本发明属于食品安全检测技术领域，具体涉及一种基于app的汞离子比色检测系统及方法。
背景技术：
近年来，随着经济条件的改善、生活质量的提高，人们对于食品安全问题的重视程度不断上升。作为一种生活中常见的重金属元素，汞对人类健康和环境都具有极强的危害性，而且不能被微生物所降解，容易在活体内富集，对人体健康造成极大威胁。根据gb5749-2006，我国生活饮用水中汞的限值为1μg/l，当人体中汞离子的浓度达到0.5～1.0μg/ml时，人体就会出现明显的中毒症状。因此，建立一种能快速准确测定水中汞离子的方法具有重要意义。
目前对于水中汞离子的检测已有很多方法，常用的检测方法主要有原子光谱法(atomicabsorptionspectroscopy,aas)、电感耦合等离子体-质谱法(inductivelycoupledplasmamassspectrometry,icp-ms)、电化学分析法、分光光度法等，但是这些方法由于仪器昂贵、分析周期长、样品预处理复杂、检测费用昂贵等问题，难以满足日常生活中对汞元素实际分析的需求，因此需要建立一种简单、快速、高效、环境友好的hg2 检测方法。
随着纳米材料研究的不断深入，多种无机纳米材料，包括fe3o4、v2o5纳米线、碳点等,均被发现具有类过氧化物酶活性。与天然酶相比，纳米模拟酶显示出许多独特的优点,包括制备简单、价格低廉、稳定性好、催化活性高等。目前,许多纳米材料模拟酶被广泛应用于金属离子的检测。long等利用金纳米粒子的类过氧化物酶活性可视化检测hg2 。zhang等利用hg2 对纳米复合材料rgo/pei/pd类酶活性的增强作用,实现了废水及人血清中hg2 的超灵敏检测。彭涛等制备了蛋白杂化荧光金纳米簇用于hg2 的检测。gao等利用ag 对pvp保护的铂立方体纳米粒子类过氧化物酶活性的抑制作用,实现了对ag 的检测。目前,基于hg2 对纳米材料类过氧化物酶活性的增强作用比色检测hg2 的报道较少。
近年来，随着软件硬件的发展以及不同图像处理及分类算法的成熟，利用智能设备进行各种定性定量检测的技术也在不断发展。随着机器学习研究的不断深入，分类算法与图像处理的算法联系也越来越紧密。越来越多的研究人员将智能手机应用于检测，并将图像采集与图像处理集成于一体。其主要特点是智能化、便携化、简便化。并且可以弥补各种检测方法的不足之处。
在利用比色法进行的便携式检测中，占重要部分的比色检测存在的读数检测结果误差大，易受人为操作影响的不足便可以通过采用软件智能分析的方法弥补。
技术实现要素：
为了克服上述现有技术的缺陷，本发明的目的在于提供一种基于app的汞离子比色检测系统及方法，利用智能手机并编写app，利用opencv训练出一个基于支持向量机(svm)算法的分类器模型，并将此模型载入app中，得出汞离子是否超标以及其浓度，直接呈现在手机界面上，缩短了检测时间，并且避免人为检测中的误差，从而提高检测精度，该方法也可为各种比色检测的辅助软件的开发提供思路与方法，实现基于智能手机对汞离子进行快速、准确的检测，操作简便，成本低廉，适用范围广。
为了达到上述目的，本发明通过以下技术方法来实现：
一种基于app的汞离子比色检测系统，包括检测单元、拍摄单元、数据处理单元、检测结果存储单元和数据反馈单元。
所述检测单元，用于产生水溶液中的汞离子比色反应后的颜色数据；
所述拍摄单元，为智能手机摄像头，用于拍摄所述检测的对象的颜色变化的图片数据；
所述数据处理单元，基于智能手机app中，处理拍摄单元传送的对象的颜色变化的图片数据，并进行初步的切割剪裁、各像素点的rgb值提取并采用svm分类算法进行分类得到数据处理结果；
所述检测结果存储单元，基于智能手机app中，用于存储数据处理单元每次的处理结果，并绘制折线图展现汞离子检测浓度的检测趋势。
所述数据反馈单元，基于智能手机app中，用于根据数据处理单元所处理的结果对用户进行对汞离子浓度危害知识的反馈并给予相应的建议。
所述的检测单元还包括检测溶液，检测试纸和检测装置，所述检测溶液用来配合检测试纸对被检测溶液中的汞二价离子进行比色检测；所述检测试纸采用纳米金技术制作完成，用于检测被检测溶液中的汞二价离子，所述检测试纸、检测溶液与汞二价离子接触发生显色反应，根据试纸所显现的颜色在拍摄后进行数据分析得到检测结果；所述的检测装置设置有检测试纸的安置区和对比区，安置区和对比区相通，所述安置区用于用户安放检测试纸并进行待检测溶液滴加进行汞离子检测，所述对比区用于采集对比图数据并在数据处理单元中进行数据处理。
基于上述检测系统的检测方法，包括以下步骤：
(1)用于待检测汞离子样本溶液的制备：
用1-5mlhgcl2溶液与0-100ml超纯水按不同比例混合得到不同浓度的hgcl2溶液；
(2)纳米金球的制备：
使用柠檬酸盐还原法制备纳米金球，先取1-2ml质量分数1％柠檬酸钠溶液加入到100ml沸腾的水中，剧烈搅拌350-400rpm，反应3-4min后，再加入670μl的质量分数1％氯金酸haucl4，反应20分钟，溶液变成紫红色，停止加热，冷却至室温得到纳米金球溶液；
(3)检测试纸及检测溶液的制备；
a.用tmb粉末溶于乙醇得到5×10-3m的tmb溶液，将所得5×10-3m的tmb溶液加超纯水中稀释，得到5×10-4m的tmb溶液；然后取4-5ml的5×10-4m的tmb溶液、2-3ml纳米金球溶液、4-5ml的br缓冲溶液、4-5ml超纯水混合得到浸泡液；
b.硫酸纸裁剪成1cm×1cm的方形，置于浸泡液中浸泡8-15min，用干净的镊子取出后放置于洁净的玻璃片并放置于55-65℃烘箱烘烤10-15min得到检测试纸；
c.将质量分数为30％的h2o2溶液与超纯水等体积混合制成检测溶液；
(4)检测装置上待检测液和检测试纸以及检测溶液反应得到反应结果：
将制备好的试纸放置到检测装置的安置区，固定后在安置区分别滴加40-60μl不同浓度待检测溶液和检测液，使得连通的安置区和对比区均匀分布，等待1-3min；
(5)通过智能手机检测程序得到反应结果，具体包括以下步骤：
步骤1，通过智能手机摄像头作为拍摄单元，选择低浓度、中浓度和高浓度的待检测溶液汞离子对应的比色检测的图像各n个，然后通过数据处理单元对图像进行预处理，将其归一化为h×w大小，并构建训练样本矩阵，h表示图片宽度，w表示图片长度：
其中，f为归一化后图像，按行优先原则生成的列向量；
步骤2，通过opencv提取各彩色通道所有矩形块的像素值(即rgb值)作为特征数据，将所得的特征数据标准化，并将特征数据矩阵重排为h×w×3行、1列的形式；
步骤3，设计脚本为图像生成的预定的分类器标签集合{p1，p2，…,pn|pi∈{1，2，3},i＝1,2,…,n},其中n为图片数量，若pi＝1表示高浓度，若pi＝2表示中浓度，若pi＝3表示低浓度，将图像的特征数据与对应生成的最佳分类器标签按列排列，整合为训练数据traindata；
步骤4，选择候选的svm图像分类模型，选用的模型的核函数类型为线性核函数或rbf核，选用惩罚参数c的区间在10-100之间，超参数gamma的区间在0-5之间，迭代精度的区间在10-6-10-5之间，在pc端利用opencv，基于间隔最大化，利用生成的训练数据训练模型，设计svm图像分类模型的选择算法，寻找一个超平面γ来对样本进行分割；
步骤5，利用已经训练好的候选svm分类模型，在数据集上对模型进行测试，并根据预定得到的分类器标签q，若q＝1表示高浓度，若q＝2表示中浓度，若q＝3表示低浓度，计算该模型预测的准确度；
步骤6，利用候选的图像分类模型的分类结果，调整模型的参数，改变模型的核函数类型、惩罚参数c、超参数gamma和迭代精度，选用的模型的核函数类型为线性核函数或rbf核，选用惩罚参数c的区间在10-100之间，超参数gamma的区间在0-5之间，迭代精度的区间在10-6-10-5之间，以预测的准确率为判决标准，寻找最优的分类器模型，并验证该模型用于pc端预测的可实现性；
步骤7，由于在使用不同的手机进行拍摄时，手机的配置和拍照的角度、光线不同，对分类结果造成一定程度的影响。为消除此影响，设置标准比色卡，在app内部设定校正程序，通过对所拍摄的比色卡提取rgb的信息，与系统标准色做对比，计算出校正系数α；
步骤8，将步骤6中已经训练好的svm模型载入app中，与app界面相结合；用手机拍摄比色检测之后的图片加载入app中，通过设定的程序裁剪图片，并进行预处理，用校正系数α对提取的待检测数据b进行校正，得到校正后的数据；将校正后的数据输入分类器，得出汞离子是否超标以及其浓度，经数据反馈单元直接呈现在手机界面上；
(6)若多次检测不同浓度的待检测液，检测结果将通过检测结果存储单元被记录在历史记录中以折线图形式呈现。
在本发明中tmb(3,3,5,5-四甲基联苯胺)可被h2o2氧化，溶液颜色可从无色变为蓝绿色，而反应本身进行却十分缓慢，但若是存在纳米金球以及还原的hg2 作为催化剂，则反应速率将会大大提高。
本发明总的反应机制如下：
1.在被检测物质hg2 加入后，柠檬酸根将其还原为hg单质。
2.由于纳米金球与汞的特殊亲和性，汞便吸附到了纳米金球表面形成了“金汞合金(au-hgamalgam)”。因汞的电负性小于金的绝对电负性，“金汞合金(au-hgamalgam)”的电子转移比金容易得多，故而有一定的催化能力。
3.h2o2在“金汞合金(au-hgamalgam)”的催化下氧化tmb，使tmb成为oxtmb,溶液由无色变为蓝绿色。
与相关技术相比，本发明实施例的有益效果是：
1、本发明提供的一种基于app的汞离子比色检测系统和方法，无需复杂的检测步骤和体系即可实现快速、高效的汞离子检测，反应时间短，只需要90s，灵敏度较高。体系简单，应用广泛。
2、本发明提供的一种基于app的汞离子比色检测系统和方法,利用手机app辅助比色检测，实现比色检测的结果更加准确且简便易读，避免人工读数的误差，保证安全性和准确性。
附图说明
图1是本发明的检测系统原理示意图。
图2是在溶液体系下不同浓度的汞离子的定量检测结果示意图，其中图2a是紫外吸收光谱图，图2b是标准曲线。
图3是各种金属离子对本发明汞离子检测方法的干扰示意图。
图4是本发明试纸生成的示意图。
图5是本发明的检测装置爆炸图。
图6是实施例2中1×10-5m待测液(左)的比色结果与1×10-7m待测液(右)的比色结果的对比。
图7a是实施例1中待测液反应比色图片传入后软件界面(a)，图7b是结果和反馈界面。
图8a是实施例2中待测液反应比色图片传入后软件界面(a)、图8b是结果和反馈界面
图9a是实施例3中待测液反应比色图片传入后软件界面(a)，图9b是结果和反馈界面。
图10是检测结果的折线图。
具体实施方式
下面将结合附图对本发明的完整检测技术方案进行清楚地描述，显然，所描述的实施例是本发明的一部分实施例，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做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。
下面通过具体的实施例并结合附图对本发明做进一步的详细描述。
实施例一：
参照图1，一种基于app的汞离子比色检测系统，包括检测单元、拍摄单元、数据处理单元、检测结果存储单元和数据反馈单元；
所述检测单元，用于产生水溶液中的汞离子比色反应后的颜色数据；
所述拍摄单元，为智能手机摄像头，用于拍摄所述检测的对象的颜色变化的图片数据；
所述数据处理单元，基于智能手机app中，处理拍摄单元传送的对象的颜色变化的图片数据，并进行初步的切割剪裁、各像素点的rgb值提取并采用svm分类算法进行分类得到数据处理结果；
所述检测结果存储单元，基于智能手机app中，用于存储数据处理单元每次的处理结果，并绘制折线图展现汞离子检测浓度的检测趋势；
所述数据反馈单元，基于智能手机app中，用于根据数据处理单元所处理的结果对用户进行对汞离子浓度危害知识的反馈并给予相应的建议。
所述的检测单元还包括检测溶液，检测试纸和检测装置，所述检测溶液用来配合检测试纸对被检测溶液中的汞二价离子进行比色检测；所述检测试纸采用纳米金技术制作完成，用于检测被检测溶液中的汞二价离子，所述检测试纸、检测溶液与汞二价离子接触发生显色反应，根据试纸所显现的颜色在拍摄后进行数据分析得到检测结果；参照图4，所述的检测装置设置有检测试纸的安置区和对比区，所述安置区用于用户安放检测试纸并进行检测溶液滴加，进行汞离子检测，所述对比区用于采取环境影响下的对比图数据并在数据处理单元中进行数据处理。
基于上述检测系统的检测方法，包括以下步骤：
(1)用于待检测汞离子样本溶液的制备：
用于待检测汞离子样本溶液的制备：用1.5ml的1×10-5mhgcl2溶液与100ml超纯水混合得到待检测的hgcl2溶液。
(2)纳米金球的制备：
使用柠檬酸盐还原法制备固定吸收峰的纳米金球；先取2ml质量分数1％柠檬酸钠溶液加入到100ml沸腾的水中，剧烈搅拌400rpm，反应4min后，再加入670μl的质量分数1％氯金酸haucl4，反应20分钟，溶液变成紫红色，停止加热，冷却至室温得到纳米金球溶液。
(3)检测试纸及检测溶液的制备：
a.用tmb粉末溶于乙醇得到5×10-3m的tmb溶液，将所得5×10-3m的tmb溶液加超纯水中稀释，得到5×10-4的tmb溶液；然后取4ml的5×10-4m的tmb溶液、2.5ml纳米金球溶液、4.1ml的ph＝3.5的br缓冲溶液、4ml超纯水混合得到浸泡液。
b.将硫酸纸裁剪成1cm×1cm的方形，置于浸泡液中浸泡10min，用干净的镊子取出后放置于洁净的玻璃片并放置于60℃烘箱烘烤10min得到检测试纸，制备出的试纸如图4所示。
c.将质量分数为30％的h2o2溶液与超纯水混合制成预设浓度的检测溶液。
在溶液体系下，不同浓度的汞离子与tmb溶液显色反应后的结果如图2所示，其中图2a是紫外吸收光谱图，图2b是标准曲线。
各种金属离子对本发明汞离子检测方法的干扰示意图如图3所示，此图可证明此方法对汞离子检测具有特异性。
(4)在如图5所示的检测装置上，待检测液和检测试纸以及检测溶液反应，得到纸基反应的结果：
将制备好的试纸放置到检测装置的试纸安置区，固定好试纸后(如图5所示)，分别滴加50μl待检测的hgcl2溶液和检测液，至待检测的hgcl2溶液和检测液均匀分布在试纸安置区和对比区，等待90秒。
纸基反应结果大致如图6所示。
(5)智能手机检测程序得到反应结果：
步骤1，通过智能手机摄像头作为拍摄单元，选择低浓度、中浓度和高浓度的汞离子对应的比色检测的图像各n个，然后通过数据处理单元对图像进行预处理，将其归一化为h×w大小，并构建训练样本矩阵：
其中，f为归一化后图像，按行优先原则生成的列向量。
步骤2，通过opencv提取各彩色通道所有矩形块的像素值(即rgb值)作为特征数据，将所得的特征数据标准化，并将特征数据矩阵重排为h×w×3行、1列的形式。
步骤3，设计脚本为图像生成的预定的分类器标签集合{p1，p2，…,pn|pi∈{1，2，3},i＝1,2,…,n},其中n为图片数量，若pi＝1表示高浓度，若pi＝2表示中浓度，若pi＝3表示低浓度，将图像的特征数据与对应生成的最佳分类器标签按列排列，整合为训练数据traindata。
步骤4，选择候选的svm图像分类模型，选用的模型的核函数类型为线性核函数或rbf核，选用惩罚参数c的区间在10-100之间，超参数gamma的区间在0-5之间，迭代精度的区间在10-6-10-5之间，在pc端利用opencv，基于间隔最大化，利用生成的训练数据训练模型，设计svm图像分类模型的选择算法，寻找一个超平面γ来对样本进行分割。
步骤5，利用已经训练好的候选svm分类模型，在数据集上对模型进行测试，并根据预定得到的分类器标签q，若q＝1表示高浓度，若q＝2表示中浓度，若q＝3表示低浓度，计算该模型预测的准确度。
步骤6，利用候选的图像分类模型的分类结果，调整模型的参数，改变模型的核函数类型、惩罚参数c、超参数gamma和迭代精度，选用的模型的核函数类型为线性核函数或rbf核，选用惩罚参数c的区间在10-100之间，超参数gamma的区间在0-5之间，迭代精度的区间在10-6-10-5之间，以预测的准确率为判决标准，寻找最优的分类器模型，并验证该模型用于pc端预测的可实现性。
步骤7，由于在使用不同的手机进行拍摄时，手机的配置和拍照的角度、光线不同，对分类结果造成一定程度的影响。为消除此影响，设置标准比色卡，在app内部设定校正程序，通过对所拍摄的比色卡提取rgb的信息，与系统标准色做对比，计算出校正系数α。
步骤8，将步骤6中已经训练好的svm模型载入app中，与app界面相结合。用手机拍摄比色检测之后的图片加载入app中，通过设定的程序裁剪图片，并进行预处理，用校正系数α对提取的待检测数据b进行校正，得到校正后的数据。将校正后的数据输入分类器，得出汞离子是否超标以及其浓度，经数据反馈单元直接呈现在手机界面上。
操作时，首先在手机屏幕上点击图标进入登录界面，登录界面包括两个按钮，分别为登录和注册，注册完成后登录进入检测页面。点击start按钮进入拍照界面，点击拍照，将手机正对检测装置的检测区域拍照，点击右上角裁剪按钮选择检测试纸图像，再点击下方白色方框再次截图，截取对比区域的图像(如图7a所示)。点击结果按钮，程序会自动计算出待检测液中的汞离子浓度，并根据检测结果将显示风险与建议直接显示在结果显示界面上，检测结果显示为“低风险”，给出低风险反馈(如图7b所示)。
(6)若多次检测不同浓度的待检测液，检测结果将通过检测结果存储单元被记录在历史记录中以折线图形式呈现(如图10所示)。
实施例二：
实施一种基于app的汞离子比色检测系统的检测方法，检测水中汞离子浓度，本实施例采用的检测方法和步骤和实施例1基本相同，区别在于：
1.用于待检测汞离子样本溶液的制备，与实施例1不同：用5ml的1×10-5mhgcl2溶液与50ml超纯混合得到待检测的hgcl2溶液。、
2.检测装置上待检测液和检测试纸以及检测溶液反应得到反应结果，与实施例1不同：将制备好的试纸放置到检测装置的试纸安置区，固定后在检测区分别滴加60μl不同浓度待检测溶液和检测液至检测液均匀分布在试纸安置区和对比区，等待100秒。
3.智能手机检测程序得到的反应结果与实施例1不同：操作时，首先在手机屏幕上点击图标进入登录界面，登录界面包括两个按钮，分别为登录和注册，注册完成后登录进入检测页面。点击start按钮进入拍照界面，点击拍照，将手机正对检测装置的检测区域拍照，点击右上角裁剪按钮选择检测试纸图像，再点击下方白色方框再次截图，截取对比区域的图像(如图8a所示)。点击结果按钮，程序会自动计算出待检测液中的汞离子浓度，并根据检测结果将显示风险与建议直接显示在结果显示界面上，检测结果显示为“中风险”，给出中风险反馈(如图8b所示)。
4.若多次检测浓度不同的待检测液，检测结果将被记录在历史记录中以折线图形式呈现(如图10所示)。
实施例三：
实施一种基于app的汞离子比色检测系统的检测方法，检测水中汞离子浓度，本实施例采用的检测方法和步骤和实施例1基本相同，区别在于：
1.用于待检测汞离子样本溶液的制备，与实施例1不同：用5ml的1×10-4mhgcl2溶液与10ml超纯水混合得到待检测的hgcl2溶液。
2.检测装置上待检测液和检测试纸以及检测溶液反应得到反应结果，与实施例1不同：将制备好的试纸放置到检测装置的试纸安置区，固定后在检测区分别滴加60μl不同浓度待检测溶液和检测液至检测液均匀分布在试纸安置区和对比区，等待110秒。
3.智能手机检测程序得到反应结果，与实施例1不同：首先在手机屏幕上点击图标进入登录界面，登录界面包括两个按钮，分别为登录和注册，注册完成后登录进入检测页面。点击start按钮进入拍照界面，点击拍照，将手机正对检测装置的检测区域拍照，点击右上角裁剪按钮选择检测试纸图像，再点击下方白色方框再次截图，截取对比区域的图像(如图9a所示)。点击结果按钮，程序会自动计算出待检测液中的汞离子浓度，并根据检测结果将显示风险与建议直接显示在结果显示界面上，检测结果显示为“高风险”，给出高风险反馈(如图9b所示)。
4.若多次检测不同浓度的待检测液，检测结果将被记录在历史记录中以折线图形式呈现(如图10所示)。
1.一种基于app的汞离子比色检测系统，其特征在于，包括检测单元、拍摄单元、数据处理单元、检测结果存储单元和数据反馈单元；
所述检测单元，用于产生水溶液中的汞离子比色反应后的颜色数据；
所述拍摄单元，为智能手机摄像头，用于拍摄所述检测的对象的颜色变化的图片数据；
所述数据处理单元，基于智能手机app中，处理拍摄单元传送的对象的颜色变化的图片数据，并进行初步的切割剪裁、各像素点的rgb值提取并采用svm分类算法进行分类得到数据处理结果；
所述检测结果存储单元，基于智能手机app中，用于存储数据处理单元每次的处理结果，并绘制折线图展现汞离子检测浓度的检测趋势；
所述数据反馈单元，基于智能手机app中，用于根据数据处理单元所处理的结果对用户进行对汞离子浓度危害知识的反馈并给予相应的建议。
2.根据权利要求书1所述的一种基于app的汞离子比色检测系统，其特征在于，所述的检测单元包括检测溶液，检测试纸和检测装置，所述检测溶液用来配合检测试纸对被检测溶液中的汞二价离子进行比色检测；所述检测试纸采用纳米金技术制作完成，用于检测被检测溶液中的汞二价离子，所述检测试纸、检测溶液与汞二价离子接触发生显色反应，根据试纸所显现的颜色在拍摄后进行数据分析得到检测结果；所述的检测装置设置有检测试纸的安置区和对比区，安置区和对比区相通，所述安置区用于用户安放检测试纸并进行待检测溶液滴加进行汞离子检测，所述对比区用于采集对比图数据并在数据处理单元中进行数据处理。
3.根据权利要求书1所述的一种基于app的汞离子比色检测系统的检测方法，其特征在于，包括以下步骤：
(1)用于待检测汞离子样本溶液的制备：
用1-5mlhgcl2溶液与0-100ml超纯水按不同比例混合得到不同浓度的hgcl2溶液；
(2)纳米金球的制备：
使用柠檬酸盐还原法制备纳米金球，先取1-2ml质量分数1％柠檬酸钠溶液加入到100ml沸腾的水中，剧烈搅拌350-400rpm，反应3-4min后，再加入670μl的质量分数1％氯金酸haucl4，反应20分钟，溶液变成紫红色，停止加热，冷却至室温得到纳米金球溶液；
(3)检测试纸及检测溶液的制备：
a.用tmb粉末溶于乙醇得到5×10-3m的tmb溶液，将所得5×10-3m的tmb溶液加超纯水中稀释，得到5×10-4m的tmb溶液；然后取4-5ml的5×10-4m的tmb溶液、2-3ml纳米金球溶液、4-5ml的br缓冲溶液、4-5ml超纯水混合得到浸泡液；
b.硫酸纸裁剪成1cm×1cm的方形，置于浸泡液中浸泡8-15min，用干净的镊子取出后放置于洁净的玻璃片并放置于55-65℃烘箱烘烤10-15min得到检测试纸；
c.将质量分数为30％的h2o2溶液与超纯水等体积混合制成检测溶液；
(4)检测装置上待检测液和检测试纸以及检测溶液反应得到反应结果：
将制备好的试纸放置到检测装置的安置区，固定后在安置区分别滴加40-60μl不同浓度待检测溶液和检测液，使得连通的安置区和对比区均匀分布，等待1-3min；
(5)通过智能手机检测程序得到反应结果；
(6)若多次检测不同浓度的待检测液，检测结果将通过检测结果存储单元被记录在历史记录中以折线图形式呈现。
4.根据权利要求书3所述的一种基于app的汞离子比色检测系统的检测方法，其特征在于，通过智能手机检测程序得到反应结果，具体包括以下步骤：
步骤1，通过智能手机摄像头作为拍摄单元，选择低浓度、中浓度和高浓度的待检测溶液汞离子对应的比色检测的图像各n个，然后通过数据处理单元对图像进行预处理，将其归一化为h×w大小，并构建训练样本矩阵，h表示图片宽度，w表示图片长度：
其中，f为归一化后图像，按行优先原则生成的列向量；
步骤2，通过opencv提取各彩色通道所有矩形块的像素值(即rgb值)作为特征数据，将所得的特征数据标准化，并将特征数据矩阵重排为h×w×3行、1列的形式；
步骤3，设计脚本为图像生成的预定的分类器标签集合{p1，p2，…,pn|pi∈{1，2，3},i＝1,2,…,n},其中n为图片数量，若pi＝1表示高浓度，若pi＝2表示中浓度，若pi＝3表示低浓度，将图像的特征数据与对应生成的最佳分类器标签按列排列，整合为训练数据traindata；
步骤4，选择候选的svm图像分类模型，选用的模型的核函数类型为线性核函数或rbf核，选用惩罚参数c的区间在10-100之间，超参数gamma的区间在0-5之间，迭代精度的区间在10-6-10-5之间，在pc端利用opencv，基于间隔最大化，利用生成的训练数据训练模型，设计svm图像分类模型的选择算法，寻找一个超平面γ来对样本进行分割；
步骤5，利用已经训练好的候选svm分类模型，在数据集上对模型进行测试，并根据预定得到的分类器标签q，若q＝1表示高浓度，若q＝2表示中浓度，若q＝3表示低浓度，计算该模型预测的准确度；
步骤6，利用候选的图像分类模型的分类结果，调整模型的参数，改变模型的核函数类型、惩罚参数c、超参数gamma和迭代精度，选用的模型的核函数类型为线性核函数或rbf核，选用惩罚参数c的区间在10-100之间，超参数gamma的区间在0-5之间，迭代精度的区间在10-6-10-5之间，以预测的准确率为判决标准，寻找最优的分类器模型，并验证该模型用于pc端预测的可实现性；
步骤7，由于在使用不同的手机进行拍摄时，手机的配置和拍照的角度、光线不同，对分类结果造成一定程度的影响；为消除此影响，设置标准比色卡，在app内部设定校正程序，通过对所拍摄的比色卡提取rgb的信息，与系统标准色做对比，计算出校正系数α；
步骤8，将步骤6中已经训练好的svm模型载入app中，与app界面相结合；用手机拍摄比色检测之后的图片加载入app中，通过设定的程序裁剪图片，并进行预处理，用校正系数α对提取的待检测数据b进行校正，得到校正后的数据；将校正后的数据输入分类器，得出汞离子是否超标以及其浓度，经数据反馈单元直接呈现在手机界面上。
技术总结