基于纸基纳米金的重金属检测系统算法研究及软件设计

摘要

随着我国工业发展和经济增长，重金属污染愈发严重，及时检出重金属含量对重金属污染防治具有重要意义。当前采用质谱法、光谱法、生物法等检测重金属存在耗时较长、设备昂贵、操作复杂等不足。而采用纸基纳米金进行重金属检测具有稳定、精确、操作简单的优势。因此，进行基于纸基纳米金的重金属检测系统研究具有较高的实用价值，是对重金属检测技术的补充和发展。算法和软件作为检测系统的核心，其研究和设计具有重要的理论价值和应用前景。
　　本论文针对检测系统中的算法和软件进行了深入研究和详细设计，解决了系统的核心问题。针对当前需手动提取纸基纳米金颜色特征值导致的低效和不稳定，提出一种基于HSI颜色空间和种子区域生长（Seeded Region Growing,SRG）的两阶段图像处理算法，实现纸基纳米金颜色特征值的自动、精确和高通量提取。在提取的颜色特征值基础上，采用支持向量回归机（Support Vector Regression,SVR）模型实现精确浓度识别。最后在ARM11开发板上搭建Linux系统环境，采用Qt-Creator编程实现系统软件设计。具体的，主要研究工作如下：
　　①根据纸基纳米金的特点，设计了一种基于HSI颜色空间和SRG的两阶段图像处理算法对纸基阵列颜色特征进行提取。在第一阶段中将图像由RGB空间转换到HSI空间，在HSI空间中完成反应点粗分割，采用数学形态学算法进行图像滤波，基于投影算法完成网格划分。第二阶段在第一阶段基础上，提出一种改进的SRG算法实现反应点细分割，最后将提取到的颜色特征值保存到色谱图中；
　　②采用SVR模型对颜色特征值进行处理，分析特征量与浓度的关系，实现重金属浓度识别。对实验数据进行处理，选择合适的训练集和测试集，以6-折交叉验证法选取SVR模型中的最优参数，分别采用RBF核、Sigmod核、多项式核的软ε-SVR和ν-SVR模型进行浓度识别，并与多项式非线性回归识别和BP神经网络识别效果作对比，最终选取RBF核的ν-SVR模型作为浓度识别算法；
　　③按照软件开发流程规范，对软件需求进行分析，然后进行软件总体设计，并根据总体设计进行各功能模块设计。在Tiny6410目标板上搭建Linux系统，采用Qt编程实现软件界面和各功能模块设计，最后进行软件测试。
　　算法研究和软件设计的结果表明：本论文提出的图像处理算法能精确、稳定、自适应的提取纸基纳米金阵列中各反应点的颜色特征值；本论文采用的浓度识别算法具有较高的识别精度；本论文设计的检测软件功能正常，现实可用。

目录

1 绪 论

1.1 重金属污染现状及危害

1.2 重金属检测技术的研究与发展

1.3 重金属检测系统中的算法研究

1.4 重金属检测系统中的软件设计

1.5 本论文的研究内容及意义

2 基于纸基纳米金的重金属检测系统

2.1 基于纸基纳米金的重金属检测原理

2.2 系统功能分析

2.3 系统总体结构

2.4 系统算法研究及软件设计

2.5 本章小结

3 基于HSI和SRG的两阶段图像处理算法

3.1 纸基纳米金阵列图像

3.2 图像处理算法框架

3.3 第一阶段处理算法

3.4 第二阶段处理算法

3.5 图像处理算法效果评价

3.6 本章小结

4 基于ν-SVR的浓度识别算法

4.1 支持向量回归机

4.2 数据选取及处理

4.3 基于软ε-SVR的浓度识别

4.4 基于ν-SVR的浓度识别

4.5 浓度识别效果评价

4.6 本章小结

5 系统软件设计

5.1 开发环境介绍

5.2 软件需求分析

5.3 软件总体设计

5.4 软件功能模块设计

5.5 软件移植与功能测试

5.6 本章小结

6 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

附录

A. 作者在攻读硕士学位期间参与的科研项目

B. 作者在攻读硕士学位期间发表的论文