一种基于制造技术

本发明专利技术属于环境监测技术领域，涉及机器学习，有色污染物的快速测定方法，公开一种基于

【技术实现步骤摘要】
一种基于Kmeans和RGB均值快速测定污染物浓度的方法


[0001]本专利技术属于环境监测
，涉及机器学习，有色污染物的快速测定方法，特别涉及一种基于
Kmeans
和
RGB
均值快速测定污染物浓度的方法
。

技术介绍

[0002]工业活动的指数级增长导致水污染事件激增，水质监测滞后成为影响人类健康和地球生态系统的关键问题
。
因此，开发一种可应用于各种水质
(
包括生态水
、
自然资源水和废水
)
的通用长期连续水质监测方法非常重要
。
[0003]水中某些污染物的浓度可以通过颜色的变化反映出来
。
可以训练机器学习模型来识别水质彩色图像并预测污染物浓度，以实现长期连续监测
。
其中，图像识别技术已成为污染物现场检测和提供预测见解的有用工具
。
例如，直接计算两幅图像之间的特征距离以实现分类
(V.,Alankus,G.,Horzum,N.,Mutlu,A.Y.,Bayram,A.,Solmaz,M.E.,2018.Single
‑
image
‑
referenced colorimetric water quality detection using a smartphone.ACS Omega.3,5,5531
‑
5536.)
，又如实施深度学习技术如
yolov3
来识别污染物图像中的颜色信息并提取相应的颜色信息，然后将其组合起来预测污染物浓度
(Lu,Z.W.,Chen,M.T.,Li,M.J.,Liu,T.,Sun,M.M.,Wu,C.,Su,G.H.,Yin,J.J.,Wu,M.J.,Zou,P.,Lin,L.,Wang,X.X.,Huang,Q.M.,Yin,H.D.,Rao,H.B.,Zhou,X.G.,Ye,J.S.,Wang,Y.Y.,2022.Smartphone
‑
integrated multi
‑
color ratiometric fluorescence portable optical device based on deep learning for visual monitoring of Cu2+and thiram.Chem.Eng.J.439,135686.)。
除此之外，使用多荧光传感器阵列提取多维特征已被证明可以有效地对七种不同的重金属污染物进行分类
(Xu,Z.J.,Chen,J.,Liu,Y.Y.,Wang,X.Y.,Shi,Q.D.,2022.Multi
‑
emission fluorescent sensor array based on carbon dots and lanthanide for detection of heavy metal ions under stepwise prediction strategy.Chem.Eng.J.441,135690.)。
虽然已经研究了几种方法，但它们需要大量的数据作为输入，并且大多数基于第三方提供的免费
RGB
软件，所以只能对颜色变化较为明显的物质进行分类，并且在预测未知浓度方面面临挑战
。
因此，提高图像识别技术的准确性以识别肉眼无法识别的污染物是必要的
。
[0004]图像传感器是一种存储外部可见表型信息
(
例如颜色和形状
)
的经济方式
。RGB
空间是一个包含物体的纹理特征
、
轮廓和颜色特征的空间
。RGB
的维度是建立在笛卡尔坐标系上的，可以得到多种三通道
。
它的坐标系以红
、
绿
、
蓝三种基本颜色为基础，不同程度地叠加，产生丰富而广泛的颜色，可以充分表现颜色变化的程度
。Kmeans
是一种常用的无监督聚类算法，它将数据集划分为
K
个不同的聚类
。
各种数据类型
(
例如图像
、RGB
值或其他数值数据
)
都可以作为
K
均值输入
。
在图像处理领域，
Kmeans
可以应用于图像压缩
、
图像分割等任务
。
随着目标污染物浓度的增加，溶液的颜色
/
状态也会变暗，导致像素值减小，
Kmeans
聚类点的值也会减少，因此可以为测定目标污染物的浓度提供有用的特征
。

技术实现思路

[0005]为了克服上述现有技术的缺点与不足，本专利技术的首要目的在于提供一种基于
Kmeans
和
RGB
均值快速测定污染物浓度的方法
。
[0006]本专利技术另一目的是提供上述方法在测定同一水域的多个样品中污染物浓度的应用
。
[0007]本专利技术的目的通过下述方案实现：
[0008]一种基于
Kmeans
和
RGB
均值快速测定污染物浓度的方法，包括以下步骤：
[0009](1)
配制不同浓度的标准样品；
[0010](2)
拍摄步骤
(1)
所得样品，并且裁剪所获取的照片；
[0011](3)
提取步骤
(2)
所得截图图片的
RGB
通道信息；
[0012](4)
根据步骤
(3)
所得
RGB
通道信息计算
RGB
各个通道均值，得到
RGB
均值特征数据；
[0013](5)
将步骤
(4)
中得到的
RGB
均值特征数据进行
Kmeans
聚类，得到
Kmeans
特征数据；
[0014](6)
将步骤
(4)
和步骤
(5)
获取的数据采用
K
‑
fold
交叉验证训练
linear
模型，得到最佳
Linear
模型；
[0015](7)
待测样品经步骤
(2)
～
(5)
得到
RGB
均值特征数据及其
kmeans
特征数据，将得到的特征数据输入到步骤
(6)
训练好的最佳
Linear
模型，得到污染物浓度
。
[0016]步骤
(1)
所述配制不同浓度的标准样品，具体为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
Kmeans
和
RGB
均值快速测定污染物浓度的方法，其特征在于包括以下步骤：
(1)
配制不同浓度的标准样品；
(2)
拍摄步骤
(1)
所得样品，并且裁剪所获取的照片；
(3)
提取步骤
(2)
所得截图图片的
RGB
通道信息；
(4)
根据步骤
(3)
所得
RGB
通道信息计算
RGB
各个通道均值，得到
RGB
均值特征数据；
(5)
将步骤
(4)
中得到的
RGB
均值特征数据进行
Kmeans
聚类，得到
Kmeans
特征数据；
(6)
将步骤
(4)
和步骤
(5)
获取的数据采用
K
‑
fold
交叉验证训练
linear
模型，得到最佳
Linear
模型；
(7)
待测样品经步骤
(2)
～
(5)
得到
RGB
均值特征数据及其
kmeans
特征数据，将得到的特征数据输入到步骤
(6)
训练好的最佳
Linear
模型，得到污染物浓度
。2.
根据权利要求1所述基于
Kmeans
和
RGB
均值快速测定污染物浓度的方法，其特征在于：步骤
(1)
所述配制不同浓度的标准样品，具体为：采集一个污染水样，采用常规仪器检测方法确定该水样的浓度，对该水样进行梯度稀释得到不同浓度的标准样品
。3.
根据权利要求2所述基于
Kmeans
和
RGB
均值快速测定污染物浓度的方法，其特征在于：所述常规仪器包括电感耦合等离子体质谱仪
、
紫外
‑
可见光吸收光谱
、
原子吸收光谱仪
、
原子荧光光谱仪中的至少一种
。4.
根据权利要求1所述基于
Kmeans
和
RGB
均值快速测定污染物浓度的方法，其特征在于：步骤
(2)
所述拍摄为将样品置于玻璃比色管或
PP
离心管中进行拍摄；拍摄的工具为高清单反摄像机或手机，拍摄的光线为普通灯光，拍摄的背景为纯色背景；步骤
(2)
所述拍摄的条件为：保证同一组溶液的摄影条件一致；步骤
(2)
所述裁剪具体为：在数据预处理框架中，使用
Lightroom
对获取图像批量裁剪，裁掉画面中无用内容，仅保留有溶液的图像区域，并且同一组图像裁剪区域一致，图像大小一致
。5.
根据权利要求1所述基于
Kmeans
和
RGB
均值快速测定污染物浓度的方法，其特征在于：步骤
(3)
所述提取是利用
OpenCV
库中自带的
imread
函数来读取出步骤
(2)
中得到的截图图片的信息
。6.
根据权利要求1所述基于
Kmeans
和
RGB

【专利技术属性】
技术研发人员：邓洪，张梦圆，刘学明，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：