水是地球上动植物赖以生存的必要条件,水资源的重要性毋庸置疑。然而,随着经济的日益增长和科学技术的不断进步,水污染的问题也越来越严重。自然水体的污染不仅影响着水生动植物的生存,也会给人类的健康与发展带来严重威胁。近年来,水污染成为了世界各国自然资源治理的重点对象,是当前社会关注的环境热点问题之一。因此,水质检测作为获取水体参数的有效分析手段,对保证水质安全和及时制定污染治理方案具有重要意义。传统水质检测方法虽然检测精度高,但却具有检测周期长、检测成本高、无法进行现场检测和二次污染的问题。为了解决这些问题,本文结合了光电检测技术和光谱分析技术中的紫外-可见吸收光谱法,研制了一款高稳定性的多参数水质检测系统,能够现场检测出磷酸盐、亚硝酸盐、化学需氧量（COD）和氨氮四种重要水质参数,在检测自然水体和饮用水的水质参数时,适用性较强。在研究内容上,主要围绕五个方面展开研究:（1）研究了国内外水质检测的发展现状,针对市场现状调查了水质检测产品的公司,深入分析了光电检测技术、光谱分析技术和遥感检测技术的优缺点。根据传统水质检测方法的不足与前沿检测技术的特点确定本文检测系统的研究方案。（2）对四种水质指标的吸收特性、常用的颜色量化模型和可见光谱图像的常用滤波方式进行分析,研究了朗伯-比尔定律在水质检测中的适用范围和偏离原因。（3）对四种水质指标进行标准溶液的配置。对磷酸盐、亚硝酸盐和氨氮各选取8组不同浓度的标准溶液,在Matlab中利用朗伯-比尔定律研究其可见吸收光谱图像在不同颜色量化模型下建立的标准曲线,发现使用灰度模型建立的标准曲线最好。在灰度模型下,亚硝酸盐的相关系数达到了0.87,氨氮和磷酸盐达到了0.99。用Matlab对可见光谱灰度图像进行卷积神经网络仿真建模,预测精度达到了89%。对COD进行电压与浓度值的线性拟合,建立标准曲线模型,其相关系数为0.99,具有比较好的COD浓度预测效果。（4）本检测系统的总体结构由光路、硬件和软件三个部分组成。光路部分由紫外-可见光源、分光系统、比色皿组成,负责产生各水质指标的紫外-可见吸收光谱,其中磷酸盐、亚硝酸盐和氨氮对可见光有吸收作用,COD对紫外光有吸收作用。硬件部分由摄像头、紫外光电传感器、模数转换模块、LCD显示屏和主控芯片组成,可见光谱由摄像头采集送入主控芯片,紫外光谱由紫外光电传感器采集,经AD转换模块进行模数转换后送入主控芯片,各水质指标浓度值由LCD屏显示。软件部分完成对可见光谱图像的去噪和灰度化,并通过卷积神经网络模块得到磷酸盐、亚硝酸盐和氨氮的浓度预测值,浓度转换模块将AD转换后的数字电压换算成COD浓度值,最后驱动LCD显示。（5）通过该检测系统对自然水体进行现场检测,并对自然水体现场取样、储存、送样到实验室内,使用紫外-可见分光光度计检测并与现场检测所得数据进行对比。卷积神经网络预测值为样本溶液在8种浓度值输出类型中的倾向值,准确率最高为100%,最低为40%。COD浓度值的最高误差为10%,并分析了误差产生的原因,证实该检测系统具有很好的实用价值与改进空间。