CN118226055A - 一种多参数全自动化学检测水质分析仪器 - Google Patents
一种多参数全自动化学检测水质分析仪器 Download PDFInfo
- Publication number
- CN118226055A CN118226055A CN202410405802.4A CN202410405802A CN118226055A CN 118226055 A CN118226055 A CN 118226055A CN 202410405802 A CN202410405802 A CN 202410405802A CN 118226055 A CN118226055 A CN 118226055A
- Authority
- CN
- China
- Prior art keywords
- water sample
- instrument
- water
- module
- parameter
- 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 171
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 title claims abstract description 24
- 239000000126 substance Substances 0.000 title claims description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 45
- 239000003153 chemical reaction reagent Substances 0.000 claims abstract description 36
- 230000029087 digestion Effects 0.000 claims abstract description 25
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 19
- 230000003595 spectral effect Effects 0.000 claims description 16
- 239000007788 liquid Substances 0.000 claims description 14
- 238000002347 injection Methods 0.000 claims description 11
- 239000007924 injection Substances 0.000 claims description 11
- 229910052724 xenon Inorganic materials 0.000 claims description 7
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 239000002699 waste material Substances 0.000 claims description 6
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000001816 cooling Methods 0.000 claims description 3
- 238000007865 diluting Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000004164 analytical calibration Methods 0.000 claims description 2
- 239000000243 solution Substances 0.000 claims 1
- 238000003062 neural network model Methods 0.000 abstract description 4
- 238000007405 data analysis Methods 0.000 abstract description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 7
- 229910052757 nitrogen Inorganic materials 0.000 description 5
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000010865 sewage Substances 0.000 description 3
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910052698 phosphorus Inorganic materials 0.000 description 2
- 239000011574 phosphorus Substances 0.000 description 2
- 239000008399 tap water Substances 0.000 description 2
- 235000020679 tap water Nutrition 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002189 fluorescence spectrum Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 229910001385 heavy metal Inorganic materials 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及水质数据分析技术领域,公开了一种多参数全自动化学检测水质分析仪器,包括:试剂模块、采样模块、纯水单元、消解模块、测控模块,本发明可利用消解模块和多种试剂对多组水样样品的多个参数进行同时检测测量,通过神经网络模型相关技术,对水样样品中的需测量参数浓度进行光谱测量,判定其浓度范围,然后自动选用相应量程进行测量,可实现及时、精准的反应水样参数因子浓度,水样光谱指纹则可以在无试剂的情况下直接对原水的需测量参数进行读取。
Description
技术领域
本发明涉及水质数据分析技术领域,具体涉及一种多参数全自动化学检测水质分析仪器。
背景技术
水质分析仪是一种用于检测水中各种化学成分的仪器,它通过化学和物理方法测定水中各种化学成分的含量。这种仪器在保护水环境、监测污水排放等方面起着至关重要的作用。
水质分析仪可以分为多种类型,包括但不限于水质在线分析仪、全自动离子分析仪、总氮检测仪、红外测油仪、COD/氨氮/总磷/总氮/溶解氧/浊度/色度/悬浮物多参数水质分析仪、自来水/污水水质检测仪、养殖水质分析仪、游泳池水质检测仪以及饮用水快速分析仪等。
这些仪器具有各自的特点和适用场景。例如,水质在线分析仪适用于水源地监测、环保监测站、市政水处理过程、农村自来水监控等多个领域;全自动离子分析仪可以快速而准确的进行定性定量分析,具有全自动、智能化、实时在线同时分析的特点;总氮检测仪则专门用于检测污水中的总氮含量。
据调研,目前成熟的水质在线分析仪虽在测试精度、故障率等方面存在一些优势外,但大多数产品为单参数进行测量,且自动监测仪表一般体积较大,操作逻辑较为复杂,有些厂家虽拥有总氮、总磷双参数检测设备,但并不能检测其他参数,且其双参数检测设备做样时间较长,无法进行快速检测。
而且,目前水质自动检测仪表在样品测样时无法提前确认其样品浓度来选择量程,只能根据之前数据来判断浓度,若测试陌生样品或遇超标水样时,仪表量程不匹配导致数据不精准或需切换量程重新测量,影响检测效率,而且,因目前水质在线监测仪表计算水样数值时是根据校准曲线来计算,但该曲线会随时间变化漂移,所以在测试实际水样时,存在测试数值与实际水样数值偏差较大问题,导致设备出值不准。
发明内容
本发明的目的在于提供一种多参数全自动化学检测水质分析仪器,解决以下技术问题:
如何提供能够高效、准确的对水体样本进行多参数检测的水质在线分析仪。
本发明的目的可以通过以下技术方案实现:
一种多参数全自动化学检测水质分析仪器,包括:
试剂模块,用于根据控制信号储存、提供至少一种试剂;
采样模块,用于根据控制信号储存、提供至少一组水样样品;
纯水单元,用于根据控制信号储存或提供用于稀释所述水样样品和仪器校准的纯水;
消解模块,用于根据控制信号对加入对应试剂后的水样样品进行加热消解反应;
测控模块,用于通过交互单元发出一系列控制信号,获取所述水样样品加入试剂前后的水样光谱数据,根据所述水样光谱数据获得对应的水样光谱指纹,并根据所述水样光谱指纹匹配对应的化学法量程和预设光谱补偿算法,获取所述水样光谱的需测参数。
作为本发明进一步的方案:所述试剂模块包括多个试剂单元和多通阀以及孔阀注射泵模组;
所述试剂单元包括试剂盒和四通阀,所述试剂单元通过所述多通阀与所述孔阀注射泵模组连接。
作为本发明进一步的方案:所述纯水单元包括水样盒和水样管,所述水样盒通过所述水样管与所述孔阀注射泵模组连接。
作为本发明进一步的方案:所述采样模块包括纯水盒和纯水管,所述纯水盒通过所述纯水管与所述孔阀注射泵模组连接。
作为本发明进一步的方案:所述消解模块包括至少一个消解单元;
所述消解单元包括消解池、散热风扇、温感装置和高温高压阀。
作为本发明进一步的方案:所述测控模块包括光谱仪、氙灯、比色室和电磁通断阀;
所述光谱仪用于获取所述水样样品加入试剂前后的水样光谱数据;所述光谱仪内置嵌入式分析模块和补偿读数测算模块;
所述氙灯用于提供不同波长的光源,比色室为用于对原始水样样品及消解反应后水样样品进行检测的器皿;
所述嵌入式分析模块用于根据所述水样光谱数据获得对应的水样光谱指纹,并根据所述水样光谱指纹匹配对应的化学法量程;
所述补偿读数测算模块用于根据所述预设光谱补偿算法获取所述水样光谱的需测参数。
作为本发明进一步的方案:还包括:
废液单元,与所述比色室连接,用于根据所述控制信号对所述比色室的废液进行储存、分类和排出。
作为本发明进一步的方案:还包括通过对应液体管道分别与所述孔阀注射泵模组连接的跨度核查盒和标样盒以及清洗液盒。
本发明的有益效果:本发明可利用消解模块和多种试剂对多组水样样品的多个参数进行同时检测测量,通过神经网络模型相关技术,对水样样品中的需测量参数浓度进行光谱测量,判定其浓度范围,然后自动选用相应量程进行测量,可实现及时、精准的反应水样参数因子浓度,水样光谱指纹则可以在无试剂的情况下直接对原水的需测量参数进行读取。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明中多参数全自动化学检测水质分析仪器的原理性结构图;
图2为本发明中多参数全自动化学检测水质分析仪器的基本测量使用流程图;
图3为本发明中多参数全自动化学检测水质分析仪器的优化迭代流程示意图。
附图说明:1、水样盒;2、纯水盒;3、试剂盒;4、四通阀;5、多通阀;6、孔阀注射泵模组;7、空气;8、消解池;9、高温高压阀;10、跨度核查;11、标样;12、清洗液;13、氙灯;14、比色室;15、光谱仪。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种多参数全自动化学检测水质分析仪器,包括:
试剂模块,用于根据控制信号储存、提供至少一种试剂;
采样模块,用于根据控制信号储存、提供至少一组水样样品;
纯水单元,用于根据控制信号储存或提供用于稀释水样样品和仪器校准的纯水;
消解模块,用于根据控制信号对加入对应试剂后的水样样品进行加热消解反应;
测控模块,用于通过交互单元发出一系列控制信号,获取水样样品加入试剂前后的水样光谱数据,根据水样光谱数据获得对应的水样光谱指纹,并根据水样光谱指纹匹配对应的化学法量程和预设光谱补偿算法,获取水样光谱的需测参数。
可利用消解模块和多种试剂对多组水样样品的多个参数进行同时检测测量,通过神经网络模型相关技术,对水样样品中的需测量参数浓度进行光谱测量,判定其浓度范围,然后自动选用相应量程进行测量,根据光谱预测浓度来进行确定本次化学法测试量程;在本实施例中,测控模块内置低、中、高三种量程,比如氨氮低量程可为0-8mg/L,中量程0-80mg/L,高量程0-300mg/L。如此,可实现及时、精准的反应水样参数因子浓度。
另外,在缺少试剂时,常规化学法仪表是无法进行后续水质的,本实施例中的水样光谱指纹匹配可以在无试剂的情况下直接对原水的需测量参数进行读取。其中,水样光谱指纹是一种利用现代分析技术获取的图谱,能够反映水样内在的特性。它类似于人的指纹,具有唯一性和可识别性,可以用于鉴别和监测水质。具体来说,水样光谱指纹是通过分析水样中特定化学物质的特征,如有机物、重金属、氨氮等,来形成的。利用荧光光谱仪等仪器对水样进行扫描,可以得到三维荧光图谱,即不同激发波长和发射波长下的荧光强度矩阵。
通过对这些图谱的预处理和特征提取,可以形成水样特有的光谱指纹;水样光谱指纹在水质监测和污染溯源方面具有重要的应用,通过将待测水样的光谱指纹与已知污染源的光谱指纹进行比对,可以快速、准确地识别出可能的污染源,为水环境监管和治理提供有力的技术支持。
如图1所示,试剂模块包括多个试剂单元和多通阀以及孔阀注射泵模组;
试剂单元包括试剂盒和四通阀,试剂单元通过多通阀与孔阀注射泵模组连接。
纯水单元包括水样盒和水样管,水样盒通过水样管与孔阀注射泵模组连接。
采样模块包括纯水盒和纯水管,纯水盒通过纯水管与孔阀注射泵模组连接。
消解模块包括至少一个消解单元;
消解单元包括消解池、散热风扇、温感装置和高温高压阀。
测控模块包括光谱仪、氙灯、比色室和电磁通断阀;
光谱仪用于获取水样样品加入试剂前后的水样光谱数据;光谱仪内置嵌入式分析模块和补偿读数测算模块;
氙灯用于提供不同波长的光源,比色室为用于对原始水样样品及消解反应后水样样品进行检测的器皿;
嵌入式分析模块用于根据水样光谱数据获得对应的水样光谱指纹,并根据水样光谱指纹匹配对应的化学法量程;
在本实施例中,根据水样光谱指纹匹配对应的化学法量程和预设光谱补偿算法的方法包括:
补偿读数测算模块用于根据预设光谱补偿算法获取水样光谱的需测参数;
如图2和3所示,待测水样的光谱数据处理过中,光谱仪读取数据为十六进制,需将其转换至十进制数据,再对获取的全光谱数据进行预处理,包括去除噪声、归一化、降维等操作,以提高数据质量和减少计算复杂度。
其中,采用的最优数值预测模型,实际为基于学习型神经网络算法建立的模型。初始为内嵌各参数不同浓度标液纯光谱数据及部分具有代表性水样光谱数据,之后根据不断的测试数据填充以及云端其它设备数据填充,不断地训练预测模型,通仪器通过其输出的预测数据,判定最优量程。
上述过程中,仪表预读取经过处理的待测水样光谱数据,将其输入预测模型中进行测量参数数据预估,得到预测模型中的预估数据后代入至测量模式中进行量程选择,选出最接近的量程进行测量。
预测模型选择卷积神经网络进行训练,使用带有标签的全光谱数据对神经网络模型进行训练,采用反向传播算法和优化器进行参数更新,以最小化损失函数。训练过程中可以采用交叉验证等方法进行模型评估和调参。利用神经网络对全光谱数据进行特征学习,即通过多层网络结构将原始数据映射到高级特征空间中。这一步骤可以帮助模型自动提取数据中的有效特征,从而提高模型的性能,进而输出较为可靠的数据预测数据。在本实施例中,预测数据为水质预评分,仪器可以根据水质预评分与预先配置的水质、量程对照表进行匹配,进而获取合适的量程。
预设光谱补偿算法的方法包括:
其中,P为经过补偿的水质预评分,P1为本仪器针对本待测水样的水质预评分,P2为备用仪器针对本待测水样的水质预评分,GT为本仪器的量程预测偏大历史概率,KreT为本仪器的量程预测偏小历史概率;Cg为预设调大系数,与GT呈正比,Ck为预设调小系数,与KreT呈正比,T为指定时间周期;备用仪器的检定校对周期与本仪器不同,尽量减弱偶发因素影响。
α1、α2分别为对应权重系数,其设定根据仪器历史状态表现确定,具体的:
其中,α2s为备用仪器的初始对应权重,b1为本仪器的使用频次,T1s为本仪器的持续工作时长,b2为备用仪器的使用频次,T2s为备用仪器的持续工作时长,μm为备用仪器针对同一水样的m次测量结果的方差,k1、k2分别为本仪器和备用仪器发生故障的历史频次。
本发明仪器还包括废液单元,与比色室连接,用于根据控制信号对比色室的废液进行储存、分类和排出,以及通过对应液体管道分别与孔阀注射泵模组连接的跨度核查盒和标样盒以及清洗液盒。
以上对本发明的一个实施例进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (9)
1.一种多参数全自动化学检测水质分析仪器,其特征在于,包括:
试剂模块,用于根据控制信号储存、提供至少一种试剂;
采样模块,用于根据控制信号储存、提供至少一组水样样品;
纯水单元,用于根据控制信号储存或提供用于稀释所述水样样品和仪器校准的纯水;
消解模块,用于根据控制信号对加入对应试剂后的水样样品进行加热消解反应;
测控模块,用于通过交互单元发出一系列控制信号,获取所述水样样品加入试剂前后的水样光谱数据,根据所述水样光谱数据获得对应的水样光谱指纹,并根据所述水样光谱指纹匹配对应的化学法量程和预设光谱补偿算法,获取所述水样光谱的需测参数。
2.根据权利要求1所述的多参数全自动化学检测水质分析仪器,其特征在于,所述试剂模块包括多个试剂单元和多通阀以及孔阀注射泵模组;
所述试剂单元包括试剂盒和四通阀,所述试剂单元通过所述多通阀与所述孔阀注射泵模组连接。
3.根据权利要求2所述的多参数全自动化学检测水质分析仪器,其特征在于,所述纯水单元包括水样盒和水样管,所述水样盒通过所述水样管与所述孔阀注射泵模组连接。
4.根据权利要求2所述的多参数全自动化学检测水质分析仪器,其特征在于,所述采样模块包括纯水盒和纯水管,所述纯水盒通过所述纯水管与所述孔阀注射泵模组连接。
5.根据权利要求2所述的多参数全自动化学检测水质分析仪器,其特征在于,所述消解模块包括至少一个消解单元;
所述消解单元包括消解池、散热风扇、温感装置和高温高压阀。
6.根据权利要求2所述的多参数全自动化学检测水质分析仪器,其特征在于,所述测控模块包括光谱仪、氙灯、比色室和电磁通断阀;
所述光谱仪用于获取所述水样样品加入试剂前后的水样光谱数据;所述光谱仪内置嵌入式分析模块和补偿读数测算模块;
所述氙灯用于提供不同波长的光源,比色室为用于对原始水样样品及消解反应后水样样品进行检测的器皿;
所述嵌入式分析模块用于根据所述水样光谱数据获得对应的水样光谱指纹,并根据所述水样光谱指纹匹配对应的化学法量程;
所述补偿读数测算模块用于根据所述预设光谱补偿算法获取所述水样光谱的需测参数。
7.根据权利要求6所述的多参数全自动化学检测水质分析仪器,其特征在于,预设光谱补偿算法的方法包括:
其中,P为经过补偿的水质预评分,P1为本仪器针对本待测水样的水质预评分,P2为备用仪器针对本待测水样的水质预评分,GT为本仪器的量程预测偏大历史概率,KreT为本仪器的量程预测偏小历史概率;Cg为预设调大系数,与GT呈正比,Ck为预设调小系数,与KreT呈正比,T为指定时间周期;
α1、α2分别为对应权重系数,其设定根据仪器历史状态表现确定,具体的:
其中,α2s为备用仪器的初始对应权重,b1为本仪器的使用频次,T1s为本仪器的持续工作时长,b2为备用仪器的使用频次,T2s为备用仪器的持续工作时长,μm为备用仪器针对同一水样的m次测量结果的方差,k1、k2分别为本仪器和备用仪器发生故障的历史频次。
8.根据权利要求6所述的多参数全自动化学检测水质分析仪器,其特征在于,还包括:
废液单元,与所述比色室连接,用于根据所述控制信号对所述比色室的废液进行储存、分类和排出。
9.根据权利要求2所述的多参数全自动化学检测水质分析仪器,其特征在于,还包括通过对应液体管道分别与所述孔阀注射泵模组连接的跨度核查盒和标样盒以及清洗液盒。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410405802.4A CN118226055A (zh) | 2024-04-07 | 2024-04-07 | 一种多参数全自动化学检测水质分析仪器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410405802.4A CN118226055A (zh) | 2024-04-07 | 2024-04-07 | 一种多参数全自动化学检测水质分析仪器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118226055A true CN118226055A (zh) | 2024-06-21 |
Family
ID=91510851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410405802.4A Pending CN118226055A (zh) | 2024-04-07 | 2024-04-07 | 一种多参数全自动化学检测水质分析仪器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118226055A (zh) |
-
2024
- 2024-04-07 CN CN202410405802.4A patent/CN118226055A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104198391B (zh) | 一种以led发光二极管为光源的紫外荧光双信号水质监测装置及其应用方法 | |
Langergraber et al. | A multivariate calibration procedure for UV/VIS spectrometric quantification of organic matter and nitrate in wastewater | |
CN109799203B (zh) | 一种水体中cod浓度的宽量程高精度光谱检测方法 | |
CN113227768A (zh) | 用于使用荧光光谱测量和机器学习来量化水中的细菌的系统和方法 | |
CN204128953U (zh) | 自动进样气相分子吸收光谱仪 | |
CN101943658B (zh) | 主元分析理论和光谱分析技术结合对水质连续监测的方法 | |
CN106959350A (zh) | 一种qpq技术基盐氰酸根含量全自动检测分析仪器 | |
Copetti et al. | Direct measurement of nutrient concentrations in freshwaters with a miniaturized analytical probe: evaluation and validation | |
CN111551496A (zh) | 应用于水质检测仪的计时检测系统 | |
CN114894725A (zh) | 一种水质多参数的光谱数据Stacking融合模型及水质多参数测量方法 | |
KR101108561B1 (ko) | 흡광광도법을 이용한 pH 측정장치 및 이를 이용한 pH 측정방법 | |
CN113340943B (zh) | 基于指纹图谱的水体中嗅味类型和嗅味强度的分析方法 | |
CN108760664B (zh) | 一种水质多参数自动检测分析方法 | |
CN109191819B (zh) | 一种基于聚类算法的多点水质监测分析系统及监测分析方法 | |
CN214011063U (zh) | 一种营养盐分析仪 | |
CN114460055A (zh) | 基于“聚类-回归”的光谱法监测cod的方法与装置 | |
CN118226055A (zh) | 一种多参数全自动化学检测水质分析仪器 | |
CN111766208A (zh) | 一种智能化多参数水质分析仪及分析方法 | |
CN110987845A (zh) | 一种单、双组分染液中染料浓度的实时检测方法 | |
CN110907586A (zh) | 一种测定水中亚硫酸根含量的方法 | |
CN216144701U (zh) | 水质检测分析仪 | |
Stephens et al. | NEAR–INFRARED SPECTROSCOPY AS A TOOL FOR REAL–TIME DETERMINATION OF BOD5 FOR SINGLE–SOURCE SAMPLES | |
CN113189355A (zh) | 一种液体检测方法及检测装置 | |
CN112903414A (zh) | 一种多参数水质自动分析方法与系统 | |
CN113203699A (zh) | 变压器植物绝缘油中抗氧化剂含量的检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |