本發明涉及滴定反應，特別涉及一種高錳酸鹽滴定終點自動識別方法及系統。

背景技術：

1、滴定法作為一種經典的定量分析方法，在水質檢測中被廣泛應用，用于測定水樣中的酸堿度、硬度、氯離子含量、溶解氧和有機物含量等關鍵參數。通過這些檢測，可以準確評估水體的質量狀況，確保水體安全合規。例如，酸堿度(ph)反映水體的化學性質，硬度則影響工業用水和生活用水的質量，氯離子和溶解氧則用于判斷飲用水和污水的質量。

2、在滴定實驗過程中，顏色的變化是判斷滴定反應進展和確定終點的重要依據。高錳酸鉀(kmno4)常作為滴定劑用于氧化還原滴定，其深紫色的溶液在加入到還原性待測液中時，會迅速與其中的還原劑反應，導致kmno4的顏色迅速褪去而使溶液變為無色。只有在接近滴定終點時，溶液中的還原性物質接近耗盡，kmno4的紫色才會開始顯現并逐漸加深，直到反應完全停止，溶液顏色保持穩定的淡紫色，這時表示滴定反應已經達到終點。

3、傳統的滴定方法大多依賴于肉眼觀察或簡單的顏色傳感器來判斷顏色變化，以推斷反應是否到達等當點或滴定終點。這些方式容易受到環境光以及顏色變化細微等因素的干擾，影響檢測結果的準確性。

技術實現思路

1、本發明的目的在于提供一種高錳酸鹽滴定終點自動識別方法，通過實時監控滴定過程中待測液的顏色變化，并結合圖像處理技術和機器學習算法，能夠更準確地識別滴定終點，從而避免了由于肉眼觀察或簡單顏色傳感器可能帶來的誤差。

2、本發明解決其技術問題所采用的技術方案是：提供一種高錳酸鹽滴定終點自動識別方法，包括以下步驟：

3、s1、實時采集滴定實驗的視頻流，并對視頻流進行分幀得到圖像數據；

4、s2、對圖像數據進行預處理；

5、s3、使用knn模型對預處理后的圖像顏色變化進行初步檢測與分類；

6、s4、通過knn與gmm混合高斯模型的協同工作來消除背景噪聲，提取顏色變化區域的圖像；

7、s5、對顏色變化區域的圖像進行特征分析；分析計算顏色變化區域的面積和平均色度；

8、s6、根據上述分析結果判定滴定終點，并在滿足預定條件時停止滴定過程。

9、進一步地，s2包括：

10、將每幀圖像從rgb色彩空間轉換到lab色彩空間；

11、對lab色彩空間中的l通道使用高斯濾波進行去噪和平滑處理，公式為：

12、；

13、應用對比度受限自適應直方圖均衡化調整亮度分布，公式為：

14、；

15、通過分層圖像算法，對l通道進行分層處理，包括：使用高斯濾波對背景層進行平滑處理，壓縮并平滑背景層的曝光區域，公式為：

16、；

17、通過邊緣檢測算法提取圖像細節層的邊緣信息，公式為：

18、；

19、sobelx和?sobely分別表示圖像在?水平方向（x軸）?和?垂直方向（y軸）?的梯度值，通過sobel算子計算得到；是邊緣檢測的核心參數，用于衡量圖像在水平和垂直方向上的亮度變化強度。和分別是亮度函數?l(x,y)?在?x方向?和?y方向?的?偏導數，即圖像在水平和垂直方向上的局部亮度變化率。導數通過sobel卷積核計算，反映圖像邊緣的強度（梯度越大，邊緣越明顯）。

20、使用銳化濾波器對細節部分進行增強，公式為：

21、；

22、對處理后的亮度層進行重合成，結合背景層和細節層，生成重合成l通道；

23、將重合成l通道與原始a、b通道合并，得到處理后的lab圖像；

24、將處理后的lab圖像轉換回rgb色彩空間；

25、其中，為濾波窗口大小，( i, j)是相對于當前像素的偏移，i為水平方向偏移，均為垂直方向偏移；k?表示高斯核的半徑，即卷積核從中心像素向四周擴展的范圍；k控制高斯濾波器的空間范圍，直接影響濾波器的尺寸和平滑程度；和分別是原始亮度圖像中像素值的最小值和最大值，是高斯分布的標準差，為原始圖像，為去噪后的亮度圖像，為對比度受限自適應直方圖均衡化后的圖像，為平滑處理后的亮度圖像，為細節增強后的圖像，是控制細節增強的系數。

26、進一步地，s3包括：

27、在滴定過程中實時采集每一幀圖像；

28、提取每一幀圖像的色度信息作為特征向量；

29、比較當前幀圖像特征向量與已知樣本集合中的特征向量，通過計算兩者之間的歐氏距離，將當前幀分類為無色狀態、顏色漸變狀態或滴定終點狀態；

30、計算當前幀圖像特征向量與所有已標記樣本的距離，并選擇距離最近的k個鄰居；

31、根據k個鄰居的顏色變化類別，采用多數投票的方式決定當前幀圖像的最終分類結果。

32、進一步地，歐氏距離計算公式為：

33、；

34、其中，是當前幀圖像與樣本特征之間的歐氏距離；n?表示特征向量的維度，即特征的總數量；i是索引變量，用于遍歷特征向量中的每一個分量；為不同特征的權重系數；和分別為特征向量中的第個分量。

35、進一步地，s4包括：

36、在滴定的無色狀態階段，通過knn算法持續監測每一幀圖像，并將其分類為無色狀態；

37、使用gmm模型提取每幀圖像的噪聲，分離前景和背景信息；

38、處理多幀圖像，將每幀圖像的噪聲疊加生成綜合噪聲圖像；

39、在顏色漸變與滴定終點階段，使用gmm模型對每幀圖像進行處理，刪除在無色狀態階段提取的噪聲，提取顏色變化區域。

40、進一步地，使用gmm模型提取每幀圖像的噪聲，分離前景和背景信息的公式為：

41、；

42、其中，表示像素點屬于前景或背景的概率；表示高斯混合模型中高斯分量的數量；i是索引變量；是每個高斯分量的權重；和分別為高斯分量的均值和協方差矩陣；表示以均值和協方差矩陣為參數的高斯分布。

43、進一步地，s5包括：

44、計算顏色變化區域的面積s和平均色度c；

45、顏色變化區域的面積s計算公式為：

46、；

47、平均色度c的計算公式為：

48、；

49、其中，是提取的顏色變化區域的像素集合，是該區域內每個像素的值，表示在顏色變化區域內每個像素的色度值。

50、進一步地，s6判定滴定終點需要同時滿足以下條件：

51、a)knn算法判定當前幀為滴定終點狀態；

52、b)顏色變化區域的面積s在單位時間的變化小于面積變化設定閾值；

53、c)平均色度c的單位時間的變化小于色度變化設定閾值。

54、還提供一種高錳酸鹽滴定終點自動識別系統，其特征在于，包括：

55、攝像頭，用于實時采集滴定過程中待測液的視頻流，并將視頻數據傳輸給圖像處理模塊；

56、圖像處理模塊，用于對從rgb色彩空間轉換到lab色彩空間的每一幀圖像進行預處理；

57、knn分類模塊，用于通過計算當前幀圖像特征向量與已知樣本特征向量之間的歐氏距離，進行動態顏色監測，并將當前幀分類為無色狀態、顏色漸變狀態或滴定終點狀態；

58、gmm分析模塊，用于在滴定的無色階段提取每幀圖像的噪聲部分，在顏色漸變與滴定終點階段繼續處理并去除之前提取的無色噪聲，從而提高顏色變化檢測的準確性；

59、特征分析模塊，用于計算顏色變化區域的面積s和平均色度c的變化，作為判斷滴定終點的重要指標；

60、終點判定模塊，用于根據顏色變化區域的面積s和平均色度c的穩定性來判定滴定終點，并在滿足預定條件時停止滴定過程；

61、控制模塊，用于控制整個滴定實驗流程，當達到滴定終點時自動停止實驗操作；

62、顯示模塊，用于使實驗人員能夠實時觀察處理后的圖像和提示信息。

63、與現有技術相比，本發明的有益效果是：

64、1、本發明通過實時監控滴定過程中待測液的顏色變化，并結合圖像處理技術和機器學習算法，能夠更準確地識別滴定終點，從而避免了由于肉眼觀察或簡單顏色傳感器可能帶來的誤差。

65、2、與傳統的顏色識別方式相比，該發明能夠捕捉到更加細微的顏色變化，這使得對反應進程的判斷更為精準，有助于提升滴定實驗的精度和可靠性。