CN103674835A - 富营养化水体中氮磷物质含量现场快速检测方法及装置 - Google Patents
富营养化水体中氮磷物质含量现场快速检测方法及装置 Download PDFInfo
- Publication number
- CN103674835A CN103674835A CN201210341332.7A CN201210341332A CN103674835A CN 103674835 A CN103674835 A CN 103674835A CN 201210341332 A CN201210341332 A CN 201210341332A CN 103674835 A CN103674835 A CN 103674835A
- Authority
- CN
- China
- Prior art keywords
- spectral
- nitrogen
- water
- eutrophication
- phosphorus
- 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
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种实时、便捷、可靠的富营养化水体中氮磷物质含量现场快速检测方法及低成本现场检测装置,安装在海洋无线测控网络或水产物联网中。对水体中氮磷物质含量的光谱反演进行了模拟研究,将光谱信号对色差的作用进行了有效的融合。在此基础上,建立了一个较为完整的对可溶性有机物、化学需氧量、总氮、总磷等富营养化表征参数的光谱特性信息的样本集,作为基准图库;基准图库包含灰度,图像边缘、轮廓、表面、谱线等突出特征。最后,通过将所得到的图(包括光谱信息图)与基准图库进行比对和分析,进而反演和模拟水体营养化的色差,推出氮磷物质总含量。
Description
技术领域
本发明涉及一种实时、便捷、可靠的富营养化水体中氮磷物质含量现场快速检测方法及低成本现场检测装置,安装在海洋无线测控网络或水产物联网中。
背景技术
常规的水质富营养化监测是通过采集水样、过滤、萃取以及分光光度计分析,以确定叶绿素浓度。因而大区域的水环境监测是一项极费人力物力和时间的工作,采样方法也不可能对大型湖泊内的藻类分布作全面的调查。
遥感技术作为一种区域性水环境调查和监测手段日益受到重视,北美和欧洲的一些国家早已开展了利用航空遥感数据监测湖泊群内叶绿素分布的研究。叶绿素遥感一般是通过实验研究水体反射光谱特征与叶绿素浓度之间的关系建立叶绿素算法。其困难在于,水体中其它污染物质,如无机悬浮物质和有机溶解性物质(黄色物质)光学效应的干扰,以及藻类及其它污染物质特性的地域性、甚至季节性的差异。
发明内容
本发明的目的在于提供一种用于富营养化水体中氮磷物质含量现场快速检测方法及低成本现场检测装置,研究含藻类水体的高光谱反射率特性及其与藻类叶绿素浓度之间的关系,在此基础上建立适合中国湖泊特点的叶绿素高光谱定量遥感模型。
为了实现以上目的,对水体中氮磷物质含量的光谱反演进行了模拟研究,将光谱信号对色差的作用进行了有效的融合。在此基础上,建立了一个较为完整的对可溶性有机物、化学需氧量、总氮、总磷等富营养化表征参数的光谱特性信息的样本集,作为基准图库;基准图库的完整性是决定整个检测模型准确与否的关键所在。基准图库包含灰度,图像边缘、轮廓、表面、谱线等突出特征。最后,通过将所得到的图(包括光谱信息图)与基准图库进行比对和分析,进而反演和模拟水体营养化的色差,推出氮磷物质总含量。本项发明提供了利用光谱测量水体中氮磷物质含量,给出了数据对应关系,解决了原位测量难题。
本发明的有益效果为:发明利用了虚拟现实技术中的光处理技术,更加真实地模拟了光在人类肉眼对灰度图及色差辨别中的关键作用,有力支持了水体中氮磷物质含量的谱图识别技术。此外,为了更加有效地实现计算机对色差及特征谱线的识别,引入了互信息结合粒子群优化算法,以应付多重目标和优化约束的存在,这两者都有重要的贡献。同时,本模型将不同时期(以天为单位),以及同一日期(以天为单位)不同时刻的光亮度变化进行了量化,可以在不同时刻不同光环境下(自然日照可以灯光)对水体中氮磷物质含量等进行合理的识别。经检验发现具有较高的准确性和较强的预测性,从而大大增加了该模型的普适性。
附图说明
图1为本发明的组成模块示意图。
图2为本发明的硬件设计示意图。
图3为本发明的流程图。
具体实施方式
以下结合附图及实例对本发明作进一步描述。
水体中氮磷物质含量快速检测装置,其组成模块由显示模块、存储模块、信号源及硅检测器模块。微处理的IO口P0.10-P0.17用来作为液晶屏的8位数据线,P1.20、P1.21、P1.22、P1.23作为液晶屏的控制信号线;P0.5、P0.6、P0.7作为三路输入信号端,连接硅检测器模块,TX1、RX1用来与无线传输模块之间进行通信;P0.2、P0.3用来实现与存储模块之间进行时钟和串口数据的连接。
首先,提取图像特征。对于硅检测器得到的三维图像必须进行平面化处理。模型采用匀速直线行程扫描算法结合边缘搜索实现提取图像特征。测量前,先对测量进行标定,获取测量***对图像长度的数值上尺寸度量。标定方法采用映射方法,再在测量***中连续采集3帧图像,对每帧图像利用图像处理算法计算水样面积在图像中所占的像素个数,这样就求得了3帧图像水样面积的像素个数平均值。
其次,光谱信息提取。为了获得稳定的光谱数据,减少外界因素的干扰,实验在一个暗室中进行。将实验样品放于一张白板,光线探头垂直照射到水样表面,距离水样表面的高度为10cm。测量时及时进行标准白板校正,标准白板的反射击率为1,这样所测得的目标物光谱是无量纲的相对反射率。采用主成分分析进行光谱信息提取,去除光谱前端和末端噪声比较大的区域,波长集中在410nm,687nm和715nm。。
再次,将经过预处理的光谱数据和水体中氮磷物质含量进行偏最小二乘法分析,得到其回归系数,在此基础上,建立样本库,即基准图库。
接着,建立相似性度量准则。这一步与选择用于匹配的特征对象紧密相关,当选择灰度作为匹配的特征,采用绝对差之和作为相似性度量准则;当选择谱线作为匹配的特征,采用相位相关作为相似度量准则;当选择点集匹配作为匹配的特征,采用最小距离法作为相似度量准则。
最后,提出了基于互信息的多源图像和光谱匹配技术,在利用互信息准则对不同传感器得到不同分辨率图像进行匹配的同时,结合粒子群算法(PSO算法)这种全局优先算法快速准确地搜索到基准图库的多阈值组合,最终推出水体中氮磷物质含量。由于基准图与实测图的灰度差异,相似区域导致可能存在较好的局部匹配,以及插值计算所带来的误差,使得互信息方法的目标函数容易产生局部极值,而且,基准图和实测图分辨率不同使得互信息的计算结果很不稳定,存在大量局部极值,正确匹配位置处没有尖锐的峰值,使得搜索过程更加耗时,误差较大。因此,采用粒子群优化算法建立匹配搜索策略可以完成在有大量相似区域的基准图中可以快速定位。
本发明装置采用的主要技术如下:
1、嵌入式技术
对于装置的设计,是基于嵌入式技术进行的,嵌入式技术的优点是可处理大量采集信号,主控制器采用PHILIPS公司基于ARM7TDMI-S核、单电源供电、LQFP64封装的LPC2131,它具有RS232转换电路,可与通讯模块进行方便的串口数据通讯,具有IIC接口,可用于与存储设备间的数据存取,具有看门狗功能,在长时间未获得正确反馈信息的情况下,可以自动重启,防止程序跑飞、死机的情况发生。
2、现代近红外光谱技术
现代近红外光谱分析是将光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合。是将近红外光谱所反映的样品基团、组成或物态信息与用标准或认可的参比方法测得的组成或性质数据采用化学计量学技术建立校正模型,然后通过对未知样品光谱的测定和建立的校正模型来快速预测其组成或性质的一种分析方法。与常规分析技术不同,近红外光谱是一种间接分析技术,必须通过建立校正模型(标定模型)来实现对未知样品的定性或定量分析。具体的分析过程主要包括以下几个步骤:一是选择有代表性的样品并测量其近红外光谱;二是采用标准或认可的参考方法测定所关心的组分或性质数据;三是将测量的光谱和基础数据,用适当的化学计量方法建立校正模型;四是未知样品组分或性质的测定。
3、图像融合与分类技术
图像融合与分类技术是通过一个数学模型把来自不同传感器的多幅图像综合成一幅满足特定应用需求的图像的过程,从而可以有效地把不同图像传感器的优点结合起来,提高对图像信息分析和提取的能力。近年来,图像融合与分类技术广泛地应用于自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域。图像融合与分类技术的主要目的是通过对多幅图像间冗余数据的处理来提高图像的可靠性;通过对多幅图像间互补信息的处理来提高图像的清晰度。根据融合处理所处的阶段不同,图像融合通常可以划分为像素级、特征级和决策级。融合的层次不同,所采用的算法、适用的范围也不相同。在融合的三个级别中,像素级作为各级图像融合的基础,尽可能多地保留了场景的原始信息,提供其他融合层次所不能提供的丰富、精确、可靠的信息,有利于图像的进一步分析、处理与理解,进而提供最优的决策和识别性能。
Claims (3)
1.富营养化水体中氮磷物质含量现场快速检测装置。装置硬件包括微处理器、显示模块、存储模块及各器件间的电信号连接。所述的装置硬件由基于LPC2131的控制器分别与液晶屏和外置存储设备构成。
2.根据权利要求1所述的富营养化水体中氮磷物质含量现场快速检测装置,其特征在于所述微控制器采用PHILIPS公司基于ARM7TDMI-S核、单电源供电、LQFP64封装的LPC2131,用于处理基于光谱信息的ETM数据分析;所述ETM数据分析主要包括能够反映水体反射光谱特征与水质参数浓度之间的关系,建立水质参数反演算法。水质参数包括叶绿素、悬浮物及与之相关的水体透明度、浑浊度,以及对可溶性有机物、化学需氧量、总氮、总磷等富营养化表征参数的光谱特性分析。信号源采用三个高强度、单波长的发光二极管光源,采用重庆航伟光电科技有限公司的GT101系列硅光电检测器组成CCD模块;所述液晶屏采用TOPWAY公司的LM3033,可同时显示四排共计32个汉字的显示。
3.根据权利要求1所述的分类算法,其特征在于将光谱信号对色差的作用进行了有效的融合,建立了一个较为完整的对可溶性有机物、化学需氧量、总氮、总磷等富营养化表征参数的光谱特性信息的样本集,作为基准图库;通过将所得到的图(包括光谱信息图)与基准图库进行比对和分析,进而反演和模拟水体营养化的色差,将处理后的结果连同时间点一同存储在EEPROM中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210341332.7A CN103674835A (zh) | 2012-09-14 | 2012-09-14 | 富营养化水体中氮磷物质含量现场快速检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210341332.7A CN103674835A (zh) | 2012-09-14 | 2012-09-14 | 富营养化水体中氮磷物质含量现场快速检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103674835A true CN103674835A (zh) | 2014-03-26 |
Family
ID=50313049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210341332.7A Pending CN103674835A (zh) | 2012-09-14 | 2012-09-14 | 富营养化水体中氮磷物质含量现场快速检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103674835A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108007881A (zh) * | 2017-11-30 | 2018-05-08 | 中国农业大学 | 一种基于光谱技术的水产养殖水质总氮含量检测方法 |
CN110334691A (zh) * | 2019-07-16 | 2019-10-15 | 武汉成名仪器有限公司 | 微生物水质监测方法、***及存储介质 |
CN112041424A (zh) * | 2018-05-01 | 2020-12-04 | 再生医学商业化中心 | 基于多种物理属性的独立或多变量分析来预测生物反应器产物产量 |
CN113109281A (zh) * | 2021-04-13 | 2021-07-13 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
WO2021184479A1 (zh) * | 2020-03-19 | 2021-09-23 | 无锡德林海环保科技股份有限公司 | 一种网格化水质实时监测方法及*** |
CN115060665A (zh) * | 2022-08-16 | 2022-09-16 | 君华高科集团有限公司 | 一种食品安全自动巡检*** |
-
2012
- 2012-09-14 CN CN201210341332.7A patent/CN103674835A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108007881A (zh) * | 2017-11-30 | 2018-05-08 | 中国农业大学 | 一种基于光谱技术的水产养殖水质总氮含量检测方法 |
CN112041424A (zh) * | 2018-05-01 | 2020-12-04 | 再生医学商业化中心 | 基于多种物理属性的独立或多变量分析来预测生物反应器产物产量 |
CN110334691A (zh) * | 2019-07-16 | 2019-10-15 | 武汉成名仪器有限公司 | 微生物水质监测方法、***及存储介质 |
CN110334691B (zh) * | 2019-07-16 | 2021-10-22 | 武汉成名仪器有限公司 | 微生物水质监测方法、***及存储介质 |
WO2021184479A1 (zh) * | 2020-03-19 | 2021-09-23 | 无锡德林海环保科技股份有限公司 | 一种网格化水质实时监测方法及*** |
CN113109281A (zh) * | 2021-04-13 | 2021-07-13 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
CN113109281B (zh) * | 2021-04-13 | 2022-11-29 | 中国科学院成都生物研究所 | 一种基于高光谱遥感的水质参数定量反演模型及其构建方法 |
CN115060665A (zh) * | 2022-08-16 | 2022-09-16 | 君华高科集团有限公司 | 一种食品安全自动巡检*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108593569B (zh) | 基于光谱形态特征的高光谱水质参数定量反演方法 | |
US20210056685A1 (en) | Method and device for monitoring comprehensive growth of potted lettuce | |
CN103674835A (zh) | 富营养化水体中氮磷物质含量现场快速检测方法及装置 | |
CN102288613B (zh) | 一种灰度和深度信息融合的表面缺陷检测方法 | |
CN101915738B (zh) | 基于高光谱成像技术的茶树营养信息快速探测方法及装置 | |
CN102253038B (zh) | 基于嵌入式ccd图像采集的金免疫定量检测方法及装置 | |
CN106841103A (zh) | 近红外光谱检测水果内部品质方法及专用检测*** | |
CN103900972B (zh) | 基于多特征融合的肉类新鲜度高光谱图像可视化检测 | |
KR102450019B1 (ko) | 드론을 이용한 수질현황 모니터링 방법 및 시스템 | |
CN108414238A (zh) | 自动泊车功能实车测试***及测试方法 | |
CN111931565A (zh) | 一种基于光伏电站uav的自主巡检与热斑识别方法及*** | |
CN104897592A (zh) | 基于高光谱技术的盐渍化土壤盐分离子含量监测方法 | |
CN110132989A (zh) | 一种混凝土裂缝检测设备、方法以及终端*** | |
CN102565062B (zh) | 基于图像灰度检测的液体浑浊度测试方法 | |
CN104422660A (zh) | 一种高光谱的植物叶片病虫害诊断*** | |
CN104833679A (zh) | 一种微观缺陷三维尺度逆向标定及检测方法 | |
CN111914767B (zh) | 一种基于多源遥感数据的散乱污企业检测方法及*** | |
Agarwal et al. | Application of colorimetry to determine soil fertility through naive bayes classification algorithm | |
CN103196838A (zh) | 一种海岸河口富营养化高光谱遥感监测方法 | |
CN103344583A (zh) | 一种基于机器视觉的镨-钕(Pr/Nd)组分含量检测***及方法 | |
CN109580513B (zh) | 一种近地面遥感红枣含水率检测方法和装置 | |
CN114202675A (zh) | 一种基于无人机多光谱遥感影像的作物生长参数测定方法及*** | |
CN103424368A (zh) | 土壤盐渍化现场快速检测方法及装置 | |
CN102338738A (zh) | 作物植株及叶片氮素含量现场快速检测方法及装置 | |
CN102788796B (zh) | 基于高光谱图像及荧光图像多信息融合的作物氮营养诊断装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140326 |