申请/专利权人：深圳市中科云驰环境科技有限公司

申请日：2023-06-08

公开（公告）日：2024-04-02

公开（公告）号：CN116735444B

主分类号：G01N15/075

分类号：G01N15/075;G06F18/214;G06F18/23;G06F18/24;G06N3/04;G06N3/08;G01N21/3577

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2023.09.29#实质审查的生效;2023.09.12#公开

摘要：本发明涉及人工智能技术领域，揭露了一种基于红外散射光谱的水体悬浮物浓度检测方法和装置，该方法包括：对获取的目标水体的红外实验数据进行多因素分类，得到红外实验数据的分类数据；根据红外实验数据确定分类数据对应的浓度指标，根据浓度指标和分类数据生成目标水体的训练数据；对训练数据进行归一化处理，得到训练数据的归一化数据；利用预设的浓度预测算法生成目标水体的原始浓度检测模型；利用归一化数据对原始浓度检测模型进行训练，得到悬浮物浓度检测模型；获取目标水体的实时数据，利用悬浮物浓度检测模型和实时数据生成目标水体的实时悬浮物浓度。本发明可以提高水体悬浮物浓度检测的效率。

主权项：1.一种基于红外散射光谱的水体悬浮物浓度检测方法，其特征在于，所述方法包括：获取目标水体的红外实验数据，对所述红外实验数据进行多因素分类，得到所述红外实验数据的分类数据；根据所述红外实验数据确定所述分类数据对应的浓度指标，根据所述浓度指标和所述分类数据生成所述目标水体的训练数据；对所述训练数据进行归一化处理，得到所述训练数据的归一化数据；利用预设的浓度预测算法生成所述目标水体的原始浓度检测模型，其中，所述预设的浓度预测算法为： 其中，Y是所述原始浓度检测模型的输出值，Vj是所述原始浓度检测模型的输出层和第j个中间层之间的连接权，Wij是所述原始浓度检测模型的第i个输入层向第j个中间层的神经元传递的权重，Yi是所述原始浓度检测模型的第j个中间层的输入值，Bij是第i个输入层和第j个中间层的偏置权，B2是所述中间层和所述输出层的偏置权，M是所述原始浓度检测模型的输入层节点总数，N是所述原始浓度检测模型的中间层节点总数，i是所述原始浓度检测模型的输入层节点标识，j是所述原始浓度检测模型的中间层节点标识，g*是中间层传递函数；利用所述归一化数据对所述原始浓度检测模型进行训练，得到悬浮物浓度检测模型；获取目标水体的实时数据，利用所述悬浮物浓度检测模型和所述实时数据生成所述目标水体的实时悬浮物浓度；其中，所述对所述红外实验数据进行多因素分类，得到所述红外实验数据的分类数据，包括：对所述红外实验数据进行数据清洗，得到所述红外实验数据的标准数据；对所述标准数据进行字段分割，得到所述标准数据的分割数据；对所述分割数据进行字段筛选，得到所述分割数据的目标数据；对所述目标数据进行多因素分类，得到所述目标数据的因素数据，确定所述因素数据为所述红外实验数据的分类数据；其中，所述对所述目标数据进行多因素分类，得到所述目标数据的因素数据，包括：根据预设的聚类参数阈值和预设的距离算法生成所述目标数据的目标对象集，其中，所述预设的距离算法为： 其中，dist是所述目标数据之间的距离，xa是选定的目标数据的第a个元素，ya是与选定的目标数据的相对应的目标数据的第a个元素，a是所述选定的目标数据的元素标识，A是所述选定的目标数据的元素总数；逐一选取所述目标对象集中的目标对象为核心对象，利用所述核心对象和所述目标对象集生成所述目标数据的因素数据；其中，所述根据所述红外实验数据确定所述分类数据对应的浓度指标，包括：根据所述红外实验数据生成所述分类数据的关联值，根据所述关联值确定所述分类数据的唯一因素标识；根据所述红外实验数据确定所述目标水体的唯一浓度标识，计算所述唯一浓度标识与所述唯一因素标识的标识相似度；根据所述标识相似度与预设的相似度阈值生成所述分类数据对应的浓度指标；其中，所述根据所述浓度指标和所述分类数据生成所述目标水体的训练数据，包括：根据所述浓度指标与所述分类数据的对应关系生成所述目标水体的样本集；利用预设的抽样比例对所述样本集进行分层抽样，得到所述样本集的训练数据，其中，所述训练数据包括训练集和验证集。

全文数据：

权利要求：

百度查询： 深圳市中科云驰环境科技有限公司 基于红外散射光谱的水体悬浮物浓度检测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD