水体COD快速检测方法及装置制造方法及图纸

技术编号:25392979 阅读:79 留言:0更新日期:2020-08-25 22:59
本发明专利技术实施例提供一种水体COD快速检测方法及装置,该方法包括:获取待检测水体样本的光谱数据,进行特征提取得到特征数据;将提取到的特征数据,输入预设的COD检测模型,获取所述待检测水体样本的COD值;其中,所述预设的COD检测模型基于决策树算法构建,并根据带有COD值标签的水体样本对应的特征数据训练后得到。该方法只需获取待检测水体样本的光谱数据,具有简单、易实现的特点;通过基于决策树算法COD检测模型实现COD值的检测,耗时短、操作简便,不会产生二次污染,能够满足实时实地检测水质的需求。

【技术实现步骤摘要】
水体COD快速检测方法及装置
本专利技术涉及水质检测领域,尤其涉及一种水体COD快速检测方法及装置。
技术介绍
在人类日常生活中,水是不可或缺的物质,是生命的源泉。近年来人们越来越关注水质问题,而化学需氧量(ChemicalOxygenDemand,COD)是衡量水质的一个重要指标,在评价水体有机物污染方面有着重要作用,是在河流污染等研究中能较快测定的有机物污染参数,是以化学方法测量水样中需要被氧化的还原性物质的量,它与水体中有机污染物的浓度成正比。目前,在检测COD浓度时,普遍应用的是酸性高锰酸钾氧化法、重铬酸钾氧化法、快速消解分光光度法、库仑法等等。然而这些方法都需使用高锰酸钾、重铬酸钾等化学试剂,耗时久,操作麻烦,且处理不当易产生二次污染,不能实现实时实地检测水质的需求。
技术实现思路
为了解决上述问题,本专利技术实施例提供一种水体COD快速检测方法及装置。第一方面,本专利技术实施例提供一种水体COD快速检测方法,包括:获取待检测水体样本的光谱数据,进行特征提取得到特征数据;将提取到的特征数据,输入预设的COD检测模型,获取所述待检测水体样本的COD值;其中,所述预设的COD检测模型基于决策树算法构建,并根据带有COD值标签的水体样本对应的特征数据训练后得到。进一步地,所述将提取到的特征数据,输入预设的COD检测模型,包括:将提取到的特征数据,输入预设的COD检测模型的多个决策树子模型中;根据每个决策树子模型的输出结果,取平均值后,输出待检测水体样本的COD值;其中,每一决策树子模型均根据校正集样本随机抽样训练得到。进一步地,所述将提取到的特征数据,输入预设的COD检测模型之前,还包括:获取多个已知COD值的光谱样本,按照预设比例划分为校正集和预测集;根据不同的决策树个数,分别建立COD检测模型;对于每个COD检测模型,将校正集分别进行有放回采样后,得到多个与决策树个数对应的子校正集,利用子校正集分别对决策树进行训练;基于预测集得到每个COD检测模型的检测结果,选取使预测集相关系数最高的COD检测模型,并确定相应的决策树个数,以得到所述预设的COD检测模型。进一步地,所述选取使预测集相关系数最高的COD检测模型,并确定相应的决策树个数,以得到所述预设的COD检测模型之后,还包括:在预设的特征个数范围内,分别基于预测集得到COD的检测结果;选取使预测集相关系数最高的特征个数,作为输入预设的COD检测模型的特征个数。进一步地,所述获取待检测水体样本的光谱数据,包括:基于激光诱导击穿光谱技术(简称LIBS),获取待检测水体样本的光谱数据。进一步地,所述获取待检测水体样本的光谱数据,包括:对每个待检测样本,采集预设数量的光谱得到多个光谱数据;对多个光谱数据求均值,得到待检测水体样本的光谱数据。第二方面,本专利技术实施例提供一种水体COD快速检测装置,包括:特征获取模块,用于获取待检测水体样本的光谱数据,进行特征提取得到特征数据;水体检测模块,用于将提取到的特征数据,输入预设的COD检测模型,获取所述待检测水体样本的COD值;其中,所述预设的COD检测模型基于决策树算法构建,并根据带有COD值标签的水体样本对应的特征数据训练后得到。第三方面,本专利技术实施例提供一种电子设备,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,处理器执行程序时实现本专利技术第一方面水体COD快速检测方法的步骤。第四方面,本专利技术实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现本专利技术第一方面水体COD快速检测方法的步骤。本专利技术实施例提供的水体COD快速检测方法及装置,只需获取待检测水体样本的光谱数据,具有简单、易实现的特点,通过基于决策树算法COD检测模型实现COD值的检测,耗时短、操作简便,不会产生二次污染,能够满足实时实地检测水质的需求。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的水体COD快速检测方法流程图;图2为本专利技术另一实施例提供的水体COD快速检测方法流程图;图3为本专利技术又一实施例提供的水体COD快速检测方法的决策树确定过程示意图;图4为本专利技术再一实施例提供的水体COD快速检测方法流程图;图5为本专利技术实施例最优模型对预测集样本的预测结果与样本实际值对比图;图6为本专利技术实施例提供的水体COD快速检测装置结构图;图7为本专利技术实施例提供的一种电子设备的实体结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚,下面将结合本专利技术实施例中的附图,对本专利技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本专利技术一部分实施例,而不是全部的实施例。基于本专利技术中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本专利技术保护的范围。图1为本专利技术实施例提供的水体COD快速检测方法流程图,如图1所示,本专利技术实施例提供一种水体COD快速检测方法,包括:101、获取待检测水体样本的光谱数据,进行特征提取得到特征数据。可利用激光诱导击穿光谱技术采集水体样本的光谱数据,水体样本的光谱数据的横坐标可以为波长或者频率,纵坐标为强度。根据光谱数据提取特征数据,如选取若干预设波长,取对应的光谱强度构成特征向量,作为COD检测模型的输入数据。102、将提取到的特征数据,输入预设的COD检测模型,获取待检测水体样本的COD值;其中,预设的COD检测模型基于决策树算法构建,并根据带有COD值标签的水体样本对应的特征数据训练后得到。机器学习中,决策树是一个预测模型,表示的是对象属性与对象值之间的一种映射关系。树中每个节点表示某个对象,而每个分叉路径则代表某个可能的属性值,而每个叶结点则对应从根节点到该叶节点所经历的路径所表示的对象的值。本实施例中,COD检测模型基于决策树算法构建,决策树有m个节点,节点对应特征数据中的特征个数。将提取的特征数据作为模型输入,确定的COD值作为标签,根据大量带有COD值标签的水体样本的特征数据,对构建的COD检测模型进行训练,从而得到预设的COD检测模型。基于待检测水体样本,将提取到的特征数据,输入该预设的COD检测模型,便可得到对应的COD预测值。本专利技术实施例的水体COD快速检测方法,只需获取待检测水体样本的光谱数据,具有简单、易实现的特点,通过基于决策树算法COD检测模型实现COD值的检测,耗时短、操作简便,不会产生二次污染,能够满足实时实地检测水质的需求。基于上述实施例的内容,作为一种可选实施例,将提取到的特征数据,输入预设的COD检测模型,包括:将提取到的特征数据,输入预设的C本文档来自技高网...

【技术保护点】
1.一种水体COD快速检测方法,其特征在于,包括:/n获取待检测水体样本的光谱数据,进行特征提取得到特征数据;/n将提取到的特征数据,输入预设的COD检测模型,获取所述待检测水体样本的COD值;/n其中,所述预设的COD检测模型基于决策树算法构建,并根据带有COD值标签的水体样本对应的特征数据训练后得到。/n

【技术特征摘要】
1.一种水体COD快速检测方法,其特征在于,包括:
获取待检测水体样本的光谱数据,进行特征提取得到特征数据;
将提取到的特征数据,输入预设的COD检测模型,获取所述待检测水体样本的COD值;
其中,所述预设的COD检测模型基于决策树算法构建,并根据带有COD值标签的水体样本对应的特征数据训练后得到。


2.根据权利要求1所述的水体COD快速检测方法,其特征在于,所述将提取到的特征数据,输入预设的COD检测模型,包括:
将提取到的特征数据,输入预设的COD检测模型的多个决策树子模型中;
根据每个决策树子模型的输出结果,取平均值后,输出待检测水体样本的COD值;
其中,每一决策树子模型均根据校正集样本随机抽样训练得到。


3.根据权利要求2所述的水体COD快速检测方法,其特征在于,所述将提取到的特征数据,输入预设的COD检测模型之前,还包括:
获取多个已知COD值的光谱样本,按照预设比例划分为校正集和预测集;
根据不同的决策树个数,分别建立COD检测模型;
对于每个COD检测模型,将校正集分别进行有放回采样后,得到多个与决策树个数对应的子校正集,利用子校正集分别对决策树进行训练;
基于预测集得到每个COD检测模型的检测结果,选取使预测集相关系数最高的COD检测模型,并确定相应的决策树个数,以得到所述预设的COD检测模型。


4.根据权利要求3所述的水体COD快速检测方法,其特征在于,所述选取使预测集相关系数最高的COD检测模型,并确定相应的决策树个数,以得到所...

【专利技术属性】
技术研发人员:董大明赵贤德陈肖矫雷子田宏武李传霞
申请(专利权)人:北京农业智能装备技术研究中心
类型:发明
国别省市:北京;11

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