CN108387550A - 基于mems的便携式近红外光谱检测方法、装置和*** - Google Patents
基于mems的便携式近红外光谱检测方法、装置和*** Download PDFInfo
- Publication number
- CN108387550A CN108387550A CN201810137506.5A CN201810137506A CN108387550A CN 108387550 A CN108387550 A CN 108387550A CN 201810137506 A CN201810137506 A CN 201810137506A CN 108387550 A CN108387550 A CN 108387550A
- Authority
- CN
- China
- Prior art keywords
- client
- near infrared
- sample
- mems
- unit
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 110
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 45
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 57
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000004891 communication Methods 0.000 claims abstract description 9
- 238000001228 spectrum Methods 0.000 claims description 41
- 230000003287 optical effect Effects 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 12
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract description 4
- 239000000523 sample Substances 0.000 description 85
- 238000000034 method Methods 0.000 description 19
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000012360 testing method Methods 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 10
- 241000208125 Nicotiana Species 0.000 description 8
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 8
- 239000004615 ingredient Substances 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 239000008267 milk Substances 0.000 description 6
- 235000013336 milk Nutrition 0.000 description 6
- 210000004080 milk Anatomy 0.000 description 6
- 239000000843 powder Substances 0.000 description 6
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 5
- 229910052744 lithium Inorganic materials 0.000 description 5
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 125000003636 chemical group Chemical group 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 229930013930 alkaloid Natural products 0.000 description 3
- 150000003797 alkaloid derivatives Chemical class 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000012550 audit Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 238000012628 principal component regression Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 2
- 229910052721 tungsten Inorganic materials 0.000 description 2
- 239000010937 tungsten Substances 0.000 description 2
- 235000017399 Caesalpinia tinctoria Nutrition 0.000 description 1
- 241000388430 Tara Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007373 indentation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 229910052594 sapphire Inorganic materials 0.000 description 1
- 239000010980 sapphire Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N2021/3196—Correlating located peaks in spectrum with reference data, e.g. fingerprint data
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (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 Or Analysing Materials By Optical Means (AREA)
Abstract
本发明具体涉及基于MEMS的便携式近红外光谱检测方法、装置和***；解决的技术问题为：提供一种检测精度高、成本低，且基于MEMS的便携式近红外光谱检测方法、装置和***；采用的技术方案为：基于MEMS的便携式近红外光谱检测方法，包括：与客户端建立通信链路；接收客户端发送的开始检测指令；识别待检测样品，得到光谱数据，并将光谱数据通过客户端发送至云端服务器；云端服务器处理光谱数据后得到待检测样品的定量数据；本发明操作简单，检测快速，测定结果准确可靠；适用于检测领域。
Description
技术领域
本发明属于近红外光谱检测的技术领域，具体涉及基于MEMS的便携式近红外光谱检测方法、装置和***。
背景技术
近红外光谱分析技术(Near Infrared，NIR)是介于可见光(Vis)和中红外(MIR)之间的电磁辐射波，美国材料与试验协会(ASTM)将近红外光谱区定义为780-2526nm的区域，是人类在吸收光谱中发现的第一个非可见光区。近红外光谱区与有机分子中含氢基团(OH、NH、CH)振动的合频和各级倍频的吸收区一致，通过扫描样品的近红外光谱，可以得到样品中有机分子含氢基团的特征信息，而且利用近红外光谱技术分析样品具有方便、快速、高效、准确和成本较低，不破坏样品，不消耗化学试剂，不污染环境等优点，因此该技术受到越来越多人的青睐。
近红外技术是依据某一化学成分对近红外区光谱的吸收特性而进行的定量测定，所以应用NIR光谱进行检测的技术关键就是在两者之间建立一种定量的函数关系。其基本流程包括：首先收集具有代表性的样品(其组成及其变化范围接近于要分析的样品)，然后采集样品的光学数据；利用标准的化学方法对样品进行化学成分测定；通过数学方法将这些光谱数据和检测的数据进行关联，一般将光谱数据进行转换(一阶或二阶导数)，与化学测定值进行回归计算，然后得出定标方程，建立数学模型；在分析未知样品时，先对待测样品进行扫描，根据光谱值利用建立的模型可以计算出待测样品的成分含量。确定回归模型的过程其实就是定标过程，定标的好坏直接关系到分析结果的准确性，因此，定标软件是近红外分析技术的核心。计算得到的定标方程必须通过实际测量调整它的准确性和精确性。精确性是指重复测定时测值间的相近程度。准确性的度量通常用定标方程的预测标准误(SEP)来表示。SEP表示测定值与“真值”间的相近程度。近红外光照射到被测样品后，从样品表面反射出来的光被检测器吸收，此为近红外反射光谱分析法(NIR)。它要求样品的粉碎程度一致，从而保证样品表面光滑一致。另一类为近红外穿过样品后，再被接受检测到，即为近红外投射光谱分析法(NIT)。该法优点是很少或不用制备样品，因此重复性较高，但灵敏度低。现在的近红外光谱仪商品种类较多，主要为傅立叶变换、光栅扫描、声光扫描和光电阵列固定光路型。德国布朗卢比公司(Technicon)生产近红外领域所有类型的仪器，包括滤光片型、光栅扫描型、傅立叶变换、AOTF声光调制近红外等。
由于技术水平的限制、技术瓶颈造就的高成本及检测标准的严格。为保证检测质量，国内外最常见及最普及的近红外检测设备采用傅里叶变换技术，但傅里叶变换技术受时间及位移影响较大，并且近红外检测设备的分光***需要较大空间，故设备及产品的体积及重量无法变小，大多呈现体积大、重量大、成本高、应用场景局限等缺点。
近几年随着科学技术的不断发展，国内外陆续出现了便携式近红外检测设备。设备由：采集窗口、光源、分光***、检测器、操作程序及供电***组成。其中：采集窗口采用光纤或蓝宝石界面、光源采用卤钨灯或LED、分光***采用光栅或积分球、检测器采用CCD、InGaAs、操作***采用嵌入式Linux、WinCE、IOS、Android等，供电***采用USB、锂电池或移动电源等。从应用(客户)的角度来说，近红外检测设备解决的问题在于在不破坏样品的情况下进行样品定性及定量的无损检测。例如烟草或奶粉，定性无损检测的目的在于知道此样品的产地及品牌，起到溯源追踪及样品真假的作用。定量无损检测的目的在于知道此样品的各种成分含量(如总植物碱、总糖等)，经过多次试验及研究，根据上述构造及组成，问题及缺点如下：
1、使近红外光谱令人关注，同时也是使其难以应用的原因是近红外光谱对样品的基体非常敏感。
2、在光谱采集时由于光纤探头接触面较小，没有采集到具有代表性的样品信息；3、针对定性分析及检测，目前国内外同类型设备参数及精度较低，造成检测结果与实际结果误差较大；
3、现有技术中的便携式近红外检测设备检测结果仍不稳定，造成结果无可用性；
4、由于近红外检测设备在使用前必须校准，校准的原理在于根据设备的不同属性及精度，对自然光强进行采集，并用校准模块采集最大吸收率，以确定积分时间，但现有便携式近红外检测设备由于自然光的因素，造成校准的不确定性因素较多，无法准确获取检测结果。
5、现有市面上同类型产品模型精度较低；
出现上述问题有如下原因：
1、除非建立的模型经过认真***的设计和验证，否则所建立的模型极易受样品基体的影响，例如样品的颗粒度、密度、湿度和温度；
2、光纤式(直径5mm)的采集窗口，由于窗口较小，造成得到的光谱信息为局部信息，未达到样品采集的标准化要求(标准化注解：由于固体样品相对较硬，表面粗糙。在采集时光谱信息局限造成得到的光谱中OH、NH、CH化学基团信息量受影响，造成采集的光谱无代表性)。
3、光栅或积分球的分光***，在采样及检测过程中光源通过样品体表面并将OH、NH、CH化学基团信息通过漫反射或透射的形式返回到分光***过程中，由于光栅或积分球原理限制(若被一个大小接近于或小于波长的物体阻挡，就绕过这个物体，继续进行。若通过一个大小近于或小于波长的孔，则以孔为中心，形成环形波向前传播。)造成采样过程中偏向角度约小，波长越长，并且光谱重叠，造成干扰较大。
4、CCD的检测器，波长范围为(700nm—1100nm)，近红外全谱段为(780-2526nm)。由于波段受限，造成特征峰(波峰或波谷)趋势有限，从而在建立化学计量学模型过程中模型误差较大甚至建模不成功。
发明内容
本发明克服现有技术存在的不足，所要解决的技术问题为：提供一种检测精度高、成本低，且基于MEMS的便携式近红外光谱检测方法、装置和***。
为了解决上述技术问题，本发明采用的技术方案为：基于MEMS的便携式近红外光谱检测方法，包括：S101、与客户端建立通信链路；S102、接收客户端发送的开始检测指令；S103、识别待检测样品，得到光谱数据，并将光谱数据通过客户端发送至云端服务器；S104、云端服务器处理光谱数据后得到待检测样品的定量数据。
优选地，所述接收客户端发送的开始检测指令之前，包括：检测不同种类的样品，根据不同种类的样品形成对应的光谱数据库；根据不同种类的样品形成对应的光谱数据库，建立不同的化学计量学模型。
优选地，所述步骤S103中，包括：根据客户端发送的开始检测指令，开启光源；根据光源发射出的近红外光信号，对待检测样品进行光束扫描，并将近红外光信号发生漫反射后进入分光***，分光***对光信号处理并传输；将近红外光信号转换成电信号，生成图像并得到光谱数据；将光谱数据通过客户端发送至云端服务器。
优选地，所述步骤S104中，包括：在化学计量学模型中查找待检测样品对应的化学计量学模型；将光谱数据与化学计量学模型进行合成，得到待检测样品的定量数据；将定量数据发送至客户端进行显示。
相应地，基于MEMS的便携式近红外光谱检测装置，包括：通信建立单元：用于与客户端建立通信链路；指令接收单元：用于接收客户端发送的开始检测指令；识别单元：用于识别待检测样品，得到光谱数据，并将光谱数据通过客户端发送至云端服务器；处理单元：用于云端服务器处理光谱数据后得到待检测样品的定量数据。
优选地，还包括：光谱数据库建立单元：用于检测不同种类的样品，根据不同种类的样品形成对应的光谱数据库；化学计量学模型建立单元：根据不同种类的样品形成对应的光谱数据库，建立不同的化学计量学模型。
优选地，所述识别单元，包括：光源开启单元：根据客户端发送的开始检测指令，开启光源；光源扫描单元：根据光源发射出的近红外光信号，对待检测样品进行光束扫描，并将近红外光信号发生漫反射后进入分光***，分光***对光信号处理并传输；检测单元：用于将近红外光信号转换成电信号，生成图像并得到光谱数据；发送单元：用于将光谱数据通过客户端发送至云端服务器。
优选地，所述处理单元，包括：查找单元：用于在化学计量学模型中查找待检测样品对应的化学计量学模型；数据生成单元：用于将光谱数据与化学计量学模型进行合成，得到待检测样品的定量数据；显示单元：用于将定量数据发送至客户端进行显示。
相应地，基于MEMS的便携式近红外光谱检测***，包括：检测装置、客户端和云端服务器，其中：所述检测装置包括如权利要求5至8中任一所述的基于MEMS的便携式近红外光谱检测装置；所述客户端：用于获取用户发出的开始检测指令；向云端服务器发送光谱数据；用于显示云端服务器处理后的定量数据；所述云端服务器：用于接收客户端发出的光谱数据并处理。
本发明与现有技术相比具有以下有益效果：
本发明提供的基于MEMS的便携式近红外光谱检测方法、装置和***，通过手机APP及云端服务器模型计算，能够有效实现待测样品的近红外光谱检测，进行定性和定量分析，操作简单，检测快速，测定结果准确可靠，价格便宜、体积较小、重量较轻、持续工作时间长，便于随身携带及现场检测使用，用户体验感强。
附图说明
下面结合附图对本发明做进一步详细的说明；
图1为本发明实施例一提供的基于MEMS的便携式近红外光谱检测方法的流程示意图；
图2为本发明实施例一提供的基于MEMS的便携式近红外光谱检测装置的结构示意图；
图3为本发明实施例二提供的基于MEMS的便携式近红外光谱检测装置的结构示意图；
图4为本发明实施例三提供的基于MEMS的便携式近红外光谱检测装置的结构示意图；
图5为本发明实施例四提供的基于MEMS的便携式近红外光谱检测装置的结构示意图；
图6为本发明提供的基于MEMS的便携式近红外光谱检测装置的外部结构示意图；
图7为本发明化学计量学模型的算法建模流程图；
其中：101为通信建立单元，102为指令接收单元，103为识别单元，1031为光源开启单元，1032为光源扫描单元，1033为检测单元，1034为发送单元，104为处理单元，1041为查找单元，1042为数据生成单元，1043为显示单元，105为光谱数据库建立单元，106为化学计量学模型建立单元，1为光学模块组，2为蓝牙模块，3为LED状态指示灯，4为固态按钮，5为锂电池，6为外壳，7为USB充电接口，8为控制电路板。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本发明实施例一提供的基于MEMS的便携式近红外光谱检测方法的流程示意图，如图1所示，基于MEMS的便携式近红外光谱检测方法，包括：
S101、与客户端建立通信链路；
S102、接收客户端发送的开始检测指令；
S103、识别待检测样品，得到光谱数据，并将光谱数据通过客户端发送至云端服务器；
S104、云端服务器处理光谱数据后得到待检测样品的定量数据。
具体地，所述接收客户端发送的开始检测指令之前，包括：检测不同种类的样品，根据不同种类的样品形成对应的光谱数据库；根据不同种类的样品形成对应的光谱数据库，建立不同的化学计量学模型。
具体地，所述步骤S103中，包括：根据客户端发送的开始检测指令，开启光源；根据光源发射出的近红外光信号，对待检测样品进行光束扫描，并将近红外光信号发生漫反射后进入分光***，分光***对光信号处理并传输；将近红外光信号转换成电信号，生成图像并得到光谱数据；将光谱数据通过客户端发送至云端服务器。
具体地，所述步骤S104中，包括：在化学计量学模型中查找待检测样品对应的化学计量学模型；将光谱数据与化学计量学模型进行合成，得到待检测样品的定量数据；将定量数据发送至客户端进行显示。
具体地，启动检测装置电源开关，通过内置控制芯片程序启动并且检测装置供电***开始运转，同时打开手机的客户端，通过WIFI通信模块进行设备无线连接；客户端选择需要检测的应用(如烟草、奶粉、苹果等)，点击“检测”按钮，客户端通过手机将命令发往云端数据库，同时云端数据库调用相应应用的模型；将待检测样品放入检测装置的检测窗口，检测装置对准待检测样品后光源启动，光源发射稳定的近红外光信号到达待测样品并且发生漫反射，光信号进入分光***(光栅)中。在分光***中光信号发生色散，复色光发散成单色光，色散后的的光束进入检测器(1mm InGaAs二极管阵列)，通过A/D转换器将光电转换得到电信号并在检测器中生成图像，得到待测样品的光谱数据。客户端通过手机将光谱数据上传到云端数据库(如烟草化学计量学模型)，通过模型预测，得到待测样品的定量数据(如总植物碱、总糖、水分等)。经过***优化及框架设计检测过程在10秒内完成。如需继续检测点击客户端的“继续检测”按钮即可，也可点击“历史记录”查看之前检测的结果。
图2为本发明实施例一提供的基于MEMS的便携式近红外光谱检测装置的结构示意图，如图2所示，基于MEMS的便携式近红外光谱检测装置，包括：
通信建立单元101：用于与客户端建立通信链路；
指令接收单元102：用于接收客户端发送的开始检测指令；
识别单元103：用于识别待检测样品，得到光谱数据，并将光谱数据通过客户端发送至云端服务器；
处理单元104：用于云端服务器处理光谱数据后得到待检测样品的定量数据。
图3为本发明实施例二提供的基于MEMS的便携式近红外光谱检测装置的结构示意图，如图3所示，在实施例一的基础上，还包括：
光谱数据库建立单元105：用于检测不同种类的样品，根据不同种类的样品形成对应的光谱数据库；
化学计量学模型建立单元106：根据不同种类的样品形成对应的光谱数据库，建立不同的化学计量学模型。
具体地，检测装置开启电源，蓝牙模块启动，客户端与检测装置通过蓝牙连接，检测装置采集窗口对准建模样品(如烟草、奶粉、水果等)，客户端输出采集指令，检测装置光源开启，光束扫描建模样品，并将光信号通过漫反射形式传输到分光***(光栅)，分光***对光信号处理并传输到检测器,检测器将光信号转换成电信号生成一条完整的光谱数据,并显示到客户端上，同时通过客户端所在手机的4G网络通信***将生成的光谱数据上传到云端服务器。通过反复此过程采集建模样品的大量光谱数据(大数据)，云端服务器通过采集到的大数据对该功能应用进行化学计量学模型建立(建模)。(如：建模样品为苹果，建立的化学计量学模型为苹果的Brix糖度)。
具体地，化学计量学模型建立单元106的算法建模流程，包括：批量输入相应应用(如苹果、烟草等)的光谱数据及对应性质数据，建立样品集。通过对宽度为2r+1个点的“窗口”(波长范围)内的各点进行平均或拟合，以求得平滑点数的最佳预估值。此处采用的平滑处理方法为S-G法。通过平滑处理可以有效平滑高频噪音，提高信噪比。光谱预处理后进入自主开发的算法中进行运算，原理为设有q个因变量和p个自变量。研究因变量与自变量的统计关系，观测n个样本点，由此构成了自变量与因变量的数据表X和Y。算法分别在X与Y中提取出t和u，要求：(1)t和u应尽可能大地携带它们各自数据表中的变异信息；(2)t和u的相关程度能够达到最大。在第一个成分被提取后，算法分别实施X对t的回归以及Y对t的回归。如果回归方程已经达到满意的精度，则算法终止；否则，将利用X被t解释后的残余信息以及Y被t解释后的残余信息进行第二轮的成分提取。如此往复，直到能达到一个较满意的精度为止。若最终对X共提取了多个成分，算法将通过施行yk对X的这些成分的回归，然后再表达成yk关于原自变量的回归方程。方法如下：
第一步、
记t1是E0的第一个成分，t1＝E0w1，w1是E0的第一个轴，它是一个单位向量，即||w1||＝1。
记u1是F0的第一个成分，u1＝F0c1，c1是F0的第一个轴，并且||c1||＝1。于是，要求解下列优化问题，即
记θ1＝w1'E0'F0c1，即正是优化问题的目标函数值。 (7-1)
采用拉格朗日算法，可得
E0'F0F0'E0w1＝θ12w1 (7-8)
F0'E0E0'F0c1＝θ12c1 (7-9)
所以，w1是对应于E0'F0F0'E0矩阵最大特征值的单位特征向量，而c1是对应于F0'E0E0'F0矩阵最大特征值θ12的单位特征向量。
求得轴w1和c1后，即可得到成分
t 1＝E0w1
u 1＝F0c1
然后，分别求E0和F0对t 1的回归方程：
E0＝t 1p1'+E1 (7-10)
F0＝t 1r1'+F1 (7-12)
式中，回归系数向量是：
p1＝E0't 1/||t 1||2 (7-13)
r1＝F0't 1/||t 1||2 (7-15)
而E1和F1分别是两个方程的残差矩阵。
第二步、
用残差矩阵E1和F1取代E0和F0，然后，求第二个轴w2和c2以及第二个成分t2，u2，有t2＝E1w2；u2＝F1c2；θ2＝<t2,u2>＝w2'E1'F1c2；w2是对应于E1'F1F1'E1矩阵最大特征值的单位特征向量，而c2是对应于F1'E1E1'F1矩阵最大特征值θ22的单位特征向量。
计算回归系数：
p2＝E1't 2/||t 2||2
r2＝F1't 2/||t2||2
因此，有回归方程：
E1＝t 2p2'+E2
F1＝t 2r2'+F2
如此计算下去，如果X的秩是A，则会有
E0＝t 1p1'+……+tApA' (7-16)
F0＝t 1r1'+……+tArA'+FA (7-17)
由于t1，……，tA均可以表示成E01，……，E0p的线性组合，因此，式(7-17)还可以还原成yk*＝F0k关于xj*＝E0j的回归方程形式，即yk*＝αk1x1*+……+αkp xp*+FAk，k＝1，2，……，q；FAk是残差矩阵FA的第k列。
建模完成，跟进模型效果对模型进行优化。通过剔除异常样本及不同的参数设置对模型进行优化并对模型进行测试，当测试结果满足应用要求时，模型为最终应用模型。
由于近红外快检技术的局限及原理因素，造成每台设备间的技术参数都有一定误差(如：如果用A设备采集光谱数据并建立模型，当B设备使用该模型时会出现一定误差，造成检测结果不准确)，为解决这个问题，本专利利用自主研发算法解决了设备间的误差问题，实现一个模型多台设备使用误差最小的技术难题；传统设备波段为700nm—1100nm，谱段有限，出现样品的光谱信息反应的化学基团有限甚至无用的问题，造成模型建立误差较大或无法建模的问题。通过软硬件集成，本专利波长范围900-1700nm，增加了波段，提高了光谱信息反应的化学基团，使得模型更加精确、可靠。
图4为本发明实施例三提供的基于MEMS的便携式近红外光谱检测装置的结构示意图，如图4所示，在实施例二的基础上，所述识别单元103，包括：
光源开启单元1031：根据客户端发送的开始检测指令，开启光源；
光源扫描单元1032：根据光源发射出的近红外光信号，对待检测样品进行光束扫描，并将近红外光信号发生漫反射后进入分光***，分光***对光信号处理并传输；
检测单元1033：用于将近红外光信号转换成电信号，生成图像并得到光谱数据，检测单元1033包括检测器；
发送单元1034：用于将光谱数据通过客户端发送至云端服务器。
图5为本发明实施例四提供的基于MEMS的便携式近红外光谱检测装置的结构示意图，如图5所示，在实施例三的基础上，所述处理单元104，包括：
查找单元1041：用于在化学计量学模型中查找待检测样品对应的化学计量学模型；
数据生成单元1042：用于将光谱数据与化学计量学模型进行合成，得到待检测样品的定量数据；
显示单元1043：用于将定量数据发送至客户端进行显示。
所述数据生成单元1042具体包括如下算法：
具体地，图7为本发明化学计量学模型的算法建模流程图，如图7所示，检测装置开启电源，蓝牙模块启动，客户端与检测装置通过蓝牙连接，检测装置采集窗口对准待检测样品(如烟草、奶粉、水果等)，客户端输出检测指令，检测装置光源开启，光束扫描待检测样品，并将光信号通过漫反射形式传输到分光***(光栅)，分光***对光信号处理并传输到检测器,检测器将光信号转换成电信号生成一条完整的光谱数据，同时客户端通过手机的4G网络通信***将生成的光谱数据上传到云端服务器，云端服务器将该条光谱数据输入到云平台数据库中对应的化学计量学模型，模型通过预测该条光谱将预测结果输出到客户端上。(如：待检测样品为苹果，客户端点击检测后通过上述过程10s后检测结果显示在客户端上，检测结果为Brix糖度12.6％。如待检测样本为烟草，检测结果为总植物碱2.13)。
图6为本发明提供的基于MEMS的便携式近红外光谱检测装置的外部结构示意图，如图6所示，基于MEMS的便携式近红外光谱检测装置，包括：光学模块组1、蓝牙模块2、LED状态指示灯3、固态按钮4、锂电池5、外壳6、USB充电接口7及控制电路板8组成。
所述光学模块组包括光源、分光***、检测器，采样窗口为长方形，尺寸为15mm×10mm；光源为双集成真空钨灯，光源寿命大于1.7万小时，解决了光源使用寿命问题；分光***为光栅，刻痕数(光栅平面的刻线条数)800/mm，由于应用光栅，解决了由于光谱对应光谱段存在光谱重叠的影响，造成精度较低的问题；检测器：1mm InGaAs二极管阵列，应用1mmInGaAs二极管阵列，不会发生由于累计光照的原因，造成检测器温度过高从而造成精度较低的影响，并且减少光谱信噪比影响，使得到的原始光谱更加稳定、高效；所述蓝牙模块通过Bluetooth 4.0协议进行通信，提供智能终端与手机App之间的通信功能；所述LED状态指示灯包括红、黄、蓝、绿四种颜色，对应的状态分别是电池充电、检测、蓝牙连接状态、电源供电状态；所述固态按钮为塑料按钮，使用者可以点击固态按钮进行检测或点击手机App的检测按钮进行检测；所述锂电池为3.7v2000毫安锂电池，待机时长8小时，解决了传统产品待机时间短问题，为检测装置提供电量；所述外壳由PVC材质制成，起到美观及保护作用；所述USB充电接口USB4.0起到充电及PC端数据传输功能。该装置波长范围900-1700nm，形状为竖立椭圆形，尺寸为92.7x63.2x48.2mm，重量小于200g，便于随身携带及现场检测使用，小巧灵活。
相对应地，基于MEMS的便携式近红外光谱检测***，包括：检测装置、客户端和云端服务器，其中：
所述检测装置包括如权利要求5至8中任一所述的基于MEMS的便携式近红外光谱检测装置；
所述客户端：用于获取用户发出的开始检测指令；向云端服务器发送光谱数据；用于显示云端服务器处理后的定量数据；客户端基于Android studio开发，功能界面及程序包括蓝牙搜索/连接、选择应用功能(如苹果甜度检测、烟草总碱检测、奶粉品牌及产地检测等)、检测中、检测结果显示、历史检测记录、继续检测、返回上一页等，客户端的操作***采用AndroidAPP程序，与传统产品的PC、LINUX程序相比，客户体验感更好，UI精美，操作简便、灵活，容易上手。解决了户外作业的使用场景难题。
所述云端服务器：用于接收客户端发出的光谱数据并处理，本云端服务器运用c++进行算法及模型的自主研发与编程，满足企业及行业标准，可选光谱预处理方法，如平滑、微分及基线校正等；多种定性算法如主成分分析(PCA)、偏最小二乘判别(PLS-DA)和支持向量机(SVM)；多种定量算法如偏最小二乘法(PLS)、主成分回归(PCR)和支持向量机回归(SVM-R)。
云端服务器的前端功能：前端用户接口：接收检测设备端发送的单个样品光谱数据，根据用户选择的检测功能接口(如定性：奶粉定性等定量：苹果甜度等)类型设定选择相应的内建模型进行计算(如定性：是什么；定量:含量；)，并输出结果(定性结果为是什么，定量结果为含量)，供用户前端进行结果展示。
云端服务器的后台功能：1、定性模型：软件输入接口可接收多个样本光谱数据(NIRscan nano光谱)并选择建模类型(定性)，软件维护人员可进行建模工作，完成后可保存为内建模型供功能使用。工作流程为：创建模型名称——定性or定量(此处选定性)——class设定(class A、class B、class C…，等等)——输入多个样本光谱数据(NIRscannano光谱)并根据数据设定类型class A、class B、class C…，等等)——选择算法——生成模型——模型审核(若通过)——生成或上传模型——客户端显示此应用可用；2、定量模型：软件输入接口可接收多个样本光谱数据(NIRscan nano光谱)及对应个数性质数据信息，软件维护人员可进行建模工作，完成后可保存为内建模型供功能使用。工作流程为：创建模型名称——定性or定量(此处选定量)——输入多个样本光谱数据(NIRscan nano光谱)及对应个数性质数据信息——选择算法——生成模型——模型审核(若通过)——生成或上传模型——客户端显示此应用可用。3、技术部分:项目生产环境：Window Server 2012+MySQL 5.7+JDK 1.8+Tomcat 8.5；对于前端用户接口部分(5.1)主体程序核心代码的编码语言使用C++实现，以实现快速计算，满足终端客户高效操作体验；前端用户接口最终交付形式需要封装为可通过http或者https协议访问的网络接口。输入输出参数均采用JSON数据格式进行数据传输。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.基于MEMS的便携式近红外光谱检测方法，其特征在于：包括：
S101、与客户端建立通信链路；
S102、接收客户端发送的开始检测指令；
S103、识别待检测样品，得到光谱数据，并将光谱数据通过客户端发送至云端服务器；
S104、云端服务器处理光谱数据后得到待检测样品的定量数据。
2.根据权利要求1所述的基于MEMS的便携式近红外光谱检测方法，其特征在于：所述接收客户端发送的开始检测指令之前，包括：
检测不同种类的样品，根据不同种类的样品形成对应的光谱数据库；
根据不同种类的样品形成对应的光谱数据库，建立不同的化学计量学模型。
3.根据权利要求1所述的基于MEMS的便携式近红外光谱检测方法，其特征在于：所述步骤S103中，包括：
根据客户端发送的开始检测指令，开启光源；
根据光源发射出的近红外光信号，对待检测样品进行光束扫描，并将近红外光信号发生漫反射后进入分光***，分光***对光信号处理并传输；
将近红外光信号转换成电信号，生成图像并得到光谱数据；
将光谱数据通过客户端发送至云端服务器。
4.根据权利要求1所述的基于MEMS的便携式近红外光谱检测方法，其特征在于：所述步骤S104中，包括：
在化学计量学模型中查找待检测样品对应的化学计量学模型；
将光谱数据与化学计量学模型进行合成，得到待检测样品的定量数据；
将定量数据发送至客户端进行显示。
5.基于MEMS的便携式近红外光谱检测装置，其特征在于：包括：
通信建立单元(101)：用于与客户端建立通信链路；
指令接收单元(102)：用于接收客户端发送的开始检测指令；
识别单元(103)：用于识别待检测样品，得到光谱数据，并将光谱数据通过客户端发送至云端服务器；
处理单元(104)：用于云端服务器处理光谱数据后得到待检测样品的定量数据。
6.根据权利要求5所述的基于MEMS的便携式近红外光谱检测装置，其特征在于：还包括：
光谱数据库建立单元(105)：用于检测不同种类的样品，根据不同种类的样品形成对应的光谱数据库；
化学计量学模型建立单元(106)：根据不同种类的样品形成对应的光谱数据库，建立不同的化学计量学模型。
7.根据权利要求5所述的基于MEMS的便携式近红外光谱检测装置，其特征在于：所述识别单元(103)，包括：
光源开启单元(1031)：根据客户端发送的开始检测指令，开启光源；
光源扫描单元(1032)：根据光源发射出的近红外光信号，对待检测样品进行光束扫描，并将近红外光信号发生漫反射后进入分光***，分光***对光信号处理并传输；
检测单元(1033)：用于将近红外光信号转换成电信号，生成图像并得到光谱数据；
发送单元(1034)：用于将光谱数据通过客户端发送至云端服务器。
8.根据权利要求5所述的基于MEMS的便携式近红外光谱检测装置，其特征在于：所述处理单元(104)，包括：
查找单元(1041)：用于在化学计量学模型中查找待检测样品对应的化学计量学模型；
数据生成单元(1042)：用于将光谱数据与化学计量学模型进行合成，得到待检测样品的定量数据；
显示单元(1043)：用于将定量数据发送至客户端进行显示。
9.基于MEMS的便携式近红外光谱检测***，其特征在于：包括：检测装置、客户端和云端服务器，其中：
所述检测装置包括如权利要求5至8中任一所述的基于MEMS的便携式近红外光谱检测装置；
所述客户端：用于获取用户发出的开始检测指令；向云端服务器发送光谱数据；用于显示云端服务器处理后的定量数据；
所述云端服务器：用于接收客户端发出的光谱数据并处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810137506.5A CN108387550A (zh) | 2018-02-10 | 2018-02-10 | 基于mems的便携式近红外光谱检测方法、装置和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810137506.5A CN108387550A (zh) | 2018-02-10 | 2018-02-10 | 基于mems的便携式近红外光谱检测方法、装置和*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108387550A true CN108387550A (zh) | 2018-08-10 |
Family
ID=63075745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810137506.5A Pending CN108387550A (zh) | 2018-02-10 | 2018-02-10 | 基于mems的便携式近红外光谱检测方法、装置和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108387550A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109724940A (zh) * | 2019-02-26 | 2019-05-07 | 宜宾五粮液股份有限公司 | 利用近红外光谱仪检测酒糟成分含量的方法及*** |
| CN110514620A (zh) * | 2019-08-30 | 2019-11-29 | 四川长虹电器股份有限公司 | 基于便携式近红外光谱仪的光谱检测方法及*** |
| CN113607674A (zh) * | 2021-06-30 | 2021-11-05 | 广州德芯半导体科技有限公司 | 基于mems气体传感器阵列的多气体检测方法及*** |
| CN113984657A (zh) * | 2021-09-26 | 2022-01-28 | 淮阴工学院 | 基于光谱技术的便携式苹果糖度仪及苹果糖度测量方法 |
| CN114076745A (zh) * | 2020-08-20 | 2022-02-22 | 成都市食品药品检验研究院 | 一种基于云端-互联便携式近红外技术的西红花鉴别方法及其掺伪品定量预测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6058352A (en) * | 1997-07-25 | 2000-05-02 | Physical Optics Corporation | Accurate tissue injury assessment using hybrid neural network analysis |
| CN105136742A (zh) * | 2015-08-21 | 2015-12-09 | 董海萍 | 基于云端光谱数据库的微型光谱仪及光谱检测方法 |
| CN105466881A (zh) * | 2016-01-14 | 2016-04-06 | 昆明睿意铂科技股份有限公司 | 一种便携式近红外光谱检测*** |
| CN105527246A (zh) * | 2016-01-14 | 2016-04-27 | 昆明睿意铂科技股份有限公司 | 一种便携式近红外光谱检测*** |
| CN105675537A (zh) * | 2015-12-31 | 2016-06-15 | 深圳市芭田生态工程股份有限公司 | 一种光谱检测***及其采用无线数据连接的光谱检测仪 |
| CN105891146A (zh) * | 2016-03-29 | 2016-08-24 | 电子科技大学 | 用于光谱检测的智能终端及其检测方法 |
| CN106092913A (zh) * | 2015-05-29 | 2016-11-09 | 深圳市琨伦创业投资有限公司 | 一种农作物营养安全检测方法及其*** |
| CN106092959A (zh) * | 2016-06-30 | 2016-11-09 | 上海仪器仪表研究所 | 一种基于云平台的近红外食品质量监测*** |
-
2018
- 2018-02-10 CN CN201810137506.5A patent/CN108387550A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6058352A (en) * | 1997-07-25 | 2000-05-02 | Physical Optics Corporation | Accurate tissue injury assessment using hybrid neural network analysis |
| CN106092913A (zh) * | 2015-05-29 | 2016-11-09 | 深圳市琨伦创业投资有限公司 | 一种农作物营养安全检测方法及其*** |
| CN105136742A (zh) * | 2015-08-21 | 2015-12-09 | 董海萍 | 基于云端光谱数据库的微型光谱仪及光谱检测方法 |
| CN105675537A (zh) * | 2015-12-31 | 2016-06-15 | 深圳市芭田生态工程股份有限公司 | 一种光谱检测***及其采用无线数据连接的光谱检测仪 |
| CN105466881A (zh) * | 2016-01-14 | 2016-04-06 | 昆明睿意铂科技股份有限公司 | 一种便携式近红外光谱检测*** |
| CN105527246A (zh) * | 2016-01-14 | 2016-04-27 | 昆明睿意铂科技股份有限公司 | 一种便携式近红外光谱检测*** |
| CN105891146A (zh) * | 2016-03-29 | 2016-08-24 | 电子科技大学 | 用于光谱检测的智能终端及其检测方法 |
| CN106092959A (zh) * | 2016-06-30 | 2016-11-09 | 上海仪器仪表研究所 | 一种基于云平台的近红外食品质量监测*** |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109724940A (zh) * | 2019-02-26 | 2019-05-07 | 宜宾五粮液股份有限公司 | 利用近红外光谱仪检测酒糟成分含量的方法及*** |
| CN110514620A (zh) * | 2019-08-30 | 2019-11-29 | 四川长虹电器股份有限公司 | 基于便携式近红外光谱仪的光谱检测方法及*** |
| CN114076745A (zh) * | 2020-08-20 | 2022-02-22 | 成都市食品药品检验研究院 | 一种基于云端-互联便携式近红外技术的西红花鉴别方法及其掺伪品定量预测方法 |
| CN113607674A (zh) * | 2021-06-30 | 2021-11-05 | 广州德芯半导体科技有限公司 | 基于mems气体传感器阵列的多气体检测方法及*** |
| CN113984657A (zh) * | 2021-09-26 | 2022-01-28 | 淮阴工学院 | 基于光谱技术的便携式苹果糖度仪及苹果糖度测量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108387550A (zh) | 基于mems的便携式近红外光谱检测方法、装置和*** | |
| CN105651728B (zh) | 一种便携式近红外光谱检测*** | |
| CN102435580B (zh) | 近红外牛奶成分快速测量装置与方法 | |
| CN106092959B (zh) | 一种基于云平台的近红外食品质量监测*** | |
| CN105466881A (zh) | 一种便携式近红外光谱检测*** | |
| CN101907564B (zh) | 基于近红外光谱技术的油菜籽品质无损检测方法和装置 | |
| CN105527246A (zh) | 一种便携式近红外光谱检测*** | |
| CN106323909A (zh) | 果蔬品质手持式近红外光谱检测***及检测方法 | |
| CN107860473A (zh) | 一种基于云数据的智能手持光谱仪 | |
| 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*** | |
| CN103281459A (zh) | 一种可测水果甜度和ph值的手机 | |
| CN109001149A (zh) | 基于近红外光谱的双光路水果无损检测***及方法 | |
| CN109668843A (zh) | 一种基于手机的便携式多光谱成像技术检测腊肉品质的方法 | |
| CN201421450Y (zh) | 一种食品检测设备 | |
| CN106770067A (zh) | 便携式猕猴桃糖度无损检测装置 | |
| CN107064044B (zh) | 一种茶提取液中多酚含量的快速检测方法及装置 | |
| CN208383716U (zh) | 多功能便携式荧光快速定量分析仪 | |
| Yang et al. | A cost-effective on-site milk analyzer based on multispectral sensor | |
| CN207675640U (zh) | 一种农产品营养品质检测光谱仪 | |
| CN111781155A (zh) | 便携式牛乳成分分析方法与装置 | |
| CN205506679U (zh) | 一种便携式近红外光谱检测*** | |
| CN111781154A (zh) | 基于多光谱传感器的低成本牛乳成分分析方法与装置 | |
| CN108195469A (zh) | 一种便携式颜色测量仪 | |
| CN202372440U (zh) | 近红外牛奶成分快速测量装置 | |
| CN108037081A (zh) | 一种酿酒葡萄成熟度监测方法和*** |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180810 |
|
| RJ01 | Rejection of invention patent application after publication |