[发明专利]水体COD快速检测方法及装置

说明书

本发明实施例提供一种水体COD快速检测方法及装置，该方法包括：获取待检测水体样本的光谱数据，进行特征提取得到特征数据；将提取到的特征数据，输入预设的COD检测模型，获取所述待检测水体样本的COD值；其中，所述预设的COD检测模型基于决策树算法构建，并根据带有COD值标签的水体样本对应的特征数据训练后得到。该方法只需获取待检测水体样本的光谱数据，具有简单、易实现的特点；通过基于决策树算法COD检测模型实现COD值的检测，耗时短、操作简便，不会产生二次污染，能够满足实时实地检测水质的需求。

技术领域

本发明涉及水质检测领域，尤其涉及一种水体COD快速检测方法及装置。

背景技术

在人类日常生活中，水是不可或缺的物质，是生命的源泉。近年来人们越来越关注水质问题，而化学需氧量(Chemical Oxygen Demand，COD)是衡量水质的一个重要指标，在评价水体有机物污染方面有着重要作用，是在河流污染等研究中能较快测定的有机物污染参数，是以化学方法测量水样中需要被氧化的还原性物质的量，它与水体中有机污染物的浓度成正比。

目前，在检测COD浓度时，普遍应用的是酸性高锰酸钾氧化法、重铬酸钾氧化法、快速消解分光光度法、库仑法等等。然而这些方法都需使用高锰酸钾、重铬酸钾等化学试剂，耗时久，操作麻烦，且处理不当易产生二次污染，不能实现实时实地检测水质的需求。

发明内容

为了解决上述问题，本发明实施例提供一种水体COD快速检测方法及装置。

第一方面，本发明实施例提供一种水体COD快速检测方法，包括：获取待检测水体样本的光谱数据，进行特征提取得到特征数据；将提取到的特征数据，输入预设的COD检测模型，获取所述待检测水体样本的COD值；其中，所述预设的COD检测模型基于决策树算法构建，并根据带有COD值标签的水体样本对应的特征数据训练后得到。

进一步地，所述将提取到的特征数据，输入预设的COD检测模型，包括：将提取到的特征数据，输入预设的COD检测模型的多个决策树子模型中；根据每个决策树子模型的输出结果，取平均值后，输出待检测水体样本的COD值；其中，每一决策树子模型均根据校正集样本随机抽样训练得到。

进一步地，所述将提取到的特征数据，输入预设的COD检测模型之前，还包括：获取多个已知COD值的光谱样本，按照预设比例划分为校正集和预测集；根据不同的决策树个数，分别建立COD检测模型；对于每个COD检测模型，将校正集分别进行有放回采样后，得到多个与决策树个数对应的子校正集，利用子校正集分别对决策树进行训练；基于预测集得到每个COD检测模型的检测结果，选取使预测集相关系数最高的COD检测模型，并确定相应的决策树个数，以得到所述预设的COD检测模型。

进一步地，所述选取使预测集相关系数最高的COD检测模型，并确定相应的决策树个数，以得到所述预设的COD检测模型之后，还包括：在预设的特征个数范围内，分别基于预测集得到COD的检测结果；选取使预测集相关系数最高的特征个数，作为输入预设的COD检测模型的特征个数。

进一步地，所述获取待检测水体样本的光谱数据，包括：基于激光诱导击穿光谱技术(简称LIBS)，获取待检测水体样本的光谱数据。

进一步地，所述获取待检测水体样本的光谱数据，包括：对每个待检测样本，采集预设数量的光谱得到多个光谱数据；对多个光谱数据求均值，得到待检测水体样本的光谱数据。

第二方面，本发明实施例提供一种水体COD快速检测装置，包括：特征获取模块，用于获取待检测水体样本的光谱数据，进行特征提取得到特征数据；水体检测模块，用于将提取到的特征数据，输入预设的COD检测模型，获取所述待检测水体样本的COD值；其中，所述预设的COD检测模型基于决策树算法构建，并根据带有COD值标签的水体样本对应的特征数据训练后得到。