本发明涉及水质监测,特别涉及一种基于紫外可见光谱的水质监测方法、装置、设备及介质。
背景技术:
1、紫外可见光谱法的基础是物质对紫外光的选择性吸收,该选择性吸收是基于分子里价电子在能级之间的跃迁所产生的吸收,通过建立紫外光谱数据和水质参数的数据模型,同时在此基础上,将待测水样的紫外可见光谱数据与其比较,得出想用的水质参数,该方法具有分析速度快、重复性好、无污染等特点,近几年来,在水质分析方面得到了很好的应用。
2、紫外可见光谱在检测过程中会受到浊度的影响,目前,去除浊度对光谱的影响的主要手段是过滤,但是,过滤的去除方法程序复杂,且需要大量的滤纸,成本较高,已不能满足现代水质监测对实时性和低成本的要求,国内外现有实施的浊度补偿主要利用单个波段的吸光度值作为浊度,对全波段进行波长浊度补偿,该方法无需预处理、快速、方便,但由于浊度影响的多样性和复杂性,使得最终测量值偏差较大。
技术实现思路
1、有鉴于此,本发明实施例提供了一种基于紫外可见光谱的水质监测方法,以解决现有技术中水质监测结果准确度低的技术问题。该方法包括:
2、获取待监测水样的待监测紫外可见光谱;
3、将所述待监测紫外可见光谱输入水样类型识别模型,获得所述待监测水样的水样类型;
4、根据水样类型与浊度去除模型的对应关系,确定所述待监测水样的水样类型对应的浊度去除模型;
5、将所述待监测紫外可见光谱输入确定出的浊度去除模型,获得去除浊度后的待监测紫外可见光谱;
6、根据紫外可见光谱与水质监测模型的对应关系,确定所述去除浊度后的待监测紫外可见光谱对应的水质监测模型;
7、将所述去除浊度后的待监测紫外可见光谱输入确定出的水质监测模型,获得所述待监测水样的水质参数。
8、本发明实施例还提供了一种基于紫外可见光谱的水质监测装置,以解决现有技术中水质监测结果准确度低的技术问题。该装置包括:
9、数据获取模块,用于获取待监测水样的待监测紫外可见光谱;
10、水样类型识别模块,用于将所述待监测紫外可见光谱输入水样类型识别模型,获得所述待监测水样的水样类型;
11、浊度去除模型确定模块,用于根据水样类型与浊度去除模型的对应关系,确定所述待监测水样的水样类型对应的浊度去除模型;
12、浊度去除模块,用于将所述待监测紫外可见光谱输入确定出的浊度去除模型,获得去除浊度后的待监测紫外可见光谱;
13、水质监测模型确定模块,用于根据紫外可见光谱与水质监测模型的对应关系,确定所述去除浊度后的待监测紫外可见光谱对应的水质监测模型;
14、水质监测模块,用于将所述去除浊度后的待监测紫外可见光谱输入确定出的水质监测模型,获得所述待监测水样的水质参数。
15、本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意的基于紫外可见光谱的水质监测方法,以解决现有技术中水质监测结果准确度低的技术问题。
16、本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述任意的基于紫外可见光谱的水质监测方法的计算机程序,以解决现有技术中水质监测结果准确度低的技术问题。
17、与现有技术相比,本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括:提出了基于待监测水样的待监测紫外可见光谱,确定待监测水样的水样类型,进而确定出待监测水样的水样类型对应的浊度去除模型,使用确定的浊度去除模型对待监测紫外可见光谱去除浊度,并通过与去除浊度后的待监测紫外可见光谱对应的水质监测模型获得待监测水样的水质参数。实现了采用与待监测水样的水样类型对应的浊度去除模型对待监测紫外可见光谱去除浊度,与现有技术中将单个波段的吸光度值作为浊度对全波段进行波长浊度去除的方法相比,本申请可以采用与水样类型对应的浊度去除模型对待监测紫外可见光谱去除浊度,有利于提高去除浊度的准确性、有效性,且浊度去除模型的使用使得去除浊度的过程更便捷、更高效;进而基于准确、有效去除浊度的待监测紫外可见光谱进行水质监测,有利于提高水质监测结果的准确性;同时,通过建立水样类型与浊度去除模型的对应关系,可以实现便捷地获取与不同地区或新区域的待测水样的水样类型对应的浊度去除模型,实现了浊度去除模型的传递,避免在不同地区或新区域构建不同水样类型对应的浊度去除模型,进而有利于降低水质监测的成本、工作量。
1.一种基于紫外可见光谱的水质监测方法,其特征在于,包括:
2.如权利要求1所述的基于紫外可见光谱的水质监测方法,其特征在于,所述方法还包括:
3.如权利要求2所述的基于紫外可见光谱的水质监测方法,其特征在于,根据多份所述第一紫外可见光谱的波形特征,确定每个所述样本水样的水基因类型,包括:
4.如权利要求2所述的基于紫外可见光谱的水质监测方法,其特征在于,所述方法还包括:
5.如权利要求4所述的基于紫外可见光谱的水质监测方法,其特征在于,根据多份所述第二紫外可见光谱以及对应的多份所述浊度数据生成输入数据,包括:
6.如权利要求4所述的基于紫外可见光谱的水质监测方法,其特征在于,所述神经网络模型包括卷积层、池化层、激活层以及归一化层。
7.如权利要求6所述的基于紫外可见光谱的水质监测方法,其特征在于,在所述卷积层中通过以下公式实现在多输入维度和多输出维度的卷积操作:
8.一种基于紫外可见光谱的水质监测装置,其特征在于,包括:
9.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于紫外可见光谱的水质监测方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至7中任一项所述的基于紫外可见光谱的水质监测方法的计算机程序。