CN117192057B - 一种水质检测方法、装置及存储介质 - Google Patents
一种水质检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117192057B CN117192057B CN202311155938.6A CN202311155938A CN117192057B CN 117192057 B CN117192057 B CN 117192057B CN 202311155938 A CN202311155938 A CN 202311155938A CN 117192057 B CN117192057 B CN 117192057B
- Authority
- CN
- China
- Prior art keywords
- water quality
- water
- model
- information
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 319
- 238000001514 detection method Methods 0.000 title claims abstract description 117
- 238000012544 monitoring process Methods 0.000 claims abstract description 73
- 238000004590 computer program Methods 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 claims description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 9
- 239000001301 oxygen Substances 0.000 claims description 9
- 229910052760 oxygen Inorganic materials 0.000 claims description 9
- 238000013498 data listing Methods 0.000 claims description 6
- 238000009877 rendering Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000012372 quality testing Methods 0.000 claims description 2
- 238000012806 monitoring device Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006424 Flood reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种水质检测方法、装置及存储介质，涉及水检测技术领域。该检测方法包括：构建检测基础模型，采集水质信息并反馈，采集流量信息并反馈，将水质信息和流量信息填充至检测基础模型中生成水质动态模型，将水质检测基准信息填充至检测基础模型中生成水质监测模型，将水质动态模型与水质动态模型进行比对，获取水质监测结果和流量监测结果。该检测装置适用于该检测方法，该存储介质存储有被处理器执行时实现该检测方法的计算机程序。本申请将采集到的水质信息和流量信息导入检测基础模型中生成相应的水质动态模型，再将水质动态模型与水质监测模型进行比对，能够直观的获取水质监测结果和流量监测结果，使用便捷，且精度高、效率高。
Description
技术领域
本申请涉及水检测技术领域，具体是一种水质检测方法、装置及存储介质。
背景技术
不论是作为饮用水还是生活用水，亦或者是基于生态环境保护为目的，水质检测都是一个必要的手段。水质检测，一般可以是对水体中的污染物、矿物质酸碱度等等进行检测，从而分析该水体是否适于饮用或者是是否存在污染环境的可能，同时，还可以对水域的流量、流速等进行监测，从而对于水灾、旱灾等进行预测等等。
传统的水质检测技术，一般通过传感器对待测水进行抽样检测或者是实地实时检测的方式来实现，但是这种方式，通过传感器进行检测然后再对结果进行查阅比较，存在检测效率交底、检测精度不高的问题，因此，亟需一种高精度、高效率的水质检测技术。
发明内容
本申请的目的在于提供一种水质检测方法、装置及存储介质，以解决上述背景技术中提出的技术问题。
为实现上述目的，本申请公开了以下技术方案：
第一方面，本申请提供了一种水质检测方法，该方法包括以下步骤：
构建检测基础模型；
采集水质信息并反馈，所述水质信息包括：通过传感器检测获取的水质数据，所述水质数据包括水中的COD浓度、氨氮浓度、水温、pH值、溶解氧浓度、浊度、水色、水样图片；
采集流量信息并反馈，所述流量信息包括通过传感器检测获取的水流速、水流量；
将所述水质信息和所述流量信息填充至所述检测基础模型中生成水质动态模型，将水质检测基准信息填充至所述检测基础模型中生成水质监测模型，将所述水质动态模型与所述水质监测模型进行比对，获取水质监测结果和流量监测结果。
作为优选，所述检测基础模型包括待测环境的流道宽度、流道深度和检测点周侧的流道分布表征。
作为优选，所述水质动态模型的生成具体包括：
基于所述水样图片、所述浊度、所述水色、所述水流速、所述水流量对所述检测基础模型中的水样进行渲染得到水样初模；
对所述水样初模中的水体进行水质数据的罗列得到所述水质动态模型。
作为优选，所述水质检测基准信息包括标准水质对应的水中的COD浓度范围值、氨氮浓度范围值、水温范围值、pH范围值、溶解氧浓度范围值、浊度范围值、水色范围值、水流速范围值、水流量范围值以及水样图片对应的特征范围。
作为优选，所述水质监测模型的生成包括：
基于所述水质检测基准信息对所述检测基础模型中的水样进行渲染得到基准初模；
对所述基准初模中的水体进行水质数据的罗列得到所述水质监测模型。
作为优选，所述的将所述水质动态模型与所述水质监测模型进行比对，具体包括：
提取所述水质动态模型中的一种水质信息或流量信息对应的特征值A，匹配该水质信息或流量信息在所述水质监测模型中对应的特征值B，通过预设的分析算法获取对应的水质监测结果或流量监测结果；
所述分析算法为：
其中，ρ为结果分数，为指定时间内选取的n个水质信息或流量信息对应的特征值的平均值。
第二方面，本申请提供了一种适用于上述检测方法的水质监测装置，包括水质采集模块、流量采集模块、模型构建模块以及结果获取模块；
所述水质采集模块配置为：采集被测水域的水质信息，所述水质信息包括：通过传感器检测获取的水质数据，所述水质数据包括水中的COD浓度、氨氮浓度、水温、pH值、溶解氧浓度、浊度、水色、水样图片；
所述流量采集模块配置为：采集被测水域的流量信息，所述流量信息包括通过传感器检测获取的水流速、水流量；
所述模型构建模块配置为：构建检测基础模型，和将所述水质信息和所述流量信息填充至所述检测基础模型中生成水质动态模型，以及将水质检测基准信息填充至所述检测基础模型中生成水质监测模型；
所述结果获取模块配置为：将所述水质动态模型与所述水质监测模型进行比对，获取水质监测结果和流量监测结果。
作为优选，所述检测基础模型包括待测环境的流道宽度、流道深度和检测点周侧的流道分布表征。
作为优选，所述的将所述水质动态模型与所述水质监测模型进行比对，具体包括：
提取所述水质动态模型中的一种水质信息或流量信息对应的特征值A，匹配该水质信息或流量信息在所述水质监测模型中对应的特征值B，通过预设的分析算法获取对应的水质监测结果或流量监测结果；
所述分析算法为：
其中，ρ为结果分数，为指定时间内选取的n个水质信息或流量信息对应的特征值的平均值。
第三方面，本申请公开了一种计算机可读存储介质，该种计算机可读介质上存储有能够被处理器执行的计算机程序，当该计算机程序被所述处理器执行时，实现如上所述的水质检测方法。
有益效果：本申请的水质检测方法、装置及存储介质，将采集到的水质信息和流量信息导入检测基础模型中生成相应的水质动态模型，从而实现对待测水域中的水体进行持续的检测，同时，通过将水质检测基准信息填充至检测基础模型中生成水质监测模型，再将水质动态模型与水质监测模型进行比对，从而直观的获取水质监测结果和流量监测结果，使用便捷，且精度高、效率高。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例中水质检测方法的流程框图。
图2为本申请实施例中水质检测装置的结构框图。
具体实施方式
下面将对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本文中，术语“包括”意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本实施例在第一方面公开了如图1所示的一种水质检测方法，该方法包括前期阶段和检测阶段。
其中，前期阶段包括以下步骤：
S101-构建检测基础模型；
S102-将水质检测基准信息填充至所述检测基础模型中生成水质监测模型。
其中，检测阶段包括以下步骤：
S201-采集水质信息并反馈，所述水质信息包括：通过传感器检测获取的水质数据，所述水质数据包括水中的COD浓度、氨氮浓度、水温、pH值、溶解氧浓度、浊度、水色、水样图片；
S202-采集流量信息并反馈，所述流量信息包括通过传感器检测获取的水流速、水流量；
S203-将所述水质信息和所述流量信息填充至所述检测基础模型中生成水质动态模型，将所述水质动态模型与所述水质监测模型进行比对，获取水质监测结果和流量监测结果。
借由上述，采用本申请的水质检测方法，将采集到的水质信息和流量信息导入检测基础模型中生成相应的水质动态模型，从而实现对待测水域中的水体进行持续的检测，同时，通过将水质检测基准信息填充至检测基础模型中生成水质监测模型，再将水质动态模型与水质监测模型进行比对，从而直观的获取水质监测结果和流量监测结果，使用便捷，且精度高、效率高。
在本实施例中，所述检测基础模型包括待测环境的流道宽度、流道深度和检测点周侧的流道分布表征。可行的是，检测基础模型可以是采用现有技术中的三维建模软件和渲染软件构建得到，其用于对被检测水域进行虚拟建模，从而全面的展示被检测水域的全貌，为后续的水质检测提供直观的检测对象。
作为本实施例的一种可行的实施方式，所述水质动态模型的生成具体包括：
基于所述水样图片、所述浊度、所述水色、所述水流速、所述水流量对所述检测基础模型中的水样进行渲染得到水样初模；
对所述水样初模中的水体进行水质数据的罗列得到所述水质动态模型。
其中，所述水质检测基准信息包括标准水质对应的水中的COD浓度范围值、氨氮浓度范围值、水温范围值、pH范围值、溶解氧浓度范围值、浊度范围值、水色范围值、水流速范围值、水流量范围值以及水样图片对应的特征范围。
同样的，所述水质监测模型的生成包括：
基于所述水质检测基准信息对所述检测基础模型中的水样进行渲染得到基准初模；
对所述基准初模中的水体进行水质数据的罗列得到所述水质监测模型。
借由上述水质监测模型和水质动态模型的构建，所述的将所述水质动态模型与所述水质监测模型进行比对，具体包括：
提取所述水质动态模型中的一种水质信息或流量信息对应的特征值A，匹配该水质信息或流量信息在所述水质监测模型中对应的特征值B，通过预设的分析算法获取对应的水质监测结果或流量监测结果；
所述分析算法为：
其中，ρ为结果分数，为指定时间内选取的n个水质信息或流量信息对应的特征值的平均值。
本实施例在第二方面公开了如图2所示的水质检测装置，包括水质采集模块、流量采集模块、模型构建模块以及结果获取模块。
具体的，所述水质采集模块配置为：采集被测水域的水质信息，所述水质信息包括：通过传感器检测获取的水质数据，所述水质数据包括水中的COD浓度、氨氮浓度、水温、pH值、溶解氧浓度、浊度、水色、水样图片。
具体的，所述流量采集模块配置为：采集被测水域的流量信息，所述流量信息包括通过传感器检测获取的水流速、水流量。
具体的，所述模型构建模块配置为：构建检测基础模型，和将所述水质信息和所述流量信息填充至所述检测基础模型中生成水质动态模型，以及将水质检测基准信息填充至所述检测基础模型中生成水质监测模型。
具体的，所述结果获取模块配置为：将所述水质动态模型与所述水质监测模型进行比对，获取水质监测结果和流量监测结果。
需要说明的是，本实施例公开的水质检测装置适用于上述的水质检测方法，因此，在本实施例中，所述检测基础模型包括待测环境的流道宽度、流道深度和检测点周侧的流道分布表征。以及，所述的将所述水质动态模型与所述水质监测模型进行比对，具体包括：
提取所述水质动态模型中的一种水质信息或流量信息对应的特征值A，匹配该水质信息或流量信息在所述水质监测模型中对应的特征值B，通过预设的分析算法获取对应的水质监测结果或流量监测结果；
所述分析算法为：
其中，ρ为结果分数，为指定时间内选取的n个水质信息或流量信息对应的特征值的平均值。
并且，由于本检测装置适用于上述的检测方法，因此，本装置中各模块的其他功能及实现内容，可以参考前述的检测方法中对应公开的内容，本文本在此不做赘述。
本实施例在第三方面公开了一种计算机可读存储介质，该种计算机可读介质上存储有能够被处理器执行的计算机程序，当该计算机程序被所述处理器执行时，实现如上所述的水质检测方法。
在本申请所提供的实施例中，应该理解到，监测装置中的各模块均与处理器通信连接，并且受处理器控制以实现相应的功能。其中，处理器可以在一个或多个下列单元中实现：专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于检测方法，其部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述计算机程序存储在计算机可读存储介质中或作为计算机可读存储介质上的一个或多个指令或代码进行传输。计算机可读存储介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读存储介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
综上所述，本申请的水质检测方法、装置及存储介质，将采集到的水质信息和流量信息导入检测基础模型中生成相应的水质动态模型，从而实现对待测水域中的水体进行持续的检测，同时，通过将水质检测基准信息填充至检测基础模型中生成水质监测模型，再将水质动态模型与水质监测模型进行比对，从而直观的获取水质监测结果和流量监测结果，使用便捷，且精度高、效率高。
最后应说明的是：以上所述仅为本申请的优选实施例而已，并不用于限制本申请，尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (6)
1.一种水质检测方法，其特征在于，该方法包括以下步骤：
构建检测基础模型，所述检测基础模型包括待测环境的流道宽度、流道深度和检测点周侧的流道分布表征；
采集水质信息并反馈，所述水质信息包括：通过传感器检测获取的水质数据，所述水质数据包括水中的COD浓度、氨氮浓度、水温、pH值、溶解氧浓度、浊度、水色、水样图片；
采集流量信息并反馈，所述流量信息包括通过传感器检测获取的水流速、水流量；
将所述水质信息和所述流量信息填充至所述检测基础模型中生成水质动态模型，将水质检测基准信息填充至所述检测基础模型中生成水质监测模型，将所述水质动态模型与所述水质监测模型进行比对，获取水质监测结果和流量监测结果；
所述的将所述水质动态模型与所述水质监测模型进行比对，具体包括：
提取所述水质动态模型中的一种水质信息或流量信息对应的特征值A，匹配该水质信息或流量信息在所述水质监测模型中对应的特征值B，通过预设的分析算法获取对应的水质监测结果或流量监测结果；
所述分析算法为：
其中，ρ为结果分数，为指定时间内选取的n个水质信息或流量信息对应的特征值的平均值。
2.根据权利要求1所述的水质检测方法，其特征在于，所述水质动态模型的生成具体包括：
基于所述水样图片、所述浊度、所述水色、所述水流速、所述水流量对所述检测基础模型中的水样进行渲染得到水样初模；
对所述水样初模中的水体进行水质数据的罗列得到所述水质动态模型。
3.根据权利要求2所述的水质检测方法，其特征在于，所述水质检测基准信息包括标准水质对应的水中的COD浓度范围值、氨氮浓度范围值、水温范围值、pH范围值、溶解氧浓度范围值、浊度范围值、水色范围值、水流速范围值、水流量范围值以及水样图片对应的特征范围。
4.根据权利要求3所述的水质检测方法，其特征在于，所述水质监测模型的生成包括：
基于所述水质检测基准信息对所述检测基础模型中的水样进行渲染得到基准初模；
对所述基准初模中的水体进行水质数据的罗列得到所述水质监测模型。
5.一种水质检测装置，其特征在于，包括水质采集模块、流量采集模块、模型构建模块以及结果获取模块；
所述水质采集模块配置为：采集被测水域的水质信息，所述水质信息包括：通过传感器检测获取的水质数据，所述水质数据包括水中的COD浓度、氨氮浓度、水温、pH值、溶解氧浓度、浊度、水色、水样图片；
所述流量采集模块配置为：采集被测水域的流量信息，所述流量信息包括通过传感器检测获取的水流速、水流量；
所述模型构建模块配置为：构建检测基础模型，和将所述水质信息和所述流量信息填充至所述检测基础模型中生成水质动态模型，以及将水质检测基准信息填充至所述检测基础模型中生成水质监测模型；所述检测基础模型包括待测环境的流道宽度、流道深度和检测点周侧的流道分布表征；
所述结果获取模块配置为：将所述水质动态模型与所述水质监测模型进行比对，获取水质监测结果和流量监测结果；
所述的将所述水质动态模型与所述水质监测模型进行比对，具体包括：
提取所述水质动态模型中的一种水质信息或流量信息对应的特征值A，匹配该水质信息或流量信息在所述水质监测模型中对应的特征值B，通过预设的分析算法获取对应的水质监测结果或流量监测结果；
所述分析算法为：
其中，ρ为结果分数，为指定时间内选取的n个水质信息或流量信息对应的特征值的平均值。
6.一种计算机可读存储介质，其特征在于，该种计算机可读介质上存储有能够被处理器执行的计算机程序，当该计算机程序被所述处理器执行时，实现如权利要求1-4任意一项所述的水质检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311155938.6A CN117192057B (zh) | 2023-09-08 | 2023-09-08 | 一种水质检测方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311155938.6A CN117192057B (zh) | 2023-09-08 | 2023-09-08 | 一种水质检测方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117192057A CN117192057A (zh) | 2023-12-08 |
| CN117192057B true CN117192057B (zh) | 2024-05-28 |
Family
ID=88997361
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311155938.6A Active CN117192057B (zh) | 2023-09-08 | 2023-09-08 | 一种水质检测方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117192057B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117491586B (zh) * | 2024-01-03 | 2024-03-19 | 江门市澳华生物科技有限公司 | 一种水质检测方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016179470A (ja) * | 2016-05-06 | 2016-10-13 | 栗田工業株式会社 | 水質管理装置、水質管理システム、及び水質管理方法 |
| CN111581321A (zh) * | 2020-05-09 | 2020-08-25 | 华北水利水电大学 | 一种基于多目标管网优化维护的运行管理控制方法 |
| CN113916847A (zh) * | 2021-07-20 | 2022-01-11 | 江苏省扬州环境监测中心 | 一种基于光谱技术和线性支持向量算法的水质检测方法 |
| CN114723179A (zh) * | 2022-05-24 | 2022-07-08 | 浙江省环境科技有限公司 | 一种基于水量水质联合管控的水环境预警溯源系统和方法 |
| CN116539829A (zh) * | 2023-05-12 | 2023-08-04 | 上海航天动力科技工程有限公司 | 一种水质监测感知分析方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5657872B2 (ja) * | 2009-08-27 | 2015-01-21 | 株式会社四国総合研究所 | 水質監視装置 |
-
2023
- 2023-09-08 CN CN202311155938.6A patent/CN117192057B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016179470A (ja) * | 2016-05-06 | 2016-10-13 | 栗田工業株式会社 | 水質管理装置、水質管理システム、及び水質管理方法 |
| CN111581321A (zh) * | 2020-05-09 | 2020-08-25 | 华北水利水电大学 | 一种基于多目标管网优化维护的运行管理控制方法 |
| CN113916847A (zh) * | 2021-07-20 | 2022-01-11 | 江苏省扬州环境监测中心 | 一种基于光谱技术和线性支持向量算法的水质检测方法 |
| CN114723179A (zh) * | 2022-05-24 | 2022-07-08 | 浙江省环境科技有限公司 | 一种基于水量水质联合管控的水环境预警溯源系统和方法 |
| CN116539829A (zh) * | 2023-05-12 | 2023-08-04 | 上海航天动力科技工程有限公司 | 一种水质监测感知分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117192057A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Srivastava et al. | Smartphone-based System for water quality analysis | |
| CN106525762A (zh) | 一种基于自适应模型的水质监测方法和水质监测装置 | |
| Sutton et al. | Natural variability and anthropogenic change in equatorial Pacific surface ocean pCO2 and pH | |
| CN105954493B (zh) | 一种土壤采集检测系统 | |
| CN117192057B (zh) | 一种水质检测方法、装置及存储介质 | |
| CN102636632A (zh) | 围垦地土壤重金属污染综合评价图生成方法 | |
| CN102589461A (zh) | 一种基于图像的积雪深度测量方法 | |
| CN102565104A (zh) | 一种烃源岩有机碳含量的测定方法 | |
| ATE519184T1 (de) | Vorrichtung und verfahren zur darstellung einer gescannten fläche | |
| CN112233734A (zh) | 基于机器学习的水质数据推演获取方法及系统 | |
| Leighton et al. | Interpreting and modelling late Quaternary dune accumulation in the southern Arabian Peninsula | |
| Russell et al. | Examining the inherent variability in ΔR: new methods of presenting ΔR values and implications for MRE studies | |
| CN109406588A (zh) | 基于离子选择性电极的土壤硝态氮多参数检测方法与仪表 | |
| Wang et al. | Long-term remote sensing of total suspended matter using Landsat series sensors in Hulun Lake, China | |
| Sun et al. | Anti-counterfeit system for agricultural product origin labeling based on GPS data and encrypted Chinese-sensible Code | |
| CN109470829A (zh) | 水质检测方法、装置、服务器、水质采样器及介质 | |
| CN108846360A (zh) | 草原盐渍化的遥感识别方法、装置及计算机可读储存介质 | |
| CN115184568A (zh) | 一种河流水环境污染物实时监测方法 | |
| DE60214409D1 (de) | Verfahren und vorrichtung zur zweiphasen-grundfrequenzdetektion | |
| CN114679676B (zh) | 音频设备测试方法、系统、电子设备及可读存储介质 | |
| CN114238530B (zh) | 一种水环境污染源调查点的选取方法和装置 | |
| CN205719966U (zh) | 一种基于光栅衍射的液体折射率测量装置 | |
| CN101308173A (zh) | 基于小波变换系数最大值的信号频率分量测量方法 | |
| CN103364023A (zh) | 一种基于总体最小二乘的仪表图像中心点提取方法 | |
| Ikhwan et al. | Design and Development of River Water Quality Monitoring and Salinity Development Properly Realtime Based IoT |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |