基于多源光谱数据融合的水产养殖水质有机物浓度快速检测研究
发布时间：2024-03-14 01:29
水产养殖已经成为我国发展最快的食品生产行业之一,为保障食物供给、促进经济增长做出了巨大贡献。然而,由于水产养殖的水质污染日趋严重,不但给社会经济和食品安全造成巨大的影响,而且严重制约了我国水产养殖业的可持续发展。作为智能农业和农业物联网的重要研究内容,水产养殖水质信息的快速、准确获取,对于实现水产健康养殖至关重要。在对水产养殖的水质进行评价时,水体的有机物浓度-化学需氧量(COD)是一项重要指标,目前传统的COD测定方法存在着分析时间长、需要消耗试剂以及产生二次污染等缺点,因此研究和开发水产养殖水质COD的快速检测方法成为了现代农业需要解决的关键问题。 近年来,应用紫外光谱和近红外光谱技术进行水质检测成为国内外研究的热点,这是由于光谱技术是一种快速、低成本、无损分析技术,已经被广泛应用于食品,医药,化工以及环境检测等领域。 本论文以水产养殖水质为研究对象,应用紫外光谱和近红外光谱分析技术,结合化学计量学方法以及数据融合技术,开展水产养殖水质COD检测研究,并在此基础上建立了水产养殖水质COD的快速检测分析模型,为实现水产养殖环境的实时监控提供了理论和技术依据。在当前水产养殖水质污染严重...
【文章页数】：102 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
目录
图目录
表目录
缩略词表
1 绪论
提要
1.1 课题的研究背景和意义
1.2 水质COD常规检测技术的研究现状
1.2.1 重铬酸盐法
1.2.2 高锰酸盐法
1.2.3 快速消解分光光度法
1.3 水质COD光谱技术检测的研究进展
1.3.1 基于紫外光谱技术的水质COD检测技术研究进展
1.3.2 基于近红外光谱技术的水质COD检测技术研究进展
1.3.3 基于数据融合的水质COD检测技术研究进展
1.4 国内外研究中存在的主要问题
1.5 论文的研究目标和内容
1.5.1 主要研究内容
1.5.2 技术路线
1.6 本章小结
2 试验材料和方法
提要
2.1 试验材料
2.2 试验设备及仪器
2.2.1 Cary 60紫外可见光分光光度计
2.2.2 Nexus傅立叶近红外光谱仪
2.3 水样COD值实验室测量方法
2.3.1 测量方法
2.3.2 测量原理
2.3.3 测量步骤
2.4 光谱预处理算法
2.4.1 Savitzky-Golay平滑算法
2.4.2 变量标准化
2.4.3 多元散射校正
2.4.4 一阶和二阶求导预处理
2.5 光谱特征波段选择算法
2.5.1 连续投影算法
2.5.2 无信息变量去除算法
2.6 光谱化学计量学建模算法
2.6.1 多元线性回归
2.6.2 偏最小二乘法
2.6.3 最小二乘支持向量机(LS-SVM)
2.6.4 人工神经网络
2.7 模型评价指标
2.8 本章小结
3 基于紫外光谱的水产养殖水质COD快速检测研究
提要
3.1 水产养殖水样的紫外光谱采集和光谱特性分析
3.1.1 水样的紫外光谱数据采集
3.1.2 水样的紫外光谱特性分析
3.2 养殖水质COD检测的紫外光谱全波段建模研究
3.2.1 水质COD检测的紫外光谱全波段PLS模型
3.2.2 水质COD检测的紫外光谱全波段LS-SVM和BP-ANN模型
3.3 养殖水质COD检测的紫外光谱特征波段建模研究
3.3.1 基于UVE的水质COD紫外光谱特征波段提取
3.3.2 基于UVE提取的紫外光谱特征波段的水质COD预测建模
3.3.3 基于SPA的水质COD紫外光谱特征波段提取
3.3.4 基于SPA提取的紫外光谱特征波段的水质COD预测建模
3.4 本章小结
4 基于近红外光谱的水产养殖水质COD快速检测研究
提要
4.1 水产养殖水样的近红外光谱采集和光谱特性分析
4.1.1 水样的近红外光谱数据采集
4.1.2 水样的近红外光谱特性分析
4.2 养殖水质COD检测的近红外光谱全波段建模研究
4.2.1 水质COD检测的近红外光谱全波段PLS模型
4.2.2 水质COD检测的近红外光谱全波段LS-SVM和BP-ANN模型
4.3 养殖水质COD检测的近红外光谱特征波段建模研究
4.3.1 基于UVE的水质COD近红外光谱特征波段提取
4.3.2 基于UVE提取的近红外光谱特征波段的水质COD预测建模
4.3.3 基于SPA的水质COD近红外光谱特征波段提取
4.3.4 基于SPA提取的近红外光谱特征波段的水质COD预测建模
4.4 本章小结
5 基于多源光谱融合的水产养殖水质COD快速检测研究
提要
5.1 基于数据级多源光谱融合的养殖水质COD检测研究
5.1.1 基于数据级多源光谱融合的养殖水质COD检测的PLS模型
5.1.2 基于数据级多源光谱融合的养殖水质COD检测的LS-SVM模型
5.1.3 基于数据级多源光谱数据融合的养殖水质COD检测的BP-ANN模型
5.2 基于特征级多源光谱融合的养殖水质COD检测研究
5.2.1 基于特征级光谱融合的养殖水质COD检测的PLS模型
5.2.2 基于特征级多源光谱融合的养殖水质COD检测的LS-SVM模型
5.2.3 基于特征级多源光谱数据融合的养殖水质COD检测的BP-ANN模型
5.3 本章小结
6 结论与展望
提要
6.1 主要研究结论
6.2 论文主要创新点
6.3 进一步研究的展望
参考文献
作者简介
本文编号：3927858
【文章页数】：102 页
【学位级别】：博士
【文章目录】：
致谢
摘要
Abstract
目录
图目录
表目录
缩略词表
1 绪论
提要
1.1 课题的研究背景和意义
1.2 水质COD常规检测技术的研究现状
1.2.1 重铬酸盐法
1.2.2 高锰酸盐法
1.2.3 快速消解分光光度法
1.3 水质COD光谱技术检测的研究进展
1.3.1 基于紫外光谱技术的水质COD检测技术研究进展
1.3.2 基于近红外光谱技术的水质COD检测技术研究进展
1.3.3 基于数据融合的水质COD检测技术研究进展
1.4 国内外研究中存在的主要问题
1.5 论文的研究目标和内容
1.5.1 主要研究内容
1.5.2 技术路线
1.6 本章小结
2 试验材料和方法
提要
2.1 试验材料
2.2 试验设备及仪器
2.2.1 Cary 60紫外可见光分光光度计
2.2.2 Nexus傅立叶近红外光谱仪
2.3 水样COD值实验室测量方法
2.3.1 测量方法
2.3.2 测量原理
2.3.3 测量步骤
2.4 光谱预处理算法
2.4.1 Savitzky-Golay平滑算法
2.4.2 变量标准化
2.4.3 多元散射校正
2.4.4 一阶和二阶求导预处理
2.5 光谱特征波段选择算法
2.5.1 连续投影算法
2.5.2 无信息变量去除算法
2.6 光谱化学计量学建模算法
2.6.1 多元线性回归
2.6.2 偏最小二乘法
2.6.3 最小二乘支持向量机(LS-SVM)
2.6.4 人工神经网络
2.7 模型评价指标
2.8 本章小结
3 基于紫外光谱的水产养殖水质COD快速检测研究
提要
3.1 水产养殖水样的紫外光谱采集和光谱特性分析
3.1.1 水样的紫外光谱数据采集
3.1.2 水样的紫外光谱特性分析
3.2 养殖水质COD检测的紫外光谱全波段建模研究
3.2.1 水质COD检测的紫外光谱全波段PLS模型
3.2.2 水质COD检测的紫外光谱全波段LS-SVM和BP-ANN模型
3.3 养殖水质COD检测的紫外光谱特征波段建模研究
3.3.1 基于UVE的水质COD紫外光谱特征波段提取
3.3.2 基于UVE提取的紫外光谱特征波段的水质COD预测建模
3.3.3 基于SPA的水质COD紫外光谱特征波段提取
3.3.4 基于SPA提取的紫外光谱特征波段的水质COD预测建模
3.4 本章小结
4 基于近红外光谱的水产养殖水质COD快速检测研究
提要
4.1 水产养殖水样的近红外光谱采集和光谱特性分析
4.1.1 水样的近红外光谱数据采集
4.1.2 水样的近红外光谱特性分析
4.2 养殖水质COD检测的近红外光谱全波段建模研究
4.2.1 水质COD检测的近红外光谱全波段PLS模型
4.2.2 水质COD检测的近红外光谱全波段LS-SVM和BP-ANN模型
4.3 养殖水质COD检测的近红外光谱特征波段建模研究
4.3.1 基于UVE的水质COD近红外光谱特征波段提取
4.3.2 基于UVE提取的近红外光谱特征波段的水质COD预测建模
4.3.3 基于SPA的水质COD近红外光谱特征波段提取
4.3.4 基于SPA提取的近红外光谱特征波段的水质COD预测建模
4.4 本章小结
5 基于多源光谱融合的水产养殖水质COD快速检测研究
提要
5.1 基于数据级多源光谱融合的养殖水质COD检测研究
5.1.1 基于数据级多源光谱融合的养殖水质COD检测的PLS模型
5.1.2 基于数据级多源光谱融合的养殖水质COD检测的LS-SVM模型
5.1.3 基于数据级多源光谱数据融合的养殖水质COD检测的BP-ANN模型
5.2 基于特征级多源光谱融合的养殖水质COD检测研究
5.2.1 基于特征级光谱融合的养殖水质COD检测的PLS模型
5.2.2 基于特征级多源光谱融合的养殖水质COD检测的LS-SVM模型
5.2.3 基于特征级多源光谱数据融合的养殖水质COD检测的BP-ANN模型
5.3 本章小结
6 结论与展望
提要
6.1 主要研究结论
6.2 论文主要创新点
6.3 进一步研究的展望
参考文献
作者简介
本文编号：3927858
本文链接：https://www.wllwen.com/nykjlw/scyylw/3927858.html