谈混合模型空气中二氧化硫浓度检测范文

摘要：通过改进传统比色法，提出了检测空气中二氧化硫浓度的新方法．介绍了检测空气中二氧化硫浓度的常规方法，对比传统比色法测定浓度的优缺点，提出了以红绿蓝RGB模型与HIS模型相结合的数码成像比色法的优化方案，以此建立了二氧化硫浓度与图像色彩特征值的混合数学模型．基于模型数值分析找出了匹配性较好的RGB－H模型作为快速、准确检测二氧化硫浓度的新方法，并论证了新方法在测定空气中二氧化硫浓度上的优势．

关键词：图像比色法；RGB模型；HIS模型；非线性拟合；数据分析

引言

二氧化硫是主要的大气污染物之一，它不仅危害人体健康，还会加速金属的腐蚀过程．我国二氧化硫污染较为严重，部分地区大气中的二氧化硫含量大大超过了环境容量，导致雾霾天气现象严重．因此，如何快速准确测定空气中的二氧化硫浓度显得意义重大．常用的监测空气中二氧化硫浓度的标准检测方法为盐酸副玫瑰苯胺比色法［1］．此法虽准确可靠，但检测时必须先用采样器将空气抽至吸收液中，再带回实验室分析，测定时间长，操作繁琐，如遇现场多点、大批量采样时，还需要多台采样器同时运行，工作效率不高［2－5］．数码图像比色法是以有色化合物的显色反应为基础，通过比较或测量有色物质溶液颜色深度以确定待测组分含量，同时将数码摄影与化学显色检验结合以定性定量分析溶液的浓度的方法［6］．该方法只需要将待测溶液利用数码相机进行数码成像，回实验室分析图像基本信息，即可得到待测溶液的浓度，从而避免吸收液在储存、运输等环节可能造成的对检测结果产生的偏差，提高了工作人员现场检测的工作效率，符合职业卫生现场检测工作的要求．同时该方法将比色法肉眼观测的方法改进成对数码图像数据进行定性定量分析，减少了人为误差，便于数据的存储和调用．传统的数码摄像色彩以红绿蓝RGB模型（模型中R，G，B分别代表图像红色特征值、绿色特征值和蓝色特征值）为主，它通过对红、绿、蓝3色通道的变化以及它们相互之间的叠加来得到各种颜色［7］，在量化的颜色与被检测溶液浓度间建立数学模型，实现以化学显色为基础的定量或半定量分析．图像的特征值不仅与待测溶液浓度有关，还与摄影光源、用光角度、是否曝光等其他因素有关，容易受到溶液杂质的影响．现代色视觉理论认为，RGB特征值表示的颜色没有直官感［7］，而HSI多参数模型（其中H，S，I分别代表图像色调特征值、饱和度特征值和亮度特征值）反映了人的视觉系统感知彩色的途径，使其在人的心理感知方面更易被接受．其中H和S分量与人感受颜色的方式紧密相联，I反映的是颜色的明亮程度，对感知彩色不具有优势，因此，在HSI模型的应用中经常使用色调H和饱和度S进行溶液彩色特性检测与分析［8］．本研究收集相同条件下空气中二氧化硫的检测样本，利用图像比色法中数码摄影与化学显色检验结合以定性定量分析溶液的浓度．具体思路为：采用传统RGB模型与HSI模型的重要变量组合检测物质浓度，减少建模所用的变量数，并利用不同建模方法建立二氧化硫浓度与RGB－HS颜色特征值的预测模型，根据建模结果确定最优的建模方法，最终得到预测模型RGB－S；此模型能够提高预测精度和稳定性，以应用于实际样品的分析检测．

1基于数码成像比色法测定二氧化硫溶液浓度

1．1二氧化硫浓度检测二氧化硫浓度检测通常采用盐酸副玫瑰苯胺比色法，即根据二氧化硫溶液浓度与比色法图像颜色特征值的关系，建立二氧化硫溶液浓度与RGB颜色特征值的数学模型，以迅速检测二氧化硫的浓度［7］．在建立数学模型时，需要解决两个方面的问题，一是选择与数据散布图匹配的函数作为拟合的数学模型，二是确定选定数学模型的参数（待定系数）．选择数学模型进行数据拟合的方法较多，包括线性函数、非线性函数或其他类型的函数，实际应用当中可根据大量实验得出的数据散点图特点选择匹配性高的函数作为拟合的数据模型［9－10］．比色法测定二氧化硫浓度检测的优化方案：在RGB模型下检测二氧化硫浓度，同时以HSI模型加以验证并剔除杂质干扰因素，再通过数学模型的定量分析，有效提高检测精度．

1．2检测数据分析处理收集相同条件下空气中二氧化硫的检测样本，按0，20，30，50，80，100，150mg／L的质量浓度分别制备二氧化硫标准溶液，再分别加入试剂溶液，待混匀显色达到要求后，迅速测定各溶液吸光度，得到不同质量浓度二氧化硫标准溶液的图像特征量化值R，G，B，H，S（见表1）．将二氧化硫溶液浓度作为自变量，显色反应后测得的图像特征值R，G，B，H，S为因变量，绘制二氧化硫溶液浓度—图像特征值的散布图．选用Ori－gin75作为数据拟合分析软件，经过反复论证拟合，最终选择匹配程度最佳的数学模型对图像特征值R，G，B，H，S的散布图进行非线性拟合［11］，确定了模型的函数形式、模型的参数、数据均方差及决定系数R2（见表2），同时绘制了散布图的拟合曲线，如图1至图5所示．其中，决定系数R2的定义为：对于m个样本（x1，y1），（x2，y2），…，（xm，ym），某模型给出的估计值为（x1，＾y1），（x2，＾y2），…，（xm，＾ym）．以TSS表示样本的总平方和，定义为TSS＝∑mi＝1（＾yi－珔y）2．以RSS为样本残差平方和，定义为RSS＝∑mi＝1（＾yi－yi）2．那么，R2的定义为决定系数R2越大，表示拟合效果越好，其最优值为1．通过表2（表中y表示图像特征值，x表示二氧化硫溶液质量浓度）及图1至图5数据可以看出，基于图像饱和度特征值S的曲线获得了最佳拟和效果，其R2最大；基于图像色调特征值H的拟和效果最差，其R2最小．基于传统的图像红色特征值R、图像绿色特征值G和图像蓝色特征值B的拟合结果介于基于图像饱和度特征值S和色调特征值H之间．通过拟和效果分析，可选出合适的特征值来处理二氧化硫的浓度检测问题．

1．3检测方式优化分析上述数学模型可发现，图像特征值R，G，B，S，H所匹配的最佳数学模型各不相同，除H外，其余图像特征值与二氧化硫溶液浓度的R2皆大于0．92，证明检测数据与拟合曲线匹配程度好，在测定二氧化硫浓度时准确性较高［12］．而二氧化硫浓度与图像色调特征值H的R2仅为0．40603，证明其相关程度弱，或存在干扰因素导致检测产生较大误差，不适合检测该条件下的溶液浓度［13］，应采用R2为0．99129的图像饱和度特征值S作为验证模型，并与传统的RGB模型组合成为新的检测方式．在检测空气中二氧化硫浓度时，按照传统的RGB模型进行检测，并结合HSI模型中的饱和度特征值S作为验证，得到新的混合检测模型RGB－S，即可提高检测工作的效率．

2结论

非线性回归分析的理论显示，R2越接近1，拟合效果越好．上述二氧化硫浓度与图像色调特征值的数学模型中，R2大于0．8时，具有高度相关关系的模型有4个．在二氧化硫浓度检测中，为提高检测准确性，同时减少不必要的重复性工作，将前4个高度相关的模型组合为新的检测模型RGB－S，即：图像红色特征值R、图像绿色特征值G、图像蓝色特征值B、图像饱和度特征值S．用新的检测模型测定相同条件下空气中二氧化硫的浓度，准确性高，可操作性强，从侧面验证了传统比色法RGB模型的检测精度，优化了传统的数学模型，并提供了新的检测思路．

参考文献：

［1］中华人民共和国卫生部．工作场所空气中有害物质监测的采样规范：GBZ159—2004［S］．北京：中国标准出版社，2004．

［2］刘春，代玉兰，代泽琴．无汞比色法测定大气中的二氧化硫［J］．贵州化工，2003，28（5）：38－40．

［3］阎立荣，李力争．用1，3，5－三硝基苯比色法测定大气中微量二氧化硫［J］．中国环境监测，1987，3（5）：11－13．

［4］左俊辉，王海莹，魏志钢，等．比色法测定水中As（Ⅲ）和As（Ⅴ）含量［J］．分析科学学报，2014，30（1）：107－110．

［5］樊淑彦，曹晓芳，刘淑萍，等．比色法测定荷叶中总黄酮的含量［J］．河北医科大学学报，2004，25（4）：215－217．

［6］杨海燕，贾贵儒．基于数字色度学的有色透明溶液浓度快速检测方法［J］．中国农业大学学报，2006，11（3）：47－50．

［7］李志敏，常宇，薛平，等．一种户外全彩LED显示屏亮度色度检测新方法［J］．激光杂志，2010，30（4）：63－65．

［8］沈继忱，王雪晴，刘邦利．基于图像比色法的有色溶液浓度检测方法的研究［J］．光学仪器，2008，30（2）：9－12．

［9］李国英，李永战，郑丽婷．基于回归模型的溶液浓度测定方法的研究［J］．黑龙江电力，2012，34（4）：263－265．

［10］吴雪梅，杨晓慧．基于自回归模型的溶液浓度测定方法研究［J］．计算机与应用化学，2010，27（2）：245－248．

［11］杨传孝，孙向英，刘斌．数码成像比色法测定空气中氮氧化物的日变化曲线［J］．光谱学与光谱分析，2009，29（6）：1643－1646．

［13］刘杰，叶运莉，汤艳，等．空气中二氧化硫测定方法的对比分析［J］．泸州医学院学报，2012，35（2）：198－220．

［14］王志杰，陈俊威，王进忠．硫氰酸汞比色法测定空气中氯化氢的原理分析［J］．环境与可持续发展，2017（2）：206－208．

［15］王文凤，吴世嘉，马小媛，等．基于纳米金标记－适配体识别的伏马菌素B1检测新方法［J］．食品与生物技术学报，2013，32（5）：501－508．

作者：李静 程适 单位：陕西铁路工程职业技术学院