【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
yolo ...
【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
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。