談混合模型空氣中二氧化硫濃度檢測范文

本站小編為你精心準備了談混合模型空氣中二氧化硫濃度檢測參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：通過改進傳統比色法，提出了檢測空氣中二氧化硫濃度的新方法．介紹了檢測空氣中二氧化硫濃度的常規方法，對比傳統比色法測定濃度的優缺點，提出了以紅綠藍RGB模型與HIS模型相結合的數碼成像比色法的優化方案，以此建立了二氧化硫濃度與圖像色彩特征值的混合數學模型．基于模型數值分析找出了匹配性較好的RGB－H模型作為快速、準確檢測二氧化硫濃度的新方法，并論證了新方法在測定空氣中二氧化硫濃度上的優勢．

關鍵詞：圖像比色法；RGB模型；HIS模型；非線性擬合；數據分析

引言

二氧化硫是主要的大氣污染物之一，它不僅危害人體健康，還會加速金屬的腐蝕過程．我國二氧化硫污染較為嚴重，部分地區大氣中的二氧化硫含量大大超過了環境容量，導致霧霾天氣現象嚴重．因此，如何快速準確測定空氣中的二氧化硫濃度顯得意義重大．常用的監測空氣中二氧化硫濃度的標準檢測方法為鹽酸副玫瑰苯胺比色法［1］．此法雖準確可靠，但檢測時必須先用采樣器將空氣抽至吸收液中，再帶回實驗室分析，測定時間長，操作繁瑣，如遇現場多點、大批量采樣時，還需要多臺采樣器同時運行，工作效率不高［2－5］．數碼圖像比色法是以有色化合物的顯色反應為基礎，通過比較或測量有色物質溶液顏色深度以確定待測組分含量，同時將數碼攝影與化學顯色檢驗結合以定性定量分析溶液的濃度的方法［6］．該方法只需要將待測溶液利用數碼相機進行數碼成像，回實驗室分析圖像基本信息，即可得到待測溶液的濃度，從而避免吸收液在儲存、運輸等環節可能造成的對檢測結果產生的偏差，提高了工作人員現場檢測的工作效率，符合職業衛生現場檢測工作的要求．同時該方法將比色法肉眼觀測的方法改進成對數碼圖像數據進行定性定量分析，減少了人為誤差，便于數據的存儲和調用．傳統的數碼攝像色彩以紅綠藍RGB模型（模型中R，G，B分別代表圖像紅色特征值、綠色特征值和藍色特征值）為主，它通過對紅、綠、藍3色通道的變化以及它們相互之間的疊加來得到各種顏色［7］，在量化的顏色與被檢測溶液濃度間建立數學模型，實現以化學顯色為基礎的定量或半定量分析．圖像的特征值不僅與待測溶液濃度有關，還與攝影光源、用光角度、是否曝光等其他因素有關，容易受到溶液雜質的影響．現代色視覺理論認為，RGB特征值表示的顏色沒有直官感［7］，而HSI多參數模型（其中H，S，I分別代表圖像色調特征值、飽和度特征值和亮度特征值）反映了人的視覺系統感知彩色的途徑，使其在人的心理感知方面更易被接受．其中H和S分量與人感受顏色的方式緊密相聯，I反映的是顏色的明亮程度，對感知彩色不具有優勢，因此，在HSI模型的應用中經常使用色調H和飽和度S進行溶液彩色特性檢測與分析［8］．本研究收集相同條件下空氣中二氧化硫的檢測樣本，利用圖像比色法中數碼攝影與化學顯色檢驗結合以定性定量分析溶液的濃度．具體思路為：采用傳統RGB模型與HSI模型的重要變量組合檢測物質濃度，減少建模所用的變量數，并利用不同建模方法建立二氧化硫濃度與RGB－HS顏色特征值的預測模型，根據建模結果確定最優的建模方法，最終得到預測模型RGB－S；此模型能夠提高預測精度和穩定性，以應用于實際樣品的分析檢測．

1基于數碼成像比色法測定二氧化硫溶液濃度

1．1二氧化硫濃度檢測二氧化硫濃度檢測通常采用鹽酸副玫瑰苯胺比色法，即根據二氧化硫溶液濃度與比色法圖像顏色特征值的關系，建立二氧化硫溶液濃度與RGB顏色特征值的數學模型，以迅速檢測二氧化硫的濃度［7］．在建立數學模型時，需要解決兩個方面的問題，一是選擇與數據散布圖匹配的函數作為擬合的數學模型，二是確定選定數學模型的參數（待定系數）．選擇數學模型進行數據擬合的方法較多，包括線性函數、非線性函數或其他類型的函數，實際應用當中可根據大量實驗得出的數據散點圖特點選擇匹配性高的函數作為擬合的數據模型［9－10］．比色法測定二氧化硫濃度檢測的優化方案：在RGB模型下檢測二氧化硫濃度，同時以HSI模型加以驗證并剔除雜質干擾因素，再通過數學模型的定量分析，有效提高檢測精度．

1．2檢測數據分析處理收集相同條件下空氣中二氧化硫的檢測樣本，按0，20，30，50，80，100，150mg／L的質量濃度分別制備二氧化硫標準溶液，再分別加入試劑溶液，待混勻顯色達到要求后，迅速測定各溶液吸光度，得到不同質量濃度二氧化硫標準溶液的圖像特征量化值R，G，B，H，S（見表1）．將二氧化硫溶液濃度作為自變量，顯色反應后測得的圖像特征值R，G，B，H，S為因變量，繪制二氧化硫溶液濃度—圖像特征值的散布圖．選用Ori－gin75作為數據擬合分析軟件，經過反復論證擬合，最終選擇匹配程度最佳的數學模型對圖像特征值R，G，B，H，S的散布圖進行非線性擬合［11］，確定了模型的函數形式、模型的參數、數據均方差及決定系數R2（見表2），同時繪制了散布圖的擬合曲線，如圖1至圖5所示．其中，決定系數R2的定義為：對于m個樣本（x1，y1），（x2，y2），…，（xm，ym），某模型給出的估計值為（x1，＾y1），（x2，＾y2），…，（xm，＾ym）．以TSS表示樣本的總平方和，定義為TSS＝∑mi＝1（＾yi－珔y）2．以RSS為樣本殘差平方和，定義為RSS＝∑mi＝1（＾yi－yi）2．那么，R2的定義為決定系數R2越大，表示擬合效果越好，其最優值為1．通過表2（表中y表示圖像特征值，x表示二氧化硫溶液質量濃度）及圖1至圖5數據可以看出，基于圖像飽和度特征值S的曲線獲得了最佳擬和效果，其R2最大；基于圖像色調特征值H的擬和效果最差，其R2最小．基于傳統的圖像紅色特征值R、圖像綠色特征值G和圖像藍色特征值B的擬合結果介于基于圖像飽和度特征值S和色調特征值H之間．通過擬和效果分析，可選出合適的特征值來處理二氧化硫的濃度檢測問題．

1．3檢測方式優化分析上述數學模型可發現，圖像特征值R，G，B，S，H所匹配的最佳數學模型各不相同，除H外，其余圖像特征值與二氧化硫溶液濃度的R2皆大于0．92，證明檢測數據與擬合曲線匹配程度好，在測定二氧化硫濃度時準確性較高［12］．而二氧化硫濃度與圖像色調特征值H的R2僅為0．40603，證明其相關程度弱，或存在干擾因素導致檢測產生較大誤差，不適合檢測該條件下的溶液濃度［13］，應采用R2為0．99129的圖像飽和度特征值S作為驗證模型，并與傳統的RGB模型組合成為新的檢測方式．在檢測空氣中二氧化硫濃度時，按照傳統的RGB模型進行檢測，并結合HSI模型中的飽和度特征值S作為驗證，得到新的混合檢測模型RGB－S，即可提高檢測工作的效率．

2結論

非線性回歸分析的理論顯示，R2越接近1，擬合效果越好．上述二氧化硫濃度與圖像色調特征值的數學模型中，R2大于0．8時，具有高度相關關系的模型有4個．在二氧化硫濃度檢測中，為提高檢測準確性，同時減少不必要的重復性工作，將前4個高度相關的模型組合為新的檢測模型RGB－S，即：圖像紅色特征值R、圖像綠色特征值G、圖像藍色特征值B、圖像飽和度特征值S．用新的檢測模型測定相同條件下空氣中二氧化硫的濃度，準確性高，可操作性強，從側面驗證了傳統比色法RGB模型的檢測精度，優化了傳統的數學模型，并提供了新的檢測思路．

參考文獻：

［1］中華人民共和國衛生部．工作場所空氣中有害物質監測的采樣規范：GBZ159—2004［S］．北京：中國標準出版社，2004．

［2］劉春，代玉蘭，代澤琴．無汞比色法測定大氣中的二氧化硫［J］．貴州化工，2003，28（5）：38－40．

［3］閻立榮，李力爭．用1，3，5－三硝基苯比色法測定大氣中微量二氧化硫［J］．中國環境監測，1987，3（5）：11－13．

［4］左俊輝，王海瑩，魏志鋼，等．比色法測定水中As（Ⅲ）和As（Ⅴ）含量［J］．分析科學學報，2014，30（1）：107－110．

［5］樊淑彥，曹曉芳，劉淑萍，等．比色法測定荷葉中總黃酮的含量［J］．河北醫科大學學報，2004，25（4）：215－217．

［6］楊海燕，賈貴儒．基于數字色度學的有色透明溶液濃度快速檢測方法［J］．中國農業大學學報，2006，11（3）：47－50．

［7］李志敏，常宇，薛平，等．一種戶外全彩LED顯示屏亮度色度檢測新方法［J］．激光雜志，2010，30（4）：63－65．

［8］沈繼忱，王雪晴，劉邦利．基于圖像比色法的有色溶液濃度檢測方法的研究［J］．光學儀器，2008，30（2）：9－12．

［9］李國英，李永戰，鄭麗婷．基于回歸模型的溶液濃度測定方法的研究［J］．黑龍江電力，2012，34（4）：263－265．

［10］吳雪梅，楊曉慧．基于自回歸模型的溶液濃度測定方法研究［J］．計算機與應用化學，2010，27（2）：245－248．

［11］楊傳孝，孫向英，劉斌．數碼成像比色法測定空氣中氮氧化物的日變化曲線［J］．光譜學與光譜分析，2009，29（6）：1643－1646．

［13］劉杰，葉運莉，湯艷，等．空氣中二氧化硫測定方法的對比分析［J］．瀘州醫學院學報，2012，35（2）：198－220．

［14］王志杰，陳俊威，王進忠．硫氰酸汞比色法測定空氣中氯化氫的原理分析［J］．環境與可持續發展，2017（2）：206－208．

［15］王文鳳，吳世嘉，馬小媛，等．基于納米金標記－適配體識別的伏馬菌素B1檢測新方法［J］．食品與生物技術學報，2013，32（5）：501－508．

作者：李靜 程適 單位：陜西鐵路工程職業技術學院