一种水质透明度测试方法及其测试装置制造方法及图纸

本发明专利技术公开了一种通过图像获取单元透过水域以对图形信息进行扫描读取、辨识校验，并准确识别和记录动态图形的X尺寸临界值，获得动态图形的X尺寸临界值后通过神经网络预测模型进行计算，以此评估水样对动态图形清晰度、完整度的影响，实现水样透明的全过程自动化在线测量的方法和装置，动态图形的X尺寸临界值可以充分反映水样对光的吸收、散射等因素共同影响，最大限度的保留了塞氏盘和铅字法的本质特征，此外，动态图形可以承载信息数据，动态图形识别过程可以有效剔除了随机因素和人为因素的影响，使得预测水质透明度直接、稳健可靠。

【技术实现步骤摘要】
一种水质透明度测试方法及其测试装置
本专利技术属于水质测试
，具体涉及一种水质透明度测试方法及其测试装置。
技术介绍
水体透明度指标是黑臭水体水质监测和评价的四个参数之一，目前透明度参数的测试依然采用人工视检判读。判断方法之一是塞氏盘法，这是一种透明度原位测试方法，通过将塞氏盘浸入待测水体中逐渐加大深度直到肉眼无法清楚分辨黑白盘格为止，以此时塞氏盘沉入水体中的深度作为水体透明度评判结果；判断方法之二是铅字法，此方法通过向内径2.5cm，高33cm的透明度计不断注入待测水样，同时从透明度计筒口观察底部标准铅字印刷的符号，以肉眼无法分辨底部符号时水样的高度作为的透明度评判结果。对透明度指标现有测试方法研究、技术的改进主要有以下措施：一种是通过引入浮标及电动胶轮装置、配合摄像头模块，将改进后测测量装置放置在水体中，通过程序控制胶轮释放塞氏盘沉入水体并观察塞氏盘格清晰度和记录沉入深度，以此剔除检测人员与水面距离、视线倾斜角度的影响；一种是应用图像识别算法、设置塞氏盘黑白盘格影像对比度阈值，当塞氏盘沉入水体过程中图形对比度低至预设阀值时记录其深度，达到自动判别塞氏盘是否清晰可见的目标，剔除检测人员肉眼观察差异的主观影响；一种是对铅字法进行改进，引用人工光源代替自然光，通过电磁控制器控制水阀不断注水并控制摄像头实时记录刻度盘对比度和水样高度，以此剔除铅字法中光源的影响；一种是通过测量水样的吸光度等间接参数并通过算法建立间接参数与透明度的关系实现透明度预测。现有的研究成果和技术实现存在一些不足，其一，塞氏盘结构简单、其黑白盘格影像对比度阈值的选取存在较强的主观影响；其二，引入的人工光源光谱与自然条件下太阳光谱存在一定差异，直接采用人工光源条件下的测试结果作为评价指标与现场测试结果存在实验条件的差异；其三，透明度是水样对光的吸收、光的散射等多个物理现象共同作用的结果，采用吸光度、透过率等单一的间接指标预测透明度参数存在一定的局限性。鉴于以上原因，有必要对现有测试方法进行进一步改进。目前，信息图形化编码作为信息校验的有效途径已被广泛认可和使用，在国家标准《条码术语GB/T12905》和《快速响应矩阵码GB/T12848》中对相关概念、应用和相关限制进行说明，值得注意的是，条码术语中将二维条码中符合字符的最窄构成单元、最小信息承载单元称为模块，并将单位模块的标称尺寸称为X尺寸。同时，人工神经网络在实验数据分析、规律学习和结果预测等方面的作用和应用成效突出，是进行数据回归分析和预测的有效途径之一。
技术实现思路
本专利技术针对上述现有技术存在的问题，提供了一种通过图像获取单元透过水域以对图形信息进行扫描读取、辨识校验，并准确识别和记录动态图形的X尺寸临界值，获得动态图形的X尺寸临界值后通过神经网络预测模型进行计算，以此评估水样对动态图形清晰度、完整度的影响，实现水样透明的全过程自动化在线测量的方法和装置。为了实现上述的目的，专利技术采用以下技术措施：一种水质透明度测试方法，包括以下步骤：步骤1：建立训练集合，以不同透明度的训练水域作为训练单元，通过铅字法或塞氏盘法测量得到各训练单元的透明度参考值；步骤2：将训练单元进行特征处理，所述特征处理指利用图像获取单元实时获取水域内的显示单元提供的动态图形，并记录获得清晰图像时动态图形的颜色、亮度、X尺寸临界值；步骤3：将透明度参考值作为目标输出，将训练样本的X尺寸临界值作为输入变量，训练神经网络预测模型；步骤4：以待测水域作为待测单元，将待测单元进行特征处理，将获得的X尺寸临界值输入神经网络预测模型进行计算检测，以获得待测水域的透明度值。作为优选，所述动态图形采用白色背景，以RGB三色图形分别搭配150cd/m2、300cd/m2两种亮度形成6种测量条件，特征处理时，在每种测量条件下，图形的X尺寸按照预设值逐步增大，直至所述图像获取单元准确识别动态图形的信息内容。作为优选，所述动态图形采用QRCode、可见光图形、2-dimensionalbarcode、PDF417、QRCode、Code49、Code16K、CodeOne、Datamatrix、Maxicode、Vericode、Softstrip、Code1、PhilipsDotCode中的一种或一种以上。作为优选，所述神经网络预测模型的输入层节点数量为6个，隐藏层数量为2且每个隐藏层神经元个数为4个，输出层节点个数为1个。作为优选，所述步骤3包含以下子步骤：设置神经元连接权值随机初始值并输入训练集合的X尺寸临界值；通过当前各神经元的连接权值计算预测输出，并求得预测输出与目标输出的差值；通过反向传播算法计算权值修正量并更新当前权值；以此迭代，直到预测输出与目标输出相对误差低于预设误差限值，结束训练神经网络预测模型。作为优选，所述神经网络预测模型采用如下方式进行计算检测：记WM,i,N，j为第M层的第i节点至第N层的第j节点的连接权值，HN,j为第N层的第j的预测输出，则其中LenM为第M层神经元个数，f为隐藏神经元Tanh激活函数，输入训练集合的X尺寸临界值处理后得到的训练集合的预测输出与目标输出计算结果的误差，基于上述误差，利用反向传播算法计算误差对神经网络预测模型权值的偏导数，求取权值修正量ΔWM,i,N，j并对权值进行修正，以此循环，以训练集合中的各数据训练神经网络模型，直到预测输出与目标输出相对误差低于预设误差限值，得到最优的神经元连接权值。一种水质透明度测试装置，采用以上所述的水质透明度测试方法进行测试。作为优选，包括图像获取单元、显示单元、控制器，其中，所述显示单元用于提供动态图形；所述图像获取单元用于透过水域扫描和读取所述动态图形；所述控制器用于构建和运行神经网络预测模型，所述神经网络预测模型获取待测单元的X尺寸临界值并计算检测，以获得待测水域的透明度值。作为优选，还包括将水样输入以构成水域的透明水样箱，所述透明水样箱内安装有水位器，所述显示单元和图像获取单元分别安装在所述透明水样箱正对的两侧壁，所述透明水样箱连接有进水通道和出水通道，所述进水通道和出水通道均设有水泵。作为优选，所述透明水样箱安装有显示单元和图像获取单元的两侧壁的内侧均安装有清洁器，所述透明水样箱还连接有清洁水输入通道。专利技术的有益效果在于：与现有技术相比，本专利技术提出通过图像获取单元透过水域以对图形信息进行扫描读取、辨识校验，并准确识别和记录动态图形的X尺寸临界值，获得动态图形的X尺寸临界值后通过神经网络预测模型进行计算，以实现水样透明的全过程自动化在线测量的方法和装置，动态图形的X尺寸临界值可以充分反映水样对光的吸收、散射等因素共同影响，最大限度的保留了塞氏盘和铅字法的本质特征，此外，动态图形可以承载信息数据，动态图形识别过程可以有效剔除了随机因素和人为因素的影响，使得预测水质透明度直接、稳健可靠。本申请提出的方法中，显示单元可以以多种发光颜色显示图形，不同波长的光透过水样本文档来自技高网...

【技术保护点】
1.一种水质透明度测试方法，其特征在于，包括以下步骤：/n步骤1：建立训练集合，以不同透明度的训练水域作为训练单元，通过铅字法或塞氏盘法测量得到各训练单元的透明度参考值；/n步骤2：将训练单元进行特征处理，所述特征处理指利用图像获取单元实时获取水域内的显示单元提供的动态图形，并记录获得清晰图像时动态图形的颜色、亮度、X尺寸临界值；/n步骤3：将透明度参考值作为目标输出，将训练样本的X尺寸临界值作为输入变量，训练神经网络预测模型；/n步骤4：以待测水域作为待测单元，将待测单元进行特征处理，将获得的X尺寸临界值输入神经网络预测模型进行计算检测，以获得待测水域的透明度值。/n

【技术特征摘要】
1.一种水质透明度测试方法，其特征在于，包括以下步骤：
步骤1：建立训练集合，以不同透明度的训练水域作为训练单元，通过铅字法或塞氏盘法测量得到各训练单元的透明度参考值；
步骤2：将训练单元进行特征处理，所述特征处理指利用图像获取单元实时获取水域内的显示单元提供的动态图形，并记录获得清晰图像时动态图形的颜色、亮度、X尺寸临界值；
步骤3：将透明度参考值作为目标输出，将训练样本的X尺寸临界值作为输入变量，训练神经网络预测模型；
步骤4：以待测水域作为待测单元，将待测单元进行特征处理，将获得的X尺寸临界值输入神经网络预测模型进行计算检测，以获得待测水域的透明度值。


2.根据权利要求1所述的一种水质透明度测试方法，其特征在于，所述动态图形采用白色背景，以RGB三色图形分别搭配150cd/m2、300cd/m2两种亮度形成6种测量条件，特征处理时，在每种测量条件下，图形的X尺寸按照预设值逐步增大，直至所述图像获取单元准确识别动态图形的信息内容。


3.根据权利要求1所述的一种水质透明度测试方法，其特征在于，所述动态图形采用QRCode、可见光图形、2-dimensionalbarcode、PDF417、QRCode、Code49、Code16K、CodeOne、Datamatrix、Maxicode、Vericode、Softstrip、Code1、PhilipsDotCode中的一种或一种以上。


4.根据权利要求1所述的一种水质透明度测试方法，其特征在于，所述神经网络预测模型的输入层节点数量为6个，隐藏层数量为2且每个隐藏层神经元个数为4个，输出层节点个数为1个。


5.根据权利要求1所述的一种水质透明度测试方法，其特征在于，所述步骤3包含以下子步骤：
a)设置神经元连接权值随机初始值并输入训练集合的X尺寸临界值；
b)通过当前各神经元的连接权值计算预测输出，并求得预测输出与目标输出的差值...

【专利技术属性】
技术研发人员：程励辉，叶龙，邹罡，吴培浩，麦粤帮，
申请(专利权)人：广东省建设工程质量安全检测总站有限公司，
类型：发明
国别省市：广东;44