本发明专利技术公开了一种多光学平台的海水中微塑料快速检测方法及检测装置，属于海水水质环境在线监测领域，一种多光学平台的海水中微塑料快速检测方法，包括采集海水样品，进行杂质滤除后将海水样品泵入流通池，使用高分辨率相机搭配显微物镜获取微塑料显微图像，通过灰度处理，平滑滤波，噪点选择性去除，边缘提取过程获取图像中微塑料样品的像素尺寸，按像素与实际尺寸比例转换获得微塑料样品的物理表征。一种多光学平台的海水中微塑料快速检测装置，包括：水样采集系统、物理表征检测系统、拉曼光谱数据采集与分类识别系统以及控制系统。本发明专利技术能克服传统方法受主观因素影响大的问题，使用计算机识别分析微塑料样品的物理表征，检测结果准确客观。果准确客观。果准确客观。
【技术实现步骤摘要】
一种多光学平台的海水中微塑料快速检测方法及检测装置
[0001]本专利技术涉及海水水质环境在线监测领域，特别涉及一种多光学平台的海水中微塑料快速检测方法。
技术介绍
[0002]自二十世纪中叶以来，聚合物工业发展迅速，但也给环境带来了严重的塑料污染问题。由于微塑料自身微小，以及塑料不易分解的稳定特性，相较于普通塑料，微塑料分布更加广泛，造成的污染更加严重，检测更加困难。
[0003]从水体采得的样本中的微塑料含量较少，易与杂质混淆，肉眼分辨存在一定难度，且实际样品中的微塑料实验室专业的种类检测仪器价格昂贵，体积较大，不同原理的检测仪器对待测物有各自的预处理要求，不便用于快速检测；便携式光谱仪能够一定程度上解决现场快速检测种类的问题，但现在获取微塑料物理表征信息通常采用目视分析法，仍需经过显微镜人工统计鉴别，准确性受主观影响较大，过程往往耗费较多时间。例如：专利申请号为CN202010240938.6，专利名称为水体中微塑料含量的快速检测方法及应用的中国专利技术专利公开一种水体中微塑料的检测方法，但检测方法复杂，检测时间长，不利于快速检测。
[0004]有鉴于此，实有必要提供一种新的技术方案以解决上述问题。
技术实现思路
[0005]为解决上述技术问题，本申请提供一种多光学平台的海水中微塑料快速检测方法，能够克服传统方法受主观因素影响大的问题，使用计算机识别分析微塑料样品的物理表征，检测结果准确客观。
[0006]一种多光学平台的海水中微塑料快速检测方法，所述海水中微塑料快速检测方法的步骤包括：S1、采集海水样品，进行杂质滤除后将海水样品泵入流通池；S2、利用高分辨相机在流通池位置取得海水中微塑料图像；S3、将微塑料图像作灰度处理获得灰度图像；S4、对灰度图像进行高斯滤波，获得平滑图像；S5、根据灰度分布特性确定Canny算子的自适应阈值；S6、平滑图像二值化，去除面积在阈值外的部分，获得去噪图像；S7、根据去噪后的二值图像连通域与轮廓提取的结果计算微塑料像素尺寸；S8、按像素与实际尺寸比例转换获得微塑料样品的物理表征。
[0007]优选的，所述海水中微塑料快速检测方法还包括以下步骤：S9、采集微塑料样品的拉曼光谱数据；S10、将采集到的微塑料样品拉曼光谱数据进行预处理操作；S11、基于微塑料样品拉曼光谱数据集训练光谱分类模型；
S12、获取待测样品拉曼光谱后，使用训练完成的光谱分类模型对微塑料样品进行光谱分类。
[0008]优选的，所述将采集到的拉曼光谱数据进行预处理操作的步骤包括：S101、去除背景噪声；S102、平滑滤波；S103、基线校正。
[0009]优选的，所述基于微塑料样品拉曼光谱数据集训练光谱分类模型的步骤包括：S111、将预处理完成后的微塑料样品拉曼光谱数据以3:1的比例随机分为训练集和验证集；S112、将训练集数据送入神经网络模型进行训练，利用验证集数据验证神经网络模型的训练效果；S113、选择训练集误差曲线与验证集误差曲线趋向平行处的模型参数作为神经网络分类器参数；S114、由对应微塑料类型个数的神经元组成的神经网络分类器输出种类判定结果。
[0010]优选的，所述由对应微塑料类型个数的神经元组成的神经网络分类器输出种类判定结果包括：利用分类函数将网络计算得出的预测值转换为预测概率值，各种微塑料类别的概率和为1，选择概率最大的一类微塑料作为微塑料样品拉曼光谱的预测结果；所述分类函数为：其中，表示第i类的预测值，表示第i类的预测概率，n表示种类总个数。
[0011]优选的，所述根据去噪后的二值图像连通域与轮廓提取的结果计算微塑料像素尺寸的步骤包括：S71、提取二值图像的边缘、连通域面积信息，使用多边形拟合函数绘制轮廓；S72、将得到的轮廓按序号用矩形定位框标记在采集到的微塑料图像上；S73、使用最小包围矩形计算微塑料颗粒的长轴短轴并标在定位框，记录保存微塑料颗粒的物理表征。
[0012]优选的，所述物理表征包括：微塑料颗粒的长宽、面积、周长以及个数。
[0013]一种多光学平台的海水中微塑料快速检测装置，能够应用于所述海水中微塑料快速检测方法，包括：水样采集系统、物理表征检测系统、拉曼光谱数据采集与分类识别系统以及控制系统。
[0014]优选的，所述水样采集系统包括工业注射泵；所述物理表征检测系统包括高分辨相机和显微物镜；所述拉曼光谱数据采集与分类识别系统包括拉曼光谱仪；所述工业注射泵与所述高分辨相机与所述控制系统通讯连接。
[0015]与现有技术相比，本申请至少具有以下有益效果：本专利技术克服传统方法受主观因素影响大的问题，使用计算机识别分析微塑料样品的物理表征，基于拉曼光谱的神经网络模型实现微塑料分类，操作简便快速，同时避免了主
观因素影响检测结果，结果准确客观。
附图说明
[0016]后文将参照附图以示例性而非限制性的方式详细描述本专利技术的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：图1为本专利技术的整体流程示意图；图2为微塑料样品的显微原图；图3为微塑料样品的物理表征图；图4为标准样品与实际微塑料样品光谱的对比图。
具体实施方式
[0017]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0018]如图1所示，一种多光学平台的海水中微塑料快速检测方法，包括以下步骤：步骤S1、采集海水样品，进行杂质滤除后将海水样品泵入流通池。
[0019]优选的，采用流通泵将海水样品泵入流通池，流通泵总步长3000，流速可设置在5
‑
6000步/秒，实例中流速设为900。
[0020]步骤S2、利用高分辨相机在流通池位置取得海水中微塑料图像。
[0021]透射式可见光源位于流通池正下方，穿过流通池经位于流通池正上方的二向色镜射入相机一路。高分辨相机的拍摄速度相对于流速而言足够快，单次采集过程中，流速可视作静止，流速只影响采集数量。
[0022]步骤S3、将微塑料图像作灰度处理获得灰度图像。
[0023]步骤S4、对灰度图像进行高斯滤波，获得平滑图像。
[0024]步骤S5、根据灰度分布特性确定Canny算子的自适应阈值。
[0025]步骤S6、平滑图像二值化，去除面积在阈值外的部分，获得去噪图像。
[0026]此处去噪可以理解成去杂质的作用。拍得的海水微塑料图像中存在如细沙石块藻类等杂质，尺寸较大，计算后如面积大于设定的上限阈值则不参与后续的物理信息统计。同时图像中常存在一些黑点轻微划痕等较小的干扰，如计算后的面积小于设定的下限阈值则也不参与统计。这些杂质噪点不会在原图删除，在识别结果本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种多光学平台的海水中微塑料快速检测方法，其特征在于，所述海水中微塑料快速检测方法的步骤包括：S1、采集海水样品，进行杂质滤除后将海水样品泵入流通池；S2、利用高分辨相机在流通池位置取得海水中微塑料图像；S3、将微塑料图像作灰度处理获得灰度图像；S4、对灰度图像进行高斯滤波，获得平滑图像；S5、根据灰度分布特性确定Canny算子的自适应阈值；S6、平滑图像二值化，去除面积在阈值外的部分，获得去噪图像；S7、根据去噪后的二值图像连通域与轮廓提取的结果计算微塑料像素尺寸；S8、按像素与实际尺寸比例转换获得微塑料样品的物理表征。2.如权利要求1所述的海水中微塑料快速检测方法，其特征在于，所述海水中微塑料快速检测方法还包括以下步骤：S9、采集微塑料样品的拉曼光谱数据；S10、将采集到的微塑料样品拉曼光谱数据进行预处理操作；S11、基于微塑料样品拉曼光谱数据集训练光谱分类模型；S12、获取待测样品拉曼光谱后，使用训练完成的光谱分类模型对微塑料样品进行光谱分类。3.如权利要求2所述的海水中微塑料快速检测方法，其特征在于，所述将采集到的拉曼光谱数据进行预处理操作的步骤包括：S101、去除背景噪声；S102、平滑滤波；S103、基线校正。4.如权利要求2所述的海水中微塑料快速检测方法，其特征在于，所述基于微塑料样品拉曼光谱数据集训练光谱分类模型的步骤包括：S111、将预处理完成后的微塑料样品拉曼光谱数据以3:1的比例随机分为训练集和验证集；S112、将训练集数据送入神经网络模型进行训练，利用验证集数据验证神经网络模型的训练效果；S113、选择训练集误差曲线与验证集误差曲线趋向平行处的模型参数作为神经网络分类器...
【专利技术属性】
技术研发人员：冯巍巍，张蔚，王清，蔡宗岐，王焕卿，闫奇，
申请(专利权)人：中国科学院烟台海岸带研究所，
类型：发明
国别省市：
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。