CN106198321A - 模型构建方法和光散射成分检测方法 - Google Patents
模型构建方法和光散射成分检测方法 Download PDFInfo
- Publication number
- CN106198321A CN106198321A CN201610541945.3A CN201610541945A CN106198321A CN 106198321 A CN106198321 A CN 106198321A CN 201610541945 A CN201610541945 A CN 201610541945A CN 106198321 A CN106198321 A CN 106198321A
- Authority
- CN
- China
- Prior art keywords
- particle
- light scattering
- image
- sample
- many
- 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
- 238000000149 argon plasma sintering Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 239000002245 particle Substances 0.000 claims abstract description 200
- 239000008187 granular material Substances 0.000 claims abstract description 44
- 239000012530 fluid Substances 0.000 claims abstract description 35
- 239000013618 particulate matter Substances 0.000 claims abstract description 30
- 230000003287 optical effect Effects 0.000 claims abstract description 20
- 239000012535 impurity Substances 0.000 claims abstract description 6
- 238000002604 ultrasonography Methods 0.000 claims abstract description 6
- 238000010521 absorption reaction Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 10
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 8
- 239000006185 dispersion Substances 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 239000000284 extract Substances 0.000 claims description 5
- 230000008033 biological extinction Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 230000000149 penetrating effect Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 6
- 239000000523 sample Substances 0.000 description 28
- 238000002835 absorbance Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 239000000203 mixture Substances 0.000 description 5
- 239000004576 sand Substances 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- FAPWRFPIFSIZLT-UHFFFAOYSA-M Sodium chloride Chemical compound [Na+].[Cl-] FAPWRFPIFSIZLT-UHFFFAOYSA-M 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 239000013068 control sample Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000000265 homogenisation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000004252 protein component Nutrition 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
- G01N15/0205—Investigating particle size or size distribution by optical means
- G01N15/0211—Investigating a scatter or diffraction pattern
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N2015/03—Electro-optical investigation of a plurality of particles, the analyser being characterised by the optical arrangement
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种模型构建方法和光散射成分检测方法。模型构建方法包括:选择预定浓度且颗粒物粒径分布均匀的流体介质样品,去除样品中的杂质,在颗粒物粒径大于预定阈值的情况下对样品进行超声波均质至微米级别;将样品置于光学显微镜下,移动样品以截取多组视野图像。对获取的多组视野图像进行色调及灰度调整;利用进行色调及灰度调整后的多组视野图像,获取样品的颗粒物粒径分布;根据样品的颗粒物粒径分布,建立多粒径分布颗粒物光散射特性模型。本发明的上述技术能够充分考虑多粒径分布的存在对流体介质中颗粒物光散射的影响,可以得到更为准确的光散射检测结果。
Description
技术领域
本发明涉及光散射检测技术,尤其涉及一种模型构建方法和光散射成分检测方法。
背景技术
颗粒物是分散在气态介质或液态介质中形成两相或多相物质,是处于分割状态下的微小固体、液体或气体。在自然界中,许多物质以颗粒物状态存在,其构成了丰富多彩有形世界的一个侧面。当光与流体介质中的颗粒物相互作用时,会发生透射、散射、反射等光学现象。颗粒物的形状、粒径分布等其本身的固有属性均会影响光在介质中的传播,正由于颗粒物的粒径分布与该种颗粒物对光的散射之间的关系非常紧密,当采用光学技术检测被测物质浓度时,颗粒物的固有属性将会对检测结果产生影响。
光散射成分检测技术主要是利用光通过含有散射和吸收作用的介质,根据散射光或透射光携带的光强及角度信息来研究被测介质的成分及浓度。在出射光强测量过程中,被测介质化学性质不变时,其出射的光强主要与待测介质的光散射和吸收有关。而含有散射和吸收作用的待测介质大多由颗粒物构成。
在已有的针对颗粒物的光散射的研究中,多数学者采用颗粒物的体积平均粒径D(4,3)或索太尔平均粒径D(3,2)代替实际粒径分布进行分析。这样的替代方法从理论上假设了被测颗粒物的粒径为理想的均值,但实际上颗粒物的粒径存在粒径分布,而粒径分布的存在会直接影响光散射成分检测的结果,使得其检测结果不准确。
发明内容
在下文中给出了关于本发明的简要概述,以便提供关于本发明的某些方面的基本理解。应当理解,这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分,也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念,以此作为稍后论述的更详细描述的前序。
鉴于此,本发明提供了一种模型构建方法和光散射成分检测方法,以至少解决现有的光散射成分检测技术由于颗粒物粒径分布的存在而使检测结果不准确的问题。
根据本发明的一个方面,提供了一种用于构建多粒径分布颗粒物光散射特性模型的模型构建方法,模型构建方法包括:选择预定浓度且颗粒物粒径分布均匀的流体介质样品,去除所述样品中的杂质,在颗粒物粒径大于预定阈值的情况下对所述样品进行超声波均质至微米级别;将所述样品置于光学显微镜下,移动所述样品以截取多组视野图像。对获取的多组视野图像进行色调及灰度调整;利用进行色调及灰度调整后的多组视野图像,获取所述样品的颗粒物粒径分布;根据所述样品的颗粒物粒径分布,建立多粒径分布颗粒物光散射特性模型。
进一步地,所述建立多粒径分布颗粒物光散射特性模型的步骤包括:根据所述样品的颗粒物粒径分布,将粒子粒径按等差进行分组,z为粒径组数;Ni为第i组粒径的粒子数密度;fv,i为第i组粒径的体积百分比,Di为第i组粒径中粒子的直径;Qaλ,i和Qsλ,i分别为第i组粒径粒子的吸收因子和散射因子;构建的多粒径分布粒子光散射特性模型包括吸收系数计算公式和散射系数计算公式,其中:所述吸收系数计算公式为:κaλ表示吸收系数;所述散射系数计算公式为:κsλ表示散射系数。
进一步地,所述获取所述样品的颗粒物粒径分布的步骤通过对色调及灰度调整后的图像依次进行图像二值化处理、掩模处理、中值滤波处理和精确边缘检测处理实现。
进一步地,所述获取所述样品的颗粒物粒径分布的步骤包括:对色调及灰度调整后的图像进行图像二值化处理;对二值化处理后的图像进行掩模处理,提取脂肪粒子区域,用预先得到的目标区掩模与待处理图像相乘,得到目标区图像,保持目标区内图像值不变,目标区外图像值置为0,得到中间处理图像;对所述中间处理图像进行中值滤波处理,滤除噪声并保护目标边缘,得到滤波后图像;对所述滤波后图像进行精确边缘检测,使得该图像中目标粒子边缘为灰度值急剧变化部分,采用一阶微分梯度运算和二阶微分拉普拉斯运算进行提取边缘变化检测,得到所述样品的颗粒物粒径分布。
根据本发明的另一方面,还提供了一种基于多粒径分布颗粒物光散射特性模型的光散射成分检测方法,所述光散射成分检测方法包括:利用预设的多粒径分布颗粒物光散射特性模型,计算待测流体介质的多粒径分布颗粒物的光散射特性;其中,预设的多粒径分布颗粒物光散射特性模型包括吸收系数计算公式和散射系数计算公式,其中:所述吸收系数计算公式为:κaλ表示吸收系数;所述散射系数计算公式为:κsλ表示散射系数;其中,z为粒径组数;Ni为第i组粒径的粒子数密度(m-3);fv,i为第i组粒径的体积百分比,Di为第i组粒径中粒子的直径(m);Qaλ,i和Qsλ,i分别为第i组粒径粒子的吸收因子和散射因子。
进一步地,所述计算待测流体介质的多粒径分布颗粒物的光散射特性的步骤包括:根据所述多粒径分布颗粒物光散射特性模型,根据所述待测流体介质的物质浓度c、粒子粒度Di以及光源波长λ,计算所述待测流体介质对应的吸收系数κaλ和散射系数κsλ;根据所述待测流体介质对应的吸收系数κaλ和散射系数κsλ,计算所述待测流体介质的吸光系数a1,其中,a1=κsλ+κaλ。
进一步地,所述待测流体介质为牛乳脂肪溶液,所述光源波长为1333nm或1600nm。
进一步地,颗粒物的尺度参数χ≈1。
针对需要较高精确度的光散射成分检测,采用本发明的模型构建方法所得到的模型,以及本发明的光散射成分检测方法,能够充分考虑多粒径分布的存在对流体介质中颗粒物光散射的影响,从而可以得到更为准确的光散射检测结果。
本发明的用于构建多粒径分布颗粒物光散射特性模型的模型构建方法以及基于多粒径分布颗粒物光散射特性模型的光散射成分检测方法,利用图像识别技术分析流体介质中颗粒物图像,可直观并精确地获取流体介质中颗粒物的个数及粒度分布。
本发明基于Mie氏散射理论,建立了可应用于多粒径分布颗粒物的光散射特性计算模型,可用于计算粒子粒度Di、光源波长λ及物质浓度c分别变化时,多粒径分布颗粒物和平均粒径颗粒物的光散射特性。
本发明以近红外光谱分析实验数据作为对比,通过光散射特性、吸光系数、透过率进行综合分析,能够有效分析出粒度分布的存在对待测颗粒物的光散射成分检测的影响。
通过以下结合附图对本发明的最佳实施例的详细说明,本发明的这些以及其他优点将更加明显。
附图说明
本发明可以通过参考下文中结合附图所给出的描述而得到更好的理解,其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分,而且用来进一步举例说明本发明的优选实施例和解释本发明的原理和优点。在附图中:
图1为本发明的用于构建多粒径分布颗粒物光散射特性模型的模型构建方法的流程图;
图2为本发明实施例中牛乳脂肪粒子光学显微镜下视野1的调整图像;
图3为本发明实施例中牛乳脂肪粒子光学显微镜下视野1二值化处理后图像;
图4为本发明实施例中牛乳脂肪粒子光学显微镜下视野1掩模处理后图像;
图5为本发明实施例中牛乳脂肪粒子光学显微镜下视野1中值滤波处理后图像;
图6为本发明实施例中牛乳脂肪粒子光学显微镜下视野1精确边缘检测处理后图像;
图7A和图7B为本发明实施例中光源波长λ=1333nm时,不同浓度c的脂肪粒子的散射系数κs及吸收系数κa;
图8A和图8B为本发明实施例中不同浓度脂肪粒子的散射系数κs及吸收系数κa随光源波长λ的变化;
图9A和图9B为本发明实施例中多粒度分布与平均粒径粒子的散射系数κs及吸收系数κa;
图10为本发明实施例中吸光系数的理论值与实际值对比;
图11为本发明实施例中透过率的理论值与实际值对比。
本领域技术人员应当理解,附图仅仅是为了简单和清楚起见而示意性地示出的,而不用于对本发明的技术方案进行限制,以便有助于提高对本发明实施例的理解。
具体实施方式
在下文中将结合附图对本发明的示范性实施例进行描述。为了清楚和简明起见,在说明书中并未描述实际实施方式的所有特征。然而,应该了解,在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定,以便实现开发人员的具体目标,例如,符合与系统及业务相关的那些限制条件,并且这些限制条件可能会随着实施方式的不同而有所改变。此外,还应该了解,虽然开发工作有可能是非常复杂和费时的,但对得益于本公开内容的本领域技术人员来说,这种开发工作仅仅是例行的任务。
在此,还需要说明的一点是,为了避免因不必要的细节而模糊了本发明,在附图中仅仅示出了与根据本发明的方案密切相关的处理步骤,而省略了与本发明关系不大的其他细节。
本发明技术方案不局限于以下所列举具体实施方式,还包括其他流体介质(如空气、生理盐水、油品等)中颗粒物多粒径分布对光散射成分检测的影响。
本发明的实施例提供了一种用于构建多粒径分布颗粒物光散射特性模型的模型构建方法,该模型构建方法包括:选择预定浓度且颗粒物粒径分布均匀的流体介质样品,去除样品中的杂质,在颗粒物粒径大于预定阈值的情况下对样品进行超声波均质至微米级别;将样品置于光学显微镜下,移动样品以截取多组视野图像。对获取的多组视野图像进行色调及灰度调整;利用进行色调及灰度调整后的多组视野图像,获取样品的颗粒物粒径分布;根据样品的颗粒物粒径分布,建立多粒径分布颗粒物光散射特性模型。
下面结合图1来描述本发明的一种用于构建多粒径分布颗粒物光散射特性模型的模型构建方法的一个示例的处理流程100。
如图1所示,处理流程开始之后,执行步骤S110。
在步骤S110中,选择预定浓度且颗粒物粒径分布均匀的流体介质样品,去除样品中的杂质,在颗粒物粒径大于预定阈值的情况下对样品进行超声波均质至微米级别。然后,执行步骤S120。
其中,预定阈值可以根据颗粒物的度参数χ确定,χ=πD/λ,λ为波长,r为粒子半径,χ≈1。例如,预定阈值可为10μm。
在步骤S120中,将样品置于光学显微镜下,移动样品以截取多组(例如4组)视野图像。然后,执行步骤S130。
在步骤S130中,对获取的多组视野图像进行色调及灰度调整,如对上述多组视野图像进行饱和度、亮度、灰度的调整,使图像整体明暗度均匀,以便于后续处理和分析。然后,执行步骤S140。
在步骤S140中,利用进行色调及灰度调整后的多组视野图像,获取样品的颗粒物粒径分布。然后,执行步骤S150。
其中,步骤S140中获取样品的颗粒物粒径分布的步骤例如可以通过对色调及灰度调整后的图像依次进行图像二值化处理、掩模处理、中值滤波处理和精确边缘检测处理实现。
根据一种实现方式,在步骤S140中,可以首先对色调及灰度调整后的图像进行图像二值化处理;然后,对二值化处理后的图像进行掩模处理,提取脂肪粒子区域,用预先得到的目标区掩模与待处理图像相乘,得到目标区图像,保持目标区内图像值不变,目标区外图像值置为0,得到中间处理图像;接着,对中间处理图像进行中值滤波处理,滤除噪声并保护目标边缘,得到滤波后图像;然后,对滤波后图像进行精确边缘检测,使得该图像中目标粒子边缘为灰度值急剧变化部分,采用一阶微分梯度运算和二阶微分拉普拉斯运算进行提取边缘变化检测,得到样品的颗粒物粒径分布。其中,目标区是图像里面有粒子的区域。
在步骤S150中,根据样品的颗粒物粒径分布,建立多粒径分布颗粒物光散射特性模型。
根据一种实现方式,在步骤S150,可以通过如下方式来构建上述多粒径分布颗粒物光散射特性模型:根据样品的颗粒物粒径分布,将粒子粒径按等差进行分组,z为粒径组数;Ni为第i组粒径的粒子数密度(m-3);fv,i为第i组粒径的体积百分比,Di为第i组粒径中粒子的直径(m);Qaλ,i和Qsλ,i分别为第i组粒径粒子的吸收因子和散射因子。
构建的多粒径分布粒子光散射特性模型包括吸收系数计算公式和散射系数计算公式,其中:
吸收系数计算公式为:κaλ表示吸收系数;
散射系数计算公式为:κsλ表示散射系数。
此外,本发明的实施例还提供了一种基于多粒径分布颗粒物光散射特性模型的光散射成分检测方法。光散射成分检测方法包括:利用预设的多粒径分布颗粒物光散射特性模型,计算待测流体介质的多粒径分布颗粒物的光散射特性。
其中,预设的多粒径分布颗粒物光散射特性模型包括吸收系数计算公式和散射系数计算公式,其中:
吸收系数计算公式为:κaλ表示吸收系数;
散射系数计算公式为:κsλ表示散射系数;
其中,z为粒径组数;Ni为第i组粒径的粒子数密度(m-3);fv,i为第i组粒径的体积百分比,Di为第i组粒径中粒子的直径(m);Qaλ,i和Qsλ,i分别为第i组粒径粒子的吸收因子和散射因子。
根据一种实现方式,可以通过如下方式计算待测流体介质的多粒径分布颗粒物的光散射特性:根据多粒径分布颗粒物光散射特性模型,根据待测流体介质的物质浓度c、粒子粒度Di以及光源波长λ,计算待测流体介质对应的吸收系数κaλ和散射系数κsλ;根据待测流体介质对应的吸收系数κaλ和散射系数κsλ,计算待测流体介质的吸光系数a1,其中,a1=κsλ+κaλ。
其中,待测流体介质例如为牛乳脂肪溶液,光源波长λ例如为1333nm或1600nm。
此外,颗粒物粒径与光源波长可比拟,即颗粒物的尺度参数χ≈1。
优选实施例
下面以牛乳脂肪溶液中脂肪粒子多粒径分布情况为例,来描述本发明的用于构建多粒径分布颗粒物光散射特性模型的模型构建方法以及基于多粒径分布颗粒物光散射特性模型的光散射成分检测方法的一个优选实施例。其中,这里所说的粒子即表示颗粒物,依次类推,粒子粒径即表示颗粒物粒径,粒子数即表示颗粒物数,等等。
其中,在该优选实施例中,步骤(1)至(5)对应于用于构建多粒径分布颗粒物光散射特性模型的模型构建方法,而步骤(6)至(8)对应于基于多粒径分布颗粒物光散射特性模型的光散射成分检测方法。
(1)取灭菌牛乳,去除蛋白质成分(即杂质),制备牛乳脂肪溶液并充分稀释,控制被测样品温度40℃,超声波均质压力20MPa,均质时间1min。
(2)取适量牛乳脂肪溶液样品制作临时装片,置于光学显微镜下,调整反光镜,物镜选择150倍,调整目镜至脂肪粒子清晰明亮,移动样品截取4组视野图像。
(3)应用Photoshop软件调整上述4组视野图像的图片大小、色调及灰度值。以视野1为例,调整后的图像参见图2。其中,视野1是指显微镜下的视野图像。
(4)利用Matlab软件读取图2,进行图像二值化处理,即将图像上各点的灰度值置为0或255,处理后图像参见图3。然后,进行掩模处理提取脂肪粒子区域,用预先得到的目标区掩模与待处理图像相乘,得到目标区图像,保持目标区内图像值不变,目标区外图像值置为0,处理后图像参见图4。这样,再对图4所示图像进行中值滤波处理,滤除噪声并保护目标边缘,使之不被模糊,处理后图像参见图5。然后,对图5所示图像进行精确边缘检测,图像中目标粒子边缘为灰度值急剧变化部分,采用一阶微分梯度运算和二阶微分拉普拉斯运算进行提取边缘变化检测,由此可获取样品的颗粒物粒径分布,处理后图像参见图6。
(5)将粒子粒径按等差进行分组,z为粒径组数;Ni为第i组粒径的粒子数密度(m-3);fv,i为第i组粒径的体积百分比,Di为第i组粒径中粒子的直径(m);Qaλ,i和Qsλ,i分别为第i组粒径粒子的吸收因子和散射因子。这样,构建的多粒径分布粒子光散射特性模型包括吸收系数计算公式和散射系数计算公式。也就是说,利用光散射特性采用吸收系数和散射系数来描述。
其中,吸收系数κaλ根据如下公式计算:
散射系数κsλ根据如下公式计算:
(6)光散射特性分析。
将物质浓度c、光源波长λ及粒子粒度Di作为输入量,通过以上构建的模型来计算上述溶液样品中多粒径分布粒子的光散射特性。另外,通过现有方法计算上述溶液样品中平均粒径粒子的光散射特性。
光源波长λ=1333nm时,不同浓度c的脂肪粒子的散射系数κs及吸收系数κa参见图7。
光源波长λ变化时,不同浓度脂肪粒子的散射系数κs及吸收系数κa参见图8。
其中,κsλ是波长为变量的散射系数(即λ为未知量),而κs是波长已知时得到的散射系数;例如,将λ=1333nm代入κsλ的计算公式中,即可得到λ=1333nm时的散射系数κs。
此外,κaλ是波长为变量的吸收系数(即λ为未知量),而κs是波长已知时得到的吸收系数;例如,将λ=1333nm代入κaλ的计算公式中,即可得到λ=1333nm时的吸收系数κs。
脂肪含量0.5%时,多粒度分布与平均粒径(体积平均粒径D(4,3)、索太尔平均粒径D(3,2)、数值平均粒径)粒子的散射系数κs及吸收系数κa参见图9。
(7)吸光系数及透过率分析。
通过多粒径分布粒子光散射特性模型进行计算,得到多粒度分布与平均粒径粒子的吸光系数a1=κs+κa(或a1λ=κsλ+κaλ)应用双光路近红外分光光度计测得实际样品的吸光系数a2,将吸光系数的理论值与实际值进行对比分析,参见图10。
利用吸光度与透过率的对应关系,得到透过率的理论值与实际值并进行对比分析,参见图11,图中线形含义与图10相同。
分析得知,在最佳光源波长1333nm和1600nm处,多粒径分布的透过率与实验得到的透过率重合度较高。
(8)粒子多粒径分布对光散射成分检测分析。
在光散射成分检测的理论中,物质成分由散射光强转换得到,而散射光强的计算与被测粒子粒径直接相关。当粒子存在粒径分布时,使用平均粒径的计算方法无法得到准确的散射光强,从而影响成分检测。根据模型得到的不同浓度溶液的计算结果和数据对比图可知,忽略粒度分布的存在将会导致成分检测数值及浓度检测数值偏低,且当溶液中脂肪浓度越高时,对成分检测产生的影响将会越明显。
在现有的光散射检测研究中,均假设流体介质中颗粒物的粒径为均一值,并采用各类型的平均粒径方式进行计算和分析;然而实际研究中无法得到理想的统一的粒径数值,颗粒物粒径不可避免的存在多粒度分布,而多粒径分布将会对被测物质的散射特性产生影响。因此,针对需要较高精确度的光散射成分检测,采用本发明的模型构建方法所得到的模型,以及本发明的光散射成分检测方法,能够充分考虑多粒径分布的存在对流体介质中颗粒物光散射的影响,从而可以得到更为准确的光散射检测结果。
本发明的用于构建多粒径分布颗粒物光散射特性模型的模型构建方法以及基于多粒径分布颗粒物光散射特性模型的光散射成分检测方法,利用图像识别技术分析流体介质中颗粒物图像,可直观并精确地获取流体介质中颗粒物的个数及粒度分布。
本发明基于Mie氏散射理论,建立了可应用于多粒径分布颗粒物的光散射特性计算模型,可用于计算粒子粒度Di、光源波长λ及物质浓度c分别变化时,多粒径分布颗粒物和平均粒径颗粒物的光散射特性。
本发明以近红外光谱分析实验数据作为对比,通过光散射特性、吸光系数、透过率进行综合分析,能够有效分析出粒度分布的存在对待测颗粒物的光散射成分检测的影响。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的,而非限制性的,本发明的范围由所附权利要求书限定。
Claims (8)
1.用于构建多粒径分布颗粒物光散射特性模型的模型构建方法,其特征在于,所述构建方法包括:
选择预定浓度且颗粒物粒径分布均匀的流体介质样品,去除所述样品中的杂质,在颗粒物粒径大于预定阈值的情况下对所述样品进行超声波均质至微米级别;
将所述样品置于光学显微镜下,移动所述样品以截取多组视野图像。
对获取的多组视野图像进行色调及灰度调整;
利用进行色调及灰度调整后的多组视野图像,获取所述样品的颗粒物粒径分布;
根据所述样品的颗粒物粒径分布,建立多粒径分布颗粒物光散射特性模型。
2.根据权利要求1所述的模型构建方法,其特征在于,所述建立多粒径分布颗粒物光散射特性模型的步骤包括:
根据所述样品的颗粒物粒径分布,将粒子粒径按等差进行分组,z为粒径组数;Ni为第i组粒径的粒子数密度;fv,i为第i组粒径的体积百分比,Di为第i组粒径中粒子的直径;Qaλ,i和Qsλ,i分别为第i组粒径粒子的吸收因子和散射因子;
构建的多粒径分布粒子光散射特性模型包括吸收系数计算公式和散射系数计算公式,其中:
所述吸收系数计算公式为:κaλ表示吸收系数;
所述散射系数计算公式为:κsλ表示散射系数。
3.根据权利要求1或2所述的模型构建方法,其特征在于,所述获取所述样品的颗粒物粒径分布的步骤通过对色调及灰度调整后的图像依次进行图像二值化处理、掩模处理、中值滤波处理和精确边缘检测处理实现。
4.根据权利要求3所述的模型构建方法,其特征在于,所述获取所述样品的颗粒物粒径分布的步骤包括:
对色调及灰度调整后的图像进行图像二值化处理;
对二值化处理后的图像进行掩模处理,提取脂肪粒子区域,用预先得到的目标区掩模与待处理图像相乘,得到目标区图像,保持目标区内图像值不变,目标区外图像值置为0,得到中间处理图像;
对所述中间处理图像进行中值滤波处理,滤除噪声并保护目标边缘,得到滤波后图像;
对所述滤波后图像进行精确边缘检测,使得该图像中目标粒子边缘为灰度值急剧变化部分,采用一阶微分梯度运算和二阶微分拉普拉斯运算进行提取边缘变化检测,得到所述样品的颗粒物粒径分布。
5.基于多粒径分布颗粒物光散射特性模型的光散射成分检测方法,其特征在于,所述光散射成分检测方法包括:
利用预设的多粒径分布颗粒物光散射特性模型,计算待测流体介质的多粒径分布颗粒物的光散射特性;
其中,预设的多粒径分布颗粒物光散射特性模型包括吸收系数计算公式和散射系数计算公式,其中:
所述吸收系数计算公式为:κaλ表示吸收系数;
所述散射系数计算公式为:κsλ表示散射系数;
其中,z为粒径组数;Ni为第i组粒径的粒子数密度(m-3);fv,i为第i组粒径的体积百分比,Di为第i组粒径中粒子的直径(m);Qaλ,i和Qsλ,i分别为第i组粒径粒子的吸收因子和散射因子。
6.根据权利要求5所述的光散射成分检测方法,其特征在于,所述计算待测流体介质的多粒径分布颗粒物的光散射特性的步骤包括:
根据所述多粒径分布颗粒物光散射特性模型,根据所述待测流体介质的物质浓度c、粒子粒度Di以及光源波长λ,计算所述待测流体介质对应的吸收系数κaλ和散射系数κsλ;
根据所述待测流体介质对应的吸收系数κaλ和散射系数κsλ,计算所述待测流体介质的吸光系数a1,其中,a1=κsλ+κaλ。
7.根据权利要求5或6所述的光散射成分检测方法,其特征在于,所述待测流体介质为牛乳脂肪溶液,所述光源波长为1333nm或1600nm。
8.根据权利要求5-7中任一项所述的光散射成分检测方法,其特征在于,颗粒物的尺度参数χ≈1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610541945.3A CN106198321A (zh) | 2016-07-11 | 2016-07-11 | 模型构建方法和光散射成分检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610541945.3A CN106198321A (zh) | 2016-07-11 | 2016-07-11 | 模型构建方法和光散射成分检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106198321A true CN106198321A (zh) | 2016-12-07 |
Family
ID=57476242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610541945.3A Pending CN106198321A (zh) | 2016-07-11 | 2016-07-11 | 模型构建方法和光散射成分检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106198321A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107516077A (zh) * | 2017-08-17 | 2017-12-26 | 武汉大学 | 基于激光点云和影像数据融合的交通标牌信息提取方法 |
CN109344475A (zh) * | 2018-09-19 | 2019-02-15 | 哈尔滨理工大学 | 基于fdtd的碳纤维复合材料辐射特性数值模拟方法 |
CN112903543A (zh) * | 2021-01-20 | 2021-06-04 | 华中科技大学 | 基于光散射的气溶胶颗粒物椭圆度测量方法和系统 |
CN113252519A (zh) * | 2021-06-01 | 2021-08-13 | 武汉云侦科技有限公司 | 一种基于雾化芯的粒径分布的测量方法和测量装置 |
CN116008139A (zh) * | 2023-03-27 | 2023-04-25 | 华中科技大学 | 分散系统颗粒物分形维数的评估方法及评估系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09126984A (ja) * | 1996-08-28 | 1997-05-16 | Shimadzu Corp | 粒度分布測定装置 |
JPH10213536A (ja) * | 1997-01-28 | 1998-08-11 | Tonichi Computer Apurikeeshiyonzu Kk | 粒度分布測定方法及び装置 |
US20020041376A1 (en) * | 2000-10-11 | 2002-04-11 | Horiba, Ltd. | Light scattering particle size distribution measuring apparatus and method of use |
CN101581653A (zh) * | 2009-06-17 | 2009-11-18 | 中南大学 | 一种低相干动态光散射粒度检测方法 |
-
2016
- 2016-07-11 CN CN201610541945.3A patent/CN106198321A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09126984A (ja) * | 1996-08-28 | 1997-05-16 | Shimadzu Corp | 粒度分布測定装置 |
JPH10213536A (ja) * | 1997-01-28 | 1998-08-11 | Tonichi Computer Apurikeeshiyonzu Kk | 粒度分布測定方法及び装置 |
US20020041376A1 (en) * | 2000-10-11 | 2002-04-11 | Horiba, Ltd. | Light scattering particle size distribution measuring apparatus and method of use |
CN101581653A (zh) * | 2009-06-17 | 2009-11-18 | 中南大学 | 一种低相干动态光散射粒度检测方法 |
Non-Patent Citations (5)
Title |
---|
JINYING YIN ET AL.: "Influence of fat particle size on light sacattering properties in milk quality testing", 《2014 FOURTH INTERNATIONAL CONFERENCE ON INSTRUMENTATION AND MEASUREMENT, COMPUTER, COMMUNICATION AND CONTROL》 * |
JINYING YIN ET AL.: "Theoretical study of the effect of multi-diameter distribution on the Mie scattering characteristics of milk fat", 《JOURNAL OF HARBIN INSTITUTE OF TECHNOLOGY (NEW SERIES)》 * |
吴荣华 等: "多波长激光的大气消光系数相关性及实时反演计算研究", 《多波长激光的大气消光系数相关性及实时反演计算研究》 * |
孙汉巨 等: "《食品分析与检测实验》", 31 December 2016 * |
朱秀昌 等: "《数字图像处理与图像通信(第3版)》", 31 May 2002 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107516077A (zh) * | 2017-08-17 | 2017-12-26 | 武汉大学 | 基于激光点云和影像数据融合的交通标牌信息提取方法 |
CN107516077B (zh) * | 2017-08-17 | 2020-09-08 | 武汉大学 | 基于激光点云和影像数据融合的交通标牌信息提取方法 |
CN109344475A (zh) * | 2018-09-19 | 2019-02-15 | 哈尔滨理工大学 | 基于fdtd的碳纤维复合材料辐射特性数值模拟方法 |
CN112903543A (zh) * | 2021-01-20 | 2021-06-04 | 华中科技大学 | 基于光散射的气溶胶颗粒物椭圆度测量方法和系统 |
CN113252519A (zh) * | 2021-06-01 | 2021-08-13 | 武汉云侦科技有限公司 | 一种基于雾化芯的粒径分布的测量方法和测量装置 |
CN116008139A (zh) * | 2023-03-27 | 2023-04-25 | 华中科技大学 | 分散系统颗粒物分形维数的评估方法及评估系统 |
US11907331B1 (en) | 2023-03-27 | 2024-02-20 | Huazhong University Of Science And Technology | Method and system for evaluating fractal dimension of particle matter in dispersing system |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kitchener et al. | A review of the principles of turbidity measurement | |
CN106198321A (zh) | 模型构建方法和光散射成分检测方法 | |
Organelli et al. | The open-ocean missing backscattering is in the structural complexity of particles | |
Leymarie et al. | Uncertainties associated to measurements of inherent optical properties in natural waters | |
Finlator et al. | The physical and photometric properties of high-redshift galaxies in cosmological hydrodynamic simulations | |
Lubac et al. | Variability and classification of remote sensing reflectance spectra in the eastern English Channel and southern North Sea | |
Mobley et al. | Optical modeling of ocean waters: Is the case 1-case 2 classification still useful? | |
Jiang et al. | Remote estimation of chlorophyll a concentrations over a wide range of optical conditions based on water classification from VIIRS observations | |
Mai et al. | Exploring exoplanet cloud assumptions in JWST transmission spectra | |
White et al. | Phenology of particle size distributions and primary productivity in the N orth P acific subtropical gyre (S tation ALOHA) | |
Chen et al. | Evaluation of a QAA-based algorithm using MODIS land bands data for retrieval of IOPs in the Eastern China Seas | |
Koestner et al. | Polarized light scattering measurements as a means to characterize particle size and composition of natural assemblages of marine particles | |
Babin et al. | Determination of the volume scattering function of aqueous particle suspensions with a laboratory multi-angle light scattering instrument | |
Cheng et al. | Remote estimation of chlorophyll-a concentration in turbid water using a spectral index: a case study in Taihu Lake, China | |
Koner et al. | Hybrid cloud and error masking to improve the quality of deterministic satellite sea surface temperature retrieval and data coverage | |
Chen et al. | Deriving colored dissolved organic matter absorption coefficient from ocean color with a neural quasi‐analytical algorithm | |
Stramski et al. | Model for separating the contributions of non-algal particles and colored dissolved organic matter to light absorption by seawater | |
WO2005036181A1 (en) | A method for characterizing a dispersion using transformation techniques | |
Haëntjens et al. | Phytoplankton size distributions in the western North Atlantic and their seasonal variability | |
Tiwari et al. | An optical model for deriving the spectral particulate backscattering coefficients in oceanic waters | |
Lobo et al. | Light backscattering in turbid freshwater: a laboratory investigation | |
Font-Muñoz et al. | Method for the determination of preferential orientation of marine particles from laser diffraction measurements | |
Kobayashi et al. | Optical properties of inorganic suspended solids and their influence on ocean colour remote sensing in highly turbid coastal waters | |
Lin et al. | Novel method for quantifying the cell size of marine phytoplankton based on optical measurements | |
Xiong et al. | A method for tracking the Brownian motion to estimate the size distribution of submicron particles in seawater |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |
|
RJ01 | Rejection of invention patent application after publication |