Бинарная цветометрия в химическом анализе питьевых, природных и сточных вод: сопоставление с фотометрией

Представлены результаты сравнительного исследования возможностей методов бинарной цветометрии и фотометрии для химического анализа питьевых, природных и сточных вод на примере определения железа (II, III), никеля (II) и меди (II). Пробоподготовка идентична для обоих рассматриваемых методов. Цифровую съемку анализируемых растворов проводили с использованием мобильного устройства в контролируемых условиях. Оценка влияния рассеянного света показала отсутствие значимого вклада в результаты цветометрических измерений. Полученные изображения обрабатывали с помощью специализированного программного средства и переводили в бинарный формат с последующим определением уровня бинаризации, используемого в качестве аналитического сигнала. Установлено, что относительные стандартные отклонения результатов, полученных методами бинарной цветометрии и фотометрии, не превышают 0,12 и 0,06 соответственно. Двухфакторный дисперсионный анализ не выявил статистически значимых различий в точности рассматриваемых методов, однако показано различие точности результатов анализа растворов с разным уровнем концентраций Fe, Ni и Cu. Установлено, что на уровне концентраций 0,10 – 2,00 мг/л Fe, 0,02 – 0,10 мг/л Ni и 0,25 – 1,50 мг/л Cu характеристики чувствительности бинарной цветометрии ожидаемо уступают фотометрии. Показано, что для цветометрического определения Fe (II, III), Ni (II) и Cu (II) на уровне концентраций, близких к пределам обнаружения указанных ионов, анализируемую воду следует концентрировать. Результаты проведенного исследования свидетельствуют о том, что бинарная цветометрия может рассматриваться в качестве доступной альтернативы в условиях отсутствия фотометра для определения Fe (II, III), Ni (II) и Cu (II) в воде.

1. Zolotov Yu. A. Methodological aspects of analytical chemistry / J. Anal. Chem. 2021. Vol. 76. No. 1. P. 1 – 14. DOI: 10.1134/s1061934821010160

2. Lurye Yu. Yu. Analytical chemistry of industrial wastewater. — Moscow: Khimiya, 1984. — 448 p. [in Russian].

3. Zolotov Yu. A. The general methodology of analytical environmental control / J. Anal. Chem. 2010. Vol. 65. No. 3. P. 221 – 222. DOI: 10.1134/s1061934810030019

4. Monogarova O. V., Oskolok K. V., Apyari V. V. Colorimetry in chemical analysis / J. Anal. Chem. 2018. Vol. 73. No. 11. P. 1076 – 1084. DOI: 10.1134/s1061934818110060

5. Ivanov V. M., Monogarova O. V., Oskolok K. V. Capabilities and prospects of the development of a chromaticity method in analytical chemistry / J. Anal. Chem. 2015. Vol. 70. No. 10. P. 1165 – 1178. DOI: 10.1134/s1061934815100111

6. Shults E. V., Monogarova O. V., Oskolok K. V. Digital colorimetry: analytical possibilities and prospects of use / Moscow Univ. Chem. Bull. 2019. Vol. 74. P. 55 – 62. DOI: 10.3103/S002713141902007x

7. Chaplenko A. A., Monogarova O. V., Oskolok K. V., et al. Digital colorimetry in chemical and pharmaceutical analysis / Moscow Univ. Chem. Bull. 2022. Vol. 77. P. 61 – 67. DOI: 10.3103/s002713142202002x

8. Apyari V. V., Gorbunova M. V., Isachenko A. I., et al. Use of household color-recording devices in quantitative chemical analysis / J. Anal. Chem. 2017. Vol. 72. No. 11. P. 1127 – 1137. DOI: 10.1134/s106193481711003x

9. Shogah Z. A. C., Bolshakov D. S., Amelin V. G. Using smartphones in chemical analysis / J. Anal. Chem. 2023. Vol. 78. No. 4. P. 426 – 449. DOI: 10.1134/s1061934823030139

10. Domasev M. V., Gnatyuk S. P. Color, color management, color calculations and measurements. — St. Petersburg: Piter, 2009. — 224 p. [in Russian].

11. Shapiro L., Stockman J. Computer vision. — Moscow: Matematika, 2013. — 752 p. [in Russian].

12. Lozhkarev A. S., Timofeev I. A. Investigation of the process of binarization of images using local values of the threshold / Prikl. Informatika. 2021. Vol. 16. No. 6. P. 54 – 65 [in Russian]. DOI: 10.37791/2687-0649-2021-16-6-54-65

13. Gonzalez R., Woods R. Digital image processing. — Moscow: Tekhnosfera, 2012. — 1104 p. [in Russian].

14. Araslankin S. V., Shchankin M. V., Golovina E. N., et al. Evaluation of the degree of starch pyrodextrinization using binary digital image colorimetry / Inorg. Mater. 2024. Vol. 60. No. 3. P. 359 – 366. DOI: 10.1134/s002016852470033x

15. Hasenplaugh W. C., Neifeld M. A. Image binarization techniques for correlation-based pattern recognition / Opt. Eng. 1999. Vol. 38. No. 11. P. 1907 – 1917. DOI: 10.1117/1.602241

16. Otsu N. A threshold selection method from gray-level histograms / IEEE Trans. Syst., Man Cybern. 1979. Vol. 9. No. 1. P. 62 – 66. DOI: 10.1109/tsmc.1979.4310076

17. Sauvola J., Pietikäinen M. Adaptive document image binarization / Pattern Recognit. 2000. Vol. 33. No. 2. P. 225 – 236. DOI: 10.1016/s0031-3203(99)00055-2

18. Gatos B., Pratikakis I., Perantonis S. J. Adaptive degraded document image binarization / Pattern Recognit. 2006. Vol. 39. No. 3. P 317 – 327. DOI: 10.1016/j.patcog.2005.09.010

19. Saleh L. O. A., Khlopin S. V., Chernenkaya L. V., et al. Algorithm for determining the concentration of impurities in a liquid from optical data / Izv. TulGU. Tekhn. Nauki. 2023. No. 1. P. 247 – 256 [in Russian]. DOI: 10.24412/2071-6168-2023-1-247-256

20. Mehlig J. Colorimetric determination of copper with ammonia / Ind. Eng. Chem. Anal. Ed. 1941. Vol. 13. No. 8. P. 533 – 535. DOI: 10.1021/i560096a006

21. Lazarev A. I., Kharlamov I. P., Yakovlev P. Ya., et al. Handbook for analytical chemists. — Moscow: Metallurgiya, 1976. — 184 p. [in Russian].

22. Schneider C. A., Rasband W. S., Eliceiri K. W. NIH Image to ImageJ: 25 years of image analysis / Nat. Methods. 2012. Vol. 9. No. 7. P. 671 – 675. DOI: 10.1038/nmeth.2089

23. Akhnazarova S. L., Kafarov V. V. Methods for optimizing an experiment in chemical technology: a textbook for chemical engineering specialties of universities. — Moscow: Vysshaya shkola, 1985. — 327 p. [in Russian].

24. Doerffel K. Statistics in analytical chemistry. — Moscow: Mir, 1994. — 268 p. [in Russian].

25. Eksperiandova L. P., Belikov K. N., Khimchenko S. V., Blank T. A. Once again about determination and detection limits / J. Anal. Chem. 2010. Vol. 65. P. 223 – 228. DOI: 10.1134/s1061934810030020

26. Dvorkin V. I. Metrology and quality assurance of quantitative chemical analysis. — Moscow: Tekhnosfera, 2019. — 318 p. [in Russian].