论文部分内容阅读
水体细菌微生物污染具有突发性、传播速度快、危害性大的特点,实现水体细菌微生物的在线检测,快速获取水体细菌污染的种类和浓度等信息,对建立水污染防治应急响应机制和保护饮用水安全具有重要意义。传统的生物化学检测方法大多需要样品预处理、精密的实验仪器和生化试剂,且操作复杂、耗时长,难以满足水体细菌微生物快速在线监测需求。多波长透射光谱法具有无需样品预处理、测量速度快、操作简单、无污染、无试剂等特点,且光谱包含了与细菌化学组分相关的吸收光谱,以及与结构、尺寸和浓度等物理信息相关的散射光谱,可以有效获取细菌的种类和浓度等信息,是一种极具潜力的水体细菌微生物快速在线检测手段。目前基于多波长透射光谱的水体细菌微生物快速检测面临细菌光谱高度相似、多种细菌混合光谱混叠严重、实际水样中其他物质干扰引起的定性和定量检测难问题。针对这些问题,论文开展了基于多波长透射光谱法的水体细菌微生物快速识别分析方法研究,为发展水体细菌微生物快速在线监测技术提供方法。论文研究工作及取得主要成果如下:（1）研究了水体中不同种类细菌参考光谱的获取方法,以大肠杆菌（E.coil）、伤寒杆菌（S.typhi）、铜绿假单胞菌（P.aeruginosa）、肺炎克雷伯氏菌（K.pneumoniae）和金黄色葡萄球菌（S.aureus）5种水体常见致病性细菌为研究对象,实验测量不同种类、不同浓度细菌的多波长透射光谱,确定当细菌的多波长透射光谱200nm处对应的吸光度值不超过1.5a.u.时,对光谱进行总和归一化处理可以有效消除浓度对细菌光谱的影响,同一种细菌的归一化光谱趋于重合,获取五种细菌的参考光谱,用于细菌的检测识别。（2）针对不同种类细菌多波长透射光谱高度相似难以识别的问题,对不同种类的细菌光谱进行相似性分析和光谱特征提取,研究了基于联合相似度算法的水体细菌种类识别方法,将细菌光谱与参考光谱进行相似性匹配,但低浓度细菌样品由于光谱特征不明显识别率较低。针对这一问题,研究了基于机器学习的水体细菌种类识别方法,采用方差分析法、主成分分析（PCA）和基于光谱区域的特征提取等光谱信号处理技术进行光谱特征的提取,结合三种神经网络（GRNN、PNN和BPNN）模型实现对不同种类细菌的快速识别。结果表明:200-300nm波段的归一化光谱作为BPNN模型的输入时,验证集的平均识别率和测试集的识别率分别为95.5%和100.0%;当200-400nm波段的归一化光谱经PCA降维后得到的降维数据作为GRNN模型的输入时,模型验证集的平均识别准确率和测试集的识别率高达96.8%和100.0%;光谱区域特征提取结合GRNN和PNN的验证集平均识别准确率为97.3%和96.3%,测试集的识别准确率均为100.0%;基于相似性分析得到验证集和测试集的识别准确率为89.5%和92.5%。通过光谱数据分析与处理方法提取光谱特征参数,并极大优化模型、提升模型性能。其中,表现最好的是GRNN模型结合区域特征提取,对验证集和测试集的识别准确率达到 97.3%和 100%。（3）针对多种细菌混合的光谱重叠问题,研究了多种细菌混合的多波长透射光谱解析方法。将多种不同种类细菌按一定比例混合,建立了基于MonteCarlo思想的混合光谱解析模型,对混合细菌样品的多波长透射光谱进行比例解析并进行混合光谱分离。结果表明:MonteCarlo混合光谱解析模型对两种细菌混合光谱解析的平均相对误差分别为3%,2%,3.9%和6.1%,可以有效进行混合细菌的光谱分离;对三种细菌混合光谱解析的平均相对误差高达55.62%,35.07%和21.08%。针对这一问题,研究了基于模拟退火算法的混合光谱解析模型,以一定概率接受非优解,优化解析过程,避免陷入局部极值,得到三种细菌混合光谱解析的平均相对误差分别降低为12.63%,14.07%和10.63%。（4）针对细菌浓度定量分析问题,研究了基于反向传播神经网络（BPNN）的浓度定量反演模型。通过建立基于定点波长方法的细菌浓度拟合曲线,得到五种细菌在 250nm 处的检测限分别为 0.808*105cell/ml、0.839*105cell/ml、0.931*105cell/ml、0.714*105cell/ml 和 0.757*105cell/ml,定点波长线性拟合浓度预测的交叉验证集和预测集的平均相对误差分别为13.8%和15.2%,决定系数分别为0.9842和0.9897;基于非线性拟合的BPNN浓度反演模型对交叉验证集和测试集的细菌样品进行浓度预测的平均相对误差分别为6.5%和6.7%,决定系数分别是0.9947和0.9954,优于定点波长线性拟合的浓度预测结果,该方法可以实现对水体细菌微生物浓度的快速定量测量。（5）分析了实际水样对细菌微生物快速检测识别的影响,以正常实际水样调节光谱仪器的基线,或者通过扣除实际水样细菌样本光谱中的正常水体光谱,来消除实际水样中其他物质对细菌光谱的影响,并通过离心富集的方法放大低浓度细菌样品的光谱特征,将细菌种类识别方法应用于实际水样的细菌检测识别中。结果表明:GRNN结合PCA降维的分类识别模型对84个实际水样细菌样本的识别准确率高达96.4%。论文研究结果为发展基于多波长透射光谱的水体细菌微生物快速在线检测提供了数据分析方法。