论文部分内容阅读
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,国家要求实现水产健康养殖的大背景下,研究水产养殖水质COD快速和准确的检测方法,具有非常重要的意义。同时,基于光谱的水质信息获取和感知方法的研究,也为光谱技术用于养殖水质其他指标的快速检测提供了研究思路。主要研究内容和成果如下：(1)实现了基于紫外光谱的水产养殖水质COD的快速检测,提出了对原始光谱数据进行预处理-提取光谱数据特征波段-建立基于线性和非线性的光谱预测模型的技术路线,建立了水产养殖水质COD的紫外光谱全波段偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)和反向传播人工神经网络(BP-ANN)预测模型；应用连续投影算法(SPA)和无信息变量消除(UVE)算法提取水产养殖水质COD的紫外光谱特征波段,建立了基于紫外光谱特征波段的水产养殖水质COD检测的PLS、多元线性回归(MLR)、LS-SVM和BP-ANN预测模型。在基于紫外光谱全波段和特征波段建立的水质COD预测模型中,预测效果最优的模型为基于SPA的紫外光谱特征波段COD预测模型SPA-LS-SVM (SNV),预测集样本的预测结果决定系数R2=0.89,预测集均方根误差RMSEP=15.21mg/L。(2)实现了基于近红外光谱的水产养殖水质COD的快速检测,建立了水产养殖水质COD预测的近红外光谱全波段PLS.LS-SVM和BP-ANN预测模型,对于水质COD的近红外光谱全波段预测建模,非线性建模方法LS-SVM和BP-ANN比线性建模方法PLS有着更好的预测效果。应用SPA和UVE算法提取水产养殖水质COD的近红外光谱特征波段,建立了基于近红外光谱特征波段的水产养殖水质COD检测的PLS、MLR、LS-SVM和BP-ANN预测模型。在基于近红外光谱全波段和特征波段建立的水质COD预测模型中：预测效果最优的模型为基于SPA的近红外光谱特征波段COD预测模型SPA-BP-ANN(MSC),预测集样本的预测结果R~2=0.87,RMSEP=16.01mg/L。(3)实现了基于紫外光谱和近红外光谱的多源光谱数据融合的水产养殖水质COD快速检测,采用PLS、LS-SVM和BP-ANN,在数据级(LLDF)和特征级(MLDF)建立了水产养殖水质COD的多源光谱融合预测模型,使用多源光谱LLDF融合建模不能明显的提高水质COD的预测精度,使用多源光谱MLDF融合建立的水质COD预测模型效果要明显好于单独使用紫外光谱和近红外光谱数据建立的水质COD预测模型,其中预测效果最好的是(SPA+SPA)-LS-SVM预测模型,对应的预测集样本进行预测的结果R~2:0.91,RMSEP:13.58mg/L,表明光谱特征波段提取结合多源光谱MLDF融合技术,可以有效的提高养殖水质COD预测模型的效果。上述研究成果实现了水产养殖水质有机物浓度COD的快速、精准检测,为研制和开发水产养殖水质信息快速检测传感器奠定了理论基础,具有广阔的应用前景。