CN111368480B - Spr传感器灵敏度检测分析的方法及系统 - Google Patents
Spr传感器灵敏度检测分析的方法及系统 Download PDFInfo
- Publication number
- CN111368480B CN111368480B CN202010165370.6A CN202010165370A CN111368480B CN 111368480 B CN111368480 B CN 111368480B CN 202010165370 A CN202010165370 A CN 202010165370A CN 111368480 B CN111368480 B CN 111368480B
- Authority
- CN
- China
- Prior art keywords
- roughness
- spr sensor
- dielectric constant
- sensitivity
- fractal dimension
- 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
Links
- 230000035945 sensitivity Effects 0.000 title claims abstract description 83
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 238000004458 analytical method Methods 0.000 title claims abstract description 60
- 239000002131 composite material Substances 0.000 claims abstract description 35
- 230000003287 optical effect Effects 0.000 claims description 23
- 229910052751 metal Inorganic materials 0.000 claims description 17
- 239000002184 metal Substances 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 14
- 230000003746 surface roughness Effects 0.000 claims description 14
- 238000005070 sampling Methods 0.000 claims description 11
- 239000000835 fiber Substances 0.000 claims description 10
- 239000013307 optical fiber Substances 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 2
- 239000000523 sample Substances 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 3
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 235000012239 silicon dioxide Nutrition 0.000 description 5
- 239000000377 silicon dioxide Substances 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000005498 polishing Methods 0.000 description 3
- 229910052709 silver Inorganic materials 0.000 description 3
- 239000004332 silver Substances 0.000 description 3
- 238000002198 surface plasmon resonance spectroscopy Methods 0.000 description 3
- 239000011248 coating agent Substances 0.000 description 2
- 238000000576 coating method Methods 0.000 description 2
- 229910052681 coesite Inorganic materials 0.000 description 2
- 229910052906 cristobalite Inorganic materials 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 229910052682 stishovite Inorganic materials 0.000 description 2
- 229910052905 tridymite Inorganic materials 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000008367 deionised water Substances 0.000 description 1
- 229910021641 deionized water Inorganic materials 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 229910000510 noble metal Inorganic materials 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明提供了一种SPR传感器的灵敏度检测分析方法，SPR传感器的灵敏度检测分析方法针对SPR振传感器进行检测，包括如下步骤：检测SPR传感器的表面，获取粗糙度数据；根据粗糙度数据，生成粗糙度分形维数；应用粗糙度分形维数建模，检测分析SPR传感器的灵敏度。在本发明的技术方案中，应用干涉仪或者任意形式的扫描探针显微镜来检测SPR传感器的表面，可以初步采集到SPR传感器的粗糙度数据。基于分形理论，按照维尔斯特拉斯函数对粗糙度数据进行试错处理，即可获得粗糙度分形维数。因为粗糙度分形维数描述的是物体填充空间的能力，可以以此获得SPR传感器复合层的性质，并以此建模，检测分析SPR传感器的灵敏度。
Description
技术领域
本发明涉及针对传感器的检测，尤其是指一种表面等离子体共振传感器的灵敏度检测方法及系统。
背景技术
SPR光纤传感器，即表面等离子体共振传感器，由于适合远程测量、结构紧凑、响应快速等特点目前被广泛应用于偏光、谐振、开关等领域。侧面抛光并涂覆贵金属是单模光纤SPR传感器的一种常见制造方法。抛光表面是一种典型的机械加工表面，微观上的粗糙不平是该类表面的主要特征，该特征会对各类光学元器件的性能产生影响。然而，针对表面粗糙度与传感属性的研究较少，很难把握侧抛光纤SPR传感器表面粗糙度对其等离子体产生及共振特性的影响规律，在该类传感器的设计、制造、性能评价过程中，缺乏对表面粗糙度光学特征有效检测的方法。
发明内容
本发明提供了一种SPR传感器的灵敏度检测分析方法，用于对表面粗糙度光学特征有效检测。
为了解决上述技术问题，本发明采用的技术方案为：一种SPR传感器的灵敏度检测分析方法，SPR传感器的灵敏度检测分析方法针对SPR振传感器进行检测，包括如下步骤：
检测SPR传感器的表面，获取粗糙度数据；
根据粗糙度数据，生成粗糙度分形维数；
应用粗糙度分形维数建模，检测分析SPR传感器的灵敏度。
具体的，所述应用所述粗糙度分形维数，检测分析所述SPR传感器的灵敏度的步骤中，所述步骤包括：
应用所述粗糙度分形维数建立粗糙度光学模型；
分析所述粗糙度光学模型，获取第一有效介电常数；
调用所述第一有效介电常数，对所述SPR传感器的灵敏度进行检测分析；
其中，第一有效介电常数为复合层的有效介电常数。
进一步地，所述应用所述粗糙度分形维数，检测分析所述SPR传感器的灵敏度的步骤中，所述步骤还包括：
根据所述粗糙度光学模型，获取表面粗糙度的高度数据；
根据所述表面粗糙度的高度数据，获取第一有效厚度；
应用所述第一有效厚度，对所述SPR传感器的灵敏度进行检测分析；
其中，所述第一有效厚度为复合层的有效厚度。
进一步地，所述检测分析所述SPR传感器的灵敏度的步骤中，所述步骤具体包括：
应用所述第一有效厚度及所述第一有效介电常数，建立传感器分析模型；
根据所述传感器分析模型，获取所述SPR传感器的共振波长；
根据所述SPR传感器的共振波长，确定所述SPR传感器的灵敏度。
具体的，复合层包括基底电介质层与金属膜层，在所述获取第一有效介电常数的步骤中，所述步骤具体包括：
获取第二介电常数及第三介电常数，其中，所述第二介电常数为基底电介质层的介电常数，所述第三介电常数为金属层膜的介电常数；
对所述第二介电常数及第三介电常数进行计算，获取所述复合层的有效介电常数。
进一步地，所述生成粗糙度分形维数的步骤中，所述步骤具体包括：
检测所述粗糙度数据，获取实际粗糙度函数形状；
根据所述实际粗糙度函数形状，获取所述粗糙度分形维数。
进一步地，所述根据所述实际粗糙度函数形状，选择所述粗糙度分形维数的步骤中，具体包括：
按照维尔斯特拉斯函数，调整所述粗糙度分形维数；
根据所述实际粗糙度函数形状，选取对应的模拟分形函数模型。
具体的，所述SPR传感器包括光纤纤心，所述检测所述SPR传感器的表面的步骤中，所述步骤具体包括：
根据所述光纤纤心的直径，选取采样面积；
根据所述采样面积，采集检测样本；
应用高精密检测装置检测所述检测样本，获得表面数据。
具体的，所述生成粗糙度分形维数的步骤中，所述步骤包括：
对所述表面数据进行滤波与分解；
提取高频粗糙度信息；
根据所述高频粗糙度信息，获取粗糙度分形维数。
本申请还提供了一种SPR传感器的灵敏度检测分析系统，所述SPR传感器的灵敏度检测分析系统应用于SPR振传感器的检测，所述系统包括：
测量模块，用于检测所述SPR传感器的表面，获取粗糙度数据；
提取模块，用于根据所述粗糙度数据，生成粗糙度分形维数；
分析模块，用于应用所述粗糙度分形维数建模，检测分析所述SPR传感器的灵敏度。
在本发明的技术方案中，应用干涉仪或者任意形式的扫描探针显微镜来检测SPR传感器的表面，可以初步采集到SPR传感器的粗糙度数据。基于分形理论，按照维尔斯特拉斯函数对粗糙度数据进行试错处理，即可获得粗糙度分形维数。因为粗糙度分形维数描述的是物体填充空间的能力，可以以此获得SPR传感器复合层的性质，并以此建模，检测分析SPR传感器的灵敏度。
附图说明
下面结合附图详述本发明的具体结构
图1为本发明的SPR传感器的灵敏度检测分析方法的第一实施例的流程图；
图2为本发明的SPR传感器的灵敏度检测分析方法的第二实施例的流程图；
图3为本发明的SPR传感器的灵敏度检测分析方法的第三实施例的流程图；
图4为本发明的SPR传感器的灵敏度检测分析系统的第一实施例的结构框图；
图5A为本发明的SPR传感器的灵敏度检测分析方法中实际粗糙度函数；
图5B为本发明的SPR传感器的灵敏度检测分析方法中模拟分形函数模型；
图6为本发明的SPR传感器的灵敏度检测分析方法中粗糙度等效光学模型；
图7为本发明的SPR传感器的灵敏度检测分析方法中光纤粗糙表面镀膜后的复合函数；
图8为本发明的SPR传感器的灵敏度检测分析方法中粗糙表面高度数据的高斯分布图；
图9为本发明的SPR传感器的灵敏度检测分析方法中利用FDTD方法分析粗糙度复合层的SPR效应的示意图；
图10A为本发明的SPR传感器的灵敏度检测分析方法中SiO2+Ag复合层的折射率随分形维数的变化规律；
图10B为本发明的SPR传感器的灵敏度检测分析方法中SiO2+Au复合层的折射率随分形维数的变化规律；
图11A为本发明的SPR传感器的灵敏度检测分析方法中SPR共振波长随分形维数变化的规律；
图11B为本发明的SPR传感器的灵敏度检测分析方法中SPR共振波长随有效厚度变化的规律；
图12A为本发明的SPR传感器的灵敏度检测分析方法中SPR灵敏度随有效厚度变化的规律；
图12B为本发明的SPR传感器的灵敏度检测分析方法中SPR灵敏度随有效厚度变化的规律；
图13为本发明的SPR传感器的灵敏度检测分析方法中1000#砂纸抛光后表面银膜SPR共振波长测定图。
具体实施方式
为详细说明本发明的技术内容、构造特征、所实现目的及效果，以下结合实施方式并配合附图详予说明。
SPR，即Surface Plasmon Resonance，译文为表面等离子体共振。该技术是一种电荷密度振荡，它与两种介电常数相反的物质(如金属与电介质)交界面上的表面等离子体波(Surface Plasmon Wave，SPW)有关。
当频率\相位匹配的入射光在电介中传输时，在金属与电介质的界面处会产生SPW波，由于SPR效应的存在，透射光中可以检测到特定波长光的吸收峰。当外界折射率或温度等环境参量变化时，SPR吸收峰会出现移动或其半高宽会受到影响，这一规律被广泛应用于生物、光学类传感器制造。
请参阅图1，图1为本发明的SPR传感器的灵敏度检测分析方法的第一实施例的流程图。基于此，本申请提供了一种SPR传感器的灵敏度检测分析方法，SPR传感器的灵敏度检测分析方法针对SPR振传感器进行检测，包括如下步骤：
步骤S100、检测SPR传感器的表面，获取粗糙度数据；
步骤S200、根据粗糙度数据，生成粗糙度分形维数；
步骤S300、应用粗糙度分形维数，检测分析SPR传感器的灵敏度。
本实施例中，应用干涉仪或者任意形式的扫描探针显微镜来检测SPR传感器的表面，可以初步采集到SPR传感器的粗糙度数据。基于分形理论，按照维尔斯特拉斯函数对粗糙度数据进行试错处理，即可获得粗糙度分形维数。因为粗糙度分形维数描述的是物体填充空间的能力，可以以此获得SPR传感器复合层的性质，并以此建模，检测分析SPR传感器的灵敏度。
上述的SPR传感器会采用光纤来制造。
步骤S100中，检测SPR传感器的表面的步骤具体包括：
步骤S111、根据光纤纤心的直径，选取采样面积。
本实施例中，选用单模光纤来制造，其纤芯直径为8.2μm，针对光纤纤心的直径，采样面积为10μm╳10μm。当利用较大纤芯直径的光纤制造传感器时，可以相应增加采样面积。
步骤S112、根据采样面积，采集检测样本。
可选的，当采样面积为10μm╳10μm时，采样周期△＝0.314μm/pixel，采样点数为256╳256。
步骤S113、应用高精密检测装置检测检测样本，获得表面数据。
可选地，用高精密检测装置检测样本。该高精密检测装置例如可以是激光干涉仪，白光干涉仪，线性可变位移传感器，或者任意形式的扫描探针显微镜(SPM)，例如扫描隧道显微镜(STM)、原子力显微镜(AFM)、近场扫描光学显微镜(NSOM)或剪力显微镜(ShFM)。
本实施例中，所采集的表面数据包括三维数据形貌及透射损耗。
进一步地，步骤S200中，生成粗糙度分形维数的步骤中，包括：
步骤S210、对表面数据进行滤波与分解；
步骤S220、提取高频粗糙度信息。
具体的，应用小波变换的方式，将波纹信息、局部缺陷信息及形状误差详细进行过滤，并将整体的表面数据分解为三种信息，分别为面型误差、中低频段的周期性粗糙度波纹及高频粗糙度成分。
其中，面型误差对光学性能影响不大，而中低频段的周期性粗糙度波纹可以用周期性的正弦函数或余弦函数来进行建模，属于现有技术。而针对高频粗糙度进行的光学建模属于目前缺乏的技术。
步骤S230、根据高频粗糙度信息，获取粗糙度分形维数。
请参阅图2、图5A及图5B；图2为本发明的SPR传感器的灵敏度检测分析方法的第二实施例的流程图；图5A为本发明的SPR传感器的灵敏度检测分析方法中实际粗糙度函数；图5B为本发明的SPR传感器的灵敏度检测分析方法中模拟分形函数模型。
在步骤S230中，获取粗糙度分形维数的步骤，具体包括：
步骤S231、按照维尔斯特拉斯函数，调整粗糙度分形维数；
步骤S232、根据实际粗糙度函数形状，选取对应的模拟分形函数模型。
利用W-M分形函数(即维尔斯特拉斯函数)对图5A表面的X向轮廓进行分形模拟的结果，实际粗糙度轮廓与理论模拟的轮廓具有很高的相似度。
其中，图5B分形轮廓的分形维数为1.5，当调整分形维数时，对应的分形函数的轮框也就随之改变，当实际粗糙度函数轮框与模拟分形函数模型的轮框相同或近似相同时，可以推断出二者是相对应的。本实施例中，可以应用该数据对SPR传感器的灵敏度进行推断。
步骤S300、应用粗糙度分形维数，检测分析SPR传感器的灵敏度的步骤中，方法具体包括：
步骤S310、应用粗糙度分形维数建立粗糙度光学模型。
需要了解的是，获得了粗糙度分形维数后，将其作为表征参数引入到麦克斯韦-加内特理论中，以此建立粗糙度的光学模型。由于在金属膜层与基底电介质层之间存在一个无规律的相互交织在一起的复合结构，复合层既不属于金属，也不属于电介质，而是表现出了金属和电介质中间态的一种属性。只有计算复合层的粗糙度，才可以更好的检测出SPR传感器的灵敏度。
步骤S320、分析粗糙度光学模型，获取第一有效介电常数。
具体的，步骤S320包括：
步骤S321、获取第二介电常数及第三介电常数；
其中，第二介电常数为基底电介质层的介电常数，第三介电常数为金属层膜的介电常数；
步骤S322、对第二介电常数及第三介电常数进行计算，获取复合层的有效介电常数。
具体的，请参阅图6，图6为本发明的SPR传感器的灵敏度检测分析方法中粗糙度等效光学模型。本实施例中，εm为基底电介质的介电常数，εs为金属膜层的介电常数，中间复合结构的有效厚度deff与有效介电常数εeff是需要求解的两个重要参数。
根据麦克斯韦-加内特理论，复合结构的有效介电常数为：
其中，ω是入射光圆xx频率；q为金属成分的体积分数。
请参阅图7，图7为本发明的SPR传感器的灵敏度检测分析方法中光纤粗糙表面镀膜后的复合函数。由于分形维数描述的是物体填充空间的能力，因此，基底电介质表面分形维数与金属的体积分数q的关系为：q＝D1-1 or q＝D2-2。
其中，D1，D2分别是二维、三维表面的分形维数：1＜D1＜2，2＜D2＜3。
步骤S330、调用第一有效介电常数，对SPR传感器的灵敏度进行检测分析。
其中，第一有效介电常数为复合层的有效介电常数。
进一步地，上述方法方法还包括如下步骤：
步骤S340、根据粗糙度光学模型，获取表面粗糙度的高度数据；
步骤S350、根据表面粗糙度的高度数据，获取第一有效厚度；
步骤S360、应用第一有效厚度，对SPR传感器的灵敏度进行检测分析；
其中，第一有效厚度为复合层的有效厚度。
请参阅图8，图8为本发明的SPR传感器的灵敏度检测分析方法中粗糙表面高度数据的高斯分布图。由于表面粗糙度的高度数据呈高斯分布，可利用高斯函数获得复合结构的有效厚度：
G(z)＝Aexp[-(z2/σ2)]
其中，A为最大幅值，σ为当G(z)为最大值得1/e时z的取值，定义复合层的有效厚度为2σ。
进一步地，检测分析SPR传感器的灵敏度的步骤中，方法还包括：
步骤S370、应用第一有效厚度及第一有效介电常数，建立传感器分析模型。
具体的，针对第一有效厚度及第一有效介电常数，以有限元法为基础，应用分层建模的方式，建立传感器分析模型。
步骤S380、根据传感器分析模型，获取SPR传感器的共振波长。
具体的，请参阅图9，图9为本发明的SPR传感器的灵敏度检测分析方法中利用FDTD方法分析粗糙度复合层的SPR效应的示意图。在本实施例中，运用有限元法中的FDTD方法来对粗糙度复合层的SPR效应进行分析，通过采集光场信息，可以获取SPR传感器的共振波长。
步骤S390、根据SPR传感器的共振波长，确定SPR传感器的灵敏度。
由于本发明属于较先进的技术领域，为了证明其符合自然规律，进行如下实验予以证明，并对传感器分析模型进行分析。
请参阅图10A，图10A为本发明的SPR传感器的灵敏度检测分析方法中SiO2+Ag复合层的折射率随分形维数的变化规律。复合层的基底电介质层材质为二氧化硅，金属膜层材质为银。
请参阅图10B，图10B为本发明的SPR传感器的灵敏度检测分析方法中SiO2+Au复合层的折射率随分形维数的变化规律。复合层的基底电介质层材质为二氧化硅，金属膜层材质为金。
由图10A及图10B可知，当复合层的基底电介质层材质为二氧化硅时，即使改变金属膜的材质时，也可以展现如下规律：若分形维数较小，表现金属属性；若分形维数较大，表现电介质属性。
图11A为本发明的SPR传感器的灵敏度检测分析方法中SPR共振波长随分形维数变化的规律。由图11A可见，当有效厚度较小时，与理想平面共振波长0.533μm相较，共振波长随分形维数的增加显示出蓝移规律；当有效厚度增加至20nm时，共振波长随分形维数先增大后减小。
图11B为本发明的SPR传感器的灵敏度检测分析方法中SPR共振波长随有效厚度变化的规律。图11B可见，在特定的分形维数下，共振波长随有效厚度的增大而出现蓝移现象，由于实际表面粗糙度分形维数通常大于1.5，模型显示的结果是粗糙度会促使共振波长向短波长方向移动。
图12A显示，当分形维数为1.3时，最大灵敏度约为6000nm/RIU，该值略大于分维数为1.6或1.9时的灵敏度值。由此可知，在较小分维数下，复合层表现金属属性，有利于SPR的形成。
图12B为本发明的SPR传感器的灵敏度检测分析方法中SPR灵敏度随有效厚度变化的规律。在保持分形维数不变的前提下，随有效厚度的增加，传感层远离纤芯，倏逝场远离了外界被测折射率区域，导致灵敏度下降。
有一些精密抛光表面以粗糙度为主要表面特征，将上述分析方法应用于对应的精密抛光表面。例如，在传感器的制造过程中，可以更好地选择抛光参数，以此设计共振波长，从而优化传感器性能。
请参阅图13，图13为本发明效果的另一证明实验。图13给出了利用10000#砂纸抛光后银膜传感器的共振波长测定结果。通过该实验，以验证上述评价方法的正确性。在实验中，外界媒质为去离子水，折射率约为1.33。共振波长为510nm，与理想平面银膜传感器共振波长533nm相较，表现出了蓝移效应。
请参阅图4，本申请还提供了一种SPR传感器的灵敏度检测分析系统，SPR传感器的灵敏度检测分析系统应用于SPR振传感器的检测，包括：
测量模块，用于检测SPR传感器的表面，获取粗糙度数据；
提取模块，用于根据粗糙度数据，生成粗糙度分形维数；
分析模块，用于应用粗糙度分形维数建模，检测分析SPR传感器的灵敏度。
在本发明各个实施例中的各功能模块可以集成在一个处理器中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一起，组成集成的模块。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。模块集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种SPR传感器的灵敏度检测分析方法，所述SPR传感器的灵敏度检测分析方法针对SPR振传感器进行检测，其特征在于，所述方法包括如下步骤：
检测所述SPR传感器的表面，获取粗糙度数据；
根据所述粗糙度数据，生成粗糙度分形维数，包括：检测所述粗糙度数据，获取实际粗糙度函数形状，根据所述实际粗糙度函数形状，获取所述粗糙度分形维数；所述根据所述实际粗糙度函数形状，选择所述粗糙度分形维数的步骤中，所述步骤具体包括：按照维尔斯特拉斯函数，调整所述粗糙度分形维数；根据所述实际粗糙度函数形状，选取对应的模拟分形函数模型；
应用所述粗糙度分形维数，检测分析所述SPR传感器的灵敏度，包括：应用所述粗糙度分形维数建立粗糙度光学模型；分析所述粗糙度光学模型，获取第一有效介电常数；调用所述第一有效介电常数，对所述SPR传感器的灵敏度进行检测分析；根据所述粗糙度光学模型，获取表面粗糙度的高度数据；根据所述表面粗糙度的高度数据，获取第一有效厚度；应用所述第一有效厚度，对所述SPR传感器的灵敏度进行检测分析；应用所述第一有效厚度及所述第一有效介电常数，建立传感器分析模型；根据所述传感器分析模型，获取所述SPR传感器的共振波长；根据所述SPR传感器的共振波长，确定所述SPR传感器的灵敏度；其中，第一有效介电常数为复合层的有效介电常数，所述第一有效厚度为复合层的有效厚度。
2.如权利要求1所述的SPR传感器的灵敏度检测分析方法，其特征在于，复合层包括基底电介质层与金属膜层，在所述获取第一有效介电常数的步骤中，所述步骤具体包括：
获取第二介电常数及第三介电常数，其中，所述第二介电常数为基底电介质层的介电常数，所述第三介电常数为金属层膜的介电常数；
对所述第二介电常数及第三介电常数进行计算，获取所述复合层的有效介电常数。
3.如权利要求1所述的SPR传感器的灵敏度检测分析方法，其特征在于，所述SPR传感器包括光纤纤心，所述检测所述SPR传感器的表面的步骤中，所述步骤具体包括：
根据所述光纤纤心的直径，选取采样面积；
根据所述采样面积，采集检测样本；
应用高精密检测装置检测所述检测样本，获得表面数据。
4.如权利要求3所述的SPR传感器的灵敏度检测分析方法，其特征在于，所述生成粗糙度分形维数的步骤中，所述步骤包括：
对所述表面数据进行滤波与分解；
提取高频粗糙度信息；
根据所述高频粗糙度信息，获取粗糙度分形维数。
5.一种SPR传感器的灵敏度检测分析系统，所述SPR传感器的灵敏度检测分析系统应用于SPR振传感器的检测，其特征在于，所述系统包括：
测量模块，用于检测所述SPR传感器的表面，获取粗糙度数据；
提取模块，用于根据所述粗糙度数据，生成粗糙度分形维数，包括：检测所述粗糙度数据，获取实际粗糙度函数形状，根据所述实际粗糙度函数形状，获取所述粗糙度分形维数；所述根据所述实际粗糙度函数形状，选择所述粗糙度分形维数的步骤中，所述步骤具体包括：按照维尔斯特拉斯函数，调整所述粗糙度分形维数；根据所述实际粗糙度函数形状，选取对应的模拟分形函数模型；
分析模块，用于应用所述粗糙度分形维数建模，检测分析所述SPR传感器的灵敏度，包括：应用所述粗糙度分形维数建立粗糙度光学模型；分析所述粗糙度光学模型，获取第一有效介电常数；调用所述第一有效介电常数，对所述SPR传感器的灵敏度进行检测分析；根据所述粗糙度光学模型，获取表面粗糙度的高度数据；根据所述表面粗糙度的高度数据，获取第一有效厚度；应用所述第一有效厚度，对所述SPR传感器的灵敏度进行检测分析；应用所述第一有效厚度及所述第一有效介电常数，建立传感器分析模型；根据所述传感器分析模型，获取所述SPR传感器的共振波长；根据所述SPR传感器的共振波长，确定所述SPR传感器的灵敏度；其中，第一有效介电常数为复合层的有效介电常数，所述第一有效厚度为复合层的有效厚度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010165370.6A CN111368480B (zh) | 2020-03-11 | 2020-03-11 | Spr传感器灵敏度检测分析的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010165370.6A CN111368480B (zh) | 2020-03-11 | 2020-03-11 | Spr传感器灵敏度检测分析的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111368480A CN111368480A (zh) | 2020-07-03 |
| CN111368480B true CN111368480B (zh) | 2023-12-22 |
Family
ID=71210765
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010165370.6A Active CN111368480B (zh) | 2020-03-11 | 2020-03-11 | Spr传感器灵敏度检测分析的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111368480B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103759676A (zh) * | 2014-01-06 | 2014-04-30 | 南京信息工程大学 | 一种工件表面粗糙度非接触式的检测方法 |
| CN105203504A (zh) * | 2015-09-21 | 2015-12-30 | 清华大学深圳研究生院 | 一种提高表面等离子共振传感器灵敏度的方法 |
| CN110057325A (zh) * | 2019-04-26 | 2019-07-26 | 湖南大学 | 一种基于成像仿真的表面粗糙度检测方法及计算设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050244093A1 (en) * | 2004-05-03 | 2005-11-03 | Vanwiggeren Gregory D | Wavelength-tuned intensity measurement of surface plasmon resonance sensor |
| TWI297767B (en) * | 2006-05-30 | 2008-06-11 | Nat Univ Tsing Hua | Measuring apparatus and method using surface plasmon resonance |
| US8564781B2 (en) * | 2008-09-01 | 2013-10-22 | Hitachi Chemical Company, Ltd. | SPR sensor |
-
2020
- 2020-03-11 CN CN202010165370.6A patent/CN111368480B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103759676A (zh) * | 2014-01-06 | 2014-04-30 | 南京信息工程大学 | 一种工件表面粗糙度非接触式的检测方法 |
| CN105203504A (zh) * | 2015-09-21 | 2015-12-30 | 清华大学深圳研究生院 | 一种提高表面等离子共振传感器灵敏度的方法 |
| CN110057325A (zh) * | 2019-04-26 | 2019-07-26 | 湖南大学 | 一种基于成像仿真的表面粗糙度检测方法及计算设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111368480A (zh) | 2020-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shaban et al. | Tunability and sensing properties of plasmonic/1D photonic crystal | |
| Chen et al. | Review of surface plasmon resonance and localized surface plasmon resonance sensor | |
| CN101551330B (zh) | 一种表面等离激元晶体传感器及其制备方法 | |
| CN105758821B (zh) | 具有超窄线宽光谱响应的高灵敏度超材料纳米传感系统 | |
| Tranca et al. | High-resolution quantitative determination of dielectric function by using scattering scanning near-field optical microscopy | |
| Chen et al. | Hybrid machine learning for scanning near-field optical spectroscopy | |
| Alavirad et al. | Optimization of plasmonic nanodipole antenna arrays for sensing applications | |
| Risović et al. | Influence of fractal and lacunar characteristic of a nanostructured substrate on SERS enhancement | |
| El Barghouti et al. | Effect of MoS2 layer on the LSPR in periodic nanostructures | |
| Sun et al. | A quasi-3D Fano resonance cavity on optical fiber end-facet for high signal-to-noise ratio dip-and-read surface plasmon sensing | |
| Patel et al. | Development of surface plasmon resonance sensor with enhanced sensitivity for low refractive index detection | |
| Islam et al. | Simulation and analysis of a sub-wavelength grating based multilayer surface plasmon resonance biosensor | |
| Kwak et al. | Semiconductor multilayer nanometrology with machine learning | |
| CN111368480B (zh) | Spr传感器灵敏度检测分析的方法及系统 | |
| Kim et al. | Nanometer-scale dielectric imaging of semiconductor nanoparticles: Size-dependent dipolar coupling and contrast reversal | |
| CN109163776B (zh) | 一种基于纳米金属孔洞阵列的测量方法 | |
| Fu et al. | Nanorod-mediated surface plasmon resonance sensor based on effective medium theory | |
| Yun et al. | The use of bilayers consisting of graphene and noble metals has been explored for biosensors that employ inverted surface plasmon resonance | |
| Hammod et al. | Influence of optical fiber diameters on the performance of surface plasmon resonance sensor | |
| Balen et al. | Quantum plasmonic sensing is employed to experimentally measure kinetic parameters | |
| Korotun et al. | The spectral quality factor of the sensory elements of the nanosensors based on the surface plasmonic resonance | |
| Bergamini et al. | Benchmarking common approximations for determining the particle-size dependence of adsorbate-induced localized surface plasmon resonance shifts | |
| Pang et al. | Sensitivity-enhanced and noise-reduced surface plasmon resonance sensing with microwell chips | |
| Zhang et al. | Radiative Properties of Nanomaterials | |
| Esfidani et al. | Non-destructive characterization of silicon nanowires and nanowire coatings using mid-infrared spectroscopy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 |