CN112834481B - 一种拉曼光谱增强测量系统及测量方法 - Google Patents
一种拉曼光谱增强测量系统及测量方法 Download PDFInfo
- Publication number
- CN112834481B CN112834481B CN202011641551.8A CN202011641551A CN112834481B CN 112834481 B CN112834481 B CN 112834481B CN 202011641551 A CN202011641551 A CN 202011641551A CN 112834481 B CN112834481 B CN 112834481B
- Authority
- CN
- China
- Prior art keywords
- module
- spectrum
- sample
- raman spectrum
- enhancement
- 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
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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
- G01N21/658—Raman scattering enhancement Raman, e.g. surface plasmons
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明属于光谱检测技术领域,公开了一种拉曼光谱增强测量系统及测量方法,所述拉曼光谱增强测量系统包括:样品采集模块、样品预处理模块、拉曼光谱测量模块、光谱预处理模块、特征提取模块、特征处理模块、光谱增强模块、中央处理和控制模块、原始谱图获取模块、原始谱图预处理模块、数据处理模块、数据传输模块、数据存储模块、人机交互模块。本发明通过光谱增强模块能够有效增强针对瑞利散射、宽带荧光等杂散光的滤除效果,提高系统整体的探测效率,通过样品采集模块有效保证了检测结果的准确度;同时,通过样品预处理模块削弱了由于样品不均等其他影响因素对激光拉曼光谱测量结果的影响,提高了本发明所述测量方法的可靠性和准确度。
Description
技术领域
本发明属于光谱检测技术领域,尤其涉及一种拉曼光谱增强测量系统及测量方法。
背景技术
目前,拉曼光谱(Raman spectra),是一种散射光谱。拉曼光谱分析法是基于印度科学家C.V.拉曼(Raman)所发现的拉曼散射效应,对与入射光频率不同的散射光谱进行分析以得到分子振动、转动方面信息,并应用于分子结构研究的一种分析方法。
拉曼光谱技术是一种基于拉曼散射效应,通过测量与激发光频率不同的散射光,从而对分子结构进行分析的光谱测量技术。由于在光与物质相互作用过程中,物质的拉曼频移仅与其分子的振动和转动能级有关,不同物质分子具有不同的拉曼频移,所以拉曼光谱技术具有高度化学特异性,可实现对物质成分的分析鉴别。同时,由于该技术可实现样品的无损、无接触探测,所以具有探测时间短、样品用量少等优势,近年来被广泛应用于安检、化学、生物医学、考古学等领域。
然而传统拉曼光谱(CR)技术一般针对百μm量级的近表层成分以及透明介质覆盖下的内部成分进行分析,所以在一些不/半透明漫散射介质覆盖的样品分析和检测性应用中,CR技术无法得到有效的探测结果。而且现有的拉曼光谱检测方法对检测结果有较大的操作误差,难以满足现场颗粒表面污染物精确定量检测的要求。
通过上述分析,现有技术存在的问题及缺陷为:
(1)在一些不/半透明漫散射介质覆盖的样品分析和检测性应用中,CR技术无法得到有效的探测结果。
(2)现有的拉曼光谱检测方法对检测结果有较大的操作误差,难以满足现场颗粒表面污染物精确定量检测的要求。
发明内容
针对现有技术存在的问题,本发明提供了一种拉曼光谱增强测量系统及测量方法。
本发明是这样实现的,一种拉曼光谱增强测量方法,所述拉曼光谱增强测量方法包括以下步骤:
步骤一,通过人机交互模块对预设参数进行输入,并根据预设参数建立对应的原始拉曼光谱数据库,将原始拉曼光谱数据库存储于数据存储模块;通过样品采集模块利用样品收集装置对需要进行检测的样品进行定量采集;
步骤二,通过样品预处理模块利用实验设备对采集样品进行预处理,获取待测样品的图像信息,其中,所述实验设备为CCD或数码相机;通过拉曼光谱测量模块利用拉曼光谱检测仪对样品的多个测量点进行激光光谱测量,获取待测样品的光谱信息;
步骤三,通过光谱预处理模块在拉曼光谱检测仪的发射光路增加多片滤波片,对瑞利散射和宽带荧光的杂散光进行滤除;分别对获取的图像信息和光谱信息进行预处理后,通过特征提取模块利用特征提取程序分别获取待测样品的图像信息特征和光谱信息特征;
步骤四,通过特征处理模块利用处理程序分别对图像特征和光谱特征进行归一化处理后,利用自适应删减方法或自适应删减和人工神经网络联合方法分别对归一化后的图像特征和光谱特征进行自适应筛选,提取有用特征;
步骤五,通过光谱增强模块利用光谱增强程序采用人工神经网络方法或距离最近方法对有用图像特征和光谱特征进行融合,获得融合增强处理后的拉曼光谱;通过中央处理和控制模块利用单片机或控制器对所述拉曼光谱增强测量系统各个受控模块的正常运行进行协调控制;
步骤六,通过原始谱图获取模块获取通过光谱增强后得到的拉曼光谱测量的原始谱图;通过原始谱图预处理模块对各测量点的拉曼光谱的原始谱图进行预处理,得到对应的预处理谱图;
步骤七,通过数据处理模块对预处理谱图的各项数据进行处理分析,并对处理后的谱图数据与预设的标准数据进行对比,生成对比曲线图;通过数据传输模块利用无线信号传输器将采集数据传递到远程的监控中心;
步骤八,通过数据存储模块利用存储器对预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图进行存储;
步骤九,通过人机交互界面对预设参数进行输入,并预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图的实时数据进行更新显示。
进一步,步骤一中,所述根据预设参数建立对应的原始拉曼光谱数据库,包括:
(1)筛选出符合第一预设参数的基础数据形成监测数据库,所述监测数据库中的监测数据符合第二预设参数时,所述监测数据重新归入所述基础数据库;
(2)通过统计单元按至少一个维度对监测数据库进行统计并形成统计数据,输出单元将统计数据输出为至少一个可视化图表。
进一步,步骤二中,所述通过样品预处理模块对采集样品进行的预处理,包括对采集样品进行压片处理,得到不同样品组对应的压片样品。
进一步,步骤三中,所述图像信息预处理方法包括减最小值、减平均值、差分输入、小波分析、主成份分析、独立成分分析、一阶微分处理、二阶微分处理、中值滤波和自适应删减算法的任意一种方法或几种方法的组合;所述光谱信息的预处理包括消除基线漂移、去除光谱噪声和压缩光谱信息。
进一步,步骤六中,所述通过原始谱图预处理模块对各测量点的拉曼光谱的原始谱图进行预处理,包括平滑、基线校正和一阶导数处理。
进一步,所述平滑、基线校正和一阶导数处理,包括:
(1)采用卷积法对拉曼光谱进行多项式阶数为二阶的多点平滑处理;
(2)采用自适应迭代重加权惩罚最小二乘法airPLS进行基线校正,去除拉曼光谱荧光干扰;
(3)采用一阶导数对平滑和基线校正后的拉曼光谱进行处理,得到一阶导数拉曼光谱。
进一步,步骤七中,所述对比曲线图生成后,还包括:
(1)获取待测样品的原始拉曼光谱曲线中的特征部分;
(2)将所述待测样品的原始拉曼光谱曲线与原始拉曼光谱数据库进行对比以判定待测样品中的物质组成。
本发明的另一目的在于提供一种应用所述的拉曼光谱增强测量方法的拉曼光谱增强测量系统,所述拉曼光谱增强测量系统包括:
样品采集模块、样品预处理模块、拉曼光谱测量模块、光谱预处理模块、特征提取模块、特征处理模块、光谱增强模块、中央处理和控制模块、原始谱图获取模块、原始谱图预处理模块、数据处理模块、数据传输模块、数据存储模块、人机交互模块。
样品采集模块,与中央处理和控制模块连接,用于通过样品收集装置对需要进行检测的样品进行定量采集;
样品预处理模块,与中央处理和控制模块连接,用于通过实验设备对采集样品进行预处理,获取待测样品的图像信息;
拉曼光谱测量模块,与中央处理和控制模块连接,用于通过拉曼光谱检测仪对样品的多个测量点进行激光光谱测量,获取待测样品的光谱信息;
光谱预处理模块,与中央处理和控制模块连接,用于通过在拉曼光谱检测仪的发射光路增加多片滤波片,对瑞利散射和宽带荧光的杂散光进行滤除;
特征提取模块,与中央处理和控制模块连接,用于分别对获取的图像信息和光谱信息进行预处理后,通过特征提取程序分别获取待测样品的图像信息特征和光谱信息特征;
特征处理模块,与中央处理和控制模块连接,用于通过处理程序分别对图像特征和光谱特征进行归一化处理,并分别对归一化后的图像特征和光谱特征进行自适应提取有用特征;
光谱增强模块,与中央处理和控制模块连接,用于通过光谱增强程序对有用图像特征和光谱特征进行融合,获得融合增强处理后的拉曼光谱;
中央处理和控制模块,与样品采集模块、样品预处理模块、拉曼光谱测量模块、光谱预处理模块、特征提取模块、特征处理模块、光谱增强模块、原始谱图获取模块、原始谱图预处理模块、数据处理模块、数据传输模块、数据存储模块、人机交互模块连接,用于通过单片机或控制器对所述拉曼光谱增强测量系统各个受控模块的正常运行进行协调控制;
原始谱图获取模块,与中央处理和控制模块连接,用于获取通过光谱增强后得到的拉曼光谱测量的原始谱图;
原始谱图预处理模块,与中央处理和控制模块连接,用于对各测量点的拉曼光谱的原始谱图进行预处理,得到对应的预处理谱图;
数据处理模块,与中央处理和控制模块连接,用于对预处理谱图的各项数据进行处理分析,并对处理后的谱图数据与预设的标准数据进行对比,生成对比曲线图;
数据传输模块,与中央处理和控制模块连接,用于通过无线信号传输器将采集数据传递到远程的监控中心;
数据存储模块,与中央处理和控制模块连接,用于通过存储器对预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图进行存储;
人机交互模块,与中央处理和控制模块连接,用于通过人机交互界面对预设参数进行输入,并预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图的实时数据进行更新显示。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施所述的拉曼光谱增强测量方法。
本发明的另一目的在于提供一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行所述的拉曼光谱增强测量方法。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:本发明提供的拉曼光谱增强测量方法,通过光谱增强模块在拉曼光谱检测仪的发射光路增加多片滤波片,能够有效增强针对瑞利散射、宽带荧光等杂散光的滤除效果,提高系统整体的探测效率,通过样品采集模块可以对待测样品进行定量采集,并可有效保证检测结果的准确度;通过样品预处理模块削弱了由于样品不均等其他影响因素对激光拉曼光谱测量结果的影响,提高了本发明所述测量方法的可靠性和准确度。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图做简单的介绍,显而易见地,下面所描述的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的拉曼光谱增强测量方法流程图。
图2是本发明实施例提供的拉曼光谱增强测量系统的结构框图;
图中:1、样品采集模块;2、样品预处理模块;3、拉曼光谱测量模块;4、光谱预处理模块;5、特征提取模块;6、特征处理模块;7、光谱增强模块;8、中央处理和控制模块;9、原始谱图获取模块;10、原始谱图预处理模块;11、数据处理模块;12、数据传输模块;13、数据存储模块;14、人机交互模块。
图3是本发明实施例提供的根据预设参数建立对应的原始拉曼光谱数据库的方法流程图。
图4是本发明实施例提供的平滑、基线校正和一阶导数处理的方法流程图。
图5是本发明实施例提供的对比曲线图生成后还包括的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
针对现有技术存在的问题,本发明提供了一种拉曼光谱增强测量系统及测量方法,下面结合附图对本发明作详细的描述。
如图1所示,本发明实施例提供的拉曼光谱增强测量方法包括以下步骤:
S101,通过人机交互模块对预设参数进行输入,并根据预设参数建立对应的原始拉曼光谱数据库,将原始拉曼光谱数据库存储于数据存储模块;通过样品采集模块利用样品收集装置对需要进行检测的样品进行定量采集;
S102,通过样品预处理模块利用实验设备对采集样品进行预处理,获取待测样品的图像信息,其中,所述实验设备为CCD或数码相机;通过拉曼光谱测量模块利用拉曼光谱检测仪对样品的多个测量点进行激光光谱测量,获取待测样品的光谱信息;
S103,通过光谱预处理模块在拉曼光谱检测仪的发射光路增加多片滤波片,对瑞利散射和宽带荧光的杂散光进行滤除;分别对获取的图像信息和光谱信息进行预处理后,通过特征提取模块利用特征提取程序分别获取待测样品的图像信息特征和光谱信息特征;
S104,通过特征处理模块利用处理程序分别对图像特征和光谱特征进行归一化处理后,利用自适应删减方法或自适应删减和人工神经网络联合方法分别对归一化后的图像特征和光谱特征进行自适应筛选,提取有用特征;
S105,通过光谱增强模块利用光谱增强程序采用人工神经网络方法或距离最近方法对有用图像特征和光谱特征进行融合,获得融合增强处理后的拉曼光谱;通过中央处理和控制模块利用单片机或控制器对所述拉曼光谱增强测量系统各个受控模块的正常运行进行协调控制;
S106,通过原始谱图获取模块获取通过光谱增强后得到的拉曼光谱测量的原始谱图;通过原始谱图预处理模块对各测量点的拉曼光谱的原始谱图进行预处理,得到对应的预处理谱图;
S107,通过数据处理模块对预处理谱图的各项数据进行处理分析,并对处理后的谱图数据与预设的标准数据进行对比,生成对比曲线图;通过数据传输模块利用无线信号传输器将采集数据传递到远程的监控中心;
S108,通过数据存储模块利用存储器对预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图进行存储;
S109,通过人机交互界面对预设参数进行输入,并预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图的实时数据进行更新显示。
本发明实施例提供的步骤S102中,所述通过样品预处理模块对采集样品进行的预处理,包括对采集样品进行压片处理,得到不同样品组对应的压片样品。
本发明实施例提供的步骤S103中,所述图像信息预处理方法包括减最小值、减平均值、差分输入、小波分析、主成份分析、独立成分分析、一阶微分处理、二阶微分处理、中值滤波和自适应删减算法的任意一种方法或几种方法的组合;所述光谱信息的预处理包括消除基线漂移、去除光谱噪声和压缩光谱信息。
本发明实施例提供的步骤S106中,所述通过原始谱图预处理模块对各测量点的拉曼光谱的原始谱图进行预处理,包括平滑、基线校正和一阶导数处理。
如图2所示,本发明实施例提供的拉曼光谱增强测量系统包括:样品采集模块1、样品预处理模块2、拉曼光谱测量模块3、光谱预处理模块4、特征提取模块5、特征处理模块6、光谱增强模块7、中央处理和控制模块8、原始谱图获取模块9、原始谱图预处理模块10、数据处理模块11、数据传输模块12、数据存储模块13、人机交互模块14。
样品采集模块1,与中央处理和控制模块8连接,用于通过样品收集装置对需要进行检测的样品进行定量采集;
样品预处理模块2,与中央处理和控制模块8连接,用于通过实验设备对采集样品进行预处理,获取待测样品的图像信息;
拉曼光谱测量模块3,与中央处理和控制模块8连接,用于通过拉曼光谱检测仪对样品的多个测量点进行激光光谱测量,获取待测样品的光谱信息;
光谱预处理模块4,与中央处理和控制模块8连接,用于通过在拉曼光谱检测仪的发射光路增加多片滤波片,对瑞利散射和宽带荧光的杂散光进行滤除;
特征提取模块5,与中央处理和控制模块8连接,用于分别对获取的图像信息和光谱信息进行预处理后,通过特征提取程序分别获取待测样品的图像信息特征和光谱信息特征;
特征处理模块6,与中央处理和控制模块8连接,用于通过处理程序分别对图像特征和光谱特征进行归一化处理,并分别对归一化后的图像特征和光谱特征进行自适应提取有用特征;
光谱增强模块7,与中央处理和控制模块8连接,用于通过光谱增强程序对有用图像特征和光谱特征进行融合,获得融合增强处理后的拉曼光谱;
中央处理和控制模块8,与样品采集模块1、样品预处理模块2、拉曼光谱测量模块3、光谱预处理模块4、特征提取模块5、特征处理模块6、光谱增强模块7、原始谱图获取模块9、原始谱图预处理模块10、数据处理模块11、数据传输模块12、数据存储模块13、人机交互模块14连接,用于通过单片机或控制器对所述拉曼光谱增强测量系统各个受控模块的正常运行进行协调控制;
原始谱图获取模块9,与中央处理和控制模块8连接,用于获取通过光谱增强后得到的拉曼光谱测量的原始谱图;
原始谱图预处理模块10,与中央处理和控制模块8连接,用于对各测量点的拉曼光谱的原始谱图进行预处理,得到对应的预处理谱图;
数据处理模块11,与中央处理和控制模块8连接,用于对预处理谱图的各项数据进行处理分析,并对处理后的谱图数据与预设的标准数据进行对比,生成对比曲线图;
数据传输模块12,与中央处理和控制模块8连接,用于通过无线信号传输器将采集数据传递到远程的监控中心;
数据存储模块13,与中央处理和控制模块8连接,用于通过存储器对预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图进行存储;
人机交互模块14,与中央处理和控制模块8连接,用于通过人机交互界面对预设参数进行输入,并预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图的实时数据进行更新显示。
下面结合具体实施例对本发明作进一步描述。
实施例1
本发明实施例提供的拉曼光谱增强测量方法如图1所示,作为优选实施例,如图3所示,本发明实施例提供的根据预设参数建立对应的原始拉曼光谱数据库的方法包括:
S201,筛选出符合第一预设参数的基础数据形成监测数据库,所述监测数据库中的监测数据符合第二预设参数时,所述监测数据重新归入所述基础数据库;
S202,通过统计单元按至少一个维度对监测数据库进行统计并形成统计数据,输出单元将统计数据输出为至少一个可视化图表。
实施例2
本发明实施例提供的拉曼光谱增强测量方法如图1所示,作为优选实施例,如图4所示,本发明实施例提供的平滑、基线校正和一阶导数处理的方法包括:
S301,采用卷积法对拉曼光谱进行多项式阶数为二阶的多点平滑处理;
S302,采用自适应迭代重加权惩罚最小二乘法airPLS进行基线校正,去除拉曼光谱荧光干扰;
S303,采用一阶导数对平滑和基线校正后的拉曼光谱进行处理,得到一阶导数拉曼光谱。
实施例3
本发明实施例提供的拉曼光谱增强测量方法如图1所示,作为优选实施例,如图5所示,本发明实施例提供的对比曲线图生成后,还包括:
S401,获取待测样品的原始拉曼光谱曲线中的特征部分;
S402,将所述待测样品的原始拉曼光谱曲线与原始拉曼光谱数据库进行对比以判定待测样品中的物质组成。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上;术语“上”、“下”、“左”、“右”、“内”、“外”、“前端”、“后端”、“头部”、“尾部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”等仅用于描述目的,而不能理解为指示或暗示相对重要性。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种拉曼光谱增强测量方法,其特征在于,所述拉曼光谱增强测量方法包括以下步骤:
步骤一,通过人机交互模块对预设参数进行输入,并根据预设参数建立对应的原始拉曼光谱数据库,将原始拉曼光谱数据库存储于数据存储模块;通过样品采集模块利用样品收集装置对需要进行检测的样品进行定量采集;
步骤二,通过样品预处理模块利用实验设备对采集样品进行预处理,获取待测样品的图像信息,其中,所述实验设备为数码相机;通过拉曼光谱测量模块利用拉曼光谱检测仪对样品的多个测量点进行激光光谱测量,获取待测样品的光谱信息;
步骤三,通过光谱预处理模块在拉曼光谱检测仪的发射光路增加多片滤波片,对瑞利散射和宽带荧光的杂散光进行滤除;分别对获取的图像信息和光谱信息进行预处理后,通过特征提取模块利用特征提取程序分别获取待测样品的图像信息特征和光谱信息特征;
步骤四,通过特征处理模块利用处理程序分别对图像特征和光谱特征进行归一化处理后,利用自适应删减方法或自适应删减和人工神经网络联合方法分别对归一化后的图像特征和光谱特征进行自适应筛选,提取有用特征;
步骤五,通过光谱增强模块利用光谱增强程序采用人工神经网络方法或距离最近方法对有用图像特征和光谱特征进行融合,获得融合增强处理后的拉曼光谱;通过中央处理和控制模块利用控制器对所述拉曼光谱增强测量系统各个受控模块的正常运行进行协调控制;
步骤六,通过原始谱图获取模块获取通过光谱增强后得到的拉曼光谱测量的原始谱图;通过原始谱图预处理模块对各测量点的拉曼光谱的原始谱图进行预处理,得到对应的预处理谱图;
步骤七,通过数据处理模块对预处理谱图的各项数据进行处理分析,并对处理后的谱图数据与预设的标准数据进行对比,生成对比曲线图;通过数据传输模块利用无线信号传输器将采集数据传递到远程的监控中心;
步骤八,通过数据存储模块利用存储器对预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图进行存储;
步骤九,通过人机交互界面对预设参数进行输入,并预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图的实时数据进行更新显示。
2.如权利要求1所述的拉曼光谱增强测量方法,其特征在于,步骤一中,所述根据预设参数建立对应的原始拉曼光谱数据库,包括:
(1)筛选出符合第一预设参数的基础数据形成监测数据库,所述监测数据库中的监测数据符合第二预设参数时,所述监测数据重新归入基础数据库;
(2)通过统计单元按至少一个维度对监测数据库进行统计并形成统计数据,输出单元将统计数据输出为至少一个可视化图表。
3.如权利要求1所述的拉曼光谱增强测量方法,其特征在于,步骤二中,所述通过样品预处理模块对采集样品进行的预处理,包括对采集样品进行压片处理,得到不同样品组对应的压片样品。
4.如权利要求1所述的拉曼光谱增强测量方法,其特征在于,步骤三中,所述图像信息预处理方法包括减最小值、减平均值、差分输入、小波分析、主成份分析、独立成分分析、一阶微分处理、二阶微分处理、中值滤波和自适应删减算法的任意一种方法或几种方法的组合;所述光谱信息的预处理包括消除基线漂移、去除光谱噪声和压缩光谱信息。
5.如权利要求1所述的拉曼光谱增强测量方法,其特征在于,步骤六中,所述通过原始谱图预处理模块对各测量点的拉曼光谱的原始谱图进行预处理,包括平滑、基线校正和一阶导数处理。
6.如权利要求5所述的拉曼光谱增强测量方法,其特征在于,所述平滑、基线校正和一阶导数处理,包括:
(1)采用卷积法对拉曼光谱进行多项式阶数为二阶的多点平滑处理;
(2)采用自适应迭代重加权惩罚最小二乘法airPLS进行基线校正,去除拉曼光谱荧光干扰;
(3)采用一阶导数对平滑和基线校正后的拉曼光谱进行处理,得到一阶导数拉曼光谱。
7.如权利要求1所述的拉曼光谱增强测量方法,其特征在于,步骤七中,所述对比曲线图生成后,还包括:
(1)获取待测样品的原始拉曼光谱曲线中的特征部分;
(2)将所述待测样品的原始拉曼光谱曲线与原始拉曼光谱数据库进行对比以判定待测样品中的物质组成。
8.一种应用如权利要求1~7任意一项所述的拉曼光谱增强测量方法的拉曼光谱增强测量系统,其特征在于,所述拉曼光谱增强测量系统包括:
样品采集模块、样品预处理模块、拉曼光谱测量模块、光谱预处理模块、特征提取模块、特征处理模块、光谱增强模块、中央处理和控制模块、原始谱图获取模块、原始谱图预处理模块、数据处理模块、数据传输模块、数据存储模块、人机交互模块;
样品采集模块,与中央处理和控制模块连接,用于通过样品收集装置对需要进行检测的样品进行定量采集;
样品预处理模块,与中央处理和控制模块连接,用于通过实验设备对采集样品进行预处理,获取待测样品的图像信息;
拉曼光谱测量模块,与中央处理和控制模块连接,用于通过拉曼光谱检测仪对样品的多个测量点进行激光光谱测量,获取待测样品的光谱信息;
光谱预处理模块,与中央处理和控制模块连接,用于通过在拉曼光谱检测仪的发射光路增加多片滤波片,对瑞利散射和宽带荧光的杂散光进行滤除;
特征提取模块,与中央处理和控制模块连接,用于分别对获取的图像信息和光谱信息进行预处理后,通过特征提取程序分别获取待测样品的图像信息特征和光谱信息特征;
特征处理模块,与中央处理和控制模块连接,用于通过处理程序分别对图像特征和光谱特征进行归一化处理,并分别对归一化后的图像特征和光谱特征进行自适应提取有用特征;
光谱增强模块,与中央处理和控制模块连接,用于通过光谱增强程序对有用图像特征和光谱特征进行融合,获得融合增强处理后的拉曼光谱;
中央处理和控制模块,与样品采集模块、样品预处理模块、拉曼光谱测量模块、光谱预处理模块、特征提取模块、特征处理模块、光谱增强模块、原始谱图获取模块、原始谱图预处理模块、数据处理模块、数据传输模块、数据存储模块、人机交互模块连接,用于通过单片机或控制器对所述拉曼光谱增强测量系统各个受控模块的正常运行进行协调控制;
原始谱图获取模块,与中央处理和控制模块连接,用于获取通过光谱增强后得到的拉曼光谱测量的原始谱图;
原始谱图预处理模块,与中央处理和控制模块连接,用于对各测量点的拉曼光谱的原始谱图进行预处理,得到对应的预处理谱图;
数据处理模块,与中央处理和控制模块连接,用于对预处理谱图的各项数据进行处理分析,并对处理后的谱图数据与预设的标准数据进行对比,生成对比曲线图;
数据传输模块,与中央处理和控制模块连接,用于通过无线信号传输器将采集数据传递到远程的监控中心;
数据存储模块,与中央处理和控制模块连接,用于通过存储器对预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图进行存储;
人机交互模块,与中央处理和控制模块连接,用于通过人机交互界面对预设参数进行输入,并预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图的实时数据进行更新显示。
9.一种存储在计算机可读介质上的计算机程序产品,包括计算机可读程序,供于电子装置上执行时,提供用户输入接口以实施如权利要求1~7任意一项所述的拉曼光谱增强测量方法。
10.一种计算机可读存储介质,储存有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1~7任意一项所述的拉曼光谱增强测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011641551.8A CN112834481B (zh) | 2020-12-31 | 2020-12-31 | 一种拉曼光谱增强测量系统及测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011641551.8A CN112834481B (zh) | 2020-12-31 | 2020-12-31 | 一种拉曼光谱增强测量系统及测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112834481A CN112834481A (zh) | 2021-05-25 |
CN112834481B true CN112834481B (zh) | 2023-09-05 |
Family
ID=75926970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011641551.8A Active CN112834481B (zh) | 2020-12-31 | 2020-12-31 | 一种拉曼光谱增强测量系统及测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112834481B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113984736B (zh) * | 2021-11-03 | 2022-07-29 | 江南大学 | 一种基于空间偏移拉曼光谱的带包装食品信号分离方法 |
CN116399850B (zh) * | 2023-05-31 | 2023-09-15 | 无锡光煜晞科技有限责任公司 | 一种用于光信号处理的光谱探测识别系统及其探测方法 |
CN117907309B (zh) * | 2024-03-19 | 2024-06-04 | 夏芮智能科技有限公司 | 一种基于拉曼光谱的食品和药品安全检测系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015135415A1 (zh) * | 2014-03-10 | 2015-09-17 | 北京理工大学 | 分光瞳激光差动共焦布里渊-拉曼光谱测量方法及装置 |
WO2015165394A1 (zh) * | 2013-05-31 | 2015-11-05 | 欧普图斯(苏州)光学纳米科技有限公司 | 面向多行业检测的激光拉曼光谱智能化辨识方法及系统 |
CN106404743A (zh) * | 2016-11-01 | 2017-02-15 | 北京华泰诺安技术有限公司 | 一种结合拉曼光谱和近红外光谱的探测方法及探测装置 |
WO2018121122A1 (zh) * | 2016-12-29 | 2018-07-05 | 同方威视技术股份有限公司 | 用于物品查验的拉曼光谱检测方法和电子设备 |
CN108844941A (zh) * | 2018-05-30 | 2018-11-20 | 武汉工程大学 | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 |
CN111650184A (zh) * | 2020-07-13 | 2020-09-11 | 中国科学院烟台海岸带研究所 | 一种基于拉曼光谱的可燃液体的快速测量方法 |
-
2020
- 2020-12-31 CN CN202011641551.8A patent/CN112834481B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015165394A1 (zh) * | 2013-05-31 | 2015-11-05 | 欧普图斯(苏州)光学纳米科技有限公司 | 面向多行业检测的激光拉曼光谱智能化辨识方法及系统 |
WO2015135415A1 (zh) * | 2014-03-10 | 2015-09-17 | 北京理工大学 | 分光瞳激光差动共焦布里渊-拉曼光谱测量方法及装置 |
CN106404743A (zh) * | 2016-11-01 | 2017-02-15 | 北京华泰诺安技术有限公司 | 一种结合拉曼光谱和近红外光谱的探测方法及探测装置 |
WO2018121122A1 (zh) * | 2016-12-29 | 2018-07-05 | 同方威视技术股份有限公司 | 用于物品查验的拉曼光谱检测方法和电子设备 |
CN108844941A (zh) * | 2018-05-30 | 2018-11-20 | 武汉工程大学 | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 |
CN111650184A (zh) * | 2020-07-13 | 2020-09-11 | 中国科学院烟台海岸带研究所 | 一种基于拉曼光谱的可燃液体的快速测量方法 |
Non-Patent Citations (1)
Title |
---|
基于一维卷积神经网络的雌激素粉末拉曼光谱定性分类;赵勇;荣康;谈爱玲;;光谱学与光谱分析(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112834481A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112834481B (zh) | 一种拉曼光谱增强测量系统及测量方法 | |
CN108802000A (zh) | 一种基于拉曼全谱分析的无损快速胆维丁含量定量方法 | |
CN104897607A (zh) | 便携式近红外光谱食品建模与快速检测一体化方法和系统 | |
CN108844941B (zh) | 一种基于拉曼光谱和pca-hca的不同品位磷矿的鉴别和分类方法 | |
CN1831516A (zh) | 用可见光和近红外光谱技术无损鉴别卷烟品种及真假的方法 | |
CN105300954A (zh) | 一种锑矿浮选非均质泡沫层矿物的拉曼光谱表征方法 | |
CN116030310A (zh) | 一种基于激光诱导击穿光谱技术的样品分类方法及系统 | |
CN108318442B (zh) | 一种适用于中药混悬体系的检测方法 | |
CN111537469A (zh) | 一种基于近红外技术的苹果品质快速无损检测方法 | |
CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
CN105223140A (zh) | 同源物质的快速识别方法 | |
CN103674251B (zh) | 拉曼光谱中宇宙射线干扰的识别及消除方法 | |
CN111272735B (zh) | 一种激光诱导击穿光谱的检测方法 | |
CN116858822A (zh) | 一种基于机器学习和拉曼光谱的水体中磺胺嘧啶定量分析方法 | |
CN109521002B (zh) | 一种固体燃料颗粒流的燃料特性测量方法 | |
CN116662751A (zh) | 一种基于主成分分析与杠杆值法剔除异常样本的烟叶含水率检测方法 | |
CN114894781B (zh) | 基于外部信号的水下libs光谱标准化泛化方法及系统 | |
CN116026808A (zh) | 一种拉曼光谱判别方法和系统 | |
CN113030060A (zh) | 基于卷积神经网络的毒品拉曼光谱识别方法 | |
CN115165848A (zh) | 基于激光诱导击穿光谱的中药重金属定量检测方法及系统 | |
Galeev et al. | Application of the normalized relative error distribution analysis for non‐destructive quality control of drugs by Raman spectroscopy | |
CN112666094A (zh) | 一种常见毒素识别系统及方法 | |
CN114863286A (zh) | 一种基于多算法协同选优的混合废塑料分类方法 | |
CN113791062A (zh) | 一种基于拉曼光谱判断固定物质类别的方法 | |
CN111751320A (zh) | 基于波段挑选的水泥生料成分含量检测方法及系统 |
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 |