本發(fā)明屬于濁度測(cè)量，具體而言，涉及一種非接觸式濁度在線測(cè)量裝置。

背景技術(shù)：

1、混懸液濁度是一個(gè)廣泛應(yīng)用的重要物理參數(shù),在許多工業(yè)領(lǐng)域都有著重要的應(yīng)用價(jià)值。例如,在水處理行業(yè),混懸液的濁度反映了水體中懸浮顆粒的含量,是水質(zhì)控制的關(guān)鍵指標(biāo)之一；在化工生產(chǎn)中,濁度監(jiān)測(cè)能夠及時(shí)發(fā)現(xiàn)原料或中間產(chǎn)品存在的異常情況,確保產(chǎn)品質(zhì)量；在食品飲料行業(yè),濁度也是評(píng)判產(chǎn)品質(zhì)量的重要參數(shù)之一。除此之外,在制藥、礦山、造紙等行業(yè),濁度監(jiān)測(cè)同樣發(fā)揮著重要作用。可以說,混懸液濁度檢測(cè)技術(shù)已經(jīng)成為各個(gè)領(lǐng)域不可或缺的在線監(jiān)測(cè)手段。

2、目前,常用的濁度檢測(cè)方法主要有兩種:一是離線采樣檢測(cè)法,即取樣后送到實(shí)驗(yàn)室進(jìn)行分析測(cè)試；二是在線監(jiān)測(cè)法,利用光學(xué)傳感器直接對(duì)混懸液進(jìn)行實(shí)時(shí)檢測(cè)。離線采樣檢測(cè)法雖然能夠獲得較為精確的濁度數(shù)據(jù),但受限于采樣和運(yùn)輸過程,無法反映實(shí)時(shí)的濁度變化情況,同時(shí)操作流程繁瑣,不適用于連續(xù)監(jiān)測(cè)。而在線監(jiān)測(cè)法由于采用了自動(dòng)化和遠(yuǎn)程監(jiān)控技術(shù),能夠?qū)崿F(xiàn)持續(xù)、實(shí)時(shí)的濁度檢測(cè),已逐漸成為主流的監(jiān)測(cè)手段。

3、目前市面上常見的在線濁度監(jiān)測(cè)裝置大多采用光學(xué)檢測(cè)原理,通過測(cè)量入射光和透射光、散射光的強(qiáng)度變化,利用經(jīng)驗(yàn)公式或標(biāo)定曲線計(jì)算出混懸液的濁度值。這種方法簡(jiǎn)單易行,可以提供連續(xù)的濁度數(shù)據(jù)。但是,現(xiàn)有的光學(xué)濁度監(jiān)測(cè)裝置存在由于不同物質(zhì)和粒子形態(tài)對(duì)光的吸收、散射和透射性能存在差異,會(huì)導(dǎo)致測(cè)量結(jié)果產(chǎn)生較大誤差的技術(shù)問題。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種非接觸式濁度在線測(cè)量裝置，能夠解決現(xiàn)有的光學(xué)濁度監(jiān)測(cè)裝置存在由于不同物質(zhì)和粒子形態(tài)對(duì)光的吸收、散射和透射性能存在差異,會(huì)導(dǎo)致測(cè)量結(jié)果產(chǎn)生較大誤差的技術(shù)問題。

2、本發(fā)明是這樣實(shí)現(xiàn)的：

3、本發(fā)明提供一種非接觸式濁度在線測(cè)量裝置，包括：激光光源、入射光纖、入射透鏡、出射光纖、反射面、采集透鏡、試劑瓶、光信號(hào)采集器以及上位機(jī)；所述激光光源用于發(fā)射激光光束，所述試劑瓶用于盛裝混懸液，所述入射光纖的一端連接所述激光光源，所述入射光纖的另一端連接所述入射透鏡，并用于接受所述激光光源發(fā)射的激光，通過所述入射透鏡照射所述試劑瓶；所述反射面與所述入射透鏡相隔所述試劑瓶相對(duì)設(shè)置，所述反射面的中心設(shè)置在所述入射激光與所述試劑瓶的交點(diǎn)上，所述采集透鏡的外側(cè)與所述入射透鏡的外側(cè)貼合設(shè)置，所述采集透鏡與所述出射光纖連接，所述采集透鏡用于采集照射在所述采集透鏡內(nèi)壁上的激光，并通過所述出射光纖傳輸給所述光信號(hào)采集器，所述光信號(hào)采集器用于接收所述出射光纖傳輸來的激光，并轉(zhuǎn)換為電信號(hào)并傳輸給所述上位機(jī)，所述上位機(jī)內(nèi)設(shè)置有濁度計(jì)算模塊，用于根據(jù)所述電信號(hào)計(jì)算所述混懸液的濁度。

4、在上述技術(shù)方案的基礎(chǔ)上，本發(fā)明的一種非接觸式濁度在線測(cè)量裝置還可以做如下改進(jìn):

5、其中，所述反射面為圓弧形，所述圓弧形的弧度至少為π。

6、進(jìn)一步的，所述入射透鏡為凹入射透鏡；所述采集透鏡為凸透鏡。

7、進(jìn)一步的，所述激光光源用于發(fā)射多種波長的激光。

8、進(jìn)一步的，所述光信號(hào)采集器具體是光電倍增管或光電二極管。

9、其中，所述濁度計(jì)算模塊，用于執(zhí)行以下步驟：

10、s10、獲取所述電信號(hào)，預(yù)處理得到第一信號(hào)；

11、s20、對(duì)所述第一信號(hào)采用滑動(dòng)窗口的方式進(jìn)行頻域特征提取，得到頻域特征集；

12、s30、對(duì)所述頻域特征集進(jìn)行聚類，得到多個(gè)聚類中心；

13、s40、對(duì)每個(gè)聚類中心輸入預(yù)訓(xùn)練的信號(hào)分類模型，得到每個(gè)聚類中心的光分類，包括反射面反射光、混懸液內(nèi)顆粒反射光、混懸液內(nèi)顆粒透射后被反射面反射的光、試劑瓶反射光；

14、s50、對(duì)所述頻域特征集進(jìn)行篩選，保留對(duì)應(yīng)光分類為反射面反射光或混懸液內(nèi)顆粒反射光的頻域特征，得到篩選頻域特征集；

15、s60、采用預(yù)先訓(xùn)練好的濁度計(jì)算模型，輸入所述篩選頻域特征集及其對(duì)應(yīng)光分類，輸出所述混懸液的濁度。

16、其中,所述步驟s10具體包括:光信號(hào)采集器將接收到的激光信號(hào)轉(zhuǎn)換為電信號(hào),并將其輸出給上位機(jī)；上位機(jī)的濁度計(jì)算模塊對(duì)采集到的電信號(hào)進(jìn)行預(yù)處理,主要包括:采用巴特沃斯低通濾波器對(duì)電信號(hào)進(jìn)行濾波,消除高頻噪聲成分,濾波器的截止頻率可設(shè)置為500hz；計(jì)算電信號(hào)的平均值,從電信號(hào)中減去該平均值,消除直流偏移；將處理后的電信號(hào)除以其最大值,進(jìn)行歸一化處理,使之落在0到1之間,便于后續(xù)的特征提取和計(jì)算。通過上述預(yù)處理步驟,得到可供后續(xù)分析的第一信號(hào)。

17、其中,所述步驟s20具體包括:將第一信號(hào)劃分為若干重疊的時(shí)間窗口,窗口長度設(shè)為1024個(gè)采樣點(diǎn),相鄰窗口之間有50％的重疊；對(duì)每個(gè)時(shí)間窗口內(nèi)的數(shù)據(jù)分別進(jìn)行快速傅里葉變換(fft),得到該窗口的頻域特征；將所有窗口的頻域特征組成一個(gè)頻域特征集,作為后續(xù)分析的輸入。

18、其中,所述步驟s30具體包括選擇k-means聚類算法,對(duì)頻域特征集進(jìn)行聚類；聚類的簇?cái)?shù)k可設(shè)置為4,根據(jù)物理分析,這對(duì)應(yīng)于4種不同的光學(xué)成分:反射面反射光、混懸液內(nèi)顆粒反射光、混懸液內(nèi)顆粒透射后被反射面反射的光、試劑瓶反射光；通過k-means聚類,得到4個(gè)聚類中心,代表4種不同的光學(xué)成分。

19、其中,所述步驟s40具體包括:構(gòu)建一個(gè)多分支的深度學(xué)習(xí)結(jié)構(gòu)作為信號(hào)分類模型,包括:頻域特征分類模塊、大概率頻域特征分支網(wǎng)絡(luò)、小概率頻域特征分支網(wǎng)絡(luò)以及融合分支網(wǎng)絡(luò)；頻域特征分類模塊對(duì)輸入的頻域特征進(jìn)行分類,將其劃分為大概率頻域特征和小概率頻域特征；大概率頻域特征分支網(wǎng)絡(luò)采用多層卷積神經(jīng)網(wǎng)絡(luò),用于對(duì)大概率頻域特征進(jìn)行光分類處理,輸出光分類概率分布；小概率頻域特征分支網(wǎng)絡(luò)采用多層全連接神經(jīng)網(wǎng)絡(luò),用于對(duì)小概率頻域特征進(jìn)行光分類處理,輸出光分類概率分布；融合分支網(wǎng)絡(luò)采用注意力機(jī)制加權(quán)融合網(wǎng)絡(luò),綜合大小概率分支網(wǎng)絡(luò)的輸出,得到最終的光分類結(jié)果；將步驟s30中得到的4個(gè)聚類中心分別輸入該預(yù)訓(xùn)練的信號(hào)分類模型,得到每個(gè)聚類中心所對(duì)應(yīng)的4種光學(xué)成分的概率分布。

20、其中,所述步驟s50具體包括:根據(jù)步驟s40的結(jié)果,對(duì)頻域特征集中的每個(gè)頻域特征進(jìn)行篩選；僅保留那些對(duì)應(yīng)光分類為"反射面反射光"或"混懸液內(nèi)顆粒反射光"的頻域特征,其余頻域特征均被舍棄；保留下來的頻域特征組成新的篩選頻域特征集,作為后續(xù)濁度計(jì)算的輸入。

21、其中,所述步驟s60具體包括:構(gòu)建一個(gè)嵌入式混合神經(jīng)網(wǎng)絡(luò)作為濁度計(jì)算模型,包括數(shù)學(xué)計(jì)算子模型和誤差修正子模型；數(shù)學(xué)計(jì)算子模型根據(jù)物理光學(xué)原理,計(jì)算散射光強(qiáng)度、吸收光強(qiáng)度和透射光強(qiáng)度,并初步估算濁度值；誤差修正子模型包括4個(gè)子網(wǎng)絡(luò),分別用于修正散射方程、吸收方程、透射方程和濁度計(jì)算方程的誤差,這些子網(wǎng)絡(luò)都采用多層感知機(jī)結(jié)構(gòu)；將步驟s50得到的篩選頻域特征集及其對(duì)應(yīng)的光分類,輸入該濁度計(jì)算模型,模型會(huì)先進(jìn)行數(shù)學(xué)計(jì)算,得到初步濁度值,然后使用誤差修正子網(wǎng)絡(luò)進(jìn)行修正,最終輸出混懸液的精確濁度。

22、進(jìn)一步的，所述信號(hào)分類模型采用多分支的深度學(xué)習(xí)結(jié)構(gòu)，包括頻域特征分類模塊、大概率頻域特征分支網(wǎng)絡(luò)、小概率頻域特征分支網(wǎng)絡(luò)以及融合分支網(wǎng)絡(luò)。

23、進(jìn)一步的，所述頻域特征分類模塊，對(duì)輸入的頻域特征集中的每個(gè)頻域特征按照概率進(jìn)行分類，分為大概率頻域特征和小概率頻域特征；

24、所述大概率頻域特征分支網(wǎng)絡(luò)用于對(duì)所述大概率頻域特征進(jìn)行光分類處理，輸入為大概率頻域特征向量，輸出為光分類概率分布，結(jié)構(gòu)是多層卷積神經(jīng)網(wǎng)絡(luò)；

25、所述小概率頻域特征分支網(wǎng)絡(luò)用于對(duì)所述小概率頻域特征進(jìn)行光分類處理，輸入為小概率頻域特征向量，輸出為光分類概率分布，結(jié)構(gòu)是多層全連接神經(jīng)網(wǎng)絡(luò)；

26、所述融合分支網(wǎng)絡(luò)用于綜合大小概率分支網(wǎng)絡(luò)的輸出，輸入為兩個(gè)分支網(wǎng)絡(luò)的輸出，輸出為最終的光分類結(jié)果，結(jié)構(gòu)是注意力機(jī)制加權(quán)融合網(wǎng)絡(luò)。

27、所述信號(hào)分類模型的訓(xùn)練數(shù)據(jù)集構(gòu)建的步驟具體是：收集多種濃度和成分的混懸液樣本；使用裝置采集不同樣本的光信號(hào)數(shù)據(jù)；人工標(biāo)注每個(gè)信號(hào)的光分類；進(jìn)行數(shù)據(jù)增強(qiáng)，如添加噪聲、平移等；劃分訓(xùn)練集、驗(yàn)證集和測(cè)試集；

28、所述信號(hào)分類模型的訓(xùn)練步驟具體是：初始化模型參數(shù)；使用小批量梯度下降法訓(xùn)練模型；在驗(yàn)證集上評(píng)估模型性能；根據(jù)驗(yàn)證結(jié)果調(diào)整超參數(shù)；重復(fù)上述步驟直到模型收斂；在測(cè)試集上進(jìn)行最終評(píng)估，優(yōu)化模型。

29、進(jìn)一步的，所述濁度計(jì)算模型采用嵌入式混合神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包括數(shù)學(xué)計(jì)算子模型以及誤差修正子模型；所述數(shù)學(xué)計(jì)算子模型用于根據(jù)物理光學(xué)原理計(jì)算散射、吸收和透射光強(qiáng)度，以及初步估算濁度值，包括散射方程、吸收方程、透射方程以及濁度計(jì)算方程；所述誤差修正子模型包括散射方程誤差修正子網(wǎng)絡(luò)、吸收方程誤差修正子網(wǎng)絡(luò)、透射方程誤差修正子網(wǎng)絡(luò)以及濁度計(jì)算方程誤差修正子網(wǎng)絡(luò)。

30、進(jìn)一步的，所述散射方程,用于考慮光在混懸液中的散射效應(yīng),得到散射光強(qiáng)度；

31、所述吸收方程,用于考慮光在混懸液中的吸收效應(yīng),得到吸收光強(qiáng)度；

32、所述透射方程,用于考慮光在混懸液中的透射效應(yīng),得到透射光強(qiáng)度；

33、所述濁度計(jì)算方程，用于基于所述散射光強(qiáng)度、吸收光強(qiáng)度和透射光強(qiáng)度計(jì)算所述混懸液的濁度；

34、所述散射方程誤差修正子網(wǎng)絡(luò)用于修正散射方程的誤差,輸入為散射方程的輸入和輸出,輸出為散射光強(qiáng)度的修正值,結(jié)構(gòu)是多層感知機(jī)；

35、所述吸收方程誤差修正子網(wǎng)絡(luò)用于修正吸收方程的誤差,輸入為吸收方程的輸入和輸出,輸出為吸收光強(qiáng)度的修正值,結(jié)構(gòu)是多層感知機(jī)；

36、所述透射方程誤差修正子網(wǎng)絡(luò)用于修正透射方程的誤差,輸入為透射方程的輸入和輸出,輸出為透射光強(qiáng)度的修正值,結(jié)構(gòu)是多層感知機(jī)；

37、所述濁度計(jì)算方程誤差修正子網(wǎng)絡(luò)用于修正濁度計(jì)算方程的誤差,輸入為濁度計(jì)算方程的輸入和輸出,輸出為濁度的修正值,結(jié)構(gòu)是多層感知機(jī)。

38、所述濁度計(jì)算模型的訓(xùn)練數(shù)據(jù)集構(gòu)建的步驟具體是：準(zhǔn)備已知濁度的標(biāo)準(zhǔn)樣品；使用裝置采集標(biāo)準(zhǔn)樣品的光信號(hào)數(shù)據(jù)；提取頻域特征并進(jìn)行光分類；記錄真實(shí)濁度值和各光學(xué)參數(shù)；劃分訓(xùn)練集、驗(yàn)證集和測(cè)試集；所述濁度計(jì)算模型的訓(xùn)練步驟具體是：初始化數(shù)學(xué)計(jì)算子模型的參數(shù)；訓(xùn)練誤差修正子網(wǎng)絡(luò)，使用真實(shí)濁度值作為目標(biāo)；在驗(yàn)證集上評(píng)估模型性能；根據(jù)驗(yàn)證結(jié)果調(diào)整超參數(shù)；重復(fù)上述步驟直到模型收斂；在測(cè)試集上進(jìn)行最終評(píng)估，優(yōu)化模型。

39、與現(xiàn)有技術(shù)相比較，本發(fā)明提供的一種非接觸式濁度在線測(cè)量裝置的有益效果是：

40、采用了先進(jìn)的光學(xué)原理和深度學(xué)習(xí)算法,能夠在復(fù)雜的工業(yè)環(huán)境條件下,提供可靠的濁度在線監(jiān)測(cè)。與現(xiàn)有技術(shù)相比,本發(fā)明具有以下顯著優(yōu)勢(shì):

41、1.測(cè)量精度高。本裝置采用了多光學(xué)參數(shù)的融合分析方法,不僅考慮了散射光、吸收光和透射光的強(qiáng)度變化,還引入了光譜導(dǎo)數(shù)等高階光學(xué)特征,通過深度學(xué)習(xí)算法進(jìn)行智能分類和誤差修正,能夠大幅提高濁度測(cè)量的準(zhǔn)確性和可靠性。

42、2.抗干擾能力強(qiáng)。本裝置的光學(xué)路徑采用了非接觸式設(shè)計(jì),避免了與混懸液直接接觸,減少了環(huán)境因素的影響。同時(shí),通過先進(jìn)的信號(hào)處理和分類算法,能夠有效識(shí)別和抑制來自反射面、容器壁等的干擾光,進(jìn)一步提高了測(cè)量的穩(wěn)定性。

43、因此，本發(fā)明解決了現(xiàn)有的光學(xué)濁度監(jiān)測(cè)裝置存在由于不同物質(zhì)和粒子形態(tài)對(duì)光的吸收、散射和透射性能存在差異,會(huì)導(dǎo)致測(cè)量結(jié)果產(chǎn)生較大誤差的技術(shù)問題。