一种多传感器组合的水质检测系统及其检测探头技术方案

技术编号:38008555 阅读:14 留言:0更新日期:2023-06-30 10:26
本发明专利技术涉及光谱水质检测技术领域,具体公开了一种多传感器组合的水质检测系统及其检测探头,包括水质监测模块,用于获取检测参数;水体识别模块,获取受检水体的类型;模型建立模块,对不同类型的水体建立对应的复合神经网络模型;以及数据修正模块,本发明专利技术通过将温度、色度、浊度、盐度这些物理量纳入复合神经网络模型,建立基于多种影响因子的全光谱数据的水质光谱模型,综合形成非常具有辨别的光谱指纹数据,通过具有辨别的光谱指纹数据训练出获得某个水体复合神经网络模型,对水体有较好的识别功能,在水质污染溯源方向有非常好的实用性,同时分析时间短,分析结果与标准数据偏移率低。率低。率低。

【技术实现步骤摘要】
一种多传感器组合的水质检测系统及其检测探头


[0001]本专利技术涉及光谱水质检测
,具体的,涉及一种多传感器组合的水质检测系统及其检测探头。

技术介绍

[0002]国内目前环保行业均以传统的国标法检测方式,利用化学反应原理检测水质单个指标物浓度。这种方法发展成熟,但有设备体积大、需要恒温有建设施工要求、分析时间长(1小时/次)、耗电量大、需要化学试剂、二次污染等缺点。
[0003]在通过便携式检测探头进行光谱法水质监测方面,现有技术均未达到满足测量精度的范围,与实际水样的浓度偏差在
±
20%左右,目前还确实可以替代国标法水质监测站的光谱法水质多参数传感器的便携式检测探头。
[0004]而制约便携式检测探头获取精确数据的原因包括:(1)测量物质内因子影响:很多物质在特定波长区间内都有较强的吸光度,叠加度较高,互相干扰。
[0005](2)环境影响因子:温度、色度、浊度、盐度等因素对光谱法影响非常大,需要补偿修正或消除影响。
[0006](3)仪器系统本身的影响:灯源衰减、电流稳定性、干扰性、光学镜头污染等等,在长期使用过程中都对测量结果影响较大。
[0007](4)量程、分辨率等参数的适应性:现实中实际水样有工业废水、农业有机废水、河流湖泊等等不同的水体,内成份复杂、变化多、浓度大小不一,对于光谱法传感器的适应性设计要求比较高。
[0008]为解决采用全光谱的便携式检测探头测量精度不足的问题,本专利技术提出一种多传感器组合的水质检测系统及其检测探头。

技术实现思路

[0009]本专利技术的目的在于提供一种多传感器组合的水质检测系统及其检测探头,解决以下技术问题:如何解决采用全光谱的便携式检测探头测量精度不足的问题。
[0010]本专利技术的目的可以通过以下技术方案实现:一种多传感器组合的水质检测系统,包括:水质监测模块,用于获取检测参数,检测参数包括受检水体的物理量数据组以及,受检水体的第一光谱数据组;水体识别模块,对物理量数据组和光谱数据组按照预设规则进行比对分析,获取受检水体的类型;模型建立模块,对不同类型的水体建立对应的复合神经网络模型;数据修正模块,将实时的检测参数输入训练好的对应的复合神经网络模型中,由
复合神经网络模型输出第二光谱数据组。
[0011]通过上述技术方案:将温度、色度、浊度、盐度这些物理量纳入复合神经网络模型,建立基于多种影响因子的全光谱数据的水质光谱模型,综合形成非常具有辨别的光谱指纹数据,通过具有辨别的光谱指纹数据训练出获得某个水体复合神经网络模型,对水体有较好的识别功能,在水质污染溯源方向有非常好的实用性。
[0012]作为本专利技术的进一步技术方案:所述预设的识别规则包括:建立不同类型水体的数据库,所述数据库包括每个类型的水体所有种类的数据以及对应标准浓度区间;将实时的检测参数与每个类型的水体的数据库进行比对分析,获取水体类型。
[0013]作为本专利技术的进一步技术方案:所述将实时的检测参数与每个类型的水体的数据库内进行比对分析的过程包括:通过公式:,获取受检水体与比对水体的偏离系数;其中,n是检测参数数据类型的数量,是每个参数偏离度权重系数,是受检水体第k个数据的具体数值,是受检水体所对应的标准水体类型中第k个数据的标准取值区间,是标准取值区间的中间值,;将偏离系数与标准偏离区间进行比对;若,则判断该比对水体的类型为受检水体的类型;若,则判断该比对水体的类型不是受检水体的类型;若,则判断该比对水体的类型与受检水体的类型近似。
[0014]通过上述技术方案:由受检水体的检测参数获取其与比对水体的偏离系数,通过偏离系数准确的判断受检水体是否与比对水体属于同一类水体,可以对水体实现自动化判断,简化使用本专利技术检测系统的检测探头的使用步骤。
[0015]作为本专利技术的进一步技术方案:所述预设的识别规则还包括:数据库加入每个类型的水体的各种成分的所有的浓度排序信息;将实时的检测参数的成分的排序信息与数据库中的所有的浓度排序信息进行比对,保留排序信息符合的水体类型;将排序信息符合的水体的实时的检测参数与每个类型的水体的数据库内进行比对分析,获取水体类型。
[0016]通过上述技术方案:对水体的类型判断添加计算量更少的前置步骤,消除部分明显不符合要求的水体,可以极大的提升水体类型的判断效率,进一步减少使用本专利技术检测系统的检测探头的数据获取时间,提升检测效率。
[0017]作为本专利技术的进一步技术方案:建立所述复合神经网络模型的样本数据获取过程包括:获取某一类型的水体样本,并由高精度实验室检测装备检测实际值;
对每一个由检测探头获取的第一光谱数据组中的光谱数据所对应的物质制备滴定液;将样本等分为与光谱数据数量相同的份数,对每一份样本将等体积的滴定液分若干次加入,由检测探头获取每次加入滴定液后的混合液的第一检测值;排除滴定过程中数据波动不超过精度需求的样本数据,将剩余数据输入复合神经网络模型中作为训练样本。
[0018]作为本专利技术的进一步技术方案:所述复合神经网络模型的样本数据获取过程还包括:取样本数据获取过程中未被排除的且完成滴定样本液体水样;将多份水样两两混合滴定,由检测探头获取每次滴定后的混合物的第二检测值,将所有第二检测值输入复合神经网络模型中作为训练样本。
[0019]通过上述技术方案:可以获取大量的样本数据,便于对复合神经网络模型进行训练,此外获取的单因子数据是基于单因子浓度线性变化获取的,双因子数据是基于单因子数据滴定后的实验液获取的,数据线性度高,用于机器学习训练效果好。
[0020]作为本专利技术的进一步技术方案:所述复合神经网络模型是四层BP神经网络的预测模型,其输入层的数据为全体物理量数据组以及第一光谱数据组,其输出层输出的第二光谱数据组为预测数据,两层隐藏层分别提前单因子条件下的数据特征以及双因子条件下的数据特征。
[0021]本专利技术还提供的一种多传感器组合水质检测探头,包括探头本体,所述探头本体上开设有容纳检测液的检查口,所述检查口两侧分别开设有发射窗和入射窗,所述探头本体内设置有光学检测组件,所述光学检测组件包括设置在检查口一侧的光源,所述光源与发射窗之间设有第一凸透镜,所述入射窗后方设置有收束透过入射窗线的第二凸透镜,所述第二凸透镜后方设有接收收束后光线的狭缝、准直镜和光栅,所述光栅后方设有用于接收穿过光栅的光线的第三凸透镜,所述第三凸透镜后方设有用于检测光强的光谱传感器矩阵;所述检查口上方设有反射透镜,所述反射透镜上方设有光电接收器;所述探头本体外设置有传感器组。
[0022]进一步的:所述传感器组包括pH传感器和电导率电极,所述pH传感器使用导热性硅胶贴在金属外壳的内壁上,所述探头本体前端嵌入不导电的高性能塑胶块,上面嵌入电导率电极,所述发射窗和入射窗外安装有雨刷刮片,所述雨刷刮片清洁时间可设定。
[0023]本专利技术的有益效果:(1)本专利技术通过将温度、色度、浊度、盐度这些物理量纳入复合神经网络模型,建立基于多种影响因本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种多传感器组合的水质检测系统,其特征在于,包括:水质监测模块,用于获取检测参数,检测参数包括受检水体的物理量数据组以及,受检水体的第一光谱数据组;水体识别模块,对物理量数据组和光谱数据组按照预设规则进行比对分析,获取受检水体的类型;模型建立模块,对不同类型的水体建立对应的复合神经网络模型;数据修正模块,将实时的检测参数输入训练好的受检水体类型对应的复合神经网络模型中,由复合神经网络模型输出第二光谱数据组。2.根据权利要求1所述的一种多传感器组合的水质检测系统,其特征在于,所述预设的识别规则包括:建立不同类型水体的数据库,所述数据库包括每个类型的水体所有种类的数据以及对应标准浓度区间;将实时的检测参数与每个类型的水体的数据库进行比对分析,获取水体类型。3.根据权利要求2所述的一种多传感器组合的水质检测系统,其特征在于,所述将实时的检测参数与每个类型的水体的数据库内进行比对分析的过程包括:通过公式:,获取受检水体与比对水体的偏离系数;其中,n是检测参数数据类型的数量,是每个参数偏离度权重系数,是受检水体第k个数据的具体数值,是受检水体所对应的标准水体类型中第k个数据的标准取值区间,是标准取值区间的中间值,;将偏离系数与标准偏离区间进行比对;若,则判断该比对水体的类型为受检水体的类型;若,则判断该比对水体的类型不是受检水体的类型;若,则判断该比对水体的类型与受检水体的类型近似。4.根据权利要求2所述的一种多传感器组合的水质检测系统,其特征在于,所述预设的识别规则还包括:数据库加入每个类型的水体的各种成分的所有的浓度排序信息;将实时的检测参数的成分的排序信息与数据库中的所有的浓度排序信息进行比对,保留排序信息符合的水体类型;将排序信息符合的水体的实时的检测参数与每个类型的水体的数据库内进行比对分析,获取水体类型。5.根据权利要求1所述的一种多传感器组合的水质检测系统,其特征在于,建立所述复合神经网络模型的样本数据获取过程包括:获取某一类型的水体样本,并由高精度实验室检测装备检测实际值;对每一个由检测探头获取的第一光谱数据组中的光谱数据所对应的物...

【专利技术属性】
技术研发人员:张友德钱益武杨业程雨涵王清泉尹星
申请(专利权)人:安徽新宇环保科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1