CN113109318B - 基于光谱峰高直接提取的拉曼光谱定量分析方法及系统 - Google Patents
基于光谱峰高直接提取的拉曼光谱定量分析方法及系统 Download PDFInfo
- Publication number
- CN113109318B CN113109318B CN202110327131.0A CN202110327131A CN113109318B CN 113109318 B CN113109318 B CN 113109318B CN 202110327131 A CN202110327131 A CN 202110327131A CN 113109318 B CN113109318 B CN 113109318B
- Authority
- CN
- China
- Prior art keywords
- raman
- peak
- quantitative analysis
- signal
- peak height
- 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
Images
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
Abstract
本发明提供一种基于光谱峰高直接提取的拉曼光谱定量分析方法及系统，解决现有拉曼光谱分析方法在光谱形状发生变化时，存在检测结果差异较大、精度较低的问题，该方法及系统无需进行背景扣除，从而可以提高拉曼光谱定量分析系统的精度。该方法包括：步骤一、采集通过样品的拉曼光信号，并将拉曼光信号处理为数字信号；步骤二、对步骤一处理后的目标物质信号进行去奇点噪声处理；步骤三、对步骤二处理后的信号进行提取峰高处理；步骤四、重复步骤二和步骤三的数据处理过程，对参考物质进行相同的处理，得到参考物质的峰高信号；步骤五、对峰高信号进行归一化处理；步骤六、对步骤五处理后的信号进行定量分析，得到样品定量分析结果。
Description
技术领域
本发明属于光谱检测及光谱分析领域，具体涉及一种基于光谱峰高直接提取的拉曼光谱定量分析方法及系统。
背景技术
拉曼光谱检测技术是光谱检测技术的一种，因其具有光源相对简单、对物质识别能力好、样品不需要复杂处理等特点而获得广泛应用。现有便携式拉曼光谱设备可直接用于无任何处理的样品，使得其广泛应用在探矿、毒品检测、食品检测等多种领域。
现有拉曼光谱分析方法一般需先进行背景扣除，然后进行光谱解析。自动化的背景扣除算法多半是根据拉曼光谱的光谱形状设计的，例如，多项式拟合法、小波变换法、自适应迭代重加权惩罚最小二乘法等方法，其原理是由于拉曼峰比其它光谱成分较窄，可以直接从光谱形状上进行区分，经过去背景处理后的拉曼光谱，其光谱强度与样品中对应成分的浓度成正比。但是，该类去除背景方法依赖于光谱形状，若光谱形状发生变化，即使是细微变化，也可能导致自动化算法的结果出现较大差异，进而导致拉曼光谱定量分析系统的精度下降。
发明内容
本发明的目的是解决现有拉曼光谱分析方法在光谱形状发生变化时，存在检测结果差异较大、精度较低的问题，提供一种基于光谱峰高直接提取的拉曼光谱定量分析方法及系统。该方法及系统无需进行背景扣除，从而可以提高拉曼光谱定量分析系统的精度。
为实现上述目的，本发明通过以下技术方案来实现；
一种基于光谱峰高直接提取的拉曼光谱定量分析方法，包括以下步骤：
步骤一、采集通过样品的拉曼光信号，并将拉曼光信号处理为数字信号，该数字信息包括波长信息x(i)和光谱强度信息y1(i,j)；所述样品为混合物，包括目标物质和参考物质；
步骤二、对步骤一处理后的目标物质信号进行去奇点噪声处理；
2.1)读取目标物质的光谱强度信息y1(i,j)，y1(i,j)为数组，i,j为数组元素序号，i的范围从1到n，n为单个光谱强度信息的长度；j范围从1到m，m为采集的光谱强度信息的个数；
2.2)设定奇点阈值k；
2.3)对步骤2.1)的光谱强度信息去奇点噪声处理，得到处理后的光谱强度信息y2(i,j)；
y2(1,j)＝y1(1,j)j＝1、2、……m；
y2(n,j)＝y1(n,j)j＝1、2、……m；
i＝2、3、.....、n-1，j＝1、2、……m
步骤三、对步骤二处理后的信号进行提取峰高处理；
3.1)查询目标物质的拉曼峰信息，获取其峰尖位置a和峰谷位置b；
3.2)根据波长信息x(i)、峰尖位置a和峰谷位置b，获取峰尖的数组元素序号ai和峰谷的数组元素序号bi；ai为|x(i)-a|最小时，i的值；bi为|x(i)-b|最小时，i的值；
3.3)根据y2(i,j)、峰尖的数组元素序号ai和峰谷的数组元素序号bi，获取峰尖信号ay(j)和峰谷信号by(j)；ay(j)＝y2(ai，j)，by(j)＝y2(bi，j)；j＝1……m；即ay(j)为i为ai时的光谱强度信息，by(j)为i为bi时的光谱强度信息；
3.4)将峰尖信号ay(j)减去峰谷信号by(j)，获得目标物质的峰高信号h1(j)；
h1(j)＝ay(j)-by(j)；j＝1……m；
步骤四、重复步骤二和步骤三的数据处理过程，对参考物质进行相同的处理，得到参考物质的峰高信号h2(j)，j＝1……m；
步骤五、对峰高信号进行归一化处理；
对获取的峰高信号归一化处理，处理过程如下：
h(j)＝h1(j)/h2(j)×mean(h2(j))j＝1……m；
步骤六、对步骤五处理后的信号进行定量分析；
使用线性拟合方法对步骤五获取的数据进行处理，得到样品定量分析结果。
进一步地，步骤六中，线性拟合方法为最小二乘法。
进一步地，步骤2.2)中，k为正整数，且不大于n/2。
同时，本发明还提供一种基于光谱峰高直接提取的拉曼光谱定量分析系统，包括激光光源、拉曼探头、光栅光谱仪和分析模块；激光光源产生激光，激光进入拉曼探头；拉曼探头将激光作用于样品，并收集经过样品的拉曼光，随后将拉曼光传输给光栅光谱仪；光栅光谱仪检测拉曼探头传入的拉曼光，将拉曼光信号处理为数字信号；分析模块对光栅光谱仪输出的信号进行处理，获取样品的数据；所述分析模块被处理器执行时实现上述基于光谱峰高直接提取的拉曼光谱定量分析方法的步骤二至步骤六。
进一步地，所述激光光源为单波长窄线宽连续输出激光器，线宽<1cm-1。
进一步地，所述拉曼探头通过光纤输入和输出信号，其激发光路和收集光路共用一个聚焦透镜，激发光路上设置有带通滤光片，收集光路上设置有长通滤光片。
与现有技术相比，本发明方法具有以下技术效果：
相比传统去背景定量分析算法，本发明方法和系统可以获得更高的定量分析精度，本发明方法直接从原始拉曼光谱中提取信息，既消除了荧光的影响，又避免了拉曼光谱背景扣除步骤，从而减少增加误差的步骤，进而提高了最终的定量分析精度。
附图说明
图1为本发明基于光谱峰高直接提取的拉曼光谱定量分析系统示意图；
图2为本发明实施例中得到的光谱图；
图3为本发明实施例中葡萄糖峰的峰尖减去右侧峰谷的示意图；
图4为本发明实施例中水峰的峰尖减去右侧峰谷的示意图；
图5为本发明方法得到的拟合结果示意图；
图6为现有方法得到的拟合结果示意图。
具体实施方式
以下结合附图和具体实施例对本发明的内容作进一步详细描述。
拉曼光谱配合激光技术可以很方便的实现物质定量分析。现有拉曼定量分析方法需要做背景扣除，然后根据拉曼峰的峰面积，做定量分析。当前的自动化背景扣除算法是根据拉曼光谱的光谱形状而定，如果光谱形状发生变化，则可能产生诸多误差，导致拉曼光谱定量分析系统的精度下降。基于此，本发明提供一种基于光谱峰高直接提取的拉曼光谱定量分析方法及系统，该系统和方法是一种无需做背景扣除、可直接从拉曼光谱中提取拉曼峰高度的定量分析系统，可以提高提高拉曼光谱定量分析系统的精度。
如图1所示，本发明基于光谱峰高直接提取的拉曼光谱定量分析系统主要由激光光源、拉曼探头、光栅光谱仪、分析模块等部分组成。激光光源产生激光，进入拉曼探头，拉曼探头将激光作用于样品，收集拉曼光，并将其传输给光栅光谱仪，光栅光谱仪检测拉曼探头传入的拉曼光，转化为数字信号，传入分析模块。分析模块接收光栅光谱仪的数字信号，运用拉曼光谱定量分析算法，产生样品的定量分析结果。相比传统拉曼光谱方法，本系统可以获得更高的定量分析精度。
本发明提供的基于光谱峰高直接提取的拉曼光谱定量分析方法包括以下步骤：
步骤一、采集通过样品的拉曼光信号，并将拉曼光信号处理为数字信号，该数字信息包括波长信息x(i)和光谱强度信息y1(i,j)；该样品为混合物，包括目标物质和参考物质，目标物质为样品中待分析的成分，参考物为样品中选定的成分保持不变的物质；
步骤二、对目标物质步骤一处理后的信号进行去奇点噪声处理；
2.1)读取光谱强度信息y1(i,j)，y1(i,j)为数组，i,j为数组元素序号，i的范围从1到n，n为单个光谱强度信息的长度；j范围从1到m，m为本次采集的光谱强度信息的个数；
2.2)设定奇点阈值k，k为正整数，且不大于n/2；
2.3)对步骤2.1)的光谱强度信息去奇点噪声处理，得到处理后的光谱强度信息y2(i,j)；
y2(1,j)＝y1(1,j)j＝1、2、……m；
y2(n,j)＝y1(n,j)j＝1、2、……m；
i＝2、3、.....、n-1，j＝1、2、……m
步骤三、对步骤二处理后的信号进行提取峰高处理；
3.1)查询目标物质的拉曼峰信息，获取其峰尖位置a和峰谷位置b；
3.2)根据波长信息x(i)、峰尖位置a和峰谷位置b，获取峰尖的数组元素序号ai和峰谷的数组元素序号bi；ai为|x(i)-a|最小时，i的值；bi为|x(i)-b|最小时，i的值；
3.3)根据y2(i,j)、峰尖的数组元素序号ai、峰谷的数组元素序号bi，获取峰尖信号ay(j)和峰谷信号by(j)；ay(j)＝y2(ai，j)，by(j)＝y2(bi，j)；j＝1……m；即ay(j)为i为ai时的光谱强度信息，by(j)为i为bi时的光谱强度信息；
3.4)将将峰尖信号ay(j)减去峰谷信号by(j)，获得峰高信号h1(j)；
h1(j)＝ay(j)-by(j)；j＝1……m；
步骤四、对参考物质参照步骤二和步骤三进行相同的处理，得到参考物质的峰高信号h2(j)，j＝1……m；
步骤五、对峰高信号进行归一化处理；
获取的峰高信号一般需要经过参考信号归一化，其具体处理过程如下：
h(j)＝h1(j)/h2(j)×mean(h2(j))j＝1……m；
步骤六、对步骤五处理后的信号进行定量分析；
使用线性拟合方法对步骤三获取的数据进行处理，得到样品定量分析结果，线性拟合方法具体最小二乘法。
下面以具体的实施例对本发明方法和系统进行描述和效果验证。
本发明基于光谱峰高直接提取的拉曼光谱定量分析系统包括激光光源、拉曼探头、光栅光谱仪和分析电脑。激光光源为单波长窄线宽连续输出激光器，中心波长为785nm，线宽<1cm-1。拉曼探头为普通拉曼光谱采集系统，使用光纤输入和输出，激发光路和收集光路共用一个聚焦透镜，激发光路上有785nm带通滤光片，收集光路上有800nm长通滤光片。
光栅光谱仪为光学波长检测器件，利用光栅的干涉原理将不同波长的光分别投射到CCD探测器不同位置，以此实现波长分辨；CCD探测器根据不同位置接收到的光信号强弱，转换成对应的电信号，随后经过模数转换，变成数字信号，最终和波长数据共同输出。此装置实现了对拉曼光信号的不同波长强度探测。本装置使用的光栅光谱仪的光谱分辨能力为3cm-1，探测波长为795.16-919.5nm，对应拉曼位移为162.8-1863.6cm-1，从拉曼探头中接收光信号，转化为数字信号，并传输给分析电脑。
分析电脑连接并控制光栅光谱仪，从光谱仪获取数字信号，经过拉曼光谱定量分析算法，给出定量分析结果。分析电脑从光谱仪获取的数字信号，包括波长信息和光谱强度信息。波长信息为795.16～919.5nm范围，对应拉曼位移162.8～1863.6cm-1，包含数据点1024个；光谱强度信息包含数据点1024个，单个数据范围0-65535。波长信息会被程序自动转化为拉曼位移，以双精度保存；强度信息会自动转化为双精度数据。
本实施例所用的样本为明胶牛血清葡萄糖混合物，明胶和牛血清的配比固定，葡萄糖配比变化。具体的，明胶和牛血清重量比为1：10，葡萄糖先溶于牛血清，再和明胶混合。葡萄糖溶于牛血清的浓度，变化范围为20-50mmol/L。
步骤一、拉曼光谱采集时，激光光源输出功率为200mW，单次光谱采集时间为10s，以无样品状态为本底信号，本底信号会在采集时自动扣除，本实例中所得的光谱如图2所示：
步骤二、获得数据后，分析电脑首先进行去奇点噪声；
读取光谱强度数据y(i)，i＝1—1024，设定奇点阈值k＝3；对光谱强度信息去奇点噪声处理，得到处理后的光谱强度信息y2(i,j)；
步骤三、对步骤二处理后的目标物质信号和参考物质信号进行提取峰高处理；
本实例是分析明胶牛血清葡萄糖混合物中葡萄糖浓度变化，选择葡萄糖拉曼峰1128cm-1，同时，选择水的拉曼峰1650cm-1作为参考信号；
拉曼峰信号提取使用的算法为用拉曼峰峰尖减去右侧峰谷；
如下图3、图4所示，1128cm-1葡萄糖峰，使用1128cm-1峰高减去1150cm-1峰高；1650cm-1水峰，使用1655cm-1峰高减去1750cm-1峰高；
步骤四、完成峰高计算后，将1128cm-1葡萄糖峰高进行归一化，归一化算法为：
(1128cm-1峰高)/(1650cm-1峰高)*(1650cm-1峰高平均值)
步骤四、完成峰提取后，执行定量分析；
本实例中使用的定量分析算法为线性最小二乘法拟合，拟合结果如图5所示，从图5中可以看到，本实例的拟合结果，R2为0.99。
为了对比效果，使用本数据进行了传统去背景方法对比，去背景算法使用的是自适应迭代重加权惩罚最小二乘法，然后提取峰1128cm-1的峰面积，并用1650cm-1峰面积做归一化。然后同样用线性最小二乘法拟合，拟合结果如图6所示，从拟合结果看出，其R2为0.98。和本发明方法结果对比，本发明的R2更接近1。从图5和图6中，可以直观的看到，本发明获得的拉曼光谱强度，更加贴近拟合直线，误差更小。
Claims (6)
1.一种基于光谱峰高直接提取的拉曼光谱定量分析方法，其特征在于，包括以下步骤：
步骤一、采集通过样品的拉曼光信号，并将拉曼光信号处理为数字信号，该数字信息包括波长信息x(i)和光谱强度信息y1(i,j)；所述样品为混合物，包括目标物质和参考物质；
步骤二、对步骤一处理后的目标物质信号进行去奇点噪声处理；
2.1)读取目标物质的光谱强度信息y1(i,j)，y1(i,j)为数组，i,j为数组元素序号，i的范围从1到n，n为单个光谱强度信息的长度；j范围从1到m，m为采集的光谱强度信息的个数；
2.2)设定奇点阈值k；
2.3)对步骤2.1)的光谱强度信息去奇点噪声处理，得到处理后的光谱强度信息y2(i,j)；
y2(1,j)＝y1(1,j)j＝1、2、……m；
y2(n,j)＝y1(n,j)j＝1、2、……m；
i＝2、3、.....、n-1，j＝1、2、……m
步骤三、对步骤二处理后的信号进行提取峰高处理；
3.1)查询目标物质的拉曼峰信息，获取其峰尖位置a和峰谷位置b；
3.2)根据波长信息x(i)、峰尖位置a和峰谷位置b，获取峰尖的数组元素序号ai和峰谷的数组元素序号bi；ai为|x(i)-a|最小时，i的值；bi为|x(i)-b|最小时，i的值；
3.3)根据y2(i,j)、峰尖的数组元素序号ai和峰谷的数组元素序号bi，获取峰尖信号ay(j)和峰谷信号by(j)；ay(j)＝y2(ai，j)，by(j)＝y2(bi，j)；j＝1……m；即ay(j)为i为ai时的光谱强度信息，by(j)为i为bi时的光谱强度信息；
3.4)将峰尖信号ay(j)减去峰谷信号by(j)，获得目标物质的峰高信号h1(j)；
h1(j)＝ay(j)-by(j)；j＝1……m；
步骤四、重复步骤二和步骤三的数据处理过程，对参考物质进行相同的处理，得到参考物质的峰高信号h2(j)，j＝1……m；
步骤五、对峰高信号进行归一化处理；
对获取的峰高信号归一化处理，处理过程如下：
h(j)＝h1(j)/h2(j)×mean(h2(j))j＝1……m；
步骤六、对步骤五处理后的信号进行定量分析；
使用线性拟合方法对步骤五获取的数据进行处理，得到样品定量分析结果。
2.根据权利要求1所述的基于光谱峰高直接提取的拉曼光谱定量分析方法，其特征在于：步骤六中，线性拟合方法为最小二乘法。
3.根据权利要求1或2所述的基于光谱峰高直接提取的拉曼光谱定量分析方法，其特征在于：步骤2.2)中，k为正整数，且不大于n/2。
4.一种基于光谱峰高直接提取的拉曼光谱定量分析系统，其特征在于：包括激光光源、拉曼探头、光栅光谱仪和分析模块；
所述激光光源产生激光，激光进入拉曼探头，拉曼探头将激光作用于样品，并收集经过样品的拉曼光，随后将拉曼光传输给光栅光谱仪；光栅光谱仪检测拉曼探头传入的拉曼光，将拉曼光信号处理为数字信号；分析模块对光栅光谱仪输出的信号进行处理，获取样品的数据；所述分析模块被处理器执行时实现权利要求1至3任一所述基于光谱峰高直接提取的拉曼光谱定量分析方法的步骤二至步骤六。
5.根据权利要求4所述的基于光谱峰高直接提取的拉曼光谱定量分析系统，其特征在于：所述激光光源为单波长窄线宽连续输出激光器，线宽<1cm-1。
6.根据权利要求4或5所述的基于光谱峰高直接提取的拉曼光谱定量分析系统，其特征在于：所述拉曼探头通过光纤输入和输出信号，其激发光路和收集光路共用一个聚焦透镜，所述激发光路上设置有带通滤光片，所述收集光路上设置有长通滤光片。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110327131.0A CN113109318B (zh) | 2021-03-26 | 2021-03-26 | 基于光谱峰高直接提取的拉曼光谱定量分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110327131.0A CN113109318B (zh) | 2021-03-26 | 2021-03-26 | 基于光谱峰高直接提取的拉曼光谱定量分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113109318A CN113109318A (zh) | 2021-07-13 |
| CN113109318B true CN113109318B (zh) | 2022-05-10 |
Family
ID=76712423
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110327131.0A Active CN113109318B (zh) | 2021-03-26 | 2021-03-26 | 基于光谱峰高直接提取的拉曼光谱定量分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113109318B (zh) |
Families Citing this family (2)
| 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 |
| CN114324294A (zh) * | 2021-12-31 | 2022-04-12 | 中国海洋大学 | 多探头气体拉曼光谱系统及混合气体定量分析方法 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2000052433A1 (en) * | 1999-03-05 | 2000-09-08 | Sandia Corporation | Hybrid least squares multivariate spectral analysis methods |
| CN102297856B (zh) * | 2010-06-25 | 2015-09-30 | 清华大学 | 用于自动校准拉曼光谱检测系统的方法及拉曼光谱检测系统 |
| US8416406B2 (en) * | 2010-10-28 | 2013-04-09 | Hewlett-Packard Development Company, L.P. | Sensing device and method producing a Raman signal |
| CN103217409B (zh) * | 2013-03-22 | 2015-02-18 | 中国科学院重庆绿色智能技术研究院 | 一种拉曼光谱预处理方法 |
| CN103674251B (zh) * | 2013-11-29 | 2015-08-12 | 浙江大学 | 拉曼光谱中宇宙射线干扰的识别及消除方法 |
| CN105628675B (zh) * | 2015-12-29 | 2019-03-08 | 北京华泰诺安探测技术有限公司 | 一种功率敏感物质的拉曼荧光干扰的消除方法 |
| CN105466908B (zh) * | 2015-12-31 | 2018-04-20 | 安徽芯核防务装备技术股份有限公司 | 一种样品瓶固定干扰噪声的拉曼光谱去除方法 |
| WO2017123926A1 (en) * | 2016-01-13 | 2017-07-20 | Nxgen Partners Ip, Llc | System and method for multi-parameter spectroscopy |
| GB201616787D0 (en) * | 2016-10-03 | 2016-11-16 | Renishaw Plc | Measurement apparatus and methods |
| CN107340281A (zh) * | 2017-05-31 | 2017-11-10 | 中国农业大学 | 一种基于序列移频激发的拉曼信号检测处理系统和方法 |
| CN108169204B (zh) * | 2017-12-14 | 2020-09-08 | 天津大学 | 一种基于数据库的拉曼光谱预处理方法 |
| CN108802000A (zh) * | 2018-03-16 | 2018-11-13 | 上海交通大学 | 一种基于拉曼全谱分析的无损快速胆维丁含量定量方法 |
| CN108918499B (zh) * | 2018-06-28 | 2019-08-02 | 华南师范大学 | 拉曼图谱中去除拉曼基线漂移的方法 |
-
2021
- 2021-03-26 CN CN202110327131.0A patent/CN113109318B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113109318A (zh) | 2021-07-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113109317B (zh) | 基于背景扣除提取峰面积的拉曼光谱定量分析方法及系统 | |
| CN113109318B (zh) | 基于光谱峰高直接提取的拉曼光谱定量分析方法及系统 | |
| US7620674B2 (en) | Method and apparatus for enhanced estimation of an analyte property through multiple region transformation | |
| Reddy et al. | Accurate histopathology from low signal-to-noise ratio spectroscopic imaging data | |
| CN111610179B (zh) | 用于炉前高温样品成分libs快速检测的系统及方法 | |
| CN113008805A (zh) | 基于高光谱成像深度分析的白芷饮片质量预测方法 | |
| CN111488926A (zh) | 一种基于优化模型的土壤有机质测定方法 | |
| CN111487213A (zh) | 多光谱融合的化学需氧量测试方法及装置 | |
| CN109001182B (zh) | 封闭容器中酒精含量的拉曼光谱无损测定方法 | |
| CN110887798B (zh) | 基于极端随机树的非线性全光谱水体浊度定量分析方法 | |
| CN117194902A (zh) | 一种光谱测量过程中噪声数据滤除方法 | |
| CN111521575A (zh) | 质控物质选择方法及装置 | |
| CN115420726A (zh) | 一种利用重构sers光谱快速识别目标物的方法 | |
| CN112964719B (zh) | 一种基于高光谱的食品果糖检测方法及装置 | |
| CN117054352A (zh) | 基于光谱分析及散射校正的电镀溶液浓度检测方法 | |
| CN113514446A (zh) | 一种用于快速匹配识别sers谱图的方法 | |
| CN114324215A (zh) | 一种柠檬叶片叶绿素含量及其二维分布检测方法 | |
| CN113406038A (zh) | 一种水质pH值光学检测方法及装置 | |
| CN109632761B (zh) | 一种拉曼光谱数据的处理方法及系统 | |
| CN110687094B (zh) | 基于蛋白质探针成像技术的非定向乳粉筛查方法 | |
| CN114018856A (zh) | 光谱校正方法 | |
| CN111351778A (zh) | 基于libs光谱的成分分析方法 | |
| De Kerf et al. | Quantitative detection of corrosion minerals in carbon steel using shortwave infrared hyperspectral imaging | |
| CN114354535A (zh) | 基于近红外光谱技术的可溶性膳食纤维快速检测方法 | |
| CN117949429A (zh) | 基于拉曼光谱和多模态混合式模型的杏仁产地鉴别方法 |
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 |