[发明专利]一种基于AI深度学习的水质TOC和COD在线检测及交叉印证方法

权利要求书

1.一种基于AI深度学习的水质TOC和COD在线检测及交叉印证方法，其特征在于，具体步骤如下：

步骤(1)、测量水样的吸光度，根据吸光度判断是否需要对水样进行稀释；

步骤(2)、测量水样在紫外-可见光波长范围内的吸光度值；

步骤(3)、测量水样在红外波长范围内的吸光度值；

步骤(4)、将水样对应的光谱值和TOC标准值代入AI算法训练得出TOC计算模板；将水样对应的光谱值和COD标准值代入AI算法训练得出COD计算模板；

步骤(5)、建立起水样TOC和COD之间的关联关系模板；

步骤(6)、根据水样光谱值、TOC计算模板、TOC和COD之间的关联关系计算出水样的TOC/COD值。

2.根据权利要求1所述的基于AI深度学习的水质TOC和COD在线检测及交叉印证方法，其特征在于，在步骤(1)中，对水样进行稀释包括以下步骤：

A、选取水样在紫外光波长范围内的五个吸光度值作为初步浓度判断依据，若吸光度大于100COD标准溶液的吸光度值，则判断水样浓度超标，系统开始用稀释液对水样进行稀释；

B、若水样在初步浓度判断下，不超标，则选取水样在可见光波长范围内的五个吸光度值作为二次浓度判断依据，若吸光度大于100COD标准溶液在此波长的吸光度值，则判断水样浓度超标，则系统开始用稀释液对水样进行稀释；

C、若水样在二次浓度判断下，不超标，则选取水样在可见光波长范围内的五个吸光度值作为三次浓度判断依据，若吸光度大于100COD标准溶液在此波长的吸光度值，则判断水样浓度超标，则系统开始用稀释液对水样进行稀释；

D、若水样或稀释后的水样，同时在初次浓度判断、三次浓度判断下显示均不超标，则说明水样浓度适合，进行下一步测试。

3.根据权利要求1所述的基于AI深度学习的水质TOC和COD在线检测及交叉印证方法，其特征在于，在步骤(2)中，选取水样在100-750nm波长范围内的全光谱吸光度值，通过AI训练学习，消除浊度对测量结果的影响。

4.根据权利要求1所述的基于AI深度学习的水质TOC和COD在线检测及交叉印证方法，其特征在于，在步骤(3)中，红外波长范围为750-900nm。

5.根据权利要求1所述的基于AI深度学习的水质TOC和COD在线检测及交叉印证方法，其特征在于，在步骤(4)中，光谱值为吸光度，且光谱数据采集间隔为0.05-5nm。

6.根据权利要求1所述的基于AI深度学习的水质TOC和COD在线检测及交叉印证方法，其特征在于，在步骤(6)中，水样的TOC/COD值需乘以水样稀释倍数。