论文简介：
课程设计-反射式微型光度计的研发 共35页，14490字
摘要
目前，国内对于液体残留浓度的快速精确的定量检测方法较少而且监测仪器成本较高。为了适应商品经济快速发展的需要，研制出一种能够精确的检测出口商品液体残留浓度的方法已是当务之急。本课题研究的目的是基于原有的浓度测量方法和原理，通过残留液体和相关试剂反应后的颜色RGB分量的定量测量，确立固定的测量机制或模型，通过敏感的光电检测仪器快速将残留液体浓度信息反映出来，并显示在面板上。实现快速精确的测量。
每一种颜色点都可由RGB三个分量的组合表现出来，通过测量图片上各个点的RGB值就可以将整幅图片的颜色信息用数字准确的列出。由于一定浓度的溶液的吸光度值与波长呈现线性关系的原理，残留液体与反应试剂反应后呈现的颜色与液体浓度有关，通过一系列的转换可以将这种线性关系表现在颜色测量与浓度的线性上。
课题主要用六种方法建立颜色各分量或整个RGB分量与pH的线性关系。分别是
1 一段线性模拟
2 分段线性模拟
3 一段曲线模拟
4 分段曲线模拟
5 BP神经网络模拟
6 lst0pt最优化模拟搜索算法
通过颜色提取器获得图片的RGB数据后，尝试用各种方法逐个进行模拟，建立理论模型，然后通过实际测量的样本数据对各种模型进行验证，分析模拟效果和验证效果。比较各种模拟方法与实际的吻合程度进行取舍。将获得的模型应用于各种条件下的实际测量中。在模型的建立过程中，以误差与实际的差别明显与否，通过逐渐优化模拟条件进行优化分析。
关键词： RGB分量，光电检测仪，线性模拟，曲线模拟，BP神经网络

目录
摘要…............................Ⅰ
Abstract...........................................................................................................Ⅱ
1 选题背景………........................1
1.1 现有的颜色测量方法.........................................................................1
1.1.1 光电积分法..................................................................................1
1.1.2 分光光度法..................................................................................1
1.1.3 BP神经网络数据模拟算法......................................................2
1.2 试纸条检测.........................................................................................3
1.2.1 pH试纸条................................................................................3
1.2.2 农药残留检测试纸条................................................................3
1.2.3 胶体金试纸条.............................................................................4
1.3 液体浓度检测......................................................................................5
1.4 本课题研究的意义..............................................................................5
2 方案论证.....................................................................................................6
2.1 颜色测量原理......................................................................................6
2.2 基于颜色测量方法的可行性分析......................................................6
3 材料与方法.................................7
3.1 试剂......................................................................................................7
3.2 实验方法..............................................................................................7
3.2.1 实验数据的提取.........................................................................7
3.2.2 Excel数据模拟.........................................................................7
3.2.3 神经网络数据模拟.....................................................................7
3.2.3.1 数据处理........................................................................7
3.2.3.2 网络模型构建................................................................7
3.2.4 lst0pt多项式拟合算法.............................................................8
4 结果与讨论.................................................................................................9
4.1 线性模拟...............................................................................................9
4.1.1 一段式数据拟合.........................................................................9
4.1.1.1 数据提取........................................................................9
4.1.1.2 数据拟合……9
4.1.1.3 图表数据分析................................................................11
4.1.2 三段线性模拟.............................................................................11
4.1.2.1 数据来源........................................................................11
4.1.2.2 数据分析........................................................................12
4.2 多项式模拟..........................................................................................13
4.2.1 一段式三次多项式数据拟合.....................................................13
4.2.2 三段式三次多项式数据模拟.....................................................15
4.3 BP神经网络模拟..............................................................................16
4.3.1 单参数颜色分量数据模拟..........................................................16
4.3.1.1 数据处理.........................................................................16
4.3.1.2 BP网络训练.................................................................17
4.4 lst0pt最优化拟合公式收索模拟算法...............................................18
4.5 样本数据测量.......................................................................................19
4.5.1 数据提取......................................................................................19
4.5.2 数据归一化..................................................................................20
4.5.3 单参数神经网络数据模拟..........................................................20
4.5.3.1 数据来源.........................................................................20
4.5.3.2 数据模拟.........................................................................21
4.5.3.3 结果分析.........................................................................22
4.5.3.4 结果分析.........................................................................23
4.5.4 多参数神经网络数据模拟..........................................................23
4.5.4.1 数据来源.........................................................................23
4.5.4.2 数据模拟.........................................................................23
4.5.4.3 结果分析.........................................................................24
4.5.4.4 数据权重归算.................................................................24
4.5.4.5 结果讨论.........................................................................26
4.5.5 lst0pt拟合公式搜索模拟算法..................................................26
4.5.5.1 数据来源.........................................................................26
4.5.5.2 数据模拟.........................................................................26
5 全文总结...........................................................................................28
致谢..............................................................................................................…..29
参考文献......................................................................................................…..30

论文文件预览：
共1文件夹，1个文件，文件总大小：938.00KB，压缩后大小：328.50KB

• 课程设计-反射式微型光度计的研发
• 反射式微型光度计的研发.doc  [938.00KB]