TW202107077A

TW202107077A - 智慧濃度測量系統、方法及智慧濃度分析模組

Info

Publication number: TW202107077A
Application number: TW108127560A
Authority: TW
Inventors: 洪妙蓁; 翁于晴; 王志耀; 羅安鈞
Original assignee: 財團法人工業技術研究院
Priority date: 2019-08-02
Filing date: 2019-08-02
Publication date: 2021-02-16
Also published as: TWI704346B; CN112305051A

Abstract

本發明提供一種智慧濃度測量系統、方法及智慧濃度分析模組。所述方法包括：控制感測模組偵測溶液的第一應答電流，其中溶液添加有第一添加劑；建立濃度校正模型；基於濃度校正模型取得一待測溶液中第一添加劑的濃度。

Description

智慧濃度測量系統、方法及智慧濃度分析模組

本發明是有關於一種智慧濃度測量系統、方法及分析模組，且特別是有關於一種用於測量溶液中添加劑的濃度的智慧濃度測量系統、方法及智慧濃度分析模組。

印刷電路板（Printed Circuit Board，PCB）是所有電子資訊產品不可或缺的重要零組件。隨著電子設備越來越複雜，PCB上的線路與零件也越來越密集，線路與導孔金屬化的問題更顯重要。優良的鍍銅品質往往是印刷電路板成功的關鍵，而鍍銅品質與控制好電鍍浴中有機添加劑的濃度緊密相關。在電鍍的過程中，電鍍溶液中的有機添加劑濃度突然上升或下降都會造成產品缺陷，增加成本並降低製造效能。

在現有技術中，若需掌控電鍍添加劑的濃度，需由相關人員對電鍍溶液進行取樣，並另行將所取得的樣本運送至相關的實驗室，以由實驗室人員以繁複的化學處理方式（例如，循環伏安剝離法等）測量電鍍添加劑的濃度。然而，此種方式除了效率較低之外，亦無法達到即時的監控及回饋控制。

因此，對於本領域技術人員而言，如何設計一種能夠以較佳效率測量電鍍添加劑的濃度的機制實為一項重要議題。

有鑑於此，本發明提供一種智慧濃度測量系統、方法及智慧濃度分析模組，其可用以解決上述技術問題。

本發明提供一種智慧濃度測量系統，包括一感測模組及一智慧濃度分析模組。感測模組用於偵測一溶液的一第一應答電流，其中溶液添加有一第一添加劑。感測模組包括多電極系統及伏安儀，多電極系統接觸溶液。伏安儀耦接於多電極系統，並控制多電極系統測量溶液的第一應答電流。智慧濃度分析模組包括一濃度校正模型及一類神經網路，且耦接於感測模組，並經配置以：基於濃度校正模型取得一待測溶液中第一添加劑的濃度。

本發明提供一種智慧濃度測量方法，適於包括一感測模組及一智慧濃度分析模組的一智慧濃度測量系統。智慧濃度分析模組包括一濃度校正模型及一類神經網路。所述方法包括：控制感測模組偵測一溶液的一第一應答電流，其中溶液添加有一第一添加劑；建立濃度校正模型；基於濃度校正模型取得一待測溶液中第一添加劑的濃度。

本發明提供一種智慧濃度分析模組，包括一濃度校正模型、一類神經網路、一儲存電路及一處理器。智慧濃度分析模組耦接感測模組。儲存電路儲存多個模組。處理器耦接儲存電路並存取前述模組以執行下列步驟：控制感測模組偵測一溶液的一第一應答電流，其中溶液添加有一第一添加劑；建立濃度校正模型；基於濃度校正模型取得一待測溶液中第一添加劑的濃度。

基於上述，本發明的智慧濃度測量系統、方法及智慧濃度分析模組可在建立第一濃度校正模型之後，以待測溶液的應答電流及感測模組的當下運作資料的至少其中之一作為第一輸入資料輸入至前述第一濃度校正模型，即可得到溶液中第一添加劑的濃度。藉此，可提供簡易、有效且低成本的添加劑的濃度測量機制。

為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。

請參照圖1，其是依據本發明之一實施例繪示的智慧濃度測量系統示意圖。如圖1所示，智慧濃度測量系統100可包括感測模組110及智慧濃度分析模組120。感測模組110可包括多電極系統112及伏安儀114，其中多電極系統112可用於接觸溶液113，並因應於伏安儀114所提供的控制信號而與溶液113發生氧化/還原反應；其中，溶液113包括電鍍溶液。

在本實施例中，多電極系統112可包括第一工作電極112a、第二工作電極112b、第三工作電極112c、參考電極112d及對電極112e，而其皆可接觸溶液113。第一工作電極112a、第二工作電極112b、第三工作電極112c個別例如是金電極，參考電極112d例如是Ag/AgCl，而對電極112e例如是鉑絲，但可不限於此。在一實施例中，伏安儀114可對第一工作電極112a、第二工作電極112b、第三工作電極112c的至少其中之一提供工作電壓，以讓其與溶液113發生氧化/還原反應。在此情況下，接收工作電壓的一或多個工作電極可個別與參考電極112d及對電極112e協同以習知三電極系統的方式運作，以與溶液113發生氧化/還原反應。

舉例而言，若伏安儀114僅對第一工作電極112a提供工作電壓，則第一工作電極112a、參考電極112d及對電極112e可協同以習知三電極系統的方式運作，以與溶液113發生氧化/還原反應。進一步而言，透過操作第一工作電極112a氧化溶液113中的添加劑，伏安儀114可相應地測得溶液113的第一應答電流，但本發明可不限於此。

舉另一例而言，若伏安儀114同時對第一工作電極112a及第二工作電極112b提供工作電壓，則第一工作電極112a、參考電極112d及對電極112e可形成一組三電極系統，而第二工作電極112b、參考電極112d及對電極112e可形成另一組三電極系統，且此二組三電極系統可個別與溶液113發生氧化/還原反應。同理，若伏安儀114同時對第一工作電極112a、第二工作電極112b及第三工作電極113c提供工作電壓，則可相應地形成三組三電極系統，且此三組三電極系統可個別與溶液113發生氧化/還原反應，但本發明可不限於此。

在不同的實施例中，溶液113中可添加有多種添加劑，而本發明可透過多電極系統112中的多個工作電極來同時測量不同添加劑的濃度。由於使用不同工作電極測量相應添加劑濃度的原理及機制相似，故以下將暫基於第一工作電極112a進行說明，但本發明可不限於此。

在本實施例中，智慧濃度分析模組120可以是個人電腦、工作站、伺服器、筆記型電腦、平板電腦、智慧型手機或其他類似的電腦裝置及智慧型裝置，但可不限於此。如圖1所示，智慧濃度分析模組120可包括儲存電路122及處理器124。在不同的實施例中，儲存電路122可以是任意型式的固定式或可移動式隨機存取記憶體（Random Access Memory，RAM）、唯讀記憶體（Read-Only Memory，ROM）、快閃記憶體（Flash memory）、硬碟或其他類似裝置或這些裝置的組合，而可用以記錄多個程式碼或模組。

處理器124耦接於儲存電路122，並可為一般用途處理器、特殊用途處理器、傳統的處理器、數位訊號處理器、多個微處理器（microprocessor）、一個或多個結合數位訊號處理器核心的微處理器、控制器、微控制器、特殊應用集成電路（Application Specific Integrated Circuit，ASIC）、場可程式閘陣列電路（Field Programmable Gate Array，FPGA）、任何其他種類的積體電路、狀態機、基於進階精簡指令集機器（Advanced RISC Machine，ARM）的處理器以及類似品。

在本發明的實施例中，處理器124可存取儲存電路122中的模組及/或程式碼以執行本發明提出的智慧濃度測量方法，相關細節說明如下。

請參照圖2A，其是依據本發明之一實施例繪示的智慧濃度測量方法流程圖。本實施例的方法可由圖1的智慧濃度測量系統100執行，以下即搭配圖1所示的元件來說明圖2A各步驟的細節。

以下說明本發明圖2A的各步驟。本發明的一實施例為溶液113中添加有第一添加劑（其例如是加速劑（簡稱為SPS，或稱光澤劑）），而智慧濃度分析模組120可透過圖2A所示的方法來測量第一添加劑在溶液113中的濃度。在其他實施例中，上述第一添加劑亦可以是抑制劑（或稱運載劑）或平整劑，但可不限於此。

首先，在步驟S210中，處理器124可控制該感測模組110偵測113溶液的第一應答電流，其中溶液113添加有第一添加劑。

之後，在步驟S220中，處理器124可建立濃度校正模型。在不同的實施例中，上述濃度校正模型可以是經一定程序推導而得的線性/非線性模型及/或經訓練而得的類神經網路。並且，在步驟S230中，處理器124可基於濃度校正模型取得待測溶液中第一添加劑的濃度。

以下將分別以第一實施例及第二實施例來說明上述各步驟的相關實施細節。

請參照圖2B，其是依據本發明第一實施例繪示的智慧濃度測量方法流程圖。首先，在步驟S210A中，處理器124可控制感測模組110偵測溶液113的第一應答電流。在第一實施例中，濃度校正模型可包括第一濃度校正曲線。相應地，在步驟S220A中，感測模組110可將第一應電流輸入智慧濃度分析模組120以建立第一濃度校正曲線。

在第一實施例中，處理器124可控制伏安儀114基於循環伏安法而透過多電極系統112中的第一工作電極112a測量多個參考溶液，以決定前述參考溶液的一氧化還原電位區間，其中前述參考溶液皆添加有第一添加劑，且各參考溶液中的第一添加劑的濃度不同。

請參照圖3A，其是依據本發明第一實施例繪示的取得參考溶液的氧化還原電位區間的示意圖。在圖3A的情境中，所考慮的溶液可包括未添加第一添加劑的背景溶液，以及分別添加有1 mM、2 mM、3 mM、4 mM、5 mM的SPS的多個參考溶液。

在本實施例中，若上述各參考溶液兩兩之間的電流差值在某個電位區間之內皆超過一預設門限值（例如5%），則處理器124可將此電位區間定義為上述參考溶液的氧化還原電位區間。

以圖3A為例，在伏安儀114將電位逐漸增加的過程中，上述各參考溶液的電流差值約在1V至1.5V的區間內皆超過上述預設門限值（例如5%）。基此，處理器124可將1V至1.5V的區間定義為上述參考溶液的氧化還原電位區間，但本發明可不限於此。

在取得上述氧化還原電位區間之後，處理器124可控制伏安儀114基於上述氧化還原電位區間個別取得背景溶液及參考溶液的極化曲線。

請參照圖3B，其是依據本發明第一實施例繪示的極化曲線圖。在本實施例中，假設所考慮的第一參考溶液為圖3A中添加有1 mM的SPS的參考溶液，但可不限於此。在此情況下，伏安儀114可測量背景溶液及第一參考溶液在上述氧化還原電位區間（例如1V至1.5V）內的電流變化，亦即背景溶液及第一參考溶液的極化曲線，如圖3B所示。

之後，處理器124可基於背景溶液的極化曲線及第一參考溶液的極化曲線取得淨電流曲線，並基於此淨電流曲線決定參考電壓。

以圖3B為例，處理器124例如可以第一參考溶液的極化曲線減去背景溶液的極化曲線來取得淨電流曲線，並從淨電流曲線中對應於較高淨電流（例如大於0）的電位中選出參考電壓。為便於說明，以下假設所選出的參考電壓為1.3V，但本發明可不限於此。

在決定參考電壓之後，處理器124可控制伏安儀114對添加有第一添加劑的上述參考溶液施加參考電壓，並測量上述參考溶液在添加有不同的多個特定濃度的第一添加劑時所對應的多個參考應答電流；舉例而言，第二參考溶液為圖3A中添加有2mM的SPS的參考溶液，第三參考溶液為圖3A中添加有3mM的SPS的參考溶液，可以此類推。

在一實施例中，上述參考溶液例如是置於反應槽中的

及

的混合液。並且，多電極系統112可置入於反應槽中並接觸此混合液，而伏安儀114例如可利用計時電流法而在第一工作電極112a上施加上述參考電壓。此外，在室溫下，上述混合液中可添加有第一添加劑（例如，二硫二丙烷磺酸鈉）。之後，伏安儀114可開始進行電化學測量，並在所測得的參考溶液的應答電流穩定後依次增加1 mM的第一添加劑。相關測量結果如圖3C所示。

請參照圖3C，其是依據本發明第一實施例繪示的參考溶液的第一應答電流的示意圖。在圖3C的情境中，在施加有1.3V的參考電壓的情況下，上述參考溶液的應答電流隨著所添加的第一添加劑的濃度上升而上升。舉例而言，當第一參考溶液中的第一添加劑的濃度為1 mM時，所對應的參考應答電流值約為50 μA，而當第二參考溶液中的第一添加劑的濃度為2 mM時，所對應的參考應答電流值則約為100 μA。

之後，處理器124可基於上述參考應答電流及特定濃度建立濃度校正模型中的第一濃度校正曲線。請參照圖3D，其是依據本發明第一實施例繪示的第一濃度校正曲線示意圖。在本實施例中，第一濃度校正曲線例如是基於上述特定濃度及其個別對應的參考應答電流進行直線擬合（line fitting）而找出的適配線。在本實施例中，第一校正曲線例如可表徵為「Y=3.622X+2.099」，其中X為濃度，Y則為應答電流。在圖3D中，橫軸例如是SPS的濃度，而縱軸例如是應答電流。在取得如圖3D所示的第一濃度校正模型之後，在步驟S230A中，處理器124即可基於第一濃度校正曲線取得待測溶液中第一添加劑的濃度。

具體而言，假設現有添加有未知濃度的第一添加劑的一待測溶液，而處理器124可控制伏安儀114及多電極系統112的第一工作電極112a測量待測溶液的應答電流。之後，處理器124可僅以待測溶液的應答電流值作為輸入資料輸入至第一濃度校正曲線，以基於第一濃度校正曲線估計對應的第一添加劑濃度。舉例而言，假設所測得的待測溶液的應答電流值為50 μA，則處理器124可基於圖3D的第一濃度校正曲線而反推得知待測溶液中的第一添加劑的濃度應約為1 mM。舉另一例而言，假設所測得的待測溶液的應答電流值為100 μA，則處理器124可基於圖3D的第一濃度校正曲線而反推得知待測溶液中的第一添加劑的濃度應約為2 mM，但本發明可不限於此。

由上可知，在透過一定的過程推導出第一添加劑的第一濃度校正模型之後，本發明的智慧濃度分析模組即可依據待測溶液的應答電流而推得其中的第一添加劑的濃度。藉此，本發明可提供簡易且有效的添加劑的濃度測量機制。

在一些實施例中，由於感測模組110的使用情形可能隨著時間而改變，因而可能使得第一濃度校正曲線的精準度逐漸下降。舉例而言，多電極系統112中的各個電極可能隨著使用時間的增加而出現老化或汙染等情形，且第一添加劑的濃度亦可能隨時間而改變，因此可能造成處理器124無法基於所測得的待測溶液的應答電流準確地推得第一添加劑的濃度。

因此，本發明的智慧濃度分析模組120可更因應於感測模組110的使用情形而更新第一濃度校正曲線。具體而言，在感測模組110使用一段時間之後，為避免發生上述技術問題，處理器124可重新地執行圖3A至圖3D所示的機制，以產生能夠反映感測模組110的使用情形的新的第一濃度校正曲線，並取代舊有的第一濃度校正曲線。藉此，可維持第一濃度校正曲線的精確度。

在其他實施例中，濃度校正模型還可包括第二濃度校正曲線。具體而言，當溶液113中更添加有未知濃度的第二添加劑（例如抑制劑）時，本發明亦可透過以上的機制來產生關聯於第二添加劑的第二濃度校正曲線。舉例而言，處理器124可控制伏安儀114基於循環伏安法而透過多電極系統112中的第二工作電極112b測量多個參考溶液，以決定前述參考溶液的一氧化還原電位區間，其中前述參考溶液皆添加有第二添加劑，且各參考溶液中的第二添加劑的濃度不同。

之後，處理器124即可基於類似於圖3A至圖3D所示的機制而建立適用於第二添加劑的第二濃度校正曲線。

在取得上述第二濃度校正曲線之後，處理器124可控制伏安儀114及多電極系統112的第二工作電極112b測量待測溶液的應答電流。之後，處理器124可僅以待測溶液的應答電流值作為輸入資料輸入至第二濃度校正曲線，以基於第二濃度校正曲線估計對應的第二添加劑的濃度，以上相關的細節可參照先前實施例中的說明，於此不另贅述。

由上可知，透過使用具有多個工作電極的多電極系統，本發明的智慧濃度測量系統可個別利用對應於不同添加劑的濃度校正曲線而同時測得溶液中多種添加劑的濃度，從而進一步提升濃度測量的效率。

在其他實施例中，由於添加劑的濃度可能因過低而影響濃度測量的精確度，故本發明另提出了具不同材質/結構的工作電極來提升濃度測量精確度的技術手段，詳述如下。

請參照圖4，其是依據本發明之一實施例繪示的不同工作電極結構的示意圖。在本實施例中，工作電極410的材質包括金411及設置於金411上的鋅412。工作電極420的材質包括金411及設置於金411上的奈米金顆粒421。在不同的實施例中，鋅412及奈米金顆粒421可採用燒結、塗佈等方式設置於金411上，但可不限於。工作電極430的材質包括金411，且其上設置有多孔結構431。在其他實施例中，上述的鋅412、奈米金顆粒421及多孔結構431可相互搭配而同時設置於金411上，並不限於圖4所示態樣。藉此，可讓本發明的智慧濃度測量方法在添加劑的濃度較低時，仍能維持濃度測量的精確度。

承先前實施例中所述，本發明所提及的濃度校正模型還可包括第二濃度校正模型，而其可以是經特定方式訓練而得的類神經網路，以下將基於第二實施例作具體說明。

請參照圖2C，其是依據本發明第二實施例繪示的智慧濃度測量方法流程圖。接續於圖2B的步驟S230A之後，在步驟S240A中，處理器124可建立第二濃度校正模型。相關細節將搭配圖5詳述。

請參照圖5，其是依據本發明第二實施例繪示的訓練類神經網路的示意圖。在本實施例中，處理器124可取得參考溶液的參考應答電流。前述參考溶液例如是添加有已知濃度的第一添加劑的溶液。之後，處理器124可取得感測模組110對應於上述參考應答電流的歷史運作資料。在不同的實施例中，感測模組110的歷史運作資料可包括多電極系統112已使用的時間及溫度資料，但可不限於此。之後，處理器124可取得參考溶液對應於上述參考應答電流及上述歷史運作資料的實際濃度，並基於參考應答電流、歷史運作資料及實際濃度訓練類神經網路510，並以訓練後的類神經網路510作為第二濃度校正模型。

亦即，處理器124可將參考溶液的參考應答電流、感測模組110的歷史運作資料及對應的參考溶液的實際濃度作為用於訓練類神經網路510的訓練資料。藉此，類神經網路510即可相應地習得何種參考應答電流及歷史運作資料的組合將對應於何種實際濃度。如此一來，當處理器124將測量自待測溶液（其添加有未知濃度的第一添加劑）的應答電流以及感測模組110當下運作資料作為輸入資料輸入至上述第二濃度校正模型（即，類神經網路510）之後，第二濃度校正模型即可據以找出待測溶液中第一添加劑的濃度；其中，感測模組110的當下運作資料包括多電極系統112已使用的時間及當下的溫度；在一實施例中，上述輸入資料還可包括一選定的電壓區間。

在不同的實施例中，類神經網路510例如可採用反傳導式（counter propagation，CP）類神經網路或倒傳導式（back propagation，BP）類神經網路來實現，

在一實施例中，假設類神經網路510係採用CP類神經網路來實現。在本實施例中，處理器124可先基於參考溶液的參考應答電流、感測模組110的歷史運作資料及對應的參考溶液的實際濃度預先產生多個對應於不同歷史運作資料的參考校正曲線。

舉例而言，在多電極系統112已使用一第一時間之後，處理器124可將此第一時間及相應的第一溫度資料視為歷史運作資料，並使用伏安儀114控制多電極系統112執行圖3A至圖3D所示的機制，以產生可反映感測模組110的使用情形的適配線，而此適配線即可作為上述參考校正曲線之一。舉另一例而言，在多電極系統112已使用一第二時間之後，處理器124可將此第二時間及相應的第二溫度資料視為歷史運作資料，並使用伏安儀114控制多電極系統112執行圖3A至圖3D所示的機制，以產生可反映感測模組110的使用情形的另一適配線，而此另一適配線即可作為上述參考校正曲線之另一。基於上述原理，處理器124即可預先產生對應於不同歷史運作資料的多個適配線，亦即參考校正曲線。

在找出上述參考校正曲線之後，處理器124可相應地調整類神經網路510的訓練方式。具體來說，處理器124可將參考溶液的參考應答電流、感測模組110的歷史運作資料、對應的參考溶液的實際濃度及對應的參考校正曲線作為用於訓練類神經網路510的訓練資料。藉此，類神經網路510即可相應地習得何種參考應答電流及歷史運作資料的組合適於使用哪個參考校正曲線來測量濃度。

之後，在步驟S250A中，處理器124可基於第二濃度校正模型取得待測溶液中第一添加劑的濃度。具體而言，當處理器124將測量自待測溶液（其添加有未知濃度的第一添加劑）的應答電流以及感測模組110的當下運作資料（例如多電極系統112已使用的時間及當下的溫度）作為輸入資料輸入至上述第二濃度校正模型（即，實現為CP類神經網路的類神經網路510）之後，第二濃度校正模型可先據以從前述參考校正曲線中找出適用的特定參考校正曲線，並再基於特定參考校正曲線取得待測溶液中第一添加劑的濃度；在一實施例中，上述輸入資料還可包括一選定的電壓區間。

在本實施例中，假設圖3D所示的曲線即為第二濃度校正模型所找的出特定參考校正曲線，則在取得待測溶液的應答電流之後，處理器124可在此特定參考校正曲線中找出對應於應答電流的濃度，並以此濃度作為第一添加劑的濃度。舉例而言，假設待測溶液的應答電流值為50 μA，則處理器124可依據圖3D的曲線（即，特定參考校正曲線）而找出對應的1 mM，並以1 mM作為第一添加劑的濃度。

請參照圖6，其是依據本發明第二實施例繪示的以CP類神經網路實現第二濃度校正模型的示意圖。在本實施例中，假設處理器124已預先產生2條參考校正曲線（下稱參考校正曲線1及2）。在此情況下，當處理器124將待測溶液的應答電流及感測模組110的當下運作資料作為輸入資料輸入至類神經網路510時，類神經網路510可相應地從參考校正曲線1及2找出適用的特定參考校正曲線，並用以進行後續的濃度測量操作。在本實施例中，類神經網路510可包括各自具有多個節點的輸入層、隱藏層及輸出層，而其中隱藏層的各節點所對應的權重值可因應於訓練的過程而調整。

在本實施例中，假設類神經網路510所找出的特定參考校正曲線為參考校正曲線1，且所測得的待測溶液的應答電流值為75 μA。在此情況下，處理器124即可依據參考校正曲線1而推得第一添加劑的濃度應約為24 ppm，但本發明可不限於此。

由上可知，透過預先建立參考校正曲線以及將感測模組110的歷史運作資料（例如包括多電極系統112已使用的時間及對應的溫度資料等）、參考溶液的參考應答電流及對應的實際濃度作為訓練資料訓練CP類神經網路的方式，可讓類神經網路510在接收待測溶液的應答電流及感測模組110的當下運作資料等輸入資料時，找出適用的參考校正曲線，並據以推得第一添加劑的濃度。藉此，可讓所得到的第二濃度校正模型（即，訓練後的類神經網路510）因應於感測模組110的使用情形而給出更為精確的濃度。

在一實施例中，假設類神經網路510係採用BP類神經網路來實現。請參照圖7，其是依據本發明第二實施例繪示的訓練BP類神經網路的示意圖。在本實施例中，處理器124可將參考應答電流及歷史運作資料輸入至BP類神經網路，並由BP類神經網路基於多個權重值計算預測濃度。在本實施例中，類神經網路510可包括各自具有多個節點的輸入層、第一隱藏層、第二隱藏層及輸出層，而其中第一、第二隱藏層的各節點所對應的權重值可因應於訓練的過程而調整。

在不同的實施例中，前述權重值可以是任意的預設數值，但可不限於此。之後，處理器124可取得預測濃度與參考溶液的實際濃度之間的誤差濃度，並基於此誤差濃度遞迴地更新BP類神經網路的上述權重值，直至上述誤差濃度小於預設門限值。在一實施例中，處理器124例如可基於隨機梯度下降法（Stochastic gradient descent，SGD）來更新上述權重值，但本發明可不限於此。

藉此，類神經網路510即可相應地找出能夠將任意組合的參考應答電流及歷史運作資料轉換為正確實際濃度的權重值。如此一來，當處理器124將測量自待測溶液（其添加有未知濃度的第一添加劑）的應答電流以及感測模組110的當下運作資料作為輸入資料輸入至上述第二濃度校正模型（即，實現為BP類神經網路的類神經網路510）之後，第二濃度校正模型即可相應地依據上述權重值而直接計算出待測溶液中第一添加劑的濃度。

此外，在一些實施例中，處理器124可另接續執行步驟S260A以將第二濃度校正模型進行類神經網路運算，可產生新第二濃度校正模型以取代第二濃度校正模型。亦即，本發明的第二濃度校正模型可藉由進行類神經網路運算而不斷地更新，從而使得新的第二濃度校正模型能夠提供更為精準的濃度測量結果。

綜上所述，本發明的智慧濃度測量系統、方法及智慧濃度分析模組可在建立濃度校正模型（其可包括第一及/或第二濃度校正模型）之後，以待測溶液的應答電流及/或感測模組的當下運作資料作為輸入資料輸入至前述濃度校正模型，即可得到待測溶液中第一添加劑的濃度。藉此，可提供簡易、有效且低成本的添加劑的濃度測量機制。更具體來說，本發明提供的添加劑的濃度測量機制具有分析時間短、可即時監控、便宜等特性。並且，相較於習知技術需人工取樣至實驗室化驗，且還需人為手動記錄相關數據的作法，本發明不需人工取樣，且還可由電腦自動儲存數據。

在不同的實施例中，可採用不同的方式來建立具不同特性的第一/第二濃度校正模型（例如CP類神經網路或BP類神經網路）等。並且，在一些實施例中，本發明還因應於感測模組的使用情形及/或添加劑的濃度變化而提出了進一步調整濃度校正模型的技術手段，使得濃度校正模型能夠因應於各式應答電流、感測模組的當下運作資料的組合而給出精確的濃度。

此外，本發明還提出具有多個工作電極的多電極系統，可用以同時對溶液中的多種添加劑進行濃度的測量，因而可進一步改善整體的效率。再者，為了更為精確地測量濃度較低的溶液，本發明亦提出了新穎的工作電極結構。

雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。

100:智慧濃度測量系統 110:感測模組 112:多電極系統 112a:第一工作電極 112b:第二工作電極 112c:第三工作電極 112d:參考電極 112e:對電極 113:溶液 114:伏安儀 120:智慧濃度分析模組 122:儲存電路 124:處理器 410、420、430:工作電極 411:金 412:鋅 421:奈米金顆粒 431:多孔結構 510:類神經網路 S210~S230、S210A~S260A:步驟

圖1是依據本發明之一實施例繪示的智慧濃度測量系統示意圖。圖2A至圖2C是依據本發明之一實施例繪示的智慧濃度測量方法流程圖。圖3A是依據本發明第一實施例繪示的取得參考溶液的氧化還原電位區間的示意圖。圖3B是依據本發明第一實施例繪示的極化曲線圖。圖3C是依據本發明第一實施例繪示的參考溶液的第一應答電流的示意圖。圖3D是依據本發明第一實施例繪示的第一濃度校正模型示意圖。圖4是依據本發明之一實施例繪示的不同工作電極結構的示意圖。圖5是依據本發明第二實施例繪示的訓練類神經網路的示意圖。圖6是依據本發明第二實施例繪示的以CP類神經網路實現第一濃度校正模型的示意圖。圖7是依據本發明第二實施例繪示的訓練BP類神經網路的示意圖。

S210~S230:步驟

Claims

一種智慧濃度測量系統，包括：一感測模組，其用於偵測一溶液的一第一應答電流，該溶液添加有一第一添加劑；其中，該感測模組包括多電極系統及一伏安儀，該多電極系統接觸該溶液；該伏安儀耦接於該多電極系統，並控制該多電極系統測量該溶液的該第一應答電流；以及一智慧濃度分析模組，包括一濃度校正模型及一類神經網路，該智慧濃度分析模組耦接於該感測模組，並經配置以：基於該濃度校正模型取得一待測溶液中該第一添加劑的濃度。
如申請專利範圍第1項所述的智慧濃度測量系統，其中該濃度校正模型包括第一濃度校正模型，該第一濃度校正模型至少包括一第一濃度校正曲線；該感測模組將該第一應答電流輸入該智慧濃度分析模組以建立該第一濃度校正曲線；基於該第一濃度校正曲線取得該待測溶液中該第一添加劑的濃度。
如申請專利範圍第2項所述的智慧濃度測量系統，其中該濃度校正模型還進一步包括一第二濃度校正模型；該智慧濃度分析模組取得該待測溶液的應答電流及該感測模組的一當下運作資料作為一輸入資料；將該輸入資料輸入至該第二濃度校正模型；基於該第二濃度校正模型取得該待測溶液中該第一添加劑的濃度；以及將第二濃度校正模型進行類神經網路運算，以產生一新第二濃度校正模型取代該第二濃度校正模型。
如申請專利範圍第2項所述的智慧濃度測量系統，其中，該多電極系統包括一工作電極、一對電極及一參考電極，其中該工作電極包括接觸該溶液的一第一工作電極，該第一工作電極因應於該伏安儀施加的一第一工作電壓而測量該第一應答電流。
如申請專利範圍第4項所述的智慧濃度測量系統，其中該工作電極的材質包括金及設置於該金上的鋅。
如申請專利範圍第4項所述的智慧濃度測量系統，其中該工作電極的材質包括金及設置於該金上的奈米金顆粒。
如申請專利範圍第4項所述的智慧濃度測量系統，其中該工作電極的材質包括具多孔結構的金。
如申請專利範圍第4項所述的智慧濃度測量系統，其中該工作電極更包括接觸該溶液的一第二工作電極，其中該第二工作電極因應於該伏安儀施加的一第二工作電壓而測量該溶液的一第二應答電流，該溶液更添加有一第二添加劑；該第一濃度校正模型還包括一第二濃度校正曲線；該感測模組將該第二應答電流輸入該智慧濃度分析模組以建立該第二濃度校正曲線；基於該第二濃度校正曲線，以取得該待測溶液中該第二添加劑的濃度。
如申請專利範圍第2項所述的智慧濃度測量系統，且該智慧濃度分析模組經配置以：控制該伏安儀基於一循環伏安法而透過該多電極系統測量多個參考溶液，以決定該些參考溶液的一氧化還原電位區間，其中該些參考溶液皆添加有該第一添加劑，且各該參考溶液中的該第一添加劑的濃度不同；控制該伏安儀基於該氧化還原電位區間個別取得一背景溶液及該些參考溶液的一第一參考溶液的一極化曲線，其中該背景溶液未添加有該第一添加劑；基於該背景溶液的該極化曲線及該第一參考溶液的該極化曲線取得一淨電流曲線，並基於該淨電流曲線決定一參考電壓；控制該伏安儀對添加有該第一添加劑的該些參考溶液施加該參考電壓，並測量該些參考溶液在添加有不同的多個特定濃度的該第一添加劑時所對應的多個參考應答電流以建立該第一應答電流；以及基於該第一應答電流及該些特定濃度建立該第一濃度校正曲線。
如申請專利範圍第3項所述的智慧濃度測量系統，其中建立該第二濃度校正模型還包括：取得一參考溶液的一參考應答電流；取得該感測模組對應於該參考應答電流的至少一歷史運作資料；取得該參考溶液對應於該參考應答電流及該至少一歷史運作資料的一實際濃度；基於該參考應答電流、該至少一歷史運作資料及該實際濃度訓練一類神經網路，並以訓練後的該類神經網路作為該第二濃度校正模型。
如申請專利範圍第10項所述的智慧濃度測量系統，其中該類神經網路包括一反傳導式類神經網路，該第二濃度校正模型包括對應於不同歷史運作資料的多個參考校正曲線，且該智慧濃度分析模組經配置以：將該輸入資料輸入至該第二濃度校正模型，以在該些參考校正曲線中找出對應於該當下運作資料的一特定參考校正曲線。
如申請專利範圍第10項所述的智慧濃度測量系統，其中該類神經網路為一倒傳導式類神經網路，且該智慧濃度分析模組經配置以：將該參考應答電流及該至少一歷史運作資料輸入至該倒傳導式類神經網路，並由該倒傳導式類神經網路基於多個權重值計算一預測濃度；以及取得該預測濃度與該實際濃度之間的一誤差濃度，並基於該誤差濃度遞迴地更新該倒傳導式類神經網路的該些權重值，直至該誤差濃度小於一預設門限值。
如申請專利範圍第1項所述的智慧濃度測量系統，其中該溶液包括電鍍溶液。
一種智慧濃度測量方法，適於包括一感測模組及一智慧濃度分析模組的一智慧濃度測量系統，該智慧濃度分析模組包括一濃度校正模型及一類神經網路，且耦接於該感測模組，所述方法包括：控制該感測模組偵測一溶液的一第一應答電流，其中該溶液添加有一第一添加劑；建立該濃度校正模型；基於該濃度校正模型取得一待測溶液中該第一添加劑的濃度。
如申請專利範圍第14項所述的智慧濃度測量方法，其中該濃度校正模型包括第一濃度校正模型，該第一濃度校正模型至少包括一第一校正曲線；該感測模組將該第一應答電流輸入該智慧濃度分析模組以建立該第一校正曲線；基於該第一校正曲線取得該待測溶液中該第一添加劑的濃度。
如申請專利範圍第15項所述的智慧濃度測量方法，其中該濃度校正模型還進一步包括一第二濃度校正模型；由該智慧濃度分析模組建立該第二濃度校正模型；由該感測模組取得該待測溶液的應答電流及該感測模組的一當下運作資料作為一輸入資料；將該輸入資料輸入至該第二濃度校正模型；基於該第二濃度校正模型取得該待測溶液中該第一添加劑的濃度；以及將該第二濃度校正模型進行類神經網路運算，可產生一新第二濃度校正模型以取代該第二濃度校正模型。
一種智慧濃度分析模組，包括：一濃度校正模型及一類神經網路，且耦接於一感測模組；一儲存電路，儲存多個模組；以及一處理器，耦接該儲存電路並存取該些模組以執行下列步驟：控制該感測模組偵測一溶液的一第一應答電流，其中該溶液添加有一第一添加劑；建立該濃度校正模型；基於該濃度校正模型取得一待測溶液中該第一添加劑的濃度。
如申請專利範圍第17項所述的智慧濃度分析模組，其中該濃度校正模型包括第一濃度校正模型，該第一濃度校正模型至少包括一第一校正曲線；該感測模組將該第一應答電流輸入該智慧濃度分析模組以建立該第一校正曲線；基於該第一校正曲線取得該待測溶液中該第一添加劑的濃度。
如申請專利範圍第18項所述的智慧濃度分析模組，其中該濃度校正模型還進一步包括一第二濃度校正模型；該智慧濃度分析模組取得該待測溶液的應答電流及該感測模組的一當下運作資料作為一輸入資料；將該輸入資料輸入至該第二濃度校正模型；基於該第二濃度校正模型取得該待測溶液中該第一添加劑的濃度；以及將該第二濃度校正模型進行類神經網路運算，可產生一新第二濃度校正模型以取代該第二濃度校正模型。
如申請專利範圍第18項所述的智慧濃度分析模組，其中該感測模組包括一多電極系統及一伏安儀，其中該多電極系統耦接於該伏安儀，且該處理器經配置以：控制該伏安儀基於一循環伏安法而透過該多電極系統測量多個參考溶液，以決定該些參考溶液的一氧化還原電位區間，其中該些參考溶液皆添加有該第一添加劑，且各該參考溶液中的該第一添加劑的濃度不同；控制該伏安儀基於該氧化還原電位區間個別取得一背景溶液及該些參考溶液的一第一參考溶液的一極化曲線，其中該背景溶液未添加有該第一添加劑；基於該背景溶液的該極化曲線及該第一參考溶液的該極化曲線取得一淨電流曲線，並基於該淨電流曲線決定一參考電壓；控制該伏安儀對添加有該第一添加劑的該些參考溶液施加該參考電壓，並測量該些參考溶液在添加有不同的多個特定濃度的該第一添加劑時所對應的多個參考應答電流以建立該第一應答電流；以及基於該第一應答電流及該些特定濃度建立該第一濃度校正曲線。
如申請專利範圍第19項所述的智慧濃度分析模組，其中該處理器更經配置以：取得一參考溶液的一參考應答電流；取得該感測模組對應於該參考應答電流的至少一歷史運作資料；取得該參考溶液對應於該參考應答電流及該至少一歷史運作資料的一實際濃度；以及基於該參考應答電流、該至少一歷史運作資料及該實際濃度訓練一類神經網路，並以訓練後的該類神經網路作為該第二濃度校正模型。
如申請專利範圍第21項所述的智慧濃度分析模組，其中該類神經網路包括一反傳導式類神經網路，該第二濃度校正模型包括對應於不同歷史運作資料的多個參考校正曲線，且該處理器經配置以：將該輸入資料輸入至該第二濃度校正模型，以在該些參考校正曲線中找出對應於該當下運作資料的一特定參考校正曲線；以及基於該特定參考校正曲線取得該待測溶液中該第一添加劑的濃度。
如申請專利範圍第21項所述的智慧濃度分析模組，其中該類神經網路為一倒傳導式類神經網路，且該處理器經配置以：將該參考應答電流及該至少一歷史運作資料輸入至該倒傳導式類神經網路，並由該倒傳導式類神經網路基於多個權重值計算一預測濃度；以及取得該預測濃度與該實際濃度之間的一誤差濃度，並基於該誤差濃度遞迴地更新該倒傳導式類神經網路的該些權重值，直至該誤差濃度小於一預設門限值。