隨著經(jīng)濟(jì)的快速發(fā)展,伴隨而來的是在工業(yè)生產(chǎn)中大量廢水的排放,導(dǎo)致巨大的工業(yè)污染,嚴(yán)重危害生態(tài)平衡,影響了人類的正常生活。為了保護(hù)生態(tài)環(huán)境和人們的生命健康,各個(gè)國(guó)家都將水質(zhì)檢測(cè)放到了環(huán)境保護(hù)的重要位置,通過檢測(cè)水體的物理、化學(xué)和生物等特性來判斷水體的污染情況�，F(xiàn)存的水質(zhì)檢測(cè)方法大多依賴如電化學(xué)法、分光光度法、色譜法等傳統(tǒng)方法,具有測(cè)量方法復(fù)雜、成本較高、準(zhǔn)確性低等缺陷,因此研發(fā)水質(zhì)監(jiān)測(cè)新方法與新設(shè)備有著重要的意義。計(jì)算機(jī)技術(shù)的發(fā)展,使人工智能與圖像處理技術(shù)在許多相關(guān)領(lǐng)域得到了廣泛的應(yīng)用。因此,將人工智能和圖像處理技術(shù)應(yīng)用于水質(zhì)檢測(cè)領(lǐng)域,代替?zhèn)鹘y(tǒng)的分光光度法,此外計(jì)算機(jī)具有非常強(qiáng)大的數(shù)據(jù)處理能力,對(duì)提高水質(zhì)檢測(cè)的準(zhǔn)確性、降低檢測(cè)成本有著重大意義。本文在研究國(guó)內(nèi)外水質(zhì)檢測(cè)方法的基礎(chǔ)上,提出了基于數(shù)字?jǐn)z像頭結(jié)合T-S模糊神經(jīng)網(wǎng)絡(luò)和曲面擬合算法測(cè)量水質(zhì)的方法。本文的主要內(nèi)容和創(chuàng)新點(diǎn)如下:(1).提出了一種數(shù)字?jǐn)z像頭結(jié)合T-S模糊神經(jīng)網(wǎng)絡(luò)測(cè)量水體濁度的測(cè)量模型。將標(biāo)準(zhǔn)水樣的RGB值作為T-S模糊神經(jīng)網(wǎng)絡(luò)的輸入,標(biāo)準(zhǔn)水樣的濁度值作為輸出,建立水濁度與RGB值之間的非線性關(guān)系,用于標(biāo)準(zhǔn)水樣和實(shí)際水樣的...

【文章頁數(shù)】：67 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 水質(zhì)檢測(cè)的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 神經(jīng)網(wǎng)絡(luò)國(guó)內(nèi)外研究現(xiàn)狀
        1.2.3 顏色空間轉(zhuǎn)換應(yīng)用研究現(xiàn)狀
    1.3 論文的內(nèi)容與結(jié)構(gòu)
    1.4 技術(shù)路線
第二章 理論基礎(chǔ)
    2.1 T-S模糊神經(jīng)網(wǎng)絡(luò)
        2.1.1 T-S模糊系統(tǒng)
        2.1.2 T-S模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.1.3 模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法
    2.2 曲面擬合
        2.2.1 多項(xiàng)式函數(shù)擬合方法的數(shù)學(xué)模型
        2.2.2 擬合函數(shù)的選取
    2.3 顏色空間轉(zhuǎn)換
    2.4 本章小結(jié)
第三章 測(cè)量裝置設(shè)計(jì)
    3.1 硬件裝置
        3.1.1 背光電路
        3.1.2 數(shù)字?jǐn)z像頭
    3.2 軟件設(shè)計(jì)
        3.2.1 RGB色彩空間到Lab色彩空間的轉(zhuǎn)換
        3.2.2 RGB色彩空間到HSI色彩空間的轉(zhuǎn)換
    3.3 本章小結(jié)
第四章 基于T-S模糊神經(jīng)網(wǎng)絡(luò)的水體濁度測(cè)量方法
    4.1 常見的濁度測(cè)量方法
    4.2 基于T-S模糊神經(jīng)網(wǎng)絡(luò)水體濁度的測(cè)量模型
    4.3 標(biāo)準(zhǔn)濁度溶液的制備
    4.4 結(jié)果和討論
        4.4.1 濁度圖像分析
        4.4.2 各顏色分量與色差對(duì)濁度的擬合
        4.4.3 T-S模糊神經(jīng)網(wǎng)絡(luò)對(duì)水體濁度的測(cè)量
        4.4.4 不同隸屬函數(shù)對(duì)濁度測(cè)量結(jié)果的影響
        4.4.5 與標(biāo)準(zhǔn)溶液對(duì)比
        4.4.6 實(shí)際水樣的測(cè)量
    4.5 分析與討論
        4.5.1 使用數(shù)字?jǐn)z像頭結(jié)合T-S模糊神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)
        4.5.2 與最新使用圖像法測(cè)量水體濁度的方法對(duì)比
    4.6 本章小結(jié)
第五章 基于曲面擬合方法的水體色度測(cè)量模型及應(yīng)用
    5.1 色度標(biāo)準(zhǔn)溶液的制備與信息采集
    5.2 氨氮、磷酸鹽和氯化物標(biāo)準(zhǔn)溶液的制備及數(shù)據(jù)采集
    5.3 三維色度測(cè)量模型的建立
    5.4 測(cè)量結(jié)果
    5.5 對(duì)標(biāo)準(zhǔn)色度溶液測(cè)量的對(duì)比實(shí)驗(yàn)
    5.6 對(duì)實(shí)際水樣測(cè)量的對(duì)比實(shí)驗(yàn)
    5.7 水中氨氮、磷酸鹽和氯化物含量的測(cè)量
    5.8 與其他基于攝像機(jī)圖像的水質(zhì)檢測(cè)方法比較
    5.9 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文總結(jié)
    6.2 未來工作及展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間出版或發(fā)表的論著、論文
致謝



本文編號(hào)：4004365