在供水系统中使用化学机器视觉监测多重污染物的新方法
Jiacong Yan1, Jianchao Lee2, Lu Liu1
1Laboratory of Environmental Aquatic Chemistry, Department of Environmental Science, School of Geography and Tourism, Shaanxi Normal University, Xi'an, 710062, China.
概括
本研究介绍了一种快速检测饮用水中的,和的方法,使用光谱成像和机器学习. 该技术提供了准确的,实时的水质监测,以改善公共健康和安全.
科学领域:
- 分析化学 分析化学
- 环境科学 环境科学
- 频谱学是一种光谱学.
背景情况:
- 传统的水污染物检测是缓慢的,劳动密集的.
- 现有的方法难以实时监测水质波动.
- 对,和等多种污染物的准确检测对于公共卫生至关重要.
研究的目的:
- 开发一种直接分析和快速检测饮用水中的,和的方法.
- 整合一个新的长路径光谱成像仪与机器学习进行多污染物分析.
- 为了实现高效率的实时水质评估.
主要方法:
- 使用具有可见光源 (380-780 nm) 的长途光谱成像仪.
- 在数据分析中使用深度学习模型 (ResNet-50,SqueezeNet V1.1,GoogleLeNet Inception V1).
- 经过训练和验证的模型在9360个样本注射中在各种水背景中进行了训练和验证.
主要成果:
- 综合光谱成像仪和机器学习方法在大约1秒内实现了多参数检测.
- 模型在不同的水矩阵中表现出稳定且准确的预测性能,预处理最小.
- 使用确定系数和根平均平方误差指标证实了高预测准确度.
结论:
- 开发的方法准确,高效,实时,适合在供水系统中广泛使用.
- 机器学习有效地从光谱图像中提取特征,以便快速预测污染物.
- 这项技术增强了水质监测,并在环境监测,食品安全和工业测试方面有潜在的应用.
