[发明专利]一种水质透明度测试方法及其测试装置

权利要求书

1.一种水质透明度测试方法，其特征在于，包括以下步骤：

步骤1：建立训练集合，以不同透明度的训练水域作为训练单元，通过铅字法或塞氏盘法测量得到各训练单元的透明度参考值；

步骤2：将训练单元进行特征处理，所述特征处理指利用图像获取单元实时获取水域内的显示单元提供的动态图形，并记录获得清晰图像时动态图形的颜色、亮度、X尺寸临界值；

步骤3：将透明度参考值作为目标输出，将训练样本的X尺寸临界值作为输入变量，训练神经网络预测模型；

步骤4：以待测水域作为待测单元，将待测单元进行特征处理，将获得的X尺寸临界值输入神经网络预测模型进行计算检测，以获得待测水域的透明度值。

2.根据权利要求1所述的一种水质透明度测试方法，其特征在于，所述动态图形采用白色背景，以RGB三色图形分别搭配150cd/m²、300cd/m²两种亮度形成6种测量条件，特征处理时，在每种测量条件下，图形的X尺寸按照预设值逐步增大，直至所述图像获取单元准确识别动态图形的信息内容。

3.根据权利要求1所述的一种水质透明度测试方法，其特征在于，所述动态图形采用QRCode、可见光图形、2-dimensional bar code、PDF417、QR Code、Code 49、Code 16K、CodeOne、Datamatrix、Maxicode、Vericode、Softstrip、Code1、Philips Dot Code中的一种或一种以上。

4.根据权利要求1所述的一种水质透明度测试方法，其特征在于，所述神经网络预测模型的输入层节点数量为6个，隐藏层数量为2且每个隐藏层神经元个数为4个，输出层节点个数为1个。

5.根据权利要求1所述的一种水质透明度测试方法，其特征在于，所述步骤3包含以下子步骤：

a)设置神经元连接权值随机初始值并输入训练集合的X尺寸临界值；

b)通过当前各神经元的连接权值计算预测输出，并求得预测输出与目标输出的差值；

c)通过反向传播算法计算权值修正量并更新当前权值；

d)以此迭代，直到预测输出与目标输出相对误差低于预设误差限值，结束训练神经网络预测模型。

6.根据权利要求1所述的一种水质透明度测试方法，其特征在于，所述神经网络预测模型采用如下方式进行计算检测：

记W_M,i,N，j为第M层的第i节点至第N层的第j节点的连接权值，H_N,j为第N层的第j的预测输出，则其中LenM为第M层神经元个数，f为隐藏神经元Tanh激活函数，输入训练集合的X尺寸临界值处理后得到的训练集合的预测输出与目标输出计算结果的误差，基于上述误差，利用反向传播算法计算误差对神经网络预测模型权值的偏导数，求取权值修正量ΔW_M,i,N，j并对权值进行修正，以此循环，以训练集合中的各数据训练神经网络模型，直到预测输出与目标输出相对误差低于预设误差限值，得到最优的神经元连接权值。

7.一种水质透明度测试装置，其特征在于，采用如权利要求1-6任一所述的水质透明度测试方法进行测试。

8.根据权利要求7所述的一种水质透明度测试装置，其特征在于，包括图像获取单元、显示单元、控制器，其中，所述显示单元用于提供动态图形；所述图像获取单元用于透过水域扫描和读取所述动态图形；所述控制器用于构建和运行神经网络预测模型，所述神经网络预测模型获取待测单元的X尺寸临界值并计算检测，以获得待测水域的透明度值。

9.根据权利要求8所述的一种水质透明度测试装置，其特征在于，还包括将水样输入以构成水域的透明水样箱，所述透明水样箱内安装有水位器，所述显示单元和图像获取单元分别安装在所述透明水样箱正对的两侧壁，所述透明水样箱连接有进水通道和出水通道，所述进水通道和出水通道均设有水泵。

10.根据权利要求9所述的一种水质透明度测试装置，其特征在于，所述透明水样箱安装有显示单元和图像获取单元的两侧壁的内侧均安装有清洁器，所述透明水样箱还连接有清洁水输入通道。