CN101995395A - 一种激光诱导多种光谱联合指纹网络在线检测材料的方法 - Google Patents
一种激光诱导多种光谱联合指纹网络在线检测材料的方法 Download PDFInfo
- Publication number
- CN101995395A CN101995395A CN2009100564696A CN200910056469A CN101995395A CN 101995395 A CN101995395 A CN 101995395A CN 2009100564696 A CN2009100564696 A CN 2009100564696A CN 200910056469 A CN200910056469 A CN 200910056469A CN 101995395 A CN101995395 A CN 101995395A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- laser
- fingerprint
- network
- induced
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 108
- 239000000463 material Substances 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000006698 induction Effects 0.000 title abstract 2
- 238000001237 Raman spectrum Methods 0.000 claims abstract description 23
- 238000000695 excitation spectrum Methods 0.000 claims abstract description 15
- 238000012360 testing method Methods 0.000 claims description 37
- 239000000835 fiber Substances 0.000 claims description 25
- 230000003287 optical effect Effects 0.000 claims description 25
- 230000003595 spectral effect Effects 0.000 claims description 20
- 238000004611 spectroscopical analysis Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 239000013078 crystal Substances 0.000 claims description 6
- 239000013307 optical fiber Substances 0.000 claims description 5
- 241001465754 Metazoa Species 0.000 claims description 4
- 230000005284 excitation Effects 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims description 4
- 210000005036 nerve Anatomy 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 7
- 239000000126 substance Substances 0.000 abstract description 4
- 230000001678 irradiating effect Effects 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 57
- 238000001069 Raman spectroscopy Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 8
- 238000010183 spectrum analysis Methods 0.000 description 7
- 238000010521 absorption reaction Methods 0.000 description 6
- 238000001499 laser induced fluorescence spectroscopy Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000007621 cluster analysis Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 3
- 238000002329 infrared spectrum Methods 0.000 description 3
- 238000000862 absorption spectrum Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005670 electromagnetic radiation Effects 0.000 description 2
- 238000002189 fluorescence spectrum Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000012113 quantitative test Methods 0.000 description 2
- 239000012488 sample solution Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000011343 solid material Substances 0.000 description 2
- 241000931526 Acer campestre Species 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 229920001410 Microfiber Polymers 0.000 description 1
- 238000004847 absorption spectroscopy Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000007795 chemical reaction product Substances 0.000 description 1
- 238000011840 criminal investigation Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000003658 microfiber Substances 0.000 description 1
- -1 organic compound Chemical class 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 238000005375 photometry Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000005477 standard model Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 238000000870 ultraviolet spectroscopy Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
一种激光诱导多种光谱联合指纹网络在线检测材料的方法，包括一个利用激光照射被测样品同时利用光谱仪探测被测样品的荧光激发光谱、等离子体光谱或拉曼光谱的第一步骤，并包括一个将被测样品的上述光谱与现有图谱比对的第二步骤，在第一步骤中，利用计算机或智能手机采集光谱仪得到的光谱信号，然后将信号传递到一个中心服务器，中心服务器通过数据交换系统与一个预设的多种光谱联合指纹数据库连接，多种光谱联合指纹数据库中设置有材料和物质的荧光激发光谱、等离子体光谱和拉曼光谱的标准光谱指纹数据，在第二步骤中，中心服务器将光谱图像信号与该数据库中的标准光谱指纹数据进行比对分析，然后确定被测样品的材料性质，将比对结果返回计算机。
Description
技术领域：
本发明涉及物理领域，尤其涉及光谱测量技术，特别是一种激光诱导多种光谱联合指纹网络在线检测材料的方法。
背景技术：
光是一种电磁辐射波，具有一定的能量，不同波长光的能量与分子或原子内电子的某个量子化能级差相对应，当光作用于待测物质时，会引起反射、吸收和散射等现象，从而产生入射光信号的变化，入射光信号的变化直接反映了化合物原子或分子电磁辐射的吸收量、反射量或散射量，光谱技术就是测量其变化，得到光吸收、反射或散射的光谱图，从而进行定性或者定量分析，识别化合物。
常用的光谱技术方法有紫外-可见吸收光谱法，也称为紫外-可见分光光度法，多用于有机材料的分析。分析所用仪器的主要构造包括光源、波长控制装置、吸收池和信号检测器。光源有紫外线和可见光两个系统，吸收池供放置检材、样本溶液之用。紫外线或可见光光束射入吸收池中的检材或样本溶液，有些波长被吸收，有些波长被通过，因而形成谱图，通过检测器记录系统记录下来或在荧光屏上显示。然后对所形成的谱图进行分析，从而对检材、样本加以识别。
常用的光谱技术方法还有红外光谱(IR)法，测定依据取决于检材、样品对红外光的吸收波长以及强度。习惯上，把红外光谱按照波长分为三个区域，即近红外区(0.78u m-2.5u m)、中红外区(2.5u m-50u m)、远红外区(50u m-1000u m)，而其中特别有实际应用意义的是中红外区，各种物质在这个区域的红外线都有各自特有的红外吸收光谱，往往把它和指纹相比，称为“红外指纹区”，所以利用红外波段来进行化合物、特别是有机化合物的识别，效果显著。但需要强调的是，如果不对检材、样本进行基体分离，就对其关键成分进行分析，这种识别就可能不准确，因其只能完成对化合物的主要功能团的描述，另外也存在着一定的局限性。想得到一张高质量的谱图，除了需要好的仪器、合适的操作条件外，样品的制备技术也很重要，要求在采样过程中尽量避免对样品的任何污染，才能保证样品测试结果的准确有效。而且在分析微量气体样品和微量液体样品方面也存在着困难，红外吸收谱带的位置、强度和形状随着测定时样品的物理状态以及制样方法而变化。
常用的光谱技术方法还有激光诱导光谱分析法。激光具有下列特征：①光子通量大，峰值功率高；②空间相干性好，可将光束精确定位于小范围内；③时间相干性好，可得皮秒短脉冲，使检测系统将激发信号和发射信号分开；④谱线窄且波长可调。由于激光可聚焦成很小的光斑，使用不到1微升的试样便可进行分析，这极有利于生物化学的研究工作。激发诱导光谱检测方法主要是利用强激光照射被测样品，产生荧光、等离子体和发生拉曼散射等，通过光谱仪探测、检测荧光、等离子体和拉曼散射的特性和强度，从而进行物质的定性分析或定量分析的方法。它是一种探测浓度极小的分子物质的灵敏技术比常规的吸收光谱学的灵敏度提高了许多个数量级。而且对被测材料无损伤、测量环境要求低。
其中，激光诱导荧光谱的原理是：激光照射被测物质上，被测物质中的分子、原子吸收激发光的能量后，从低能级跃迁到高能级。该高能级是不稳定的，经过一段时间后，分子、原子自发的从非稳态的高能级跃迁到稳态或亚稳态的较低能级，同时发出一个光子。不同的原子、分子的能级是固定的，因此它们发出的光子能量是一定的，即波长一定。我们只要测出该荧光的波长，即可以识别所测物质的元素和成份，而比较荧光强度，我们可以测出它的含量。荧光激发光谱可作为定性分析的一种手段，用以鉴定物质。根据试样的图谱和波长峰与已知样品进行比较，可以鉴别试样和标准样品是否同一物质。
激光拉曼光谱法，主要用于识别物质的种类，因为每一种物质(分子)都有自己的特征拉曼光谱，可以作为表征这一物质之用。当一束波长为λ的光照射到物质上之后，一部分光被反射，一部分光被透射，还有一部分光被散射，在散射光中，其中一部分光的波长和入射光相同，一部分和入射光的波长不同，与入射光不同的散射就称为拉曼散射。由于拉曼散射与入射光的波长无关，只与物质本身的分子结构和振动有关，每个分子产生的拉曼光谱的谱带数目、谱带强度、位移大小等都直接与分子的振动和转动相关联，所以拉曼光谱属于分子的振动和转动光谱。使用拉曼光谱法进行材料检验，具有操作简便、快速、不破坏和污染检材、无需准备样本或者进行其他的特殊处理等优点。
激光诱导等离子体光谱是利用强激光与被测材料相互作用产生等离子体发光后，利用光谱技术，并借助于等离子体的理论模型，测量分析等离子体光谱，如谱线强度、谱线轮廓以及谱线的分裂、位移等后，就可以得到等离子体的一些参量，如等离子体成分、温度、密度等。在高温作用下，物质离解为原子或离子，因此，被激发后产生的特征光谱为线状光谱，它只反映原子或离子的性质，与原子状态无关，所以只能确定检材元素组成和含量，而不能给出检材分子结构的信息
虽然激光诱导光谱测量精度高，对采样要求低。但现有技术中，常规激光光谱仪设备昂贵，体积较大，需要专业人员操作，并通过对图谱中谱带的位置、形状和相对强度进行分析、识别。另外为了提高探测灵敏度和精度，必须提高激光的功率，但是需要受实验室条件限制，并不是任何时候都可行，同时，紫外波段的激光器价格比较昂贵。这使得光谱分析技术一直停留在实验室，无法广泛使用。
发明内容：
本发明的目的在于提供一种激光诱导多种光谱联合指纹网络在线检测材料的方法，所述的这种激光诱导多种光谱联合指纹网络在线检测材料的方法要解决现有技术中激光诱导光谱分析过程中需要专业人员比对图谱、设备昂贵、受实验室条件限制、无法广泛使用的技术问题。这项发明可以作为一个材料识别/购买系统，允许用户通过激光诱导多种光谱联合指纹网络在线检测技术获取材料信息。
本发明的这种激光诱导多种光谱联合指纹网络在线检测材料的方法包括一个利用激光照射被测样品同时利用光谱仪探测被测样品的荧光激发光谱、等离子体光谱或拉曼光谱的第一步骤，并包括一个将被测样品的荧光激发光谱、等离子体光谱或拉曼光谱与现有图谱比对的第二步骤，其特征在于：在所述的第一步骤中，利用计算机或智能手机采集光谱仪探测得到的荧光激发光谱、等离子体光谱或拉曼光谱的图像信号，然后将所述的图像信号传递到一个中心服务器，所述的中心服务器通过数据交换系统与一个预设的多种光谱联合指纹数据库连接，所述的多种光谱联合指纹数据库中设置有材料和物质的荧光激发光谱、等离子体光谱和拉曼光谱的标准光谱指纹数据，在所述的第二步骤中，中心服务器接收来自计算机或智能手机的图像信号，与多种光谱联合指纹数据库中的标准光谱指纹数据进行比对分析，然后确定被测样品的材料性质，将比对结果返回计算机。
进一步的，所述的计算机通过网络与中心服务器连接。
进一步的，在所述的第二步骤中，中心服务器通过数据交换系统从多种光谱联合指纹数据库中调用标准光谱指纹数据，然后采用聚类分析方法或者人工神经网络方法对来自计算机的被测样品的光谱图谱进行解读、比较和判断，最终得到被测材料成分和特性。
进一步的，所述的聚类分析方法包括了划分方法、或者层次方法、或者基于密度的方法、或者基于网格的方法、或者基于模型的方法。
进一步的，所述的人工神经网络方法是模仿动物神经网络行为特征、进行分布式并行信息处理的算法数学模型，通过预先提供的一批相互对应的标准光谱指纹数据和材料数据，分析标准光谱指纹数据和材料数据之间的规律，最终根据这些规律，用新输入的标准光谱指纹数据来推算材料数据。
进一步的，在所述的第一步骤中，采用多波长亚纳秒脉冲激光作为光谱激励光源。
本发明还提供了一种实现上述激光诱导多种光谱联合指纹网络在线检测材料方法的系统，所述的这种系统由激光器、激光谐波变换系统、光学聚焦系统、样品室、光学采集透镜、光纤光谱仪以及智能手机或PC机、中心服务器、数据交换系统和激光诱导多种光谱联合指纹网络数据库构成，其特征在于：所述的激光谐波变换系统、光学聚焦系统和样品室均设置在激光器的激光出射光路中，光学聚焦系统设置在激光器与样品室之间，激光谐波变换系统设置在激光器与光学聚焦系统之间，所述的光学采集透镜设置与样品室的激发光路成15到165度之间的夹角的位置上，所述的光纤光谱仪的输入端设置在光学采集透镜的焦点处，光纤光谱仪的输出端与所述的智能手机或PC机连接，智能手机或PC机通过网络与所述的中心服务器连接，中心服务器通过所述的数据交换系统与所述的激光诱导多种光谱联合指纹网络数据库连接。
进一步的，所述的激光器和光纤光谱仪均与一个电池连接。
进一步的，所述的激光器采用微片激光器，利用所述的微片激光器产生亚纳秒脉冲激光，脉冲宽度小于1ns，激光谐波变换系统中使用KTP、LBO、BBO和KDP光学晶体组合实现产生1000-1100nm波长的基频光、500-550nm波长的二次谐波和333-367nm波长的三次谐波以及250--275nm波长的四次谐波。
进一步的，所述的光纤光谱仪采用光纤作为信号耦合器件，将光学采集透镜的焦点处的被测光耦合到光谱仪中。
本发明的工作原理是：将被测样品放置到样品室内，对于大件固体材料检测，可使大件固体材料表面直接置于激励激光通过光学聚焦系统后的聚焦点处。激光器产生的1064nm脉冲激光通过激光谐波变换系统，即使用两块KDP光学晶体产生激光波长为266nm的四次谐波，实现荧光光谱测试；另外通过改变激光谐波变换系统光学参数，即使用KDP光学晶体产生532nm二次谐波激光，用于样品拉曼光谱测试；再通过266nm的紫外激光或者532nm绿激光经过光学聚焦系统聚焦于样品室中央，激发被测样品产生荧光或拉曼散射光。荧光或拉曼散射光通过光学采集透镜进入光纤光谱仪测试产生被测材料激光诱导荧光和拉曼光谱。荧光光谱和拉曼光谱数据通过智能手机或者计算机采集编辑，然后通过网络传输到中心服务器。中心服务器对这些光谱数据进行处理，首先通过数据交换系统从激光诱导多种光谱联合指纹网络数据库中调用标准光谱指纹数据，然后采用聚类分析、人工神经网络等方法对获得的被测材料光谱指纹图谱进行解读、比较和判断，最终得到被测材料成分和特性。并实时通过网络传回给智能手机或者计算机，将检测结果告知用户。
本发明更详细的工作原理是：激光诱导多种光谱主要包括激光诱导荧光光谱、等离子光谱和拉曼光谱等。本发明中的第一步骤通过激光诱导多种光谱测试终端来实现，所述的激光诱导多种光谱测试终端主要包括激光器、激光谐波变换系统、光学聚焦系统、样品室、光学采集透镜、光纤光谱仪以及智能手机或PC机用于采集显示编辑和控制传输。利用激光诱导多种光谱分析测试材料，它们最大的特点是不需要对待测样品进行预处理、不破坏和污染检材、受环境影响小和测量精度高。可以被大量非专业人员使用。尤其是随着激光技术和CCD技术的发展，激光诱导多种光谱测量手段更加多样。本发明中使用了一种全新的多波长亚纳秒脉冲激光作为光谱激励光源，同时利用光纤光谱仪测量样品的激光诱导多种光谱数据，整套测量设备非常轻便，可以使用电池供电工作，非常适合在任何环境下在线检测使用。多波长亚纳秒脉冲激光采用微片激光器作为基频光，脉冲宽度小于1ns，虽然单脉冲激光能量很低(微焦级)，但激光脉宽小于1ns，激光峰值功率可高达几十千瓦，非常适用于作为荧光、拉曼和等离子体光谱测量用激励光源。并采用激光谐波技术，使用KTP、LBO、BBO和KDP光学晶体组合实现产生四种波长：1000-1100nm基频光、500-550nm二次谐波和333-367nm三次谐波以及250-275nm四次谐波，可以更好的针对不同材料测试。而且价格便宜。光纤光谱仪采用光纤作为信号耦合器件，将被测光耦合到光谱仪中进行光谱分析。由于光纤的方便性，用户可以非常灵活的搭建光谱采集系统。光纤光谱仪的优势在于测量系统的模块化和灵活性。微型光纤光谱仪的测量速度非常快，可以用于在线分析。而且由于采用了低成本的通用探测器，降低了光谱仪的成本，从而也降低了整个测量系统的造价
由于样品多样性和成分复杂，目前的单一光谱测定方法给出信息较少，均无法建立完善的光谱指纹图谱，因此本发明利用数据交换系统将中心服务器与激光诱导多种光谱联合指纹网络数据库连接，从而可以逐步建立激光诱导多种光谱联合指纹网络数据库。即采用多波长激光同时测定材料激光荧光、等离子或拉曼光谱指纹图谱，各图谱间相互补充信息，可对复杂样品有更准确的特性识别。材料激光诱导多种光谱联合指纹数据的建立能够系统完整地解决样品多样性和成分复杂的测量诊断，要找出多个图谱信息完全相同的材料几乎是不可能的。本发明可通过对大量最终样品采集激光诱导多种光谱，并对其信息化和数字化来建立激光诱导多种光谱联合指纹网络数据库。主要过程为针对某类样品和要求，确定合适的获得激光诱导多种光谱联合指纹的分析方法(如荧光、等离子或拉曼光谱以及联用等)，建立整个分析方法的各种操作条件，进行测试，以获得不同样品的激光诱导多种光谱联合指纹图谱，对所得指纹图谱进行分析，并利用模糊数学、统计学、计算机技术等对指纹图谱数据信息确定其数字特征。然后根据激光诱导多种光谱联合指纹谱图的特性建立网络数据库。光谱指纹网络数据库按一定的结构和规则组织起来的相关激光光谱数据的集合。是综合各样品数据形成的数据集合，是存放数据的仓库。网络数据库技术目前是计算机处理与存储数据的最有效、最成功的技术。把其应用到光谱指纹谱图数据库建立上来，使数据库具有数据量大、增长迅速、更新速度快、使用便捷、数据标准、规范、多元等特点。另外数据库的检索功能强，而且具有很强扩展整合功能，方便与其他数据库的链接与整合，实现资源共享。并且网络数据库产品可与服务紧密结合，这也是网络数据库的又一显著特征。
本发明中对于光谱的分析和诊断，则是通过网络和中央服务器，将处在不同地方和空间位置、操作相对独立的激光光谱测试终端连接起来，再配置一定的系统和应用软件，在原本独立的激光诱导光谱测试终端实现软硬件资源共享和信息传递。结合网络激光诱导多种光谱联合指纹图谱数据库构成在线材料成分特性诊断检测系统。光谱指纹的分析和诊断过程是光谱测试终端通过网络将被测材料的光谱传送给中央服务器，而中央服务器对这些数据进行处理，首先通过数据交换系统从数据库中调用标准光谱指纹数据，然后采用聚类分析、人工神经网络等方法对获得的被测材料光谱指纹图谱进行解读、比较和判断，最终得到被测材料成分和特性。并实时通过网络传回给检测终端，将结果告知用户。聚类分析方法非常适合用于大量的数据的分类，常用的聚类算法主要有以下一些方法：划分方法，层次方法，基于密度的方法，基于网格的方法，基于模型的方法。聚类分析是一种硬划分，它按照一定的要求和规律将材料光谱指纹进行分类，这种分类的界限是分明的，具有“非此即彼”的性质。将聚类分析应用于数据挖掘中可以大大提高计算效率，可以根据不同的要求获得不同的聚类结果，这样大大地提高了聚类的灵活性并有效地降低了计算量，具有较好的可伸缩性，便于找出孤立点。
人工神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入-输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果。
本发明和已有技术相比较，其效果是积极和明显的。本发明利用网络与激光诱导多种光谱联合指纹图谱在线连接，利用激光诱导多种光谱分析测试材料，能广泛应用于地质、机械、航空航天、轻工纺织、石油化工、食品、生命健康、医药卫生、材料、能源、农林、环境保护、刑事侦察、商品检验、国防科技、考古、珠宝、文物鉴定等领域，将现代激光光谱分析技术全面运用于质量管理，对产品复杂特性做出精确科学的表达。对于成品质量、工艺操作、原料材料的质量控制和具有重大意义。并且不需要对待测样品进行预处理，不破坏和污染检材，受环境影响小，测量精度高。可以被大量非专业人员使用。
附图说明：
图1是本发明一种激光诱导多种光谱联合指纹网络在线检测材料的方法的原理示意图。
图2是本发明一种激光诱导多种光谱联合指纹网络在线检测材料的方法中的检测系统的一个实施例的示意图。
具体实施方式：
实施例1：
如图1所示，本发明一种激光诱导多种光谱联合指纹网络在线检测材料的方法，包括一个利用激光照射被测样品同时利用光谱仪探测被测样品的荧光激发光谱、等离子体光谱或拉曼光谱的第一步骤，并包括一个将被测样品的荧光激发光谱、等离子体光谱或拉曼光谱与现有图谱比对的第二步骤，其中，在所述的第一步骤中，利用计算机采集光谱仪探测得到的荧光激发光谱、等离子体光谱或拉曼光谱的图像信号，然后将所述的图像信号传递到一个中心服务器，所述的中心服务器通过数据交换系统与一个预设的多种光谱联合指纹数据库连接，所述的多种光谱联合指纹数据库中设置有材料和物质的荧光激发光谱、等离子体光谱和拉曼光谱的标准光谱指纹数据，在所述的第二步骤中，中心服务器接收来自计算机的图像信号，与多种光谱联合指纹数据库中的标准光谱指纹数据进行分析比对，然后确定被测样品的材料性质，将比对结果返回计算机。
进一步的，所述的计算机通过网络与中心服务器连接。
进一步的，在所述的第二步骤中，中心服务器通过数据交换系统从多种光谱联合指纹数据库中调用标准光谱指纹数据，然后采用聚类分析方法或者人工神经网络方法对来自计算机的被测样品的光谱图谱进行解读、比较和判断，最终得到被测材料成分和特性。
进一步的，所述的聚类分析方法包括了划分方法、或者层次方法、或者基于密度的方法、或者基于网格的方法、或者基于模型的方法。
进一步的，所述的人工神经网络方法是模仿动物神经网络行为特征、进行分布式并行信息处理的算法数学模型，通过预先提供的一批相互对应的标准光谱指纹数据和材料数据，分析标准光谱指纹数据和材料数据之间的规律，最终根据这些规律，用新输入的标准光谱指纹数据来推算材料数据。
进一步的，在所述的第一步骤中，采用多波长亚纳秒脉冲激光作为光谱激励光源。
如图2所示，本发明还提供了一种实现上述激光诱导多种光谱联合指纹网络在线检测材料方法的系统，所述的这种系统由激光器1、激光谐波变换系统2、光学聚焦系统3、样品室4、光学采集透镜5、光纤光谱仪6和光纤光谱仪7以及智能手机或PC机9、中心服务器11、数据交换系统12和激光诱导多种光谱联合指纹网络数据库13构成，其中，所述的激光谐波变换系统2、光学聚焦系统3和样品室4均设置在激光器1的激光出射光路15中，光学聚焦系统3设置在激光器1与样品室4之间，激光谐波变换系统2设置在激光器1与光学聚焦系统3之间，所述的光学采集透镜5设置与样品室的激发光路成15到165度之间的夹角的位置上，所述的光纤光谱仪6和光纤光谱仪7的输入端设置在光学采集透镜5的焦点处，光纤光谱仪6和光纤光谱仪7的输出端与所述的智能手机或PC机9连接，智能手机或PC机9通过网络10与所述的中心服务器11连接，中心服务器11通过所述的数据交换系统12与所述的激光诱导多种光谱联合指纹网络数据库13连接，
进一步的，所述的激光器1和光纤光谱仪6和光纤光谱仪7均与一个充电式锂电池8连接。
进一步的，所述的激光器1采用微片激光器，利用微片激光器产生亚纳秒脉冲激光，脉冲宽度小于1ns，激光谐波变换系统2中使用KTP、LBO、BBO和KDP光学晶体组合实现产生1000-1100nm波长的基频光、500-550nm波长的二次谐波和333-367nm波长的三次谐波以及250-275nm波长的四次谐波。
进一步的，所述的光纤光谱仪6和光纤光谱仪7采用光纤作为信号耦合器件，将光学采集透镜5的焦点处的被测光14耦合到光谱仪中。
Claims (10)
1.一种激光诱导多种光谱联合指纹网络在线检测材料的方法，包括一个利用激光照射被测样品同时利用光谱仪探测被测样品的荧光激发光谱、等离子体光谱或拉曼光谱的第一步骤，并包括一个将被测样品的荧光激发光谱、等离子体光谱或拉曼光谱与现有图谱比对的第二步骤，其特征在于：在所述的第一步骤中，利用计算机或智能手机采集光谱仪探测得到的荧光激发光谱、等离子体光谱或拉曼光谱的图像信号，然后将所述的图像信号传递到一个中心服务器，所述的中心服务器通过数据交换系统与一个预设的多种光谱联合指纹数据库连接，所述的多种光谱联合指纹数据库中设置有材料和物质的荧光激发光谱、等离子体光谱和拉曼光谱的标准光谱指纹数据，在所述的第二步骤中，中心服务器接收来自计算机或智能手机的光谱图像信号，与多种光谱联合指纹数据库中的标准光谱指纹数据进行比对分析，然后确定被测样品的材料性质，将比对结果返回计算机。
2.如权利要求1所述的激光诱导多种光谱联合指纹网络在线检测材料的方法，其特征在于：所述的计算机或智能手机通过网络与中心服务器连接。
3.如权利要求1所述的激光诱导多种光谱联合指纹网络在线检测材料的方法，其特征在于：在所述的第二步骤中，中心服务器通过数据交换系统从多种光谱联合指纹数据库中调用标准光谱指纹数据，然后采用聚类分析方法或者人工神经网络方法对来自计算机的被测样品的光谱图谱进行解读、比较和判断，最终得到被测材料成分和特性。
4.如权利要求3所述的激光诱导多种光谱联合指纹网络在线检测材料的方法，其特征在于：所述的聚类分析方法包括了划分方法、或者层次方法、或者基于密度的方法、或者基于网格的方法、或者基于模型的方法。
5.如权利要求4所述的激光诱导多种光谱联合指纹网络在线检测材料的方法，其特征在于：所述的人工神经网络方法是模仿动物神经网络行为特征、进行分布式并行信息处理的算法数学模型，通过预先提供的一批相互对应的标准光谱指纹数据和材料数据，分析标准光谱指纹数据和材料数据之间的规律，最终根据这些规律，用新输入的标准光谱指纹数据来推算材料数据。
6.如权利要求1所述的激光诱导多种光谱联合指纹网络在线检测材料的方法，其特征在于：在所述的第一步骤中，采用多波长亚纳秒脉冲激光作为光谱激励光源。
7.一种实现如权利要求1所述的激光诱导多种光谱联合指纹网络在线检测材料的方法的系统，由激光器、激光谐波变换系统、光学聚焦系统、样品室、光学采集透镜、光纤光谱仪以及智能手机或PC机、中心服务器、数据交换系统和激光诱导多种光谱联合指纹网络数据库构成，其特征在于：所述的激光谐波变换系统、光学聚焦系统和样品室均设置在激光器的激光出射光路中，光学聚焦系统设置在激光器与样品室之间，激光谐波变换系统设置在激光器与光学聚焦系统之间，所述的光学采集透镜设置在与样品室的激发光路成15到165度之间的夹角的位置上，所述的光纤光谱仪的输入端设置在光学采集透镜的焦点处，光纤光谱仪的输出端与所述的智能手机或PC机连接，智能手机或PC机通过网络与所述的中心服务器连接，中心服务器通过所述的数据交换系统与所述的激光诱导多种光谱联合指纹网络数据库连接。
8.如权利要求7所述的激光诱导多种光谱联合指纹网络在线检测材料的系统，其特征在于：所述的激光器和光纤光谱仪均与一个电池连接。
9.如权利要求7所述的激光诱导多种光谱联合指纹网络在线检测材料的系统，其特征在于：所述的激光器采用微片激光器，利用所述的微片激光器产生亚纳秒脉冲激光，脉冲宽度小于1ns，激光谐波变换系统中使用KTP、LBO、BBO和KDP光学晶体组合实现产生1000-1100nm波长的基频光、500-550nm波长的二次谐波和333-367nm波长的三次谐波以及250-275nm波长的四次谐波。
10.如权利要求7所述的激光诱导多种光谱联合指纹网络在线检测材料的系统，其特征在于：所述的光纤光谱仪采用光纤作为信号耦合器件，将光学采集透镜的焦点处的被测光耦合到光谱仪中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200910056469 CN101995395B (zh) | 2009-08-14 | 2009-08-14 | 一种激光诱导多种光谱联合指纹网络在线检测材料的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 200910056469 CN101995395B (zh) | 2009-08-14 | 2009-08-14 | 一种激光诱导多种光谱联合指纹网络在线检测材料的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101995395A true CN101995395A (zh) | 2011-03-30 |
| CN101995395B CN101995395B (zh) | 2013-07-31 |
Family
ID=43785845
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 200910056469 Active CN101995395B (zh) | 2009-08-14 | 2009-08-14 | 一种激光诱导多种光谱联合指纹网络在线检测材料的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101995395B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102507532A (zh) * | 2011-11-11 | 2012-06-20 | 上海化工研究院 | 基于拉曼光谱的化学成分快速识别系统 |
| CN102507516A (zh) * | 2011-09-28 | 2012-06-20 | 江南大学 | 一种荧光光谱结合人工神经网络检测食品色素的方法 |
| CN102954955A (zh) * | 2012-10-16 | 2013-03-06 | 上海镭立激光科技有限公司 | 利用激光即时监测尿液的方法 |
| CN103237078A (zh) * | 2013-04-27 | 2013-08-07 | 翁整 | 近红外食品安全鉴别系统 |
| CN103399001A (zh) * | 2013-08-09 | 2013-11-20 | 大连海事大学 | 一种基于显微共焦拉曼光谱的原油鉴别方法 |
| CN104182251A (zh) * | 2014-08-12 | 2014-12-03 | 小米科技有限责任公司 | 农作物特征检测方法、装置及终端 |
| CN106971162A (zh) * | 2017-03-28 | 2017-07-21 | 合肥科的星测控科技有限公司 | 一种基于激光技术的材料分析系统 |
| CN107561037A (zh) * | 2017-08-31 | 2018-01-09 | 维沃移动通信有限公司 | 一种物体的操作提示方法及智能终端 |
| CN108240978A (zh) * | 2016-12-26 | 2018-07-03 | 同方威视技术股份有限公司 | 基于拉曼光谱的自学习式定性分析方法 |
| CN108494984A (zh) * | 2018-03-13 | 2018-09-04 | 四川大学 | 一种利用飞秒激光实现指纹提取方法 |
| CN108550080A (zh) * | 2018-03-16 | 2018-09-18 | 阿里巴巴集团控股有限公司 | 物品定损方法及装置 |
| CN109142233A (zh) * | 2018-08-08 | 2019-01-04 | 安徽汇泽通环境技术有限公司 | 一种饮用水源地水质突变预警与监测系统和方法 |
| CN112257243A (zh) * | 2020-10-15 | 2021-01-22 | 天津大学 | 一种面向高度集成化的拉曼高阶拓扑激光源设计方法 |
| CN112513561A (zh) * | 2018-04-06 | 2021-03-16 | 布拉斯科美国有限公司 | 用于质量控制的拉曼光谱法和机器学习 |
| CN114371160A (zh) * | 2021-12-31 | 2022-04-19 | 中国工程物理研究院激光聚变研究中心 | 一种用于新型冠状病毒拉曼检测的装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7072770B1 (en) * | 2004-03-29 | 2006-07-04 | Chemimage Corporation | Method for identifying components of a mixture via spectral analysis |
| US20080273199A1 (en) * | 2007-02-14 | 2008-11-06 | John Maier | Spectroscopic system and method for predicting outcome of disease |
| US20090141961A1 (en) * | 2007-11-30 | 2009-06-04 | Honeywell International Inc. | Authenticatable mark, systems for preparing and authenticating the mark |
-
2009
- 2009-08-14 CN CN 200910056469 patent/CN101995395B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7072770B1 (en) * | 2004-03-29 | 2006-07-04 | Chemimage Corporation | Method for identifying components of a mixture via spectral analysis |
| US20080273199A1 (en) * | 2007-02-14 | 2008-11-06 | John Maier | Spectroscopic system and method for predicting outcome of disease |
| US20090141961A1 (en) * | 2007-11-30 | 2009-06-04 | Honeywell International Inc. | Authenticatable mark, systems for preparing and authenticating the mark |
Non-Patent Citations (2)
| Title |
|---|
| 药林桃等: "激光技术在农产品质量检测中的研究进展", 《激光生物学报》 * |
| 贺俊华等: "特征荧光光谱法定量检测水质的研究", 《光谱学与光谱分析》 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102507516A (zh) * | 2011-09-28 | 2012-06-20 | 江南大学 | 一种荧光光谱结合人工神经网络检测食品色素的方法 |
| CN102507532A (zh) * | 2011-11-11 | 2012-06-20 | 上海化工研究院 | 基于拉曼光谱的化学成分快速识别系统 |
| CN102954955A (zh) * | 2012-10-16 | 2013-03-06 | 上海镭立激光科技有限公司 | 利用激光即时监测尿液的方法 |
| CN103237078A (zh) * | 2013-04-27 | 2013-08-07 | 翁整 | 近红外食品安全鉴别系统 |
| CN103399001A (zh) * | 2013-08-09 | 2013-11-20 | 大连海事大学 | 一种基于显微共焦拉曼光谱的原油鉴别方法 |
| CN103399001B (zh) * | 2013-08-09 | 2015-11-25 | 大连海事大学 | 一种基于显微共焦拉曼光谱的原油鉴别方法 |
| CN104182251A (zh) * | 2014-08-12 | 2014-12-03 | 小米科技有限责任公司 | 农作物特征检测方法、装置及终端 |
| CN108240978A (zh) * | 2016-12-26 | 2018-07-03 | 同方威视技术股份有限公司 | 基于拉曼光谱的自学习式定性分析方法 |
| CN106971162A (zh) * | 2017-03-28 | 2017-07-21 | 合肥科的星测控科技有限公司 | 一种基于激光技术的材料分析系统 |
| CN107561037A (zh) * | 2017-08-31 | 2018-01-09 | 维沃移动通信有限公司 | 一种物体的操作提示方法及智能终端 |
| CN108494984A (zh) * | 2018-03-13 | 2018-09-04 | 四川大学 | 一种利用飞秒激光实现指纹提取方法 |
| CN108494984B (zh) * | 2018-03-13 | 2020-10-09 | 四川大学 | 一种利用飞秒激光实现指纹提取方法 |
| CN108550080A (zh) * | 2018-03-16 | 2018-09-18 | 阿里巴巴集团控股有限公司 | 物品定损方法及装置 |
| US11300522B2 (en) | 2018-03-16 | 2022-04-12 | Advanced New Technologies Co., Ltd. | Article damage evaluation |
| CN112513561A (zh) * | 2018-04-06 | 2021-03-16 | 布拉斯科美国有限公司 | 用于质量控制的拉曼光谱法和机器学习 |
| CN112513561B (zh) * | 2018-04-06 | 2022-04-15 | 布拉斯科美国有限公司 | 用于质量控制的拉曼光谱法和机器学习 |
| CN109142233A (zh) * | 2018-08-08 | 2019-01-04 | 安徽汇泽通环境技术有限公司 | 一种饮用水源地水质突变预警与监测系统和方法 |
| CN112257243A (zh) * | 2020-10-15 | 2021-01-22 | 天津大学 | 一种面向高度集成化的拉曼高阶拓扑激光源设计方法 |
| CN112257243B (zh) * | 2020-10-15 | 2021-09-17 | 天津大学 | 一种面向高度集成化的拉曼高阶拓扑激光源设计方法 |
| CN114371160A (zh) * | 2021-12-31 | 2022-04-19 | 中国工程物理研究院激光聚变研究中心 | 一种用于新型冠状病毒拉曼检测的装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101995395B (zh) | 2013-07-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101995395B (zh) | 一种激光诱导多种光谱联合指纹网络在线检测材料的方法 | |
| CN105008898B (zh) | 用于组合的libs和ir吸收光谱法研究的系统和方法 | |
| CN103076310B (zh) | 用于物质成份分析的光谱探测系统及其探测方法 | |
| CN103348235A (zh) | 异物检测装置和异物检测方法 | |
| CN106093011B (zh) | 煤质检测方法及其应用的煤质激光检测分析仪器 | |
| CN113155809B (zh) | 一种矿石分类与实时定量分析的光谱检测新方法 | |
| CN107290322B (zh) | 一种基于时间分辨荧光光谱确定石油包裹体成藏关键时刻的装置及方法 | |
| CN211553759U (zh) | 一种拉曼-荧光-激光诱导击穿光谱联用系统 | |
| CN102788771B (zh) | 基于激光诱导击穿光谱的粉状物质元素含量测量方法 | |
| CN102798625B (zh) | 粉状物质元素含量的激光诱导击穿光谱测量方法 | |
| CN102147941B (zh) | 基于太赫兹时域光谱的人民币可选多特征点透射鉴真方法 | |
| CN107991270A (zh) | 基于相干反斯托克斯拉曼光谱的血液种属鉴别系统 | |
| EP3290908A1 (en) | Unknown sample determining method, unknown sample determining instrument, and unknown sample determining program | |
| CN105572103A (zh) | 一种基于激光诱导击穿光谱技术同时定量检测皮革中多种重金属的方法 | |
| CN108872161A (zh) | 一种同位素的激光探针分子共振激发检测方法 | |
| CN107220625A (zh) | 一种对样品的libs光谱自动识别分类方法 | |
| CN112730383A (zh) | 一种用于在线检测的光纤阵列libs探测系统 | |
| CN201477046U (zh) | 便携式激光诱导多种光谱测试终端 | |
| CN111239072A (zh) | 一种精确测量燃烧气体温度的方法 | |
| CN204789336U (zh) | 一种基于图像处理的脐橙无损检测装置 | |
| CN106338499A (zh) | 元素激光检测分析仪器及矿物元素分析方法 | |
| CN109001182A (zh) | 封闭容器中酒精含量的拉曼光谱无损测定方法 | |
| CN109142251A (zh) | 随机森林辅助人工神经网络的libs定量分析方法 | |
| CN207964630U (zh) | 基于相干反斯托克斯拉曼光谱的血液种属鉴别系统 | |
| CN111272735A (zh) | 一种激光诱导击穿光谱的检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20160627 Address after: 200127, room 22, No. 1800, Lane 902, Dongfang Road, Shanghai, Pudong New Area Patentee after: Shanghai silverwave Biological Technology Co. Ltd. Address before: 201203 Edison road Shanghai, Pudong New Area Zhangjiang hi tech Park No. 328 1 floor Patentee before: Shanghai Lelee Laser Technology Co., Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20180831 Address after: 519031 -50118, 105 room 6, Baohua Road, Hengqin New District, Zhuhai, Guangdong (centralized office area) Patentee after: Zhuhai Caijing Spectrum Technology Co., Ltd. Address before: 200127 Pudong New Area, Shanghai Dongfang Road Lane 1,800 22 Room 902 Patentee before: Shanghai silverwave Biological Technology Co. Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190401 Address after: 519031 Room 105-52680, No. 6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province Patentee after: Zhuhai Hejing Technology Development Co., Ltd. Address before: 519031 -50118, 105 room 6, Baohua Road, Hengqin New District, Zhuhai, Guangdong (centralized office area) Patentee before: Zhuhai Caijing Spectrum Technology Co., Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190726 Address after: Room 4292, Building 24, Xincheng Road, Pudong New Area, Shanghai, 201306 Patentee after: Shanghai Lelee Laser Technology Co., Ltd. Address before: 519031 Room 105-52680, No. 6 Baohua Road, Hengqin New District, Zhuhai City, Guangdong Province Patentee before: Zhuhai Hejing Technology Development Co., Ltd. |