基于深度学习的便携式浊度计示值误差校正方法

常规的浊度计示值误差校正方法多采用比值校正法进行设计，应用过程中，无法深入挖掘浊度计示值的各项误差，存在校正精度较低的问题，导致浊度计测量的浊度示值与待测液的实际浊度值之间偏差较大。针对这一问题，笔者引入深度学习原理，以便携式浊度计为例，提出一种全新的示值误差校正方法。先采集便携式浊度计示值，获取浊度计示值的动态变化，然后利用深度学习算法原理，构建神经网络模型结构，通过神经网络模型的示值误差激励、校正量化、迭代训练、最优保存等步骤，得出最优化的示值误差校正结果。实验分析可知，新的方法应用后，测得标准浊度液的浊度示值与其实际浊度非常接近，示值误差较小，校正效果优势显著。