CN118312738A - 一种基于大数据海洋水体污染监测系统 - Google Patents
一种基于大数据海洋水体污染监测系统 Download PDFInfo
- Publication number
- CN118312738A CN118312738A CN202410413245.0A CN202410413245A CN118312738A CN 118312738 A CN118312738 A CN 118312738A CN 202410413245 A CN202410413245 A CN 202410413245A CN 118312738 A CN118312738 A CN 118312738A
- Authority
- CN
- China
- Prior art keywords
- pollution
- module
- water
- sub
- area
- 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
- 238000003911 water pollution Methods 0.000 title claims abstract description 31
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 238000001514 detection method Methods 0.000 claims abstract description 59
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 57
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 238000001914 filtration Methods 0.000 claims abstract description 22
- 239000010865 sewage Substances 0.000 claims abstract description 12
- 239000007788 liquid Substances 0.000 claims abstract description 11
- 239000010815 organic waste Substances 0.000 claims abstract description 11
- 239000000575 pesticide Substances 0.000 claims abstract description 11
- 239000003208 petroleum Substances 0.000 claims abstract description 11
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 229910052751 metal Inorganic materials 0.000 claims abstract description 8
- 239000002184 metal Substances 0.000 claims abstract description 8
- 238000005516 engineering process Methods 0.000 claims abstract description 6
- 238000005192 partition Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 239000000843 powder Substances 0.000 claims description 9
- 239000003153 chemical reaction reagent Substances 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 6
- 239000011259 mixed solution Substances 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 239000002244 precipitate Substances 0.000 claims description 6
- 239000002904 solvent Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 239000013598 vector Substances 0.000 claims description 6
- 239000002253 acid Substances 0.000 claims description 3
- 238000009835 boiling Methods 0.000 claims description 3
- 239000003093 cationic surfactant Substances 0.000 claims description 3
- 239000008367 deionised water Substances 0.000 claims description 3
- 229910021641 deionized water Inorganic materials 0.000 claims description 3
- 239000002274 desiccant Substances 0.000 claims description 3
- 238000001035 drying Methods 0.000 claims description 3
- 238000000227 grinding Methods 0.000 claims description 3
- 229910001385 heavy metal Inorganic materials 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000003756 stirring Methods 0.000 claims description 3
- 238000011524 similarity measure Methods 0.000 claims 1
- 239000013535 sea water Substances 0.000 abstract description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 229910052770 Uranium Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Sampling And Sample Adjustment (AREA)
Abstract
本发明公开了一种基于大数据海洋水体污染监测系统,所述监测系统包括:海洋水体采样模块、水体污染检测模块、污染溯源模块和分区协同过滤模块;所述海洋水体采集模块用于对区域内海洋的水体进行不同深度的样本提取;所述水体污染检测模块用于对样本数据进行污染检测,获得样本数据受污染程度;所述污染溯源模块用于对受污染的水体样本进行污染源定位以及污染发生的时间;所述分区协同过滤模块用于基于大数据技术对其他区域进行协同过滤计算,找到其它区域协同相似的污染源以及污染发生时间。本发明基于大数据技术,对海水中石油含量、金属含量、农药含量、有机废液及生活污水的含量进行污染检测,获取本区域内的污染源以及污染时间。
Description
技术领域
本发明涉及海水检测技术领域,具体涉及一种基于大数据海洋水体污染监测系统。
背景技术
随着社会经济的不断发展,在生产制造过程中产生的垃圾数量也不断增多。这些垃圾很多都以直接或间接的方式排向了海洋,給海洋造成了一定的污染。受到污染的海域会严重的危害海洋的生物安全和人类的身体健康,因此,需要对海洋的水污染进行检测。
水源污染治理成本高,且污水处理成本高、偷排不易发觉、违法成本低。快速定位污染源,可以有效降低环境污染损失、提高偷排企业的违法成本,减少偷排。
发明内容
为了解决以上技术问题,本发明提供了一种基于大数据海洋水体污染监测系统,所述系统包括:海洋水体采样模块、水体污染检测模块、污染溯源模块和分区协同过滤模块;
所述海洋水体采集模块用于对区域内海洋的水体进行不同深度的样本提取;
所述水体污染检测模块用于对样本数据进行污染检测,获得样本数据受污染程度;
所述污染溯源模块用于对受污染的水体样本进行污染源定位以及污染发生的时间;
所述分区协同过滤模块用于基于大数据技术对其他区域进行协同过滤计算,找到其它区域协同相似的污染源以及污染发生时间。
可选的,所述海洋水体采集模块包括采样区设置子模块和采样深度设置子模块;
所述采样区设置子模块用于在待测区域内选定本次采样区;
所述采样深度设置子模块用于基于采样区的特征进行三次不同深度的采样。
可选的,所述水体污染检测模块包括样本检测子模块、检测值比对子模块和等级判定子模块;
所述样本检测子模块用于对三个样本进行污染检测,得到检测结果;
所述检测值比对子模块用于基于检测结果对比海洋污染的程度,设置污染等级;
所述等级判定子模块用于将所述检测结果和所述污染等级进行核对,得到样本区域的海洋污染等级。
可选的,所述样本检测子模块的工作流程具体包括:
对三个样本分别进行石油、金属、农药、有机废液及生活污水的污染检测;
样本石油检测过程具体包括:使用测油仪对样本中的石油含量进行检测;
样本重金属检测过程具体包括:将溶解于去离子水的(NH4)2M004·4H20放入磁力搅拌器进行充分搅拌后,滴入HNO3,得到混合物,将混合物进行加热,静置后得到沉淀物,将沉淀物烘干后得到反应粉末,使用反应粉末进行水体金属检测;
样本农药检测过程具体包括:使用阳离子表面活性剂和ZnTPyP超声溶解于溶剂中得到混合液,将混合液加热后得到测试剂,使用测试剂进行农药反应检测;
样本有机废液及生活污水检测过程具体包括:对样本添加干燥剂,选择表面积大的颗粒,对颗粒进行研磨,对研磨粉末添加弱酸溶剂进行煮沸和加压后,实现对有机废液及生活污水的检测。
可选的,所述污染溯源模块包括待测区信息捕获子模块、水质标签子模块和时域分析子模块;
所述待测区信息捕获子模块用于获取待测区的水流流速、流向、深度的基本信息;
所述水质标签子模块用于根据所述海洋污染等级对待测区域进行水质标签标定;
所述时域分析子模块用于基于待测区基本信息、水质标签使用大数据进行区域和时域分析:
其中,f为水质参数函数,f(x)为在x时的水质参数,f(x+h)为在x+h时的水质参数,根据值的大小判断污染源的位置。
可选的,所述分区协同过滤模块包括协同聚类子模块、相似度度量子模块、水体协同过滤子模块;
所述协同聚类子模块用于基于本区域污染源定位以及污染发生的时间作为原始数据集,根据原始数据集进行中心聚类;
所述相似度度量子模块用于基于聚类运算,计算本区域污染源定位以及污染发生的时间作为原始数据集与其他区域污染源定位以及污染发生的时间作为原始数据集的相似度;
所述水体协同过滤子模块用于基于相似度计算其他区域相似的污染源以及污染发生时间,实现对海洋水体污染的监测。
可选的,所述协同聚类子模块的工作流程具体包括:
使用模糊C均值算法将待聚类的原始数据集作为向量的集合,通过计算向量到各个聚类中心的隶属度来将数据划分为k类;
设带聚类的原始数据集为D,样本数量为n,模糊因子为b,聚类的结果为F,原始数据被分为k个类别(S1,S2,....,Sk),每个类别的聚类中心为(c1,c2,...,ck),定义数据样本对聚类的隶属度,样本xi对第j类的隶属度为:
且隶属度之间满足下列公式要求:
目标函数即为:
模糊C均值算法的计算公式为:
可选的,所述相似度度量子模块的工作流程具体包括:
使用去中心化的修正余弦相似度计算方法,具体包括:
根据本领域的污染源定位以及污染发生的时间以及其他区域污染源定位i以及污染发生的时间进行相似度j计算相似度:
与现有技术相比,本发明的有益效果为:
本发明基于大数据技术,对海水中石油含量、金属含量、农药含量、有机废液及生活污水的含量进行污染检测,获取本区域内的污染源以及污染时间。还根据协同计算方法得到其他区域内的污染源以及污染时间。本发明使用的协同计算方法将其他待检测区域内,与本发明计算得到的内容相近邻的内容推送给水体污染检测模块,用于减少计算时间,提高监测效率。对污染严重的水域进行处理,提高对人类安全的保障。
附图说明
为了更清楚地说明本发明的技术方案,下面对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的基于大数据海洋水体污染监测系统的系统结构图。
具体实施方法
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种基于大数据海洋水体污染监测系统,如图1所示,具体包括:海洋水体采样模块、水体污染检测模块、污染溯源模块和分区协同过滤模块;
海洋水体采集模块用于对区域内海洋的水体进行不同深度的样本提取;
海洋水体采集模块包括采样区设置子模块和采样深度设置子模块;
采样区设置子模块用于在待测区域内选定本次采样区;
所述采样深度设置子模块用于基于采样区的特征进行三次不同深度的采样。
水体污染检测模块用于对样本数据进行污染检测,获得样本数据受污染程度;
水体污染检测模块包括样本检测子模块、检测值比对子模块和等级判定子模块;
样本检测子模块用于对三个样本进行污染检测,得到检测结果;
检测值比对子模块用于基于检测结果对比海洋污染的程度,设置污染等级;
等级判定子模块用于将所述检测结果和所述污染等级进行核对,得到样本区域的海洋污染等级。
样本检测子模块的工作流程具体包括:
对三个样本分别进行石油、金属、农药、有机废液及生活污水的污染检测;
样本石油检测过程具体包括:使用测油仪对样本中的石油含量进行检测;
样本重金属检测过程具体包括:将溶解于去离子水的(NH4)2M004·4H20放入磁力搅拌器进行充分搅拌后,滴入HNO3,得到混合物,将混合物进行加热,静置后得到沉淀物,将沉淀物烘干后得到反应粉末,使用反应粉末进行水体金属检测;
样本农药检测过程具体包括:使用阳离子表面活性剂和ZnTPyP超声溶解于溶剂中得到混合液,将混合液加热后得到测试剂,使用测试剂进行农药反应检测;
样本有机废液及生活污水检测过程具体包括:对样本添加干燥剂,选择表面积大的颗粒,对颗粒进行研磨,对研磨粉末添加弱酸溶剂进行煮沸和加压后,实现对有机废液及生活污水的检测。
污染溯源模块用于对受污染的水体样本进行污染源定位以及污染发生的时间;
污染溯源模块包括待测区信息捕获子模块、水质标签子模块和时域分析子模块;
待测区信息捕获子模块用于获取待测区的水流流速、流向、深度的基本信息;
水质标签子模块用于根据所述海洋污染等级对待测区域进行水质标签标定;
时域分析子模块用于基于待测区基本信息、水质标签使用大数据进行区域和时域分析:
其中,f为水质参数函数,f(x)为在x时的水质参数,f(x+h)为在x+h时的水质参数,根据值的大小判断污染源的位置。
分区协同过滤模块用于基于大数据技术对其他区域进行协同过滤计算,找到其它区域协同相似的污染源以及污染发生时间。
分区协同过滤模块包括协同聚类子模块、相似度度量子模块、水体协同过滤子模块;
协同聚类子模块用于基于本区域污染源定位以及污染发生的时间作为原始数据集,根据原始数据集进行中心聚类;
相似度度量子模块用于基于聚类运算,计算本区域污染源定位以及污染发生的时间作为原始数据集与其他区域污染源定位以及污染发生的时间作为原始数据集的相似度;
水体协同过滤子模块用于基于相似度计算其他区域相似的污染源以及污染发生时间,实现对海洋水体污染的监测。
协同聚类子模块的工作流程具体包括:
使用模糊C均值算法将待聚类的原始数据集作为向量的集合,通过计算向量到各个聚类中心的隶属度来将数据划分为k类;
设带聚类的原始数据集为D,样本数量为n,模糊因子为b,聚类的结果为F,原始数据被分为k个类别(S1,S2,....,Sk),每个类别的聚类中心为(c1,c2,...,ck),定义数据样本对聚类的隶属度,样本xi对第j类的隶属度为:
且隶属度之间满足下列公式要求:
目标函数即为:
模糊C均值算法的计算公式为:
相似度度量子模块的工作流程具体包括:
使用去中心化的修正余弦相似度计算方法,具体包括:
根据本领域的污染源定位以及污染发生的时间以及其他区域污染源定位i以及污染发生的时间进行相似度j计算相似度:
假设本领域集合为U,U中有n个领域节点,分别为{U1,U2,…,Un},物品集合为I,I中有m个物品,分别为{Item1,Item2,…,Itemm},“本领域-其它领域”的评分集合为R,为了给本领域U进行推荐物品,基于物品的协同过滤推荐流程如下:(1)获取本领域数据U;已评分过的内容集合;(2)从其他领域集合I寻找同本领域己评分集合中每个物品最相似的其他物品,得到一个大小为k的领域内容集合I',即{Itemp,Item2,…,Itemk};(3)对于集合I'中的每一个物品Itemj,预测本领域节点U;对该节点内容的可能打分ps(U,Itemj),按照打分的高低对其他领域相关内容进行排序,推荐前N个内容给本领域节点Ui。
以上显示和描述了本发明的主要特征和优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
以上所述的实施例仅是对本发明优选方式进行的描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (8)
1.一种基于大数据海洋水体污染监测系统,其特征在于,所述系统包括:海洋水体采样模块、水体污染检测模块、污染溯源模块和分区协同过滤模块;
所述海洋水体采集模块用于对区域内海洋的水体进行不同深度的样本提取;
所述水体污染检测模块用于对样本数据进行污染检测,获得样本数据受污染程度;
所述污染溯源模块用于对受污染的水体样本进行污染源定位以及污染发生的时间;
所述分区协同过滤模块用于基于大数据技术对其他区域进行协同过滤计算,找到其它区域协同相似的污染源以及污染发生时间。
2.根据权利要求1所述的基于大数据海洋水体污染监测系统,其特征在于,所述海洋水体采集模块包括采样区设置子模块和采样深度设置子模块;
所述采样区设置子模块用于在待测区域内选定本次采样区;
所述采样深度设置子模块用于基于采样区的特征进行三次不同深度的采样。
3.根据权利要求1所述的基于大数据海洋水体污染监测系统,其特征在于,所述水体污染检测模块包括样本检测子模块、检测值比对子模块和等级判定子模块;
所述样本检测子模块用于对三个样本进行污染检测,得到检测结果;
所述检测值比对子模块用于基于检测结果对比海洋污染的程度,设置污染等级;
所述等级判定子模块用于将所述检测结果和所述污染等级进行核对,得到样本区域的海洋污染等级。
4.根据权利要求3所述的基于大数据海洋水体污染监测系统,其特征在于,所述样本检测子模块的工作流程具体包括:
对三个样本分别进行石油、金属、农药、有机废液及生活污水的污染检测;
样本石油检测过程具体包括:使用测油仪对样本中的石油含量进行检测;
样本重金属检测过程具体包括:将溶解于去离子水的(NH4)2M004·4H20放入磁力搅拌器进行充分搅拌后,滴入HNO3,得到混合物,将混合物进行加热,静置后得到沉淀物,将沉淀物烘干后得到反应粉末,使用反应粉末进行水体金属检测;
样本农药检测过程具体包括:使用阳离子表面活性剂和ZnTPyP超声溶解于溶剂中得到混合液,将混合液加热后得到测试剂,使用测试剂进行农药反应检测;
样本有机废液及生活污水检测过程具体包括:对样本添加干燥剂,选择表面积大的颗粒,对颗粒进行研磨,对研磨粉末添加弱酸溶剂进行煮沸和加压后,实现对有机废液及生活污水的检测。
5.根据权利要求4所述的基于大数据海洋水体污染监测系统,其特征在于,所述污染溯源模块包括待测区信息捕获子模块、水质标签子模块和时域分析子模块;
所述待测区信息捕获子模块用于获取待测区的水流流速、流向、深度的基本信息;
所述水质标签子模块用于根据所述海洋污染等级对待测区域进行水质标签标定;
所述时域分析子模块用于基于待测区基本信息、水质标签使用大数据进行区域和时域分析:
其中,f为水质参数函数,f(x)为在x时的水质参数,f(x+h)为在x+h时的水质参数,根据值的大小判断污染源的位置。
6.根据权利要求1所述的基于大数据海洋水体污染监测系统,其特征在于,所述分区协同过滤模块包括协同聚类子模块、相似度度量子模块、水体协同过滤子模块;
所述协同聚类子模块用于基于本区域污染源定位以及污染发生的时间作为原始数据集,根据原始数据集进行中心聚类;
所述相似度度量子模块用于基于聚类运算,计算本区域污染源定位以及污染发生的时间作为原始数据集与其他区域污染源定位以及污染发生的时间作为原始数据集的相似度;
所述水体协同过滤子模块用于基于相似度计算其他区域相似的污染源以及污染发生时间,实现对海洋水体污染的监测。
7.根据权利要求1所述的基于大数据海洋水体污染监测系统,其特征在于,所述协同聚类子模块的工作流程具体包括:
使用模糊C均值算法将待聚类的原始数据集作为向量的集合,通过计算向量到各个聚类中心的隶属度来将数据划分为k类;
设带聚类的原始数据集为D,样本数量为n,模糊因子为b,聚类的结果为F,原始数据被分为k个类别(S1,S2,....,Sk),每个类别的聚类中心为(c1,c2,...,ck),定义数据样本对聚类的隶属度,样本xi对第j类的隶属度为:
且隶属度之间满足下列公式要求:
目标函数即为:
模糊C均值算法的计算公式为:
8.根据权利要求1所述的基于大数据海洋水体污染监测系统,其特征在于,所述相似度度量子模块的工作流程具体包括:
使用去中心化的修正余弦相似度计算方法,具体包括:
根据本领域的污染源定位以及污染发生的时间以及其他区域污染源定位i以及污染发生的时间进行相似度j计算相似度:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410413245.0A CN118312738A (zh) | 2024-04-08 | 2024-04-08 | 一种基于大数据海洋水体污染监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410413245.0A CN118312738A (zh) | 2024-04-08 | 2024-04-08 | 一种基于大数据海洋水体污染监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118312738A true CN118312738A (zh) | 2024-07-09 |
Family
ID=91723223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410413245.0A Pending CN118312738A (zh) | 2024-04-08 | 2024-04-08 | 一种基于大数据海洋水体污染监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118312738A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107831285A (zh) * | 2017-01-19 | 2018-03-23 | 江苏省金威测绘服务中心 | 一种基于物联网的河湖污染监测系统及其方法 |
US10311442B1 (en) * | 2007-01-22 | 2019-06-04 | Hydrojoule, LLC | Business methods and systems for offering and obtaining research services |
CN112423255A (zh) * | 2020-11-09 | 2021-02-26 | 湛江三木科技有限公司 | 一种海洋环境在线监测预警系统 |
CN117347576A (zh) * | 2023-09-21 | 2024-01-05 | 深圳市宇驰检测技术股份有限公司 | 水质监测系统、方法以及终端设备 |
-
2024
- 2024-04-08 CN CN202410413245.0A patent/CN118312738A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10311442B1 (en) * | 2007-01-22 | 2019-06-04 | Hydrojoule, LLC | Business methods and systems for offering and obtaining research services |
CN107831285A (zh) * | 2017-01-19 | 2018-03-23 | 江苏省金威测绘服务中心 | 一种基于物联网的河湖污染监测系统及其方法 |
CN112423255A (zh) * | 2020-11-09 | 2021-02-26 | 湛江三木科技有限公司 | 一种海洋环境在线监测预警系统 |
CN117347576A (zh) * | 2023-09-21 | 2024-01-05 | 深圳市宇驰检测技术股份有限公司 | 水质监测系统、方法以及终端设备 |
Non-Patent Citations (1)
Title |
---|
张彦军 等: "基于模糊C 均值聚类算法的海洋环境监测研究", 工业仪表与自动化装置, no. 6, 31 December 2017 (2017-12-31), pages 4 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Narges et al. | Prediction of the optimal dosage of coagulants in water treatment plants through developing models based on artificial neural network fuzzy inference system (ANFIS) | |
Shahrban et al. | Classification of the Caspian Sea coastal waters based on trophic index and numerical analysis | |
Chia et al. | Errors and recommended practices that should be identified to reduce suspected concentrations of microplastics in soil and groundwater: a review | |
Zhu et al. | Online recognition of drainage type based on UV-vis spectra and derivative neural network algorithm | |
Yerel et al. | Application of multivariate statistical techniques in the assessment of water quality in Sakarya River, Turkey | |
Inbar et al. | Analyzing the secondary wastewater-treatment process using Faster R-CNN and YOLOv5 object detection algorithms | |
Mikulec et al. | Green techniques for detecting microplastics in marine with emphasis on FTIR and NIR spectroscopy—short review | |
Lee et al. | Automatic classification of microplastics and natural organic matter mixtures using a deep learning model | |
Le et al. | Benchmarking and automating the image recognition capability of an In situ plankton imaging system | |
CN117171660B (zh) | 基于支持向量机的微生物修复状态监测方法及系统 | |
CN118312738A (zh) | 一种基于大数据海洋水体污染监测系统 | |
Patil et al. | Advanced deep learning for dynamic emulsion stability measurement | |
Taboada et al. | Semi-automatic image analysis methodology for the segmentation of bubbles and drops in complex dispersions occurring in bioreactors | |
Jasmine et al. | Source-specific categorization of microplastics in nearshore surface waters of the Great Lakes | |
Pan et al. | Recognition of Wood Porosity Based on Direction Insensitive Feature Sets. | |
Hu et al. | Using artificial intelligence to rapidly identify microplastics pollution and predict microplastics environmental behaviors | |
Yin et al. | Open-Set Recognition for Unknown Organic Pollutants in Drinking Water With 3-D Fluorescence Spectroscopy | |
Hellrich et al. | An assessment of experimental protocols for tracing changes in word semantics relative to accuracy and reliability | |
CN115639332B (zh) | 一种河湖水质分析方法、装置及系统 | |
Nair et al. | Exploratory Data Analysis of Bhavani River Water Quality Index Data | |
Choran et al. | Micro-flow imaging for in-situ and real-time enumeration and identification of microplastics in water | |
Cao et al. | Froth image clustering with feature semi-supervision through selection and label information | |
Staniszewski et al. | Use of bioluminescence for monitoring Brown coal mine waters from deep and surface drainage | |
Stolyarchuk et al. | Electric sensors for express-method checking of liquid quality level monitoring | |
Andreatta et al. | Tools for discrimination and analysis of lake bacterioplankton subgroups measured by flow cytometry in a high-resolution depth profile |
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 |