CN104614336A - 基于红外光谱特征的化学品快速判别方法和装置 - Google Patents
基于红外光谱特征的化学品快速判别方法和装置 Download PDFInfo
- Publication number
- CN104614336A CN104614336A CN201410551102.2A CN201410551102A CN104614336A CN 104614336 A CN104614336 A CN 104614336A CN 201410551102 A CN201410551102 A CN 201410551102A CN 104614336 A CN104614336 A CN 104614336A
- Authority
- CN
- China
- Prior art keywords
- model
- spectrum
- analysis
- sample
- matrix
- 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.)
- Pending
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种基于红外光谱特征的化学品快速判别方法和装置。该装置由光源、光谱仪、光纤构成的光路模块、主板单元、可触摸显示屏、软件分析单元组成,其中,分析算法部分应用了化学计量学方法,模型的建立和替换十分方便。该方法和装置主要应用于化学品光谱信息的自动采集和快速判别,具有便携、稳定性强、交互界面人性化等特点。
Description
技术领域
本发明涉及一种基于红外光谱特征的化学品快速判别方法和装置,可针对特定类别的化学品,实现快速筛查。该装置由光源、光谱仪、光纤构成的光路模块、主板单元、可触摸显示屏、软件分析单元组成,其中,分析算法部分应用了多种化学计量学方法,模型的建立和替换十分方便。该方法和装置主要应用于化学品光谱信息的自动采集和快速判别,具有便携、稳定性强、交互界面人性化等特点。
背景技术
由于物质的结构和性质的不同,造成了不同物质对光吸收或光辐射的不同,人们就是利用这种不同,把物质相互区分开来以达到分析的目的。红外光谱便是其中之一。不同的分子或官能团有自己独特的运动方式,通过对红外辐射的吸收,会产生不同的红外吸收谱图,红外谱图中,峰的位置、峰形、强度给出了分子结构中官能团的信息,通过对由不同原子或官能团所引起的特征吸收带的鉴别,可作为解析红外光谱的基础。
红外波段的光谱特征决定了红外光谱分析技术与常规分析技术相比,具有显著的优越性,既可用于定性也可用于定量分析,其分析对象广泛:红外光谱几乎可用于所有与含氢基团有关的样品物化性质分析,不仅能反映绝大多数有机化合物的组成和结构信息,对某些无红外光谱吸收的物质(如某些无机离子化合物),也可通过它对共存的本体物质影响引起的光谱变化,间接地反映它存在的信息。
这些信息的汇总,我们可以分析甚至可以确定分子的结构。适合红外光谱测量的物质种类范围和场合非常广泛,在大多数情况下,从分析一个样品到获得结果不到一分钟,成本较低;由于无需样品预处理步骤,减少了人为因素带来的实验误差,红外光谱分析结果的准确性与其它分析技术相比更为可靠。
实际上,在红外的吸收区域中由含氢基团化学键振动而产生的吸收信号比较弱,容易导致了灵敏度相对偏低,使得谱峰重叠或谱带变宽。红外光谱的分析仅仅靠建立工作曲线的手段来进行定性或定量分析是行不通的。因此本装置使用化学计量学的方法构建已知红外光谱的识别模型并处理未知光谱,以便最大限度地提取出光谱数据中的相关信息。
本装置基于红外光谱特征、采用PCA或Fisher等化学计量学分析方法所构成。体积小、重量轻、便携;全触摸操作体验,在线分析、快速识别,更适合现场检测,充分体现了红外光谱在化学品分析方面的应用,具有较大的价值和意义。
发明内容
现行检测分析装置体积较大,重量较重,不宜便携;分析方法花费时间较长,不能在线即时分析。本发明的主要目的是提供一种基于红外光谱的化学品快速判别方法和装置,主要为现场采集测试提供便携的装置、快速的分析方法。
该装置在主面板上设置有样品盒(5)、触摸显示屏(2)、开关。后面板(6)设置有散热孔(7)、电源插口(8),侧面板预留有USB接口(9)。装置内部设置有用于检测和分析的光源,近红外光谱仪,ATOM型主板(15),硬盘(16)。装置搭载有用于化学品快速检测的化学计量学模型以及运行分析的软件平台,软件部分包括功能设置、识别分析方法和分析结果存储。
本装置为达到便携、快速分析的效果所采取的方案为:
硬件部分分为光路部分、主板单元和触摸显示屏。
光路部分主要包括光源、光谱仪、光纤、样品座。光源采用卤化钨光源,光谱仪采用海洋光学的波长范围在900-1700nm、焦距为200mm的NIRQuest512以及配套的光纤和样品座,样品座置于样品盒(5)中。样品盒(5)深度大约10cm,足以满足普通器皿的长度,盒内壁都为黑色,包括翻盖的内面(4),大大减少了自然光的干扰。
主板单元包括:ATOM型主板以及配套的电源及外设。该主板尺寸小、功耗低、高性能,不仅能满足缩小装置的尺寸的目的,也能满足软件算法的需求。主板配套电源盒能提供了+5V-10A,+12V-14A,不仅为主板提供需要的电源,而且还能为光源、光谱仪、触摸屏提供电源,统一了电源接口,去除了多余的电源适配器,同样缩小了装置体积;触摸显示屏(2)为定制的10寸电阻屏,全触摸操作,解除了鼠标键盘的限制,既能显示必要操作信息,又大大缩小了装置体积,使得整个装置更加便于携带使用。
在所述硬件主板上可搭载Windows XP系统,安装光谱仪驱动、触摸屏驱动,便可驱动相关硬件设备,以此提供软件运行平台。预留USB接口(9),作为可以更新程序和模型使用。
软件部分包括功能设置、识别分析方法和分析结果存储。
功能设置包括:光谱仪参数设置,包括积分时间、平均次数、平滑度、去除暗噪声;光谱显示设置,显示光源光谱、预处理光谱、不带预处理光谱。还包括光谱数据保存设置,保存路径设置、保存文件设置。
识别分析方法包括建立模型,未知光谱识别分析:模型的建立需要先使用本装置采集一定量的化学纯品的吸光度光谱作为训练集样品,通过化学计量学的算法(如PCA、Fisher线性判别等)进行降维以及聚类分析等处理,将最有用的信息提取出来,并存储在装置的模型矩阵(包括分析模型矩阵和判定模型矩阵)中,便于即时调用;当进行未知光谱识别时,确定选用的算法,调用相应算法的模型矩阵,将采集到的光谱使用模型中的分析模型矩阵进行分析,并与判定模型进行比较和分析,实现定性。软件中可以存储多组模型,模型还可以同预留的USB口(9)进行实时更新和补充,当要检测新的化学品而且现行模型不适用时,可以再建立一组新的模型,灵活性很强。建立新的模型后,在预测新的未知样品时,要确定所需的算法,加载相应模型。程序会自动读取模型中相关矩阵和参数,对未知样品的光谱进行处理,并进行判断,从而实现未知样品的鉴定。
分析结果存储可以保存检测结果,包含日期时间,分析方法等字段,便于归档与查询。
通过软硬件的搭配,使得装置小巧轻便,便于携带,快速现场分析测试,全触摸体验。
附图说明
图1为本装置整体结构示意图;
图2为本装置后盖结构示意图;
图3为本装置侧面结构示意图;
图4为本装置光路结构示意图;
图5为本装置主板单元结构示意图;
图6为软件流程示意图;
图7为算法流程示意图;
图8为实例(一)中训练集的PCA得分示意;
图9为实例(一)中苯甲酸甲酯的得分投影图;
图10为实例(一)中水的得分投影图。
附图图面说明
1、前面版,2、触摸屏,3、仪器开关,4、样品盒盖,5样品盒,
6、后盖面板,7、散热孔,8、电源插孔,
9、USB接口,
10、光源,11、光纤,12、样品底座,13、器皿台,14、光谱仪,
15、ATOM型主板,16、硬板,17、电源盒(可为其它设备提供+5V,12V),18、触摸显示屏,
33、邻苯二甲酸二壬酯,34、乙酸乙酯,35、邻苯二甲酸二乙酯,36、邻苯二甲酸二烯丙酯,37、苯甲酸乙酯,38、苯甲酸甲酯。
具体实施方式
为能进一步了解本发明的内容、特点,列举以下实施例,并配合附图详细说明如下:
参阅图1本发明整体框图,该装置的尺寸为:长x宽x高=45x33x26,单位cm。整体大小接近普通办公使用打印机大小,整体重量约为8kg。用户前面版(1)有样品盒(5)、触摸显示屏(2)、开关。样品盒(5)深度大约10cm,足以满足普通器皿的长度,盒内壁都为黑色,包括翻盖的内面(4),大大减少了自然光的干扰。触摸显示屏(2)可以完整展现人性化的人机交互,完成检测分析。开关(3)可以启动或停止装置。
对于图2中所示后面板(6)有散热孔(7)、电源插口(8)。散热孔(7)为光谱仪、电源盒、光源等发热设备散热。电源插口(8)为整个装置提供电能。
对于图3中所示预留USB接口(9),作为可以更新程序使用。
参阅图4光路连接示意图,样品底座(12)放入样品盒(5)内。
参阅图5,选择尺寸小,功耗低,高性能ATOM型主板(15),挂载对应硬盘(16)即可正常工作。电源盒可以为主板、光源、光谱仪、触摸显示屏提供电源。
参阅图6,启动装置后,设置光谱仪的参数(19),然后采集光谱(20)并显示光谱(21),结合装置中的模型对采集的光谱进行分析(22),得到分析结果并进行存储(23)。
参阅图7,算法整体流程包括采集样品(24)并进行富集预处理(25),采集其全波长原始光谱(26)和吸光度光谱数据(27)。作为训练集的样品(28),经过相关算法处理后得到模型矩阵(31),并将模型保存在装置中。检测未知样品(29)时,使用化学计量学算法(30)进行分析并选择相应模型(31)对未知样品进行预测,得到预测结果(32)并进行存储。
下面以实验例简述利用本发明装置进行化学品快速检测的检测方法。
实施例(一)
使用主成分分析(PCA)算法建立六种化学药品的模型并进行未知样品的定性分析。
1、训练集样品预处理:选择乙酸乙酯;邻苯二甲酸二乙酯;邻苯二甲酸二烯丙酯;苯甲酸乙酯;苯甲酸甲酯;乙醇作为训练集样品,进行富集预处理,得到以上药品的纯品,每样药品各取五组样品作为训练集;
2、训练集样品的光谱采集:将训练集样品放置于样品盒5中,盖上样品盒盖4,采集训练集样品的吸光度光谱;
3、使用PCA训练模型:PCA的中心目的是将数据进行降维,将原变量进行转换,使得少数几个新变量是原变量的线性组合,同时,这些变量要尽可能多的表达原变量的数据特征而不丢失信息。PCA将光谱阵()分解为n个向量的外积之和,即:,其中称为得分向量(score vector),称为载荷向量(loading vector),或称为主成分或主因子(principal component,PC)。也可以写成下列矩阵形式:,其中=[]称为得分矩阵,=[]称为载荷矩阵。将训练集样品光谱矩阵分解后的得分矩阵和载荷矩阵均要存储到装置中。载荷矩阵用于同未知样品的光谱结合,即分析矩阵,得分矩阵用于定性分析,即判定矩阵;
4、未知样品的预处理和光谱采集:重复步骤1、2中训练集样品的预处理和光谱采集步骤,获得未知样品的吸光度光谱;
5、未知样品的预测:首先需在装置中选择加载“6种化学药品的PCA模型”,对于未知样品的光谱,通过存储的载荷矩阵,即可计算出样本光谱的得分向量,即。将得分矩阵前两列数据(对应的是包含最多信息的第一主成分和第二主成分)画出散点图8,然后将投影到图8上,苯甲酸甲酯的定性结果如图9,水的定性结果如图10;
6、结果显示:当出现如图9所示结果,装置将显示“苯甲酸甲酯”,当出现如图10所示结果,装置将显示“不属于这6种化学品”。
实施例(二)
使用Fisher线性判别算法建立六大类化学药品的模型并进行未知样品的定性分析
1、训练集样品预处理:选择20多种化学品,共六大类(酸,醛,酮,酯,醇,塑化剂)进行富集处理得到以上药品的纯品作为训练集;
2、训练集样品的光谱采集:同实例(一)步骤2;
3、使用Fisher线性判别训练模型:线性判别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间,以达到抽取分类信息和压缩特征空间维数的效果,投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离,即样本在该空间中有最佳的可分离性,新空间的距离作为不同分类的判别标准。将训练集所有光谱数据输入,并按其分类分为六组,经过Fisher算法的相应计算出一个的建模矩阵,其中n为采集到的光谱长度(此处为512),m的值比组数减去1(此处为5),这个建模矩阵即所说的最佳鉴别矢量空间,将此模型矩阵存储在装置中;
4、未知样品的预测:采集富集后的未知样品的吸光度光谱,选择加载“六大类化学品的Fisher线性判别模型”,采集到的吸光度光谱为一个n维列向量,将其与一个模型矩阵相乘就可以得到一个m维向量,当未知样品的m维向量与某一类的间距最小时,可判断其属于这类物质;
5.结果显示:根据建模的数据需要设定一个阈值,未知样品与每一类的间距都大于这个值,则结果显示“不属于这6类”,否则判断其属于距离最近的那类物质,并将结果显示出来。
尽管上面结合附图对本发明进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,并不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可以做出很多形式,这些均属于本发明的保护范围之内。
Claims (9)
1.一种化学品快速检测装置,该装置在主面板上设置有样品盒(5)、触摸显示屏(2)和开关;后面板(6)设置有散热孔(7)、电源插口(8),侧面板预留有USB接口(9);装置内部设置有用于检测和分析的光源,近红外光谱仪,ATOM型主板(15),硬盘(16);装置搭载有用于化学品快速检测的化学计量学模型以及运行分析的软件平台,软件部分包括功能设置、识别分析方法和分析结果存储。
2.根据权利要求1所述的装置,其特征在于: 功能设置包括:光谱仪参数设置,其参数为积分时间、平均次数、平滑度和去除暗噪声;光谱显示设置,显示光源光谱、预处理光谱和不带预处理光谱;还包括光谱数据保存设置,保存路径设置、保存文件设置。
3.根据权利要求1所述的装置,其特征在于:识别分析方法包括建立模型和未知光谱识别分析。
4.根据权利要求3所述的装置,其特征在于:模型的建立需要先使用本装置采集一定量的化学纯品的吸光度光谱作为训练集样品,通过化学计量学的算法进行降维以及聚类分析处理,提取信息,并存储在装置的模型矩阵中,便于即时调用。
5.根据权利要求3所述的装置,其特征在于:当进行未知光谱识别时,确定选用的算法,调用相应算法的模型矩阵,将采集到的光谱使用模型中的分析模型矩阵进行分析,并与判定模型进行比较和分析,实现定性。
6.根据权利要求3所述的装置,其特征在于:所述的化学计量学的算法PCA或Fisher线性判别。
7.根据权利要求3所述的装置,其特征在于:所述的模型矩阵包括分析模型矩阵和判定模型矩阵。
8.根据权利要求1所述的装置,其特征在于:分析结果存储保存检测结果,包含日期时间、分析方法字段,便于归档与查询。
9.根据权利要求1所述的装置,其特征在于:光路部分主要包括光源、光谱仪、光纤、样品座,样品座置于样品盒(5)中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410551102.2A CN104614336A (zh) | 2015-03-08 | 2015-03-08 | 基于红外光谱特征的化学品快速判别方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410551102.2A CN104614336A (zh) | 2015-03-08 | 2015-03-08 | 基于红外光谱特征的化学品快速判别方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104614336A true CN104614336A (zh) | 2015-05-13 |
Family
ID=53148881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410551102.2A Pending CN104614336A (zh) | 2015-03-08 | 2015-03-08 | 基于红外光谱特征的化学品快速判别方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104614336A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109297908A (zh) * | 2018-12-05 | 2019-02-01 | 泰安市康宇医疗器械有限公司 | 一种微量元素红外光谱测量系统 |
CN109358018A (zh) * | 2018-12-05 | 2019-02-19 | 中华人民共和国梧州海关 | 一种利用红外光谱溯源识别成品六堡茶产地的方法 |
CN113484264A (zh) * | 2020-07-18 | 2021-10-08 | 北京立鼎智行科技有限公司 | 基于sbs改性沥青检测仪的可视化标定曲线校准工具 |
CN114113035A (zh) * | 2021-11-18 | 2022-03-01 | 北京理工大学 | 转基因大豆油鉴别方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2672648Y (zh) * | 2003-07-09 | 2005-01-19 | 李铁强 | 快速在线检测物料品质便携式近红外线光纤微型检测器 |
CN1696660A (zh) * | 2005-04-05 | 2005-11-16 | 中国药品生物制品检定所 | 利用近红外光谱分析方法识别药物的方法与装置 |
CN101251471A (zh) * | 2008-03-12 | 2008-08-27 | 湖南中烟工业有限责任公司 | 一种基于烟叶近红外光谱的相似烟叶搜索方法 |
CN101424636A (zh) * | 2008-12-04 | 2009-05-06 | 中国计量学院 | 一种快速无损检测绿茶成分含量的装置及方法 |
CN102435580A (zh) * | 2011-12-23 | 2012-05-02 | 吉林大学 | 近红外牛奶成分快速测量装置与方法 |
CN102879352A (zh) * | 2012-09-13 | 2013-01-16 | 江苏恒顺醋业股份有限公司 | 食醋近红外透射光谱的采集装置及食醋原产地鉴别方法 |
-
2015
- 2015-03-08 CN CN201410551102.2A patent/CN104614336A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2672648Y (zh) * | 2003-07-09 | 2005-01-19 | 李铁强 | 快速在线检测物料品质便携式近红外线光纤微型检测器 |
CN1696660A (zh) * | 2005-04-05 | 2005-11-16 | 中国药品生物制品检定所 | 利用近红外光谱分析方法识别药物的方法与装置 |
CN101251471A (zh) * | 2008-03-12 | 2008-08-27 | 湖南中烟工业有限责任公司 | 一种基于烟叶近红外光谱的相似烟叶搜索方法 |
CN101424636A (zh) * | 2008-12-04 | 2009-05-06 | 中国计量学院 | 一种快速无损检测绿茶成分含量的装置及方法 |
CN102435580A (zh) * | 2011-12-23 | 2012-05-02 | 吉林大学 | 近红外牛奶成分快速测量装置与方法 |
CN102879352A (zh) * | 2012-09-13 | 2013-01-16 | 江苏恒顺醋业股份有限公司 | 食醋近红外透射光谱的采集装置及食醋原产地鉴别方法 |
Non-Patent Citations (2)
Title |
---|
周德成 等: "近红外光谱分析在食品药品检测中的应用", 《红外》 * |
罗文涛 等: "基于近红外光谱和聚类法的食用油分类方法研究", 《现代科学仪器》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109297908A (zh) * | 2018-12-05 | 2019-02-01 | 泰安市康宇医疗器械有限公司 | 一种微量元素红外光谱测量系统 |
CN109358018A (zh) * | 2018-12-05 | 2019-02-19 | 中华人民共和国梧州海关 | 一种利用红外光谱溯源识别成品六堡茶产地的方法 |
CN113484264A (zh) * | 2020-07-18 | 2021-10-08 | 北京立鼎智行科技有限公司 | 基于sbs改性沥青检测仪的可视化标定曲线校准工具 |
CN114113035A (zh) * | 2021-11-18 | 2022-03-01 | 北京理工大学 | 转基因大豆油鉴别方法 |
CN114113035B (zh) * | 2021-11-18 | 2024-02-02 | 北京理工大学 | 转基因大豆油鉴别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yun et al. | An efficient method of wavelength interval selection based on random frog for multivariate spectral calibration | |
US6483581B1 (en) | Raman system for rapid sample indentification | |
JP4594154B2 (ja) | 少なくとも1つの成分および生成する生成物の観点でサンプルを特性付けし、特性付けデータを提供するための2つ以上の技術に基づいた少なくとも1つのサンプルの分析;方法、システムおよび指示プログラム | |
US7248370B2 (en) | Method to reduce background noise in a spectrum | |
US7251037B2 (en) | Method to reduce background noise in a spectrum | |
CN104614336A (zh) | 基于红外光谱特征的化学品快速判别方法和装置 | |
CN102818792B (zh) | 光谱测量装置与灵敏度指数估算值确定方法 | |
US9052232B2 (en) | Spheroid sample cell for spectrometer | |
CA2740220A1 (en) | Methods of automated spectral peak detection and quantification without user input | |
CN112712108B (zh) | 一种拉曼光谱多元数据分析方法 | |
Lazarescu et al. | Wood species identification by near-infrared spectroscopy | |
CN102507532A (zh) | 基于拉曼光谱的化学成分快速识别系统 | |
US11630057B2 (en) | Deformulation techniques for deducing the composition of a material from a spectrogram | |
CN106770003A (zh) | 基于近红外光谱技术的木材识别方法及系统 | |
Rashed et al. | A comparative investigation of two handheld near-ir spectrometers for direct forensic examination of fibres in-situ | |
Nishii et al. | Selection of the NIR region for a regression model of the ethanol concentration in fermentation process by an online NIR and mid-IR dual-region spectrometer and 2D heterospectral correlation spectroscopy | |
Rasskazov et al. | Extended multiplicative signal correction for infrared microspectroscopy of heterogeneous samples with cylindrical domains | |
Chen et al. | Authentication and inference of seal stamps on Chinese traditional painting by using multivariate classification and near-infrared spectroscopy | |
JP6318722B2 (ja) | 環境負荷分子発生源評価方法、環境負荷分子発生源評価システム、及びコンピュータプログラム | |
US10048205B2 (en) | Characterizing petroleum product contamination using fluorescence signal | |
JP2004309250A (ja) | クロマトグラフ用データ処理装置 | |
Rimoldi et al. | Simulation strategies for the ATLAS experiment at LHC | |
Lucernoni et al. | Sampling method for the determination of methane emissions from landfill surfaces | |
Pyne et al. | Spectrochimica acta part A: molecular and biomolecular spectroscopy | |
CN110582692B (zh) | 荧光分光光度计、分光测定方法以及荧光分光光度计用控制软件 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150513 |