基于多尺度光谱特征提取网络的水污浊度分类方法及系统

本发明涉及生活污水光谱检测分类，尤其涉及基于多尺度光谱特征提取网络的水污浊度分类方法及系统。

背景技术：

1、紫外可见光光谱法是一种基于物质分子对光谱吸收或反射特性的分析方法，具有快速、无需试剂以及可在线分析等优点，广泛应用于水质异常的在线检测。其基本原理是利用污染物在紫外-可见光光谱下的不同吸收峰，通过检测光谱变化来判断水质是否异常。传统方法通常将紫外光谱进行特征提取后输入svm等常规分类器进行检测。然而，由于光谱数据在时间和空间尺度上存在依赖关系，传统机器学习方法在特征提取能力上较差，无法捕捉光谱信息在多尺度上的细节特征。

技术实现思路

1、为了解决上述技术问题，本发明的目的是提供基于多尺度光谱特征提取网络的水污浊度分类方法及系统，通过提高生活污水光谱一维数据特征的区分度与丰富生活污水的光谱特征信息，从而提高水污浊度分类的精度。

2、本发明所采用的第一技术方案是：基于多尺度光谱特征提取网络的水污浊度分类方法，包括以下步骤：

3、获取生活污水样品数据并进行吸光度检测处理，得到生活污水样品的光谱数据；

4、对生活污水样品的光谱数据进行预处理，得到预处理后的生活污水样品的光谱数据；

5、引入傅里叶变换网络模块、递归图变换网络模块和格兰姆角场变换网络模块，构建多尺度光谱特征提取网络；

6、基于多尺度光谱特征提取网络对预处理后的生活污水样品的光谱数据进行特征分类处理，得到生活污水浊度分类结果。

7、进一步，所述获取生活污水样品数据并进行吸光度检测处理，得到生活污水样品的光谱数据这一步骤，其具体包括：

8、获取生活污水样品数据，所述生活污水样品数据包括达到清洗标准的生活污水和未分类的生活污水；

9、构建透射率测量支架，所述透射率测量支架包括光源、石英比色皿与紫外-可见光谱仪；

10、关闭光源，通过紫外-可见光谱仪对空的石英比色皿进行透射测量，获取背景光数据；

11、打开光源，通过紫外-可见光谱仪对空的石英比色皿进行透射测量，获取参考光数据；

12、打开光源，通过紫外-可见光谱仪对装有达到清洗标准的生活污水的石英比色皿进行透射测量，获取第一样品光数据；

13、打开光源，通过紫外-可见光谱仪对装有未分类的生活污水的石英比色皿进行透射测量，获取第二样品光数据；

14、根据背景光数据、参考光数据和第一样品光数据进行计算，得到达到清洗标准的生活污水的光谱数据；

15、根据背景光数据、参考光数据和第二样品光数据进行计算，得到未分类的生活污水的光谱数据；

16、整合达到清洗标准的生活污水的光谱数据与未分类的生活污水的光谱数据，得到生活污水样品的光谱数据。

17、进一步，所述对生活污水样品的光谱数据进行预处理，得到预处理后的生活污水样品的光谱数据这一步骤，其具体包括：

18、对生活污水样品的光谱数据进行赋予标签，得到具有标签的生活污水样品光谱数据；

19、通过分段聚合近似法对具有标签的生活污水样品光谱数据进行数据长度统一化处理，得到统一后的生活污水样品光谱数据；

20、对统一后的生活污水样品光谱数据进行降噪处理，得到降噪后的生活污水样品光谱数据；

21、将降噪后的生活污水样品光谱数据进行划分处理，得到预处理后的生活污水样品的光谱数据。

22、进一步，所述多尺度光谱特征提取网络包括傅里叶变换网络模块、递归图变换网络模块、格兰姆角场变换网络模块、连接层、卷积网络模块、注意力机制模块、池化层、展平层、全连接层和激活函数层，其中，所述卷积网络模块包括若干卷积层，所述傅里叶变换网络模块的输出端、所述递归图变换网络模块的输出端与所述格兰姆角场变换网络模块的输出端均与所述连接层的输入端连接，所述连接层、所述卷积网络模块、所述注意力机制模块、所述池化层、所述展平层、所述全连接层和所述激活函数层依次连接。

23、进一步，所述基于多尺度光谱特征提取网络对预处理后的生活污水样品的光谱数据进行特征分类处理，得到生活污水浊度分类结果这一步骤，其具体包括：

24、将预处理后的生活污水样品的光谱数据输入至多尺度光谱特征提取网络；

25、基于多尺度光谱特征提取网络的傅里叶变换网络模块，对预处理后的生活污水样品的光谱数据进行傅里叶变换处理，得到达到清洗标准的生活污水的傅里叶变换图像特征与未分类的生活污水的傅里叶变换图像特征；

26、基于多尺度光谱特征提取网络的递归图变换网络模块，对预处理后的生活污水样品的光谱数据进行递归图变换处理，得到达到清洗标准的生活污水的递归变换图像特征与未分类的生活污水的递归变换图像特征；

27、基于多尺度光谱特征提取网络的格兰姆角场变换网络模块，对预处理后的生活污水样品的光谱数据进行格兰姆角场变换处理，得到达到清洗标准的生活污水的格兰姆角场变换图像特征与未分类的生活污水的格兰姆角场变换图像特征；

28、基于多尺度光谱特征提取网络的连接层，对达到清洗标准的生活污水的傅里叶变换图像特征、达到清洗标准的生活污水的递归变换图像特征与达到清洗标准的生活污水的格兰姆角场变换图像特征进行拼接处理，对未分类的生活污水的傅里叶变换图像特征、未分类的生活污水的递归变换图像特征与未分类的生活污水的格兰姆角场变换图像特征进行拼接处理，得到达到清洗标准的生活污水的多尺度图像特征与未分类的生活污水的多尺度图像特征；

29、基于多尺度光谱特征提取网络的卷积网络模块，分别对达到清洗标准的生活污水的多尺度图像特征与未分类的生活污水的多尺度图像特征进行卷积处理，得到卷积后的达到清洗标准的生活污水的多尺度图像特征与卷积后的未分类的生活污水的多尺度图像特征；

30、基于多尺度光谱特征提取网络的注意力机制模块，分别对卷积后的达到清洗标准的生活污水的多尺度图像特征与卷积后的未分类的生活污水的多尺度图像特征进行空间通道注意力提取处理，得到提取后的达到清洗标准的生活污水的多尺度图像特征与提取后的未分类的生活污水的多尺度图像特征；

31、基于多尺度光谱特征提取网络的池化层与展平层，分别对提取后的达到清洗标准的生活污水的多尺度图像特征与提取后的未分类的生活污水的多尺度图像特征进行池化展平处理，得到展平后的达到清洗标准的生活污水的多尺度图像特征与展平后的未分类的生活污水的多尺度图像特征；

32、通过欧几里得公式对展平后的达到清洗标准的生活污水的多尺度图像特征与展平后的未分类的生活污水的多尺度图像特征进行特征向量距离计算，得到特征向量距离；

33、基于多尺度光谱特征提取网络的全连接层和激活函数层，根据特征向量距离进行相似度值判断处理，得到生活污水浊度分类结果。

34、进一步，所述傅里叶变换网络模块的计算表达式具体如下所示：

35、；

36、上式中，表示窗函数，表示角频率，表示原始信号，表示窗函数位移的距离，表示频谱。

37、进一步，所述递归图变换网络模块的计算表达式具体如下所示：

38、；

39、上式中，表示一个的方阵，表示范数，表示距离阈值使得，表示函数，、表示相空间中的任意两个状态，表示序列中的任意数，表示序列中的任意数，表示序列上元素的个数。

40、进一步，所述格兰姆角场变换网络模块的计算表达式具体如下所示：

41、；

42、上式中，表示序列信号，表示序列信号的第个元素，表示角余弦，表示时间点，表示一个常数因子，、表示归一化后的序列数据，表示所有序列数据归一化的集合，表示极轴。

43、本发明所采用的第二技术方案是：基于多尺度光谱特征提取网络的水污浊度分类系统，包括：

44、获取模块，用于获取生活污水样品数据并进行吸光度检测处理，得到生活污水样品的光谱数据；

45、预处理模块，用于对生活污水样品的光谱数据进行预处理，得到预处理后的生活污水样品的光谱数据；

46、构建模块，用于引入傅里叶变换网络模块、递归图变换网络模块和格兰姆角场变换网络模块，构建多尺度光谱特征提取网络；

47、分类模块，用于基于多尺度光谱特征提取网络对预处理后的生活污水样品的光谱数据进行特征分类处理，得到生活污水浊度分类结果。

48、本发明方法及系统的有益效果是：本发明通过获取生活污水样品数据并进行吸光度检测处理与预处理，进一步引入傅里叶变换网络模块、递归图变换网络模块和格兰姆角场变换网络模块，从原始的一维光谱数据中提取出三种特征尺度不同的特征信息，通过将三种特征信息拼接成一种显著且具有区分度的多尺度特征信息，提高光谱一维数据特征的区分度，并提高对数据特征提取的能力，利用多种特征提取技术以获取更丰富的光谱特征信息，并根据计算所得的特征信息相似度与清洗标准阈值的结果比较来评估生活污水的清洗情况是否符合标准，提高生活污水的分类精度。