[发明专利]采用物联网技术的COD在线自动监测仪

说明书

本发明提供了一种采用物联网技术的COD在线自动监测仪，所述监测仪用于监测油田钻井废弃物的COD值，所述油田钻井废弃物包括土质和液态物质且液态和土质物质的质量百分比大于89％且小于95％，该设备包括：油田钻井废弃物采样单元，用于对选定区域进行油田土质采样和油田液态物质处理，对土质采样物进行处理；光谱扫描单元，用于对土质采样物进行光谱扫描，对光谱信号进行处理；比较单元，用于将所述光谱扫描单元处理后的信号通过物联网传输到服务器，在服务器将之与设定阈值进行比较，并对超过阈值的信号值进行预警，所述阈值是通过统计方式得到的废弃物的COD预设值。

技术领域

本发明属于光谱分析技术领域，具体涉及一种采用光谱分析技术的采用物联网技术的COD在线自动监测仪。

背景技术

目前在国内外关于土质成分监测研究中，特别是对土质中有机质和全氮两种主要的成分含量研究中，大多数已获得了较好的研究成果。在此基础上，也有很多研究者使用光谱分析技术定量分析土质中的一些金属元素含量，用于监测，虽然也取得一定成果，但是预测效果却不如对有机质和全氮含量的预测效果明显。

首次尝试将光谱技术引入到土质检测的是美国科学家Browsers和Hanks，在1965年发现土质中的有机质在近红外光谱区域和有机质有相关的特征纹迹。随后在1970年，随后在1970年，Salisbury和Hunt同样在近红外光谱区发现了土质中的某些矿物质也存在相关的特征纹迹。以上几位研究人员的成果开创了对于土质成分检测的新方法，同时在理论上证明了采用光谱分析技术对土质中的某些物质或成分进行定性或定量分析的可能。

在国内外学者的研究结果中我们可以知道目前针对土质成分的检测中，有机质和全氮的预测效果普遍交好，而对于金属元素的预测效果在各文献报道中并不一致，有的个别学者的预测效果较好，有的则不尽如人意，而且在每篇报道中，对于土质采样物的处理也不尽相同，有的研究人员在实验前期会对采集到的样品进行干燥、研磨、过筛等操作，实验结果显示对土质采样物进行适当的处理可以提高光谱分析的预测效果。报道证明被测样品的含水量、颗粒直径等物理性质都会对预测精度产生影响，而且检测条件如样品是否旋转、检测高度、角度等因素也都会对预测效果产生影响。但所有报道中所进行的实验均采近红外光谱仪器进行，并且实验大多在实验室环境下进行，鲜有在野外田间进行现场实际测量的报道。

在采用光谱分析技术分析土质成分时，光谱仪器的性能对于预测效果有一定影响，而且不同的预测模型建立方法在预测过程中也体现出了极其重要的作用。有时即使采用了同样型号的光谱仪器，预测模型建立的方法不同，得到的检测效果也不同，其中主要采用了主成分回归分析、偏最小二乘和人工神经网络等方法。也有很多学者对于多种数据处理方法进行了对比，结果显示每种方法具有自身的特点，但具体使用哪种数据处理方法进行建模可以得到最有的检测结果，在目前的研究成果中并未得到一个确切的结论。

2012年中国农业机械科学研究院的李颉等人对72个北京附近的土质采样物的全氮、全钾、有机质含量和COD值进行了分析，通过偏最小二乘法进行建模，预测结果和真实值具有很好的一致性，决定系数最高可达0.9554。浙江大学的何勇等人研究了不同颗粒直径和不同建模方法对于土质有机质含量近红外光谱分析方法的影像，研究中将样品分为颗粒直径为0.169-2mm和小于0.169mm两个样本集，建立了三种预测模型，结果表明当颗粒直径在0.169-2mm之间时，预测相关系数均大于0.84，预测均方根误差均小于0.20；而当颗粒直径小于0.169mm时，预测相关系数均小于0.71，而预测均方根误差均大于0.23。