CN115146219A - 基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统 - Google Patents

基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统 Download PDF

Info

Publication number
CN115146219A
CN115146219A CN202210530311.3A CN202210530311A CN115146219A CN 115146219 A CN115146219 A CN 115146219A CN 202210530311 A CN202210530311 A CN 202210530311A CN 115146219 A CN115146219 A CN 115146219A
Authority
CN
China
Prior art keywords
peak
spectrum
raman
cubic
derivative
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
Application number
CN202210530311.3A
Other languages
English (en)
Inventor
彭宇涵
陈伟根
张薷月
黄凡芮
宋睿敏
刘泽霖
尹智贤
张鑫源
王立江
杨壮
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.)
Chongqing University
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN202210530311.3A priority Critical patent/CN115146219A/zh
Publication of CN115146219A publication Critical patent/CN115146219A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

本发明公开了基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统，所述方法包括：对变压器油的拉曼光谱进行求导获得其导数光谱以识别尖峰，利用导数光谱尖峰特征点拟合三次平滑曲线以剔除并填补拉曼光谱尖峰区域。本发明能够有效识别并去除变压器油拉曼光谱数据中由于宇宙射线造成的尖峰，减少高能宇宙射线对变压器油拉曼光谱信号的干扰，突出待测信号的特征性，确保光谱数据的光滑性，提高原始光谱信号的信噪比，能有效提高光谱数据的分析准确度；本发明简便快速、所需计算量较小，可避免计算过程中算法本身的误差引入。

Description

基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统
技术领域
本发明属于变压器油拉曼光谱数据分析技术领域，涉及基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统。
背景技术
拉曼光谱(Raman Spectrum)技术作为一种通过检测物质在单色光照射产生的散射光谱，可提供快速、简单、可重复且无损伤的定性定量分析。近年来，随着激光技术和CCD检测技术的发展，拉曼光谱已经广泛应用于固体和液体材料的结构检测和性能分析。
然而变压器油拉曼光谱数据分析中，拉曼光谱用于检测物质时，除了得到包含待测物的拉曼信号外，还会受到激光器波动、检测环境变化及样品本身等因素的干扰，这些干扰信号包括荧光背景干扰和不同程度的噪声。其中，获得的拉曼光谱信号中总存在一类随机、尖锐的谱峰，这些尖锐谱峰的宽度通常是小于2cm-1的，被称为尖峰。这些尖峰一般被认为是宇宙射线。
宇宙中的高能粒子辐射的射线在CCD探测器上会导致电子的产生进而被相机解释为光的信号。宇宙射线在时间和产生的光谱位移上完全是随机的，它们有很大的强度、类似发射谱线、半高宽较小。这将严重影响拉曼特征峰的提取以及待测物质的识别，降低拉曼光谱数据用于物质成分浓度分析的准确性。因此，对于在线剔除拉曼信号尖峰的研究，一直引起学者的关注。
目前变压器油拉曼光谱数据分析时，对拉曼光谱中由于宇宙射线造成的尖峰去除方法主要有两种方式：重复检测以及数据预处理方法。尖峰出现的概率及尖峰强度与拉曼光谱检测系统的扫描曝光时间呈正相关，且足够的曝光时间能够一定程度上改善待测信号的信噪比，因此重复检测能够有效去除尖峰但无法对拉曼光谱数据进行高效批量操作，尖峰剔除效果手操作者认为因素影响较大，而数据预处理算法有很好的效果且时间成本较低。目前已有基于滑动窗口分析、残差分析、拟合分析实现了拉曼光谱中宇宙射线的算法消除，但这一类方法步骤复杂、计算相对繁琐。
发明内容
为解决现有技术中存在的不足，本发明的目的在于，提供基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统，实现变压器油拉曼光谱数据分析时拉曼光谱尖峰(spike)的识别及去除，能够有效去除变压器油拉曼光谱数据测量时由宇宙射线产生的干扰。
为了实现上述目标，本发明采用如下技术方案：
基于导数光谱和三次平滑的拉曼光谱尖峰去除方法，对变压器油的拉曼光谱进行求导获得其导数光谱以识别尖峰，利用导数光谱尖峰特征点拟合三次平滑曲线以剔除并填补拉曼光谱尖峰区域。
本发明进一步包括以下优选方案：
优选地，所述方法包括以下步骤：
步骤1：采集实际运行变压器油样，获取变压器油的原始拉曼光谱；
步骤2：对原始拉曼光谱进行一阶求导获得其一阶导数光谱；
步骤3：根据一阶导数光谱曲线上各谱峰的正极值点、负极值点间距识别导数光谱中宇宙射线导致的尖峰；
步骤4：基于尖峰两侧特征数据点拟合用于描述尖峰局部基线的三次平滑曲线；
步骤5：采用三次平滑曲线代替尖峰上的点，实现拉曼光谱尖峰去除。
优选地，步骤3所述正极值点分别是指谱峰上光谱曲线上升速度最快的点，其位于上升沿峰脚与峰顶点之间，具体在波峰对应拉曼频移值x1处；
所述负极值点是谱峰上光谱曲线下降速度最快的点，其位于下降沿峰脚与峰顶点之间，具体在波谷对应拉曼频移值x2处。
优选地，步骤3包括：
步骤301：获取一阶导数光谱曲线上各谱峰的波峰、波谷对应拉曼频移值x1、x2，并求解各谱峰x1与x2的差值绝对值x；
步骤302：逐个判断各谱峰是否为尖峰：若x＜阈值，则对应谱峰为非尖峰；若x≥阈值，则对应谱峰为尖峰。
优选地，所述阈值为4cm-1。
优选地，步骤4：获取尖峰在原始拉曼光谱中峰宽最大值时对应波数值x3、x4，利用尖峰的x1、x2、x3、x4及其相对拉曼强度拟合三次平滑曲线并根据最佳拟合优度确定三次平滑曲线的待定参数。
优选地，步骤4中，利用尖峰的x1、x2、x3、x4及其相对拉曼强度拟合如下三次平滑曲线：
yi＝axi 3+bxi 2+cxi+d (1)
式中，xi为波数值，yi为xi相对拉曼强度，i取值范围为1,2,3,4；
a、b、c、d均为待定参数。
优选地，所述根据最佳拟合优度确定三次平滑曲线的待定参数是指：
以拟合出的三次平滑曲线与x1、x2、x3、x4数据点的均方误差最小作为标准来确定待定参数a、b、c、d。
优选地，所述均方误差的计算方式为：
Figure BDA0003646200040000031
式中，
Figure BDA0003646200040000032
为拟合出的三次平滑曲线在所选取数据点位置的拉曼强度预测值。
本发明还提供基于导数光谱和三次平滑的拉曼光谱尖峰去除系统，所述系统用于实现所述的基于导数光谱和三次平滑的拉曼光谱尖峰去除方法。
本发明的有益效果在于，与现有技术相比：
本发明基于导数光谱及三次平滑算法能够有效识别并去除变压器油拉曼光谱数据中由于宇宙射线造成的尖峰，减少高能宇宙射线对变压器油拉曼光谱信号的干扰，突出待测信号的特征性，确保光谱数据的光滑性，提高原始光谱信号的信噪比，能有效提高光谱数据的分析准确度；
本发明简便快速、所需计算量较小，可避免计算过程中算法本身的误差引入。
附图说明
图1是本发明基于导数光谱和三次平滑的拉曼光谱尖峰去除方法流程；
图2是本发明实施例1中有尖峰的油纸绝缘的拉曼光谱示意图；
图3是本发明实施例1中以样本拉曼谱线强度为因变量，波数为自变量对谱线求取一阶导数光谱尖峰去除过程示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
如图1所示，本发明提供了一种基于导数光谱和三次平滑的拉曼光谱尖峰去除方法，可以减少宇宙射线造成的随机误差带来的影响，在本发明优选但非限制性的实施方式中，为达到上述发明目的，所采用的具体技术方案如下：
对拉曼光谱进行求导获得其导数光谱的目的是为了更准确地识别尖峰并进行剔除，
利用导数光谱尖峰特征点拟合三次平滑曲线能够在保持原来谱峰特性不变的情况下对剔除区域进行填补，达到数据预处理的目的。
具体的，所述方法包括以下步骤1-5：
步骤1：采集实际运行变压器油样，获取变压器油的原始拉曼光谱；
步骤2：对原始拉曼光谱进行一阶求导获得其一阶导数光谱；
对宇宙射线导致的尖峰进行识别，首先需要对拉曼光谱进行求导。
步骤3：根据一阶导数光谱曲线上各谱峰的正极值点、负极值点间距识别导数光谱中宇宙射线导致的尖峰；
拉曼光谱中每一个谱峰在导数光谱上都表现为一个先增后减的过零点的转折信号，且拉曼谱峰的全宽与转折信号的全宽一致。
宇宙射线产生的尖峰一般宽度小于2cm-1，这个宽度通常指的是半高峰宽而不是全宽。
在导数光谱中虽然不易直接找出谱峰的半高全宽，但转折信号的两个极值点容易找到：
其中，正极值点是谱峰上光谱曲线上升速度最快的点，它位于上升沿峰脚与峰顶点之间；
负极值点是谱峰上光谱曲线下降速度最快的点，它位于下降沿峰脚与峰顶点之间。
在本发明的研究中，基于这两个点之间间距来判断谱峰是否为宇宙射线所产生的尖峰，在宇宙射线所产生的尖峰半高全宽小于2cm-1时，间距判断阈值一般为4cm-1。
即步骤3包括：
步骤301：获取一阶导数光谱曲线上各谱峰的波峰、波谷对应拉曼频移值x1、x2，并求解各谱峰x1与x2的差值绝对值x；
步骤302：逐个判断各谱峰是否为尖峰：若x＜4cm-1，则对应谱峰为非尖峰；若x≥4cm-1，则对应谱峰为尖峰。
步骤4：基于尖峰两侧特征数据点拟合用于描述尖峰局部基线的三次平滑曲线；
识别出尖峰之后，还需对尖峰进行去除，这其中的关键是尽量保持原始谱图的形状不发生改变。
为了实现上述目的，本发明提出基于三次多项式的尖峰去除方法。
高次多项式因其形状可随参数变化多端而被广泛应用于拉曼光谱基线的拟合。
拉曼光谱中的基线，多数时间是由于荧光背景所造成的，荧光本身就是一个宽波长范围内强度不突变的光，因此对于尖峰去除来说，由于尖峰宽度较窄，通常情况下其局部基线变换虽然是非线性，但却较为平缓，通常情况下使用三次平滑曲线即可模拟。
基于此，本发明在识别出尖峰之后分别在尖峰左右两侧各取相邻的2个数据点来拟合其局部基线，具体实施时，利用尖峰的x1、x2、x3、x4及其相对拉曼强度拟合如下三次平滑曲线：
yi＝axi 3+bxi 2+cxi+d (1)
式中，xi为波数值，yi为xi相对拉曼强度，i取值范围为1,2,3,4；
a、b、c、d均为待定参数。
以拟合出的三次平滑曲线与4个数据点的均方误差最小作为标准来确定待定参数a、b、c、d。
均方误差的计算方式为：
Figure BDA0003646200040000051
式中，
Figure BDA0003646200040000052
为拟合曲线在所选取数据点位置的拉曼强度预测值，即三次平滑曲线得到的拟合值；
yi为所选取数据点位置的强度实际值。
由此确定参数a、b、c、d后就确定了所拟合的三次平滑曲线。
步骤5：采用三次平滑曲线代替尖峰上的点即可完成尖峰的去除。
本发明的基于导数光谱和三次平滑的拉曼光谱尖峰去除系统，用于实现所述的基于导数光谱和三次平滑的拉曼光谱尖峰去除方法。
实施例1
为了更好地说明本发明实现的效果，下面结合实例进一步阐述基于导数光谱和三次平滑算法对拉曼光谱数据的尖峰识别及去除方法，所述方法包括以下步骤：
步骤1：采集实际运行变压器油样，通过激光拉曼光谱检测平台获取变压器油的原始拉曼光谱。
由于一系列高能宇宙射线在油纸绝缘拉曼光谱上产生随机的、高强度、窄峰宽的噪声信号，上述拉曼信号峰貌如图2所示。
从图2中可以清楚看出，在此油纸绝缘样品的拉曼检测时，1940cm-1位置附近产生了一个尖峰，其信号明显且峰宽极窄，这将对后续的分析产生十分不利的影响。为了消除或减弱这一类干扰，需要对原始光谱数据处理。
步骤2：根据前述的操作步骤，首先得到其导数光谱。
以样本拉曼谱线强度(纵坐标)为因变量，波数(横坐标)为自变量对谱线求取一阶导数，一阶导数光谱如如图3(a)所示。
步骤3：根据一阶导数光谱曲线上各谱峰的正极值点、负极值点间距识别导数光谱中宇宙射线导致的尖峰；
图3(a)中有多个过零点的转折信号，而且这些转折信号精准对应于图2中的各个谱峰，包括正常的油纸绝缘样本的拉曼谱峰与异常的尖峰，正常的油纸绝缘样本的拉曼谱峰对应的转折信号如图3(a)中左侧圆圈所示，尖峰所产生的转折信号如右侧圆圈所示，其局部放大图分别如图3(b)与图3(c)所示。
从图3(b)中容易看出，对于正常的过零转折信号，其正负两个极值点之间的波数间距为1474.3-1442.5＝31.8＞4，因此可以判定出它并非需要滤除的尖峰。
从图3(c)中可以发现，对于尖峰产生的转折信号，其正负两个极值点之间的波数间距为1943.4-1939.5＝3.9＜4，因此可以判定出它是需要滤除的尖峰。
步骤4-5：应用图3(d)中所示的此尖峰左右两侧相邻的4个数据点(如图3(d)中黑点所示)拟合三次平滑曲线y＝ax3+bx2+cx+d，并用曲线上的点(如图3(d)中虚线段所示)代替尖峰上的数据点即完成了尖峰的去除，同时也较好地保护了样本拉曼谱线原有的形状信息。
本发明的有益效果在于，与现有技术相比：
本发明基于导数光谱及三次平滑算法能够有效识别并去除变压器油拉曼光谱数据中由于宇宙射线造成的尖峰，减少高能宇宙射线对变压器油拉曼光谱信号的干扰，突出待测信号的特征性，确保光谱数据的光滑性，提高原始光谱信号的信噪比，能有效提高光谱数据的分析准确度；
本发明简便快速、所需计算量较小，可避免计算过程中算法本身的误差引入。
本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (10)

1.基于导数光谱和三次平滑的拉曼光谱尖峰去除方法，其特征在于：
对变压器油的拉曼光谱进行求导获得其导数光谱以识别尖峰，利用导数光谱尖峰特征点拟合三次平滑曲线以剔除并填补拉曼光谱尖峰区域。
2.根据权利要求1所述的基于导数光谱和三次平滑的拉曼光谱尖峰去除方法，其特征在于：
所述方法包括以下步骤：
步骤1：采集实际运行变压器油样，获取变压器油的原始拉曼光谱；
步骤2：对原始拉曼光谱进行一阶求导获得其一阶导数光谱；
步骤3：根据一阶导数光谱曲线上各谱峰的正极值点、负极值点间距识别导数光谱中宇宙射线导致的尖峰；
步骤4：基于尖峰两侧特征数据点拟合用于描述尖峰局部基线的三次平滑曲线；
步骤5：采用三次平滑曲线代替尖峰上的点，实现拉曼光谱尖峰去除。
3.根据权利要求2所述的基于导数光谱和三次平滑的拉曼光谱尖峰去除方法，其特征在于：
步骤3所述正极值点分别是指谱峰上光谱曲线上升速度最快的点，其位于上升沿峰脚与峰顶点之间，具体在波峰对应拉曼频移值x1处；
所述负极值点是谱峰上光谱曲线下降速度最快的点，其位于下降沿峰脚与峰顶点之间，具体在波谷对应拉曼频移值x2处。
4.根据权利要求3所述的基于导数光谱和三次平滑的拉曼光谱尖峰去除方法，其特征在于：
步骤3包括：
步骤301：获取一阶导数光谱曲线上各谱峰的波峰、波谷对应拉曼频移值x1、x2，并求解各谱峰x1与x2的差值绝对值x；
步骤302：逐个判断各谱峰是否为尖峰：若x＜阈值，则对应谱峰为非尖峰；若x≥阈值，则对应谱峰为尖峰。
5.根据权利要求4所述的基于导数光谱和三次平滑的拉曼光谱尖峰去除方法，其特征在于：
所述阈值为4cm-1。
6.根据权利要求3所述的基于导数光谱和三次平滑的拉曼光谱尖峰去除方法，其特征在于：
步骤4：获取尖峰在原始拉曼光谱中峰宽最大值时对应波数值x3、x4，利用尖峰的x1、x2、x3、x4及其相对拉曼强度拟合三次平滑曲线并根据最佳拟合优度确定三次平滑曲线的待定参数。
7.根据权利要求6所述的基于导数光谱和三次平滑的拉曼光谱尖峰去除方法，其特征在于：
步骤4中，利用尖峰的x1、x2、x3、x4及其相对拉曼强度拟合如下三次平滑曲线：
yi＝axi 3+bxi 2+cxi+d (1)
式中，xi为波数值，yi为xi相对拉曼强度，i取值范围为1,2,3,4；
a、b、c、d均为待定参数。
8.根据权利要求7所述的基于导数光谱和三次平滑的拉曼光谱尖峰去除方法，其特征在于：
所述根据最佳拟合优度确定三次平滑曲线的待定参数是指：
以拟合出的三次平滑曲线与x1、x2、x3、x4数据点的均方误差最小作为标准来确定待定参数a、b、c、d。
9.根据权利要求8所述的基于导数光谱和三次平滑的拉曼光谱尖峰去除方法，其特征在于：
所述均方误差的计算方式为：
Figure FDA0003646200030000021
式中，
Figure FDA0003646200030000022
为拟合出的三次平滑曲线在所选取数据点位置的拉曼强度预测值。
10.基于导数光谱和三次平滑的拉曼光谱尖峰去除系统，其特征在于：
所述系统用于实现权利要求1-9任意一项所述的基于导数光谱和三次平滑的拉曼光谱尖峰去除方法。
CN202210530311.3A 2022-05-16 2022-05-16 基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统 Pending CN115146219A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210530311.3A CN115146219A (zh) 2022-05-16 2022-05-16 基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210530311.3A CN115146219A (zh) 2022-05-16 2022-05-16 基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统

Publications (1)

Publication Number Publication Date
CN115146219A true CN115146219A (zh) 2022-10-04

Family

ID=83406040

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210530311.3A Pending CN115146219A (zh) 2022-05-16 2022-05-16 基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统

Country Status (1)

Country Link
CN (1) CN115146219A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115508335A (zh) * 2022-10-21 2022-12-23 哈尔滨工业大学（威海） 基于傅里叶变换的拉曼光谱曲线数据增强方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115508335A (zh) * 2022-10-21 2022-12-23 哈尔滨工业大学（威海） 基于傅里叶变换的拉曼光谱曲线数据增强方法

Similar Documents

Publication Publication Date Title
CN108169213B (zh) 一种激光诱导击穿光谱谱峰元素自动识别方法
US20190154585A1 (en) Method for detecting coal quality using raman spectroscopy
CN110596028B (zh) 一种沉积型稀土La元素含量的高光谱反演方法
CN111693512A (zh) 基于激光诱导击穿光谱定量检测牛奶中重金属元素的方法
CN109085136B (zh) 近红外漫反射光谱测定水泥生料氧化物成分含量的方法
CN108918446B (zh) 一种超低浓度二氧化硫紫外差分特征提取算法
CN103543132B (zh) 一种基于小波变换的煤质特性测量方法
CN116388733B (zh) 一种适用于近红外水果无损检测的光谱预处理方法及装置
CN112834481B (zh) 一种拉曼光谱增强测量系统及测量方法
CN111089856B (zh) 一种拉曼光谱弱信号提取的后处理方法
CN111537469A (zh) 一种基于近红外技术的苹果品质快速无损检测方法
CN115146219A (zh) 基于导数光谱和三次平滑的拉曼光谱尖峰去除方法和系统
CN103674251B (zh) 拉曼光谱中宇宙射线干扰的识别及消除方法
CN116399850B (zh) 一种用于光信号处理的光谱探测识别系统及其探测方法
CN112666104A (zh) 一种基于doas的气体浓度反演方法
CN116429724A (zh) 基于红外高光谱分析的复合绝缘子材料污秽程度检测方法
CN116910452A (zh) 基于大数据的有害垃圾无菌化处理风险预测评估方法
CN108932491B (zh) 利用五点三次平滑法进行宇宙射线的识别和去除方法
CN113567417A (zh) 一种基于拉曼光谱指纹分析技术鉴别花生油产地的方法
CN117629967B (zh) 基于光谱分析的土壤土层污染快速检测方法
CN109668862B (zh) 一种基于激光诱导击穿光谱的铝电解质分子比检测方法
CN109827908B (zh) 一种利用光谱数据判别红富士苹果腐烂程度的方法
CN117848928A (zh) 基于多角度散射光谱的星表单颗粒物粒形识别装置及方法
CN109030452A (zh) 一种基于五点三次平滑算法的拉曼光谱数据降噪方法
CN111126496B (zh) 变压器固体绝缘材料类型确定方法

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