基于荧光光谱的水体分类与荧光组分识别方法 |
| |
引用本文: | 陈庆,汤斌,缪俊锋,周彦,龙邹荣,张金富,王建旭,周密,叶彬强,赵明富,钟年丙.基于荧光光谱的水体分类与荧光组分识别方法[J].光学学报,2023(6):326-336. |
| |
作者姓名: | 陈庆 汤斌 缪俊锋 周彦 龙邹荣 张金富 王建旭 周密 叶彬强 赵明富 钟年丙 |
| |
作者单位: | 1. 重庆理工大学光纤传感与光电检测重庆市重点实验室;3. 重庆大学微电子与通信工程学院 |
| |
基金项目: | 国家自然科学基金(61805029);;重庆市自然科学基金面上项目(cstc2020jcyj-msxmX0879); |
| |
摘 要: | 提出了一种基于MobileNetV2和VGG11组分拟合(CF-VGG11)卷积神经网络(CNN)与平行因子分析(PARAFAC)结合的水样分类和荧光组分拟合方法,通过输入单个三维荧光光谱(3D-EEM)数据来预测水样类别、溶解性有机物(DOM)质量浓度等级和荧光组分。算法以PARAFAC结果为基础建立荧光光谱数据集,分两步完成类别与组分的预测:第一步使用MobileNetV2算法对不同水样进行类别预测和DOM质量浓度分级;第二步使用CF-VGG11网络拟合荧光组分。采集地表水、工业废水处理水、污水处理厂进出口水和乡村饮用水4种类型的水样构建数据集,获得了95.83%的分类精度和98.11%的组分拟合精度。实验结果表明,所提方法可对不同水样和DOM质量浓度等级进行准确分类,拟合特定荧光组分,精确定位污染源,并能进行超标预警。
|
关 键 词: | 光谱学 三维荧光光谱 水污染 分类 卷积神经网络 |
|
|