体图像的浊度图像特征值,/>表示第/>张水体图像的溶解氧浓度图像特征值;具体步骤包括:
S121、计算所述第一浊度图像特征值,其中/>表示水体图像颗粒状态值,/>表示水体图像光谱吸收度,/>表示水体图像颗粒状态值权重,/>表示水体图像光谱吸收度权重;所述水体图像颗粒状态值计算公式如下:,其中,/>和/>表示两种灰度级别,/>表示灰度级别为/>的像素与灰度级别为/>的像素同时出现的概率;
所述水体图像光谱吸收度计算步骤包括:通过将所述水体图像灰度化处理,得到水体像素灰度序列,/>表示第/>个像素灰度值,/>表示像素数量;设置水体图像光谱组合策略集合/>,其中第一水体光谱组合策略/>,第二水体光谱组合策略/>,第三水体光谱组合策略/>,第四水体光谱组合策略/>,其中表示第/>张水体图像近红外光谱反射率,/>表示第/>张水体图像可见光光谱反射率;则所述水体图像光谱吸收度计算公式为/>,其中,函数/>表示相关系数,函数/>表示选取函数/>最大值对应的水体光谱组合策略,函数/>表示/>对应的水体图像光谱吸收度;
S122、计算所述第一溶解氧浓度图像特征值,其中,/>表示水体图像气泡数量,表示水体图像气泡尺寸,/>表示水体图像气泡密度,具体步骤包括:
S1221、所述水体图像气泡数量获取过程包括:通过findContours函数遍历水体图像中的每个像素,在所述水体图像中查找前置像素的连续边界,从一个边界点启动,追踪连续边界像素以形成气泡轮廓,根据当前像素的位置和相邻像素的位置差异来确定轮廓的走向,获得气泡数量,并将气泡信息数据存储入气泡信息数据集/>,其中/>表示第/>个气泡的信息数据;
S1222、通过所述气泡信息数据集获取气泡内像素含量录入气泡像素数据集,其中/>表示第/>个气泡像素数量,获得所述水体图像气泡尺寸/>;
S1223、将所述气泡信息数据集映射在所述水体图像中,通过HoughCircles函数遍历每个气泡,并遍历连接相邻圆心,获取气泡边缘与连接线的交点获得气泡密度线段数据集,再将气泡密度线段数据集映射在所述水体图像中,提取所述气泡密度线段数据集中线段所占像素,得到气泡密度像素数据集,其中/>表示第/>个线段像素数量,/>表示线段数量,计算水体图像气泡密度/>;
S13、将所述第一溶解氧浓度图像特征值序列录入溶解氧浓度量程-溶解氧浓度图像特征曲线;
S2、采集当前水体连续图像和水体光谱图像,提取所述当前水体连续图像中第二溶解氧浓度图像特征值序列,录入所述水质特征曲线数据集中;具体步骤包括:采集当前水体连续图像序列,其中/>表示第/>张当前水体图像,/>表示当前水体图像数量,基于步骤S12同样的方法提取当前水体图像第二浊度图像特征值序列/>和第二溶解氧浓度图像特征值序列,/>表示第/>张当前水体图像的浊度图像特征值,/>表示第/>张当前水体图像的溶解氧浓度图像特征值;所述溶解氧浓度图像特征值计算策略包括:
低温状态一级第二溶解氧浓度图像特征值计算策略计算公式如下:
;
常温状态二级第二溶解氧浓度图像特征值计算策略计算公式如下:
;
高温状态三级第二溶解氧浓度图像特征值计算策略计算公式如下:
;
S3、使用大量程温度传感器获取当前水体温度预计值,设置温度特征阈值和/>,其中,/>,/>表示常规温度值,当时,判断当前水体温度状态为低温状态,当/>时,判断当前水体温度状态为常温状态,当/>时,判断当前水体温度状态为高温状态,并为当前水体不同温度状态设置对应溶解氧浓度图像特征值计算策略;
S4、检测所述水质特征曲线数据集中所述第二溶解氧浓度图像特征值序列对应比例,依据设置的条件函数切换量程,若所述设置的条件函数不成立,则进行S5;所述条件函数,其中,函数/>表示函数内交集中每个量程区间数量,函数/>表示所述量程区间数量的最大值,若判断条件函数/>成立,则切换至该量程区间,若判断条件函数/>不成立,则进行S5;
S5、采集水质样本,通过建立溶解氧支持向量机模型,自动切换传感器量程;通过建立溶解氧支持向量机模型来识别溶解氧的变化模式,采集当前水质样本并预测当下水质溶解氧浓度,设定量程序列/>,及其对应的所述水质溶解氧浓度量程切换临界值序列/>,其中,/>表示第/>个量程区间,/>表示切换至第/>个量程的水质溶解氧浓度量程切换临界值,设置切换判断函数序列/>,其中,/>表示切换至/>量程区间,则切换至/>量程区间的判断函数/>计算公式如下:/>,切换至/>量程区间的判断函数/>计算公式如下:,并依次对切换至/>量程区间的判断函数、切换至量程区间的判断函数、...、切换至/>量程区间的判断函数进行定义,若切换至/>量程区间的判断函数成立,则自动切换至该传感器量程;
S6、记录监测数据,包括传感器切换的时间、原因以及监测结果,提供长期数据存储,支持数据分析和报告生成。
2.一种用于水质在线监测的量程自切换控制系统,用于执行如权利要求1所述的一种用于水质在线监测的量程自切换控制方法,其特征在于:包括:
数据采集模块,用于通过图像传感器采集水体图像和水体光谱图像,以及水质样本;
水质特征曲线数据集建立模块,用于建立常温溶解氧浓度量程-溶解氧浓度图像特征曲线;
温度分级模块,用于使用大量程温度传感器获取当前水体温度预计值,设置温度特征阈值,将当前水体温度分级为低温状态、常温状态和高温状态;
溶解氧浓度图像特征值计算模块,用于根据所述温度分级模块将当前水体分为的不同温度状态设置对应溶解氧浓度图像特征值计算策略,得到第二溶解氧浓度图像特征值序列;
第一量程切换模块,用于检测所述水质特征曲线数据集中所述第二溶解氧浓度图像特征值序列对应比例,依据设置的条件函数切换量程,若所述设置的条件函数不成立,则送入第二量程切换模块;
第二量程切换模块,用于依据所述水质样本建立溶解氧支持向量机模型,自动切换传感器量程;
数据记录和存储模块,用于记录监测数据,包括传感器切换的时间、原因以及监测结果,提供长期数据存储,支持数据分析和报告生成。
3.根据权利要求2所述的一种用于水质在线监测的量程自切换控制系统,其特征在于:所述水质特征曲线数据集建立模块和溶解氧浓度图像特征值计算模块包括浊度图像特征值序列获取单元和溶解氧浓度图像特征值序列获取单元,所述浊度图像特征值序列获取单元用于计算浊度图像特征值,所述溶解氧浓度图像特征值序列获取单元用于结合所述浊度图像特征值序列获取单元计算结果计算溶解氧浓度图像特征值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410073054.4A CN117589704B (zh) | 2024-01-18 | 2024-01-18 | 一种用于水质在线监测的量程自切换控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410073054.4A CN117589704B (zh) | 2024-01-18 | 2024-01-18 | 一种用于水质在线监测的量程自切换控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117589704A CN117589704A (zh) | 2024-02-23 |
CN117589704B true CN117589704B (zh) | 2024-03-29 |
Family
ID=89910248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410073054.4A Active CN117589704B (zh) | 2024-01-18 | 2024-01-18 | 一种用于水质在线监测的量程自切换控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117589704B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1835167A (zh) * | 2006-03-07 | 2006-09-20 | 张世兴 | 多量程时间程序控制断路器 |
CN108226226A (zh) * | 2017-12-19 | 2018-06-29 | 复旦大学 | 一种多量程气体传感器阵列及其量程自动切换逻辑 |
CN109696423A (zh) * | 2017-10-23 | 2019-04-30 | 无锡物博新仪电子科技有限公司 | 一种自动切换量程高精度浊度仪 |
CN111462256A (zh) * | 2020-03-26 | 2020-07-28 | 佛山科学技术学院 | 一种基于计算机视觉的水质监测方法及系统 |
CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
CN112258544A (zh) * | 2020-10-26 | 2021-01-22 | 王海 | 基于人工智能的相机滤镜自适应切换方法及系统 |
CN112816088A (zh) * | 2021-01-12 | 2021-05-18 | 北京微芯区块链与边缘计算研究院 | 一种自适应量程切换温度传感器 |
CN113418972A (zh) * | 2021-07-14 | 2021-09-21 | 杭州超钜科技有限公司 | 具有多量程自动切换功能的水体重金属检测仪及检测方法 |
CN116665037A (zh) * | 2023-04-11 | 2023-08-29 | 孙世友 | 基于高光谱的水生态流量监测方法 |
-
2024
- 2024-01-18 CN CN202410073054.4A patent/CN117589704B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1835167A (zh) * | 2006-03-07 | 2006-09-20 | 张世兴 | 多量程时间程序控制断路器 |
CN109696423A (zh) * | 2017-10-23 | 2019-04-30 | 无锡物博新仪电子科技有限公司 | 一种自动切换量程高精度浊度仪 |
CN108226226A (zh) * | 2017-12-19 | 2018-06-29 | 复旦大学 | 一种多量程气体传感器阵列及其量程自动切换逻辑 |
CN111462256A (zh) * | 2020-03-26 | 2020-07-28 | 佛山科学技术学院 | 一种基于计算机视觉的水质监测方法及系统 |
CN112051222A (zh) * | 2020-08-30 | 2020-12-08 | 山东锋士信息技术有限公司 | 一种基于高分卫星影像的河湖水质监测方法 |
CN112258544A (zh) * | 2020-10-26 | 2021-01-22 | 王海 | 基于人工智能的相机滤镜自适应切换方法及系统 |
CN112816088A (zh) * | 2021-01-12 | 2021-05-18 | 北京微芯区块链与边缘计算研究院 | 一种自适应量程切换温度传感器 |
CN113418972A (zh) * | 2021-07-14 | 2021-09-21 | 杭州超钜科技有限公司 | 具有多量程自动切换功能的水体重金属检测仪及检测方法 |
CN116665037A (zh) * | 2023-04-11 | 2023-08-29 | 孙世友 | 基于高光谱的水生态流量监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117589704A (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102176228B (zh) | 一种用于识别多个指针式仪表表盘信息的机器视觉方法 | |
CN110942072A (zh) | 基于质量评估的质量分、检测模型训练、检测方法及装置 | |
JP5333570B2 (ja) | 画像処理装置、プログラム及び画像処理システム | |
CN111709465B (zh) | 大坝安全监测数据粗差智能识别方法 | |
CN115876258B (zh) | 基于多源数据的畜禽养殖环境异常监测及报警系统 | |
CN111598827A (zh) | 外观瑕疵检测方法、电子装置及存储介质 | |
CN115019158B (zh) | 一种基于图像识别的海洋污染区域识别方法及系统 | |
CN111222526A (zh) | 一种渔船实时捕捞行为识别方法、装置、设备及存储介质 | |
CN115980050B (zh) | 排水口的水质检测方法、装置、计算机设备及存储介质 | |
CN110808084A (zh) | 一种基于单样本二代测序数据的拷贝数变异检测方法 | |
CN107406811A (zh) | 细胞解析装置和细胞解析方法 | |
CN112348290A (zh) | 河流水质预测方法、装置、存储介质及设备 | |
CN114492629A (zh) | 异常检测方法、装置、电子设备及存储介质 | |
CN108593005A (zh) | 一种基于水下机器人的海洋环境监测系统 | |
CN115575322A (zh) | 一种直插led灯珠的出厂质检方法及系统 | |
CN115200647A (zh) | 一种水产养殖环境监测管理方法及系统 | |
CN117589704B (zh) | 一种用于水质在线监测的量程自切换控制方法及系统 | |
CN113780287A (zh) | 一种多深度学习模型的最优选取方法及系统 | |
CN110308254B (zh) | 低溶解氧的精准监测方法 | |
CN114758470B (zh) | 一种基于消防工程的火灾预警方法及系统 | |
JP6024510B2 (ja) | 消費エネルギー分析装置、消費エネルギー分析方法及びコンピュータプログラム | |
CN113781469A (zh) | 基于yolo改进模型的安全头盔佩戴检测的方法及系统 | |
CN103136439B (zh) | 植物病症辨识方法及其系统 | |
CN110837805B (zh) | 视频标签的置信度的测量方法、装置、设备及存储介质 | |
CN118246610A (zh) | 基于大数据的微藻浓度预测方法及系统 |
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 |