1.本发明涉及水质检测技术领域，尤其涉及一种浊度补偿方法、装置、设备及存储介质。
背景技术：2.水的物理性质和化学成分，是水在环境作用下所表现出来的综合特征，自然界中的水，是由溶解性和/或非溶解性的各种物质所组成的复杂综合体。不同用途的水，对水质的要求也不相同，例如，生活用水、工业用水、农田灌溉水等对水质有着不同的要求标准。由于水中含有悬浮及胶体状态的微小颗粒物，使得原来无色透明的水产生浑浊现象，其浑浊的程度称为浑浊度。而浑浊度是一种光学效应的呈现，是光线透过水层时受到阻碍的程度，表示水体对光线的散射和吸收能力。水体的浑浊度不仅与悬浮颗粒物的含量有关，还与其成分、颗粒大小、形状及其表面对光的反射性能有关，浊度会影响水体对光的吸收情况，进而影响对水质参数的测量，最终影响水质检测结果。
技术实现要素：3.本发明提供一种浊度补偿方法、装置、设备及存储介质，用以解决水体中悬浮颗粒物的光线散射和吸收特性对水质检测结果的影响，提高水质检测结果的准确性。
4.本发明提供一种浊度补偿方法，包括：
5.采集待测水体的初始光谱数据，并根据所述初始光谱数据确定所述待测水体的水体类型；
6.基于所述水体类型构建所述待测水体对应的浊度补偿模型；
7.利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿。
8.根据本发明提供的一种浊度补偿方法，所述基于所述水体类型构建所述待测水体对应的浊度补偿模型的步骤，包括：
9.根据所述水体类型获取所述待测水体对应的训练光谱数据，并对所述训练光谱数据进行浊度补偿，生成补偿光谱数据；
10.获取预设的基础待训练模型，利用所述训练光谱数据和所述补偿光谱数据对所述基础待训练模型进行迭代训练，得到所述待测水体对应的浊度补偿模型。
11.根据本发明提供的一种浊度补偿方法，所述根据所述水体类型获取所述待测水体对应的训练光谱数据，并对所述训练光谱数据进行浊度补偿，生成补偿光谱数据的步骤，包括：
12.采集各水体类型的水体样本不同浊度的光谱数据，生成光谱数据集合；
13.根据所述待测水体的水体类型，从所述光谱数据集合中获取所述待测水体对应的光谱数据，得到所述待测水体对应的训练光谱数据；
14.利用预设的浊度补偿算法对所述训练光谱数据进行浊度补偿，得到所述待测水体对应的补偿光谱数据。
15.根据本发明提供的一种浊度补偿方法，所述基础待训练模型为深度学习模型。
16.根据本发明提供的一种浊度补偿方法，所述根据所述初始光谱数据确定所述待测水体的水体类型的步骤，包括：
17.对所述初始光谱数据进行归一化处理，得到目标光谱数据；
18.将所述目标光谱数据拟合为光谱曲线，根据所述光谱曲线的形状确定所述待测水体的水体类型。
19.根据本发明提供的一种浊度补偿方法，所述利用所述浊度补偿模型对所述初始光谱数据进行浊度补偿的步骤，包括：
20.利用所述浊度补偿模型对所述初始光谱数据进行散射颗粒粒径分析，重建所述待测水体中的悬浮颗粒物的粒径分布；
21.基于所述粒径分布，估算所述悬浮颗粒物在紫外到可见光波段范围内引起的吸光度值；
22.在所述初始光谱数据的基础上，减去所述吸光度值，以对所述待测水体的初始光谱数据进行浊度补偿。
23.根据本发明提供的一种浊度补偿方法，所述利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿的步骤之后，还包括：
24.将所述待测水体经过浊度补偿后的光谱数据拟合为光谱曲线；
25.根据所述光谱曲线确定所述待测水体的水质参数，并根据所述水质参数确定所述待测水体的水质。
26.本发明还提供一种浊度补偿装置，包括：
27.光谱采集模块，用于采集待测水体的初始光谱数据，并根据所述初始光谱数据确定所述待测水体的水体类型；
28.模型构建模块，用于基于所述水体类型构建所述待测水体对应的浊度补偿模型；
29.浊度补偿模块，用于利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿。
30.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述浊度补偿方法。
31.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述浊度补偿方法。
32.本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述浊度补偿方法。
33.本发明提供的浊度补偿方法、装置、设备及存储介质，通过基于待测水体的水体类型构建浊度补偿模型，可以实现对不同类型水体的浊度补偿，通过浊度补偿抵消待测水体中的悬浮颗粒物对光谱数据的影响，提高水质参数的测量精度，从而提高待测水体的水质检测结果的准确度。
附图说明
34.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术
描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
35.图1是本发明提供的浊度补偿方法的流程示意图之一；
36.图2是本发明提供的浊度补偿装置的结构示意图；
37.图3是本发明提供的电子设备的结构示意图。
具体实施方式
38.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
39.参照图1，图1为本发明提供的浊度补偿方法的流程示意图之一，基于图1，本发明提供的浊度补偿方法包括以下步骤：
40.步骤100，采集待测水体的初始光谱数据，并根据所述初始光谱数据确定所述待测水体的水体类型；
41.在进行浊度补偿时，首先采集待测水体的初始光谱数据，初始光谱数据可以是基于从待测水体中抽取的水体样本采集的，也可以是基于待测水体直接采集的。根据采集的初始光谱数据确定待测水体的水体类型，可知地，生活用水、工业用水、农田灌溉水等不同用途的水体，对水的物理性质、总矿化度、总硬度、细菌和有害物质的含量等有不同标准的要求，水体的浑浊度也不相同，从而导致水体对光线的散射和吸收能力不同。因此，水体类型可以是按照水体的用途、水体的浑浊度等不同的标准进行分类的，在此不做限定。可以理解的是，水体类型不同的水体，其光谱数据对应的光谱形态不同，即光谱数据具有不同的特征，根据采集的光谱数据的特征确定待测水体的水体类型。
42.进一步地，步骤100还可以包括：
43.步骤101，对所述初始光谱数据进行归一化处理，得到目标光谱数据；
44.步骤102，将所述目标光谱数据拟合为光谱曲线，根据所述光谱曲线的形状确定所述待测水体的水体类型。
45.在确定待测水体的水体类型时，首先对采集的光谱数据进行归一化处理，对经过归一化处理后得到的目标光谱数据进行拟合，将目标光谱数据拟合为光谱曲线，按照光谱曲线的形状确定待测水体的水体类型。原因在于，不同类型的水体的光谱数据对应的光谱形态不同，因此，通过拟合光谱数据得到的光谱曲线具有不同的特征，而光谱曲线的特征体现在曲线的形状上，因此，光谱曲线的特征不同即光谱曲线的形状不同，可以根据光谱曲线的形状对水体进行分类。按照光谱曲线形状进行分类，同一种水体类型的光谱数据经过归一化后，基本能够重合。
46.步骤200，基于所述水体类型构建所述待测水体对应的浊度补偿模型；
47.在确定待测水体的水体类型后，基于该水体类型对待测水体进行建模，构建待测水体对应的浊度补偿模型。需要说明的是，不同水体类型的水体对应的浊度补偿模型，可以是同一个，也可以是每种类型的水体分别对应一个浊度补偿模型。也即，可以构建一个多分
类的浊度补偿模型，通过该多分类的浊度补偿模型分别对不同类型的水体进行浊度补偿，也可以是通过不同的浊度补偿模型对不同类型的水体分别进行浊度补偿。构建的浊度补偿模型包括基于米氏散射理论的米氏模型、基于滤波、统计学原理的模型、多元回归模型中的一种或多种，在此同样不做限定。
48.步骤300，利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿。
49.利用构建的浊度补偿模型对待测水体的初始光谱数据进行浊度补偿，从而消除待测水体的浑浊度对测量的水质参数的影响。
50.具体地，步骤300具体可以包括：
51.步骤301，利用所述浊度补偿模型对所述初始光谱数据进行散射颗粒粒径分析，重建所述待测水体中的悬浮颗粒物的粒径分布；
52.步骤302，基于所述粒径分布，估算所述悬浮颗粒物在紫外到可见光波段范围内引起的吸光度值；
53.步骤303，在所述初始光谱数据的基础上，减去所述吸光度值，以对所述待测水体的初始光谱数据进行浊度补偿。
54.在对待测水体的初始光谱数据进行浊度补偿时，利用经过预训练的浊度补偿模型对初始光谱数据进行散射颗粒的粒径分析，重建待测水体中的悬浮颗粒物的粒径分布。基于该粒径分布可以确定待测水体中的悬浮颗粒物的含量、颗粒大小、形状及其表面对光线的反射性能等与悬浮颗粒物散射和吸收光线的性能相关的信息。因此，基于该粒径分布，利用经过预训练的浊度补偿模型可以估算出待测水体的悬浮颗粒物在紫外到可见光波段范围内引起的吸光度值，在初始光谱数据的基础上，减去该悬浮颗粒物引起的吸光度值，即可实现对初始光谱数据的浊度补偿，得到浊度补偿后的光谱数据。
55.一种优选的实施方式中，利用浊度补偿模型对待测水体的初始光谱数据进行粒径分析时，选取光谱数据中450-1000nm波段的光谱进行悬浮颗粒物的粒径分析，重建待测水体中的悬浮颗粒物的粒径分布。基于重建的粒径分布，估算待测水体中的悬浮颗粒物在200-450nm的紫外到可见光波段范围内的吸光度值，在初始光谱数据基础上，减去相应波段的吸光度值，得到待测水体经过浊度补偿的光谱数据。上述波段范围仅应用于示例性说明，并不对本发明实施例提供的浊度补偿方法构成限定，在实际应用时，可以根据实际的浊度补偿需要对上述波段范围进行适当调整，以达到更佳的补偿效果。
56.进一步地，步骤300之后，还可以包括：
57.步骤310，将所述待测水体经过浊度补偿后的光谱数据拟合为光谱曲线；
58.步骤320，根据所述光谱曲线确定所述待测水体的水质参数，并根据所述水质参数确定所述待测水体的水质。
59.在对待测水体的初始光谱数据进行浊度补偿后，将经过浊度补偿的光谱数据拟合为光谱曲线，根据该光谱曲线确定待测水体的水质参数，减少待测水体中的悬浮颗粒物的浑浊度对光谱数据的影响，消除待测水体中的悬浮颗粒物引起的水质参数的测量误差，提高水质参数的精度，从而实现对水质的精确检测。
60.在本实施例中，通过基于待测水体的水体类型构建浊度补偿模型，可以实现对不同类型水体的浊度补偿，通过浊度补偿抵消待测水体中的悬浮颗粒物对光谱数据的影响，提高水质参数的测量精度，从而提高待测水体的水质检测结果的准确度。
61.进一步地，基于光谱数据的曲线形状对应的光谱形态，对水体类型进行分类，有利用根据不同形态的光谱数据分别构建浊度补偿模型，从而实现对不同类型的水体进行精准的浊度补偿，提高浊度补偿的精确性。
62.在一个实施例中，步骤200还可以包括：
63.步骤201，根据所述水体类型获取所述待测水体对应的训练光谱数据，并对所述训练光谱数据进行浊度补偿，生成补偿光谱数据；
64.步骤202，获取预设的基础待训练模型，利用所述训练光谱数据和所述补偿光谱数据对所述基础待训练模型进行迭代训练，得到所述待测水体对应的浊度补偿模型。
65.在基于待测水体的水体类型，构建待测水体的浊度补偿模型时，首先根据待测水体的水体类型获取待测水体的训练光谱数据，基于该训练光谱数据进行浊度补偿，生成补偿光谱数据。获取预设的基础待训练模型，利用获取的训练光谱数据和补偿光谱数据作为训练样本数据集，对基础待训练模型进行迭代训练，得到待测水体对应的浊度补偿模型。
66.其中，基础待训练模型为深度学习模型，例如语义分割模型unet等，不同类型的水体可以基于同一个或同一种基础待训练模型构建浊度补偿模型，也可以基于不同的基础待训练模型构建浊度补偿模型。对训练光谱数据进行浊度补偿，以消除由于颗粒分布均匀及颗粒大小不同等原因所产生的散射对光谱的影响，生成补偿光谱数据。同时利用获取的训练光谱数据和补偿光谱数据对深度学习模型进行训练，可以建立浊度与粒径分布和吸光度值之间的对应关系，基于不同水体类型分别进行模型构建，从而得到对不同类型的水体进行浊度补偿的浊度补偿模型。
67.更进一步地，步骤201还可以包括：
68.步骤2011，采集各水体类型的水体样本不同浊度的光谱数据，生成光谱数据集合；
69.步骤2012，根据所述待测水体的水体类型，从所述光谱数据集合中获取所述待测水体对应的光谱数据，得到所述待测水体对应的训练光谱数据；
70.步骤2013，利用预设的浊度补偿算法对所述训练光谱数据进行浊度补偿，得到所述待测水体对应的补偿光谱数据
71.在获取训练光谱数据时，采集不同水体类型的水体样本的光谱数据生成光谱数据集合，该光谱数据集合中，包括各类型水体不同浊度的水体样本的光谱数据。根据待测水体的水体类型，从光谱数据集合中获取同类型、不同浊度的水体样本的光谱数据作为待测水体的训练光谱数据。利用预设的浊度补偿算法对该训练光谱数据进行浊度补偿，得到浊度补偿后的光谱数据，即补偿光谱数据。
72.其中，预设的浊度补偿算法包括米氏散射算法、多元散射校正算法(msc)、扩散乘性散射校正算法(emsc)、基于滤波、统计学原理的校正算法、多元回归算法中的一种或多种。以米氏散射算法为例，在对训练光谱数据进行浊度补偿时，基于原始采集的不同浊度的训练光谱数据重建水体样本中的颗粒物的粒径分布，基于该粒径分布估算水体样本中的颗粒物在可见光波段的吸光度值，在原始光谱数据点的基础上减去该吸光度值，得到对应的补偿光谱数据。
73.进一步地，在训练样本数据集构建阶段，采用常规的浊度补偿方法对水体样本的光谱数据进行浊度补偿，得到补偿光谱数据，并将原始采集的光谱数据和补偿光谱数据同时作为训练样本，对基础待训练的深度学习模型进行训练，得到基于预设浊度补偿算法构
建的浊度补偿模型，该浊度补偿模型可以根据光谱数据确定待测水体的浊度，并根据待测水体的光谱曲线确定最佳浊度补偿值，基于该最佳浊度补偿值对待测水体的光谱数据进行浊度补偿，相比于常规的浊度补偿算法，可以最大程度地消除浊度对水质检测的影响，提高水质检测结果的准确度。
74.在本实施例中，通过将各水体类型不同浊度的水体样本的原始光谱数据，以及基于该原始光谱数据进行浊度补偿得到的补偿光谱数据同时作为训练样本进行深度学习模型训练，建立光谱数据与最佳浊度补偿值之间的对应关系，得到浊度补偿模型，利用训练好的浊度补偿模型，可以根据待测水体的光谱数据确定最佳浊度补偿值，从而可以最大程度地消除浊度对水质检测的影响，提高水质检测结果的准确度。
75.下面对本发明提供的浊度补偿装置进行描述，下文描述的浊度补偿装置与上文描述的浊度补偿方法可相互对应参照。
76.参照图2，本发明实施例提供的浊度补偿装置包括：
77.光谱采集模块10，用于采集待测水体的初始光谱数据，并根据所述初始光谱数据确定所述待测水体的水体类型；
78.模型构建模块20，用于基于所述水体类型构建所述待测水体对应的浊度补偿模型；
79.浊度补偿模块30，用于利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿。
80.在一个实施例中，所述光谱采集模块10，还用于：
81.对所述初始光谱数据进行归一化处理，得到目标光谱数据；
82.将所述目标光谱数据拟合为光谱曲线，根据所述光谱曲线的形状确定所述待测水体的水体类型。
83.在一个实施例中，所述模型构建模块20，还用于：
84.根据所述水体类型获取所述待测水体对应的训练光谱数据，并对所述训练光谱数据进行浊度补偿，生成补偿光谱数据；
85.获取预设的基础待训练模型，利用所述训练光谱数据和所述补偿光谱数据对所述基础待训练模型进行迭代训练，得到所述待测水体对应的浊度补偿模型。
86.在一个实施例中，所述模型构建模块20，还用于：
87.采集各水体类型的水体样本不同浊度的光谱数据，生成光谱数据集合；
88.根据所述待测水体的水体类型，从所述光谱数据集合中获取所述待测水体对应的光谱数据，得到所述待测水体对应的训练光谱数据；
89.利用预设的浊度补偿算法对所述训练光谱数据进行浊度补偿，得到所述待测水体对应的补偿光谱数据。
90.在一个实施例中，所述基础待训练模型为深度学习模型。
91.在一个实施例中，所述浊度补偿模块30，还用于：
92.利用所述浊度补偿模型对所述初始光谱数据进行散射颗粒粒径分析，重建所述待测水体中的悬浮颗粒物的粒径分布；
93.基于所述粒径分布，估算所述悬浮颗粒物在紫外到可见光波段范围内引起的吸光度值；
94.在所述初始光谱数据的基础上，减去所述吸光度值，以对所述待测水体的初始光谱数据进行浊度补偿。
95.在一个实施例中，所述浊度补偿装置还包括水质检测模块，用于：
96.将所述待测水体经过浊度补偿后的光谱数据拟合为光谱曲线；
97.根据所述光谱曲线确定所述待测水体的水质参数，并根据所述水质参数确定所述待测水体的水质。
98.图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(communications interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行浊度补偿方法，该方法包括：
99.采集待测水体的初始光谱数据，并根据所述初始光谱数据确定所述待测水体的水体类型；
100.基于所述水体类型构建所述待测水体对应的浊度补偿模型；
101.利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿。
102.此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
103.另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的浊度补偿方法，该方法包括：
104.采集待测水体的初始光谱数据，并根据所述初始光谱数据确定所述待测水体的水体类型；
105.基于所述水体类型构建所述待测水体对应的浊度补偿模型；
106.利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿。
107.又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的浊度补偿方法，该方法包括：
108.采集待测水体的初始光谱数据，并根据所述初始光谱数据确定所述待测水体的水体类型；
109.基于所述水体类型构建所述待测水体对应的浊度补偿模型；
110.利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿。
111.以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其
中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
112.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
113.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
技术特征：1.一种浊度补偿方法，其特征在于，包括以下步骤：采集待测水体的初始光谱数据，并根据所述初始光谱数据确定所述待测水体的水体类型；基于所述水体类型构建所述待测水体对应的浊度补偿模型；利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿。2.根据权利要求1所述的浊度补偿方法，其特征在于，所述基于所述水体类型构建所述待测水体对应的浊度补偿模型的步骤，包括：根据所述水体类型获取所述待测水体对应的训练光谱数据，并对所述训练光谱数据进行浊度补偿，生成补偿光谱数据；获取预设的基础待训练模型，利用所述训练光谱数据和所述补偿光谱数据对所述基础待训练模型进行迭代训练，得到所述待测水体对应的浊度补偿模型。3.根据权利要求2所述的浊度补偿方法，其特征在于，所述根据所述水体类型获取所述待测水体对应的训练光谱数据，并对所述训练光谱数据进行浊度补偿，生成补偿光谱数据的步骤，包括：采集各水体类型的水体样本不同浊度的光谱数据，生成光谱数据集合；根据所述待测水体的水体类型，从所述光谱数据集合中获取所述待测水体对应的光谱数据，得到所述待测水体对应的训练光谱数据；利用预设的浊度补偿算法对所述训练光谱数据进行浊度补偿，得到所述待测水体对应的补偿光谱数据。4.根据权利要求2所述的浊度补偿方法，其特征在于，所述基础待训练模型为深度学习模型。5.根据权利要求1所述的浊度补偿方法，其特征在于，所述根据所述初始光谱数据确定所述待测水体的水体类型的步骤，包括：对所述初始光谱数据进行归一化处理，得到目标光谱数据；将所述目标光谱数据拟合为光谱曲线，根据所述光谱曲线的形状确定所述待测水体的水体类型。6.根据权利要求1所述的浊度补偿方法，其特征在于，所述利用所述浊度补偿模型对所述初始光谱数据进行浊度补偿的步骤，包括：利用所述浊度补偿模型对所述初始光谱数据进行散射颗粒粒径分析，重建所述待测水体中的悬浮颗粒物的粒径分布；基于所述粒径分布，估算所述悬浮颗粒物在紫外到可见光波段范围内引起的吸光度值；在所述初始光谱数据的基础上，减去所述吸光度值，以对所述待测水体的初始光谱数据进行浊度补偿。7.根据权利要求1所述的浊度补偿方法，其特征在于，所述利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿的步骤之后，还包括：将所述待测水体经过浊度补偿后的光谱数据拟合为光谱曲线；根据所述光谱曲线确定所述待测水体的水质参数，并根据所述水质参数确定所述待测水体的水质。
8.一种浊度补偿装置，其特征在于，包括：光谱采集模块，用于采集待测水体的初始光谱数据，并根据所述初始光谱数据确定所述待测水体的水体类型；模型构建模块，用于基于所述水体类型构建所述待测水体对应的浊度补偿模型；浊度补偿模块，用于利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿。9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述浊度补偿方法。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述浊度补偿方法。
技术总结本发明提供一种浊度补偿方法、装置、设备及存储介质，所述方法包括：采集待测水体的初始光谱数据，并根据所述初始光谱数据确定所述待测水体的水体类型；基于所述水体类型构建所述待测水体对应的浊度补偿模型；利用所述浊度补偿模型对所述待测水体的初始光谱数据进行浊度补偿。本发明提供的浊度补偿方法通过基于待测水体的水体类型构建浊度补偿模型，可以实现对不同类型水体的浊度补偿，通过浊度补偿抵消待测水体中的悬浮颗粒物对光谱数据的影响，提高水质参数的测量精度，从而提高待测水体的水质检测结果的准确度。水质检测结果的准确度。水质检测结果的准确度。
技术研发人员：张红明 陶醉 周翔 吕婷婷 王锦
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：2022.06.17
技术公布日：2022/11/1
