CN106501189B - 一种光谱测量方法及装置 - Google Patents

一种光谱测量方法及装置 Download PDF

Info

Publication number
CN106501189B
CN106501189B CN201611029525.3A CN201611029525A CN106501189B CN 106501189 B CN106501189 B CN 106501189B CN 201611029525 A CN201611029525 A CN 201611029525A CN 106501189 B CN106501189 B CN 106501189B
Authority
CN
China
Prior art keywords
spectral
signal
filter plate
substance
measured
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.)
Active
Application number
CN201611029525.3A
Other languages
English (en)
Other versions
CN106501189A (zh
Inventor
张�林
张尚
周强
董宇涵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen International Graduate School of Tsinghua University
Original Assignee
Tsinghua Berkeley Shenzhen College Preparatory Office
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua Berkeley Shenzhen College Preparatory Office filed Critical Tsinghua Berkeley Shenzhen College Preparatory Office
Priority to CN201611029525.3A priority Critical patent/CN106501189B/zh
Publication of CN106501189A publication Critical patent/CN106501189A/zh
Application granted granted Critical
Publication of CN106501189B publication Critical patent/CN106501189B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands

Landscapes

  • Physics & Mathematics (AREA)
  • Biochemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectrometry And Color Measurement (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本发明实施例公开了一种光谱测量方法及装置，其中该方法包括：对待测光谱信号经过阵列式滤波片后形成的观测光谱信号进行检测，获取检测数据，其中，待测光谱信号携带待测样品的光谱信息，所述阵列式滤波片上涂覆多种呈阵列式分布且光谱特性相异的物质；基于稀疏重建算法以及所述检测数据进行信号重建，获取重建结果。本发明实施例提高了光谱信号的测量精度和分辨率，操作方便，并且可使光谱测量装置微型化，降低了成本。

Description

一种光谱测量方法及装置
技术领域
本发明涉及光学测量技术领域，尤其涉及一种光谱测量方法及装置。
背景技术
物质的组成和结构决定了物质的性质；反之，可以通过物质的某些性质测定物质的相关组成与结构。光谱作为物质重要的光学性质，携带有丰富的物质组成和结构的相关信息，因此光谱测量在物质的定性、定量检测方面起着十分重要的作用。
现有技术中，对于光谱的测量一般是基于光栅等分光器件的光谱仪来完成的。如图1所示，光谱仪包括光源110、分光系统120和检测系统130，其中，分光系统包括光栅、棱镜等，光源包括卤素灯、氘灯等。如图1所示，如果分光系统120采用光栅，光源110发出的光束以合适大小的光斑透过待测样品140；然后经过分光系统120(光栅)分光后到达检测系统130，得到样品的透射光谱。
但是由于上述方法采用较为复杂的光学系统(比如光栅、棱镜等)，使得制造成本较高、测量装置体积较大，不便于移动与携带；同时光谱的分辨率直接受到分光装置精度的影响，不利于光谱分辨率的提高。
发明内容
有鉴于此，本发明实施例提供一种光谱测量方法及装置，提高了光谱信号的测量精度和分辨率，操作方便，并且可使光谱测量装置微型化，降低了成本。
第一方面，本发明实施例提供了一种光谱测量方法，包括：
对待测光谱信号经过阵列式滤波片后形成的观测光谱信号进行检测，获取检测数据，其中，待测光谱信号携带待测样品的光谱信息，所述阵列式滤波片上涂覆多种呈阵列式分布且光谱特性相异的物质；
基于稀疏重建算法以及所述检测数据进行信号重建，获取重建结果。
第二方面，本发明实施例还提供了一种光谱测量装置，包括：
检测装置，用于对待测光谱信号经过阵列式滤波片后形成的观测光谱信号进行检测，获取检测数据，其中，待测光谱信号携带待测样品的光谱信息，所述阵列式滤波片上涂覆多种呈阵列式分布且光谱特性相异的物质；
信号重建装置，用于基于稀疏重建算法以及所述检测数据进行信号重建，获取重建结果。
本发明实施例提供的技术方案，通过对待测光谱信号经过阵列式滤波片后形成的观测光谱信号进行检测，并通过稀疏重建算法以及获取到的检测数据进行信号重建，能够提高光谱信号的测量精度和分辨率，操作方便，降低了成本。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是现有光谱测量装置的结构示意图；
图2是本发明实施例提供的一种光谱测量方法流程图；
图3是本发明实施例提供的一种阵列式滤波片的示意图；
图4a-图4d是阵列式滤波片上涂覆的不同物质的光谱曲线；
图5a是本实施例提供的待测光谱信号的重建光谱与采用传统光谱仪检测到的待测光谱信号比较示意图；
图5b是图5a的局部放大图；
图6是本发明实施例提供的一种光谱测量装置结构框图；
图7是本发明实施例提供的检测装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。
图2是本发明实施例提供的一种光谱测量方法流程图，如图2所示，本实施例提供的技术方案具体包括：
S210：对待测光谱信号经过阵列式滤波片后形成的观测光谱信号进行检测，获取检测数据。
在本实施例中，待测光谱信号携带待测样品的光谱信息，可选的，待测光谱信号为待测样品的透射光谱信号，并且待测光谱信号并不局限于待测样品的透射光谱信号。阵列式滤波片上涂覆多种呈阵列式分布且光谱特性相异的物质。可选的，阵列式滤波片上可涂覆多种呈阵列式分布且透射率不同的物质。当制备阵列式滤波片时，可以采用如下的方式：在基底(如，玻璃片)的不同位置上，涂覆n种透射率不同且性质稳定的物质。例如，选取直径为25mm的玻璃片，在不同位置涂覆2mm×2mm的物质，涂覆的物质种类为100种。如图3所示，阵列式滤波片上涂覆的物质呈阵列式分布，其中，对于涂覆物质的大小、形状、厚度、均匀程度、间隔、涂覆位置以及涂覆顺序并不作限制。
在本实施例中，当制备完毕阵列式滤波片后，利用高精度的光谱仪测定阵列式滤波片上涂覆物质的光谱数据，并将测定的光谱数据进行存储。图4a-4d是阵列式滤波片上涂覆的不同物质的光谱曲线，可选的，图4a-4d是阵列式滤波片上涂覆的不同物体的透射曲线，如图4a-4d所示，不同的物质的透射率是不同的。
在本实施例中，当待测光谱信号经过阵列式滤波片后，形成观测光谱信号，通过光检测器获取观测光谱信号的检测数据，获取的检测数据为观测光谱信号的光强值。当阵列式滤波片上涂覆有n种物质时，获取的检测数据为n个观测光谱信号的光强值。
S220：基于稀疏重建算法以及所述检测数据进行信号重建，获取重建结果。
在本实施例中，可选的，基于稀疏重建算法以及所述检测数据进行信号重建，获取重建结果，包括：采用所述阵列式滤波片上的每种物质离散化的光谱信号作为行向量构造观测矩阵Φ；通过如下公式中任意一种获取重建结果：
且满足约束条件：Φx＝y；
且满足约束条件：Φx＝y；
且满足约束条件：
且满足约束条件：||x||1≤t1；以及
其中，y为检测数据形成的列向量，且y＝[y1,y2,...,yi,...,yn]T，yi为经过所述阵列式滤波片上的第i种物质后形成的观测光谱信号的检测数据，n为所述阵列滤波片上涂覆物质的种类数量；x为离散化后的待测光谱信号形成的列向量，且 为待测光谱信号在波长λi处的光谱值，m为所述观测矩阵的列数，且m的数值取决于对所述待测光谱信号的采样间隔；Φ∈Rn×m， 为阵列式滤波片上的第i种物质的光谱信号在波长λj处的光谱值；ε1为第一重建误差预设值；t1为表征x稀疏程度的预设值；τ1为第一权重预设值。例如，若待测光谱信号的波长在380nm到780nm之间，采样宽度为1nm，则m为400。本实施例中，对于上述公式的优化，可以采用BP算法、BPDN算法、OMP算法、IST算法、GPSR算法或l1-ls算法等稀疏重建算法，并且求解上述公式的稀疏重建算法并不局限于BP算法、BPDN算法、OMP算法、IST算法、GPSR算法、l1-ls算法等。
在本实施例中，观测矩阵的构造基于原理为：由存储的阵列式滤波片上涂覆物质的光谱数据可形成光谱曲线。其中，光谱曲线可以是透射曲线，若阵列式滤波片上涂覆的第i种物质的透射曲线为φi(λ)，待测光谱信号的光谱曲线为x(λ)，待测光谱信号经过第i种物质后形成的观测信号的光强值为yi，其中，yi的数学表达式为：
yi＝∫x(λ)φi(λ)dλ,i＝1,2,...,n (1)
将公式(1)改写成离散形式，其数学表达式为：
由于阵列式滤波片上涂覆有n种物质，将公式(2)改写成矩阵的表示形式为：
y＝Φx (3)
上述公式(3)的矩阵的具体形式为：
因此，观测矩阵Φ由阵列式滤波片上每种物质的离散化的透射数据所构造，其中，观测矩阵的Φ的行数为n，列数为m。
在上述实施例的基础上，可选的，基于稀疏重建算法以及所述检测数据进行信号重建，获取重建结果，还可以包括：采用所述阵列式滤波片上的每种物质离散化后的光谱信号作为行向量构造观测矩阵Φ；利用字典学习算法对预设数量的标准光谱信号进行训练，获取稀疏字典Ψ；
通过如下公式中的任意一种获取稀疏表示系数s：
且满足约束条件：ΦΨs＝y；
且满足约束条件：ΦΨs＝y；
且满足约束条件：
且满足约束条件：||s||1≤t2；以及
通过公式获取重建结果，为待测光谱信号的离散重建结果；
其中，y为检测数据形成的列向量，且y＝[y1,y2,...,yi,...,yn]T，yi为经过所述阵列式滤波片上的第i种物质后形成的观测光谱信号的检测数据，n为所述阵列滤波片上涂覆物质的种类数量；Φ∈Rn×m， 为阵列式滤波片上的第i种物质光谱信号在波长λj处的光谱值；m为所述观测矩阵的列数，且m的数值取决于对所述待测光谱信号的采样间隔；ε2为第二重建误差预设值；t2为表征s稀疏程度的预设值；τ2为第二权重预设值。其中，可选的，所述字典学习算法包括K-SVD算法或MOD算法，并且字典学习算法并不局限于K-SVD算法和MOD算法。
在本实施例中，获取稀疏字典Ψ的具体过程为：
步骤a：选取预设数量的光谱信号作为训练集T，T∈Rm×num，并初始化稀疏字典Ψ，Ψ∈Rm×k。
其中，训练集T的每一列中的数据为同一种光谱信号在不同波长处的光谱值。“num”表征预设数量的数值，即选取的光谱信号的数量；k的取值与m相关，需要进行多次尝试进行确定。预设的数量可根据需要进行确定，预设数量可以是1000个，即num＝1000。当选取的光谱信号的数据越多时，测量精度一般会越高。
步骤b：保持稀疏字典Ψ保持不变，按照稀疏重建的算法更新稀疏表示系数D，使稀疏表示系数D满足T＝ΨD的条件。
其中，D∈Rk×num，并且D的每一列为T对应列的光谱信号在Ψ下的稀疏表示系数。
步骤c：保持稀疏表示系数D不变，采用K-SVD算法更新稀疏字典Ψ；
步骤d：依次重复步骤b，c进行迭代，直至满足设置的迭代终止条件，获取最后迭代后的稀疏字典Ψ。
其中，迭代终止条件可以是最大迭代次数，例如，设置最大迭代次数为500次，则迭代500次后停止。迭代终止条件还可以是相对误差小于预设阈值。或者迭代终止条件还可以是其他形式，根据需要进行设定。
在上述实施例的基础上，当获取重建结果之后，对重建结果进行误差计算。通过公式计算相对误差，其中r表征相对误差，x为待测光谱信号在不同波长处的光谱值，为x的重建值。通过计算，当阵列式滤波片涂覆100种物质时，本实施例中采用上述两种方法进行信号重建，平均相对误差分别是0.12％和0.25％，其中，上述第一种方法是仅仅通过稀疏重建算法进行信号重建，获取重建结果；第二种是通过稀疏重建算法以及字典学习算法结合进行信号重建，获取重建结果。
在本实施例中，阵列式滤波片上涂覆的物质的种类数量不同，采用上述两种方法对光谱信号的重建后，相对误差是不同的。图5a是本实施例提供的待测光谱信号的重建光谱与采用传统光谱仪检测到的待测光谱信号比较示意图，图5b是图5a的局部放大图，如图5a和图5b所示，仅通过稀疏重建算法进行信号重建得到的重建光谱2、以及通过稀疏重建算法和字典学习算法结合进行信号重建得到的重建光谱3与采用传统光谱仪检测到的待测光谱信号1几乎是重合的。因此，本实施例中采用上述两种方法对待测光谱信号进行测定时，测量精度较高。
在本实施例中，表1为仅通过稀疏重建算法进行信号重建，得到的相对误差表；表2为通过稀疏重建算法与字典学习算法结合进行信号重建，得到的相对误差表。如表1和表2所示，仅仅通过稀疏重建算法进行信号重建的方法，对涂覆物质的种类数和性质要求稍高，需要涂覆的物质种类数数量最低为80种(不可低于75种，否则相对误差较大)。而通过稀疏重建算法以及字典学习算法结合进行信号重建的方法，降低了对物质种类数量的要求，需要涂覆的物质种类数最低约为30种(相对误差在1％以下)。因此，通过稀疏重建算法以及字典学习算法结合进行信号重建的方法，对阵列式滤波片上涂覆的物质种类要求的数量较少，制备阵列式滤波片的工艺越简单。但是上述两种对信号进行重建的方法，均大大降低了阵列式滤波片涂覆的物质的种类数量，降低了阵列式滤波片的制备工艺的复杂度以及制备成本，同时也可以采用稀疏重建的算法标定阵列式滤波片不同区域的滤波特性，使得滤波片的标定工艺大大简化。
表1
表2
图6是本发明实施例提供的一种光谱测量装置结构框图，如图6所示，所述装置包括检测装置610和信号重建装置620。
其中，检测装置610，用于对待测光谱信号经过阵列式滤波片后形成的观测光谱信号进行检测，获取检测数据，其中，待测光谱信号携带待测样品的光谱信息，所述阵列式滤波片上涂覆多种呈阵列式分布且光谱特性相异的物质。
信号重建装置620，用于基于稀疏重建算法以及所述检测数据进行信号重建，获取重建结果。
在本实施例中，如图7所示，所述检测装置610包括：光源110、阵列式滤波片612以及光检测器613；所述光源110，用于发射经过待测样品140的光束，以获取待测光谱信号；所述阵列式滤波片612，将所述待测光谱信号进行滤波，形成观测光谱信号；所述光检测器613，用于对所述观测光谱信号进行检测，获取检测数据。可选的，光检测器为CCD面阵检测器。本实施例中提供的检测装置还可以包括其他的元件，并不局限于上述的元件。
本实施例中，通过阵列式滤波片替换传统的光谱仪中的光栅等分光装置，制备工艺简单，降低成本，且阵列式滤波片的尺寸较小，可使光谱测量装置微型化，携带方便。
进一步的，所述信号重建装置620，具体用于：
采用所述阵列式滤波片上的每种物质离散化的光谱信号作为行向量构造观测矩阵Φ；
通过如下公式中的任意一种获取重建结果：
且满足约束条件：Φx＝y；
且满足约束条件：Φx＝y；
且满足约束条件：
且满足约束条件：||x||1≤t1；以及
其中，y为检测数据形成的列向量，且y＝[y1,y2,...,yi,...,yn]T，yi为经过所述阵列式滤波片上的第i种物质后形成的观测光谱信号的检测数据，n为所述阵列滤波片上涂覆物质的种类数量；x为离散化后的待测光谱信号形成的列向量，且 为待测光谱信号在波长λi处的光谱值，m为所述观测矩阵的列数，且m的数值取决于对所述待测光谱信号的采样间隔；Φ∈Rn×m， 为阵列式滤波片上的第i种物质的光谱信号在波长λj处的光谱值；ε1为第一重建误差预设值；t1为表征x稀疏程度的预设值；τ1为第一权重预设值。
进一步的，所述信号重建装置620，具体用于：
采用所述阵列式滤波片上的每种物质离散化后的光谱信号作为行向量构造观测矩阵Φ；
利用字典学习算法对预设数量的标准光谱信号进行训练，获取稀疏字典Ψ；
通过如下公式中的任意一种获取稀疏表示系数s：
且满足约束条件：ΦΨs＝y；
且满足约束条件：ΦΨs＝y；
且满足约束条件：
且满足约束条件：||s||1≤t2；以及
通过公式获取重建结果，为待测光谱信号的离散重建结果；
其中，y为检测数据形成的列向量，且y＝[y1,y2,...,yi,...,yn]T，yi为经过所述阵列式滤波片上的第i种物质后形成的观测光谱信号的检测数据，n为所述阵列滤波片上涂覆物质的种类数量；Φ∈Rn×m， 为阵列式滤波片上的第i种物质光谱信号在波长λj处的光谱值；m为所述观测矩阵的列数，且m的数值取决于对所述待测光谱信号的采样间隔；ε2为第二重建误差预设值；t2为表征s稀疏程度的预设值；τ2为第二权重预设值。
本实施例提供的光谱测量装置，通过对待测光谱信号经过阵列式滤波片后形成的观测光谱信号进行检测，获取检测数据，并通过稀疏重建算法以及获取到的检测数据进行信号重建，能够提高光谱信号的测量精度和分辨率，操作简单，并且可微型化，降低了成本。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (3)

1.一种光谱测量方法，其特征在于，包括：
对待测光谱信号经过阵列式滤波片后形成的观测光谱信号进行检测，获取检测数据，其中，待测光谱信号携带待测样品的光谱信息，所述阵列式滤波片上涂覆多种呈阵列式分布且光谱特性相异的物质；
基于稀疏重建算法以及所述检测数据进行信号重建，获取重建结果；
其中，所述基于稀疏重建算法以及所述检测数据进行信号重建，获取重建结果，包括：
采用所述阵列式滤波片上的每种物质离散化的光谱信号作为行向量构造观测矩阵Φ；
通过如下公式中的任意一种获取重建结果：
且满足约束条件：Φx＝y；
且满足约束条件：Φx＝y；
且满足约束条件：
且满足约束条件：||x||1≤t1；以及
其中，y为检测数据形成的列向量，且y＝[y1,y2,...,yi,...,yn]T，yi为经过所述阵列式滤波片上的第i种物质后形成的观测光谱信号的检测数据，n为所述阵列滤波片上涂覆物质的种类数量；x为离散化后的待测光谱信号形成的列向量，且 为待测光谱信号在波长λi处的光谱值，m为所述观测矩阵的列数，且m的数值取决于对所述待测光谱信号的采样间隔；Φ∈Rn×m， 为阵列式滤波片上的第i种物质的光谱信号在波长λj处的光谱值；ε1为第一重建误差预设值；t1为表征x稀疏程度的预设值；τ1为第一权重预设值；
或者，所述基于稀疏重建算法以及所述检测数据进行信号重建，获取重建结果，包括：
采用所述阵列式滤波片上的每种物质离散化后的光谱信号作为行向量构造观测矩阵Φ；
利用字典学习算法对预设数量的标准光谱信号进行训练，获取稀疏字典Ψ；
通过如下公式中的任意一种获取稀疏表示系数s：
且满足约束条件：ΦΨs＝y；
且满足约束条件：ΦΨs＝y；
且满足约束条件：
且满足约束条件：||s||1≤t2；以及
通过公式获取重建结果，为待测光谱信号的离散重建结果；
其中，y为检测数据形成的列向量，且y＝[y1,y2,...,yi,...,yn]T，yi为经过所述阵列式滤波片上的第i种物质后形成的观测光谱信号的检测数据，n为所述阵列滤波片上涂覆物质的种类数量；Φ∈Rn×m， 为阵列式滤波片上的第i种物质光谱信号在波长λj处的光谱值；m为所述观测矩阵的列数，且m的数值取决于对所述待测光谱信号的采样间隔；ε2为第二重建误差预设值；t2为表征s稀疏程度的预设值；τ2为第二权重预设值。
2.一种光谱测量装置，其特征在于，包括：
检测装置，用于对待测光谱信号经过阵列式滤波片后形成的观测光谱信号进行检测，获取检测数据，其中，待测光谱信号携带待测样品的光谱信息，所述阵列式滤波片上涂覆多种呈阵列式分布且光谱特性相异的物质；
信号重建装置，用于基于稀疏重建算法以及所述检测数据进行信号重建，获取重建结果；
其中，所述信号重建装置，具体用于：
采用所述阵列式滤波片上的每种物质离散化的光谱信号作为行向量构造观测矩阵Φ；
通过如下公式中的任意一种获取重建结果：
且满足约束条件：Φx＝y；
且满足约束条件：Φx＝y；
且满足约束条件：
且满足约束条件：||x||1≤t1；以及
其中，y为检测数据形成的列向量，且y＝[y1,y2,...,yi,...,yn]T，yi为经过所述阵列式滤波片上的第i种物质后形成的观测光谱信号的检测数据，n为所述阵列滤波片上涂覆物质的种类数量；x为离散化后的待测光谱信号形成的列向量，且 为待测光谱信号在波长λi处的光谱值，m为所述观测矩阵的列数，且m的数值取决于对所述待测光谱信号的采样间隔；Φ∈Rn×m， 为阵列式滤波片上的第i种物质的光谱信号在波长λj处的光谱值；ε1为第一重建误差预设值；t1为表征x稀疏程度的预设值；τ1为第一权重预设值；
或者，所述信号重建装置，具体用于：
采用所述阵列式滤波片上的每种物质离散化后的光谱信号作为行向量构造观测矩阵Φ；
利用字典学习算法对预设数量的标准光谱信号进行训练，获取稀疏字典Ψ；
通过如下公式中的任意一种获取稀疏表示系数s：
且满足约束条件：ΦΨs＝y；
且满足约束条件：ΦΨs＝y；
且满足约束条件：
且满足约束条件：||s||1≤t2；以及
通过公式获取重建结果，为待测光谱信号的离散重建结果；
其中，y为检测数据形成的列向量，且y＝[y1,y2,...,yi,...,yn]T，yi为经过所述阵列式滤波片上的第i种物质后形成的观测光谱信号的检测数据，n为所述阵列滤波片上涂覆物质的种类数量；Φ∈Rn×m， 为阵列式滤波片上的第i种物质光谱信号在波长λj处的光谱值；m为所述观测矩阵的列数，且m的数值取决于对所述待测光谱信号的采样间隔；ε2为第二重建误差预设值；t2为表征s稀疏程度的预设值；τ2为第二权重预设值。
3.根据权利要求2所述的装置，其特征在于，所述检测装置包括：光源、阵列式滤波片以及光检测器；
所述光源，用于发射经过待测样品的光束，以获取待测光谱信号；
所述阵列式滤波片，将所述待测光谱信号进行滤波，形成观测光谱信号；
所述光检测器，用于对所述观测光谱信号进行检测，获取检测数据。
CN201611029525.3A 2016-11-14 2016-11-14 一种光谱测量方法及装置 Active CN106501189B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611029525.3A CN106501189B (zh) 2016-11-14 2016-11-14 一种光谱测量方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611029525.3A CN106501189B (zh) 2016-11-14 2016-11-14 一种光谱测量方法及装置

Publications (2)

Publication Number Publication Date
CN106501189A CN106501189A (zh) 2017-03-15
CN106501189B true CN106501189B (zh) 2019-05-10

Family

ID=58327735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611029525.3A Active CN106501189B (zh) 2016-11-14 2016-11-14 一种光谱测量方法及装置

Country Status (1)

Country Link
CN (1) CN106501189B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112087559B (zh) * 2019-06-13 2021-11-30 华为技术有限公司 图像传感器、图像拍摄装置和方法
CN115931130B (zh) * 2022-12-09 2023-10-24 化学与精细化工广东省实验室 基于通带可调滤光片的算法重建窄带光谱探测方法及设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103808410A (zh) * 2014-02-21 2014-05-21 清华大学 对偶编码压缩高光谱成像的装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080266563A1 (en) * 2007-04-26 2008-10-30 Redman David J Measuring color using color filter arrays

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103808410A (zh) * 2014-02-21 2014-05-21 清华大学 对偶编码压缩高光谱成像的装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Improving resolution of miniature spectrometers by exploiting sparse nature of signals;J. Oliver 等;《Optics Express》;20120120;第20卷(第3期);摘要，第2、4节，图1-2，第1节第2段

Also Published As

Publication number Publication date
CN106501189A (zh) 2017-03-15

Similar Documents

Publication Publication Date Title
US9568363B2 (en) Compact optical spectrometer
CN104914089B (zh) 用表面增强拉曼光谱对痕量混合物进行半定量分析的方法
CN106815878A (zh) 一种基于多视角多光谱层析成像的图像重建方法
Potůčková et al. Comparison of reflectance measurements acquired with a contact probe and an integration sphere: Implications for the spectral properties of vegetation at a leaf level
CN110441254A (zh) 一种用于识别塑料的近红外光频梳光谱仪
CN109738413A (zh) 基于稀疏非负最小二乘的混合物拉曼光谱定性分析方法
CN106501189B (zh) 一种光谱测量方法及装置
CN105784672A (zh) 一种基于双树复小波算法的毒品检测仪标准化方法
CN106383091B (zh) 通过光谱直接定量添加物含量的方法
CN109142263A (zh) 一种固体推进剂制备过程的组分分散均匀性在线测试方法
Bi et al. Estimating leaf chlorophyll and nitrogen contents using active hyperspectral LiDAR and partial least square regression method
CN106126879B (zh) 一种基于稀疏表示技术的土壤近红外光谱分析预测方法
CN109541100A (zh) 多通道波长的信号漂移处理方法、装置及多通道检测器
CN109557034A (zh) 基于压缩感知的特定气体源成分光谱分析方法及装置
CN206583795U (zh) 一种基于光谱法的多参数水质实时在线监测装置
Shaikh et al. Qualitative and quantitative characterization of textile material by Fourier transform infra-red
CN108489928B (zh) 一种短波红外消光光谱纺织品纤维成分检测方法
CN113720825B (zh) 光学即时检测器及检测方法和应用
Mittal et al. Estimation of uncertainty for measuring Galantamine hydrobromide in pharmaceutical formulation using ultraviolet spectrophotometry
CN205843814U (zh) 一种基于cars效应的太赫兹波频率测量装置
CN113252601B (zh) 基于波长调制光谱技术的多组分物质检测方法及装置
JPH1164217A (ja) 分光分析機における成分量検出装置
CN113075184B (zh) 罗丹明b溶液相对荧光发射强度标准物质及其制备方法与应用
Rajan UV-Spectrophotometric estimation of olopatadine hydrochloride in bulk and pharmaceutical dosage form by area under curve and second order derivative methods
Guo et al. Enantiomeric excess determination by Fourier transform near-infrared vibrational circular dichroism spectroscopy: simulation of real-time process monitoring

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20221121

Address after: 518000 2nd floor, building a, Tsinghua campus, Shenzhen University Town, Xili street, Nanshan District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen International Graduate School of Tsinghua University

Address before: 518000 Nanshan Zhiyuan 1001, Xue Yuan Avenue, Nanshan District, Shenzhen, Guangdong.

Patentee before: TSINGHUA-BERKELEY SHENZHEN INSTITUTE

TR01 Transfer of patent right