光谱水质在线监测应用现状及方案架构介绍

光谱水质智能监测系统采用软硬解耦、端云协同的架构，从而更好的支持光谱水质在线监测 行业的可持续发展。

1.光谱水质在线监测的应用现状

 建立光谱水质检测标准，指明行业发展方向

当前水质检测标准以化学法和电极法 为主，但是随着新技术的蓬勃发展，光谱水 质标准正在逐步引入。2007 年，《水污染源 在线监测系统验收技术规范（试行） 》（HJ T354-2007）的行业标准发布，代表在线水 质监测系统的起步。该标准首次定义在线水 质监测，但是仅定义了 6 项指标，包括 pH、 化学需氧量 COD、总有机碳 TOC、紫外 UV氯、氨氮、磷等；大部分指标采用传统检测 方法，且一种传感器仅监测一个指标。2013 年，《水环境监测规范》（SL 219-2013）的 行业标准发布，水质在线监测指标扩展到 19 项，且首次引入光谱法。2019 年 11 月，中 国水利企业协会发布团体标准《光谱法水质 在线监测系统技术导则》（TCWEC 13-2019）， 代表在线水质监测正式进入光谱时代，无序发展的光谱水质在线监测行业在一定程度 上实现了有据可依。该标准定义了 17 项可 用光谱检测的基础指标，其中多个指标用光 谱法取代了传统的检测手段。

但是，光谱水质检测标准仍然存在两个 主要问题，极大的限制了光谱水质产业的发 展。（1）当前光谱水质在线监测标准尚未在 布点与采样、检测技术路线、检测规程、监 测设备技术规格、监测数据处理等方面做出 详细规定，从而导致光谱水质在线监测系统 的验收标准不统一，无法引导光谱水质在线 监测产业的健康有序发展。（2）当前光谱水 质检测标准尚停留在团体标准，未上升到行 业标准、国家标准层面，导致既有标准的约 束力有限，无法实现全产业链条的“力出一 孔”。

建立光谱设备检验机制，保障行业高质发展

2017 年 5 月，水利部发布《国家水资源 监控能力建设项目地表水饮用水水源地水 质在线监测技术指南》，对水质在线监测系 统的建站标准、建站流程、查勘与选址要求、 建设技术要求、检验和测试、运行和维护都 做出了详细规定，在系统功能、信号与接口、 监测频次、结构要求、供电要求、防护要求 等方面都做出了具体约束。 但是，光谱水质技术路线与化学法、电 极法有着本质的不同，光谱水质技术在设备 的小型化、集成化、智能化等方面具有电化 学方法无可比拟的优势，并能够结合物联 网、云计算、大数据和人工智能等技术实现 设备准确性、鲁棒性、适应性等质量参数的 持续优化提升，同时软件定义设备的方式也 带来了设备后期运维模式的变革，传统的设 备检验机制已无法满足智能化时代光谱水 质在线监测设备的要求。

通过建立光谱设备检验机制，一方面， 对光谱设备本身的系统功能、设备性能等方 面做出明确规定，引导光谱设备产业链上下 游实现器件的标准化、集成对接的标准化以 及安装调试的标准化，持续提升器件的竞争 力、整机设备的质量水平以及系统工程建设 和运维效率；另外一方面，有利于高质量光 谱样本数据的积累，利用云化的软件算法定 义硬件设备，充分释放数据价值，持续提升 水质在线监测系统的智能化水平

建立光谱水质基础平台，夯实行业发展土壤

目前光谱水质在线监测发展尚处于初 级阶段，光谱水质在线监测系统厂商各自为 战，独立收集水质光谱数据和浓度参考值， 基于获取的样本数据建立对应的水质光谱算法模型。光谱水质采集设备、数据、算法 模型对于水利水务行业主管部门、生态环境 行业主管部门、权威计量部门、其他系统厂 商而言，都以“黑盒”的形式存在，导致出 现如下问题：（1）水质光谱数据集的准确性 不能保证；（2）算法模型的有效性无法评估； （3）设备、数据、算法模型的问题难以定 界；（4）“烟囱式”的水质光谱样本数据样 本集限制了光谱水质行业的可持续发展。正 因为上述问题的存在，光谱水质在线监测行 业始终处于低水平重复竞争状态，无法突破 现有发展瓶颈。

在此背景下，建立多维度的光谱水质基 础平台，夯实光谱水质在线行业高质量发展 的“黑土地”成为了当务之急。（1）建立权 威的光谱水质数据平台，提供水利水务业、 生态环境等行业主管部门、权威计量部门认 可的水质光谱数据集，覆盖国家水网“纲”、 “目”、“结”的关键节点；（2）建立可共建 共享的算法模型平台，供各厂商开发自己的 算法模型，支持算法模型的测试评估和交易 计费，促进算法模型的高水平发展；（3）光 谱水质在线监测平台要求软硬解耦，明确软 件、硬件的平台边界，促使光谱水质在线监 测向云化、智能化、软件可定义的方向发展。

2.光谱水质智能监测方案架构

光谱水质智能监测系统采用软硬解耦、端云协同的架构，从而更好的支持光谱水质在线监测 行业的可持续发展。

软硬解耦：通过软硬解耦的架构，明确软件、硬件的边界，实现光谱水质行业的专业化分工： （1）光谱硬件厂商聚焦光源组件、光路、光谱探测器等核心部件的精益制造；（2）光谱水质硬 件集成商聚焦高质量、高可靠、广泛适用的光谱数据采集和终端设备的制造；（3）算法厂商专注 光谱算法模型的研究和创新。

端云协同：通过端云协同的架构，有利于光谱水质在线监测行业向智能化方向发展:（1）实 现大批量水质光谱数据集的高效管理、光谱算法模型的快速迭代更新；（2）实现水质光谱数据集、 光谱算法模型的共建共享。

（1）光谱采集及分析终端层；（2）光 谱数据、算法、模型资产层；（3）光谱算法 平台功能层。其中，光谱采集及分析终端主 要包含紫外-可见光吸收谱终端、荧光谱终 端以及遥感、无人机、视频等高光谱数据采 集及分析终端。本文重点阐述地面观测站的 水质吸收谱、荧光谱方案；水质高光谱会在 未来展望中有所提及。 云上以水质光谱数据、算法、模型能力 的建设为主。在数据方面，构建广泛的样本 库和典型的知识库，例如流域、河流、水库 等各级水网管理对象在不同时段、不同场景 下的水质光谱样本库；印染废水、造纸废水、 电子废水、金属制造废水等典型污染物的荧 光指纹库等。在算法方面，充分利用 scikit-learn 等传统机器学习算法库、 Pytorch、MindSpore 等深度学习框架以及基 于先验知识的模式识别算法等。在模型构建 方面，基于水质光谱样本库、先验知识库， 结合数据预处理、特征提取、回归等算法， 构建符合该水网管理对象水质数据特征的 小模型镜像，并支持向统一的水质光谱大模 型方向发展。

终端侧以硬件能力建设为主，支持大 批量高标准、高质量的水质光谱数据获取。 一方面，持续提升硬件的精确度、可靠性， 可应对较为恶劣的自然环境；另外一方面， 持续提升硬件的布点密度，针对低成本的紫 外-可见光谱设备、荧光谱设备，可在水网 各级管理对象实现大面积部署；针对成本相 对较高的高光谱设备，例如摄像头、无人机 和卫星，可作为水质光谱数据的有效补充。