CN115128036A - 一种手持式近红外光谱检测方法及装置 - Google Patents
一种手持式近红外光谱检测方法及装置 Download PDFInfo
- Publication number
- CN115128036A CN115128036A CN202210842698.6A CN202210842698A CN115128036A CN 115128036 A CN115128036 A CN 115128036A CN 202210842698 A CN202210842698 A CN 202210842698A CN 115128036 A CN115128036 A CN 115128036A
- Authority
- CN
- China
- Prior art keywords
- sample
- infrared
- model
- spectrum
- infrared spectrum
- 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 61
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 59
- 238000001228 spectrum Methods 0.000 claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 88
- 239000000463 material Substances 0.000 claims abstract description 53
- 238000007689 inspection Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 239000000126 substance Substances 0.000 claims abstract description 8
- 239000000523 sample Substances 0.000 claims description 154
- 238000007789 sealing Methods 0.000 claims description 30
- 230000003595 spectral effect Effects 0.000 claims description 30
- 239000013307 optical fiber Substances 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 18
- 238000009499 grossing Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 14
- 238000004497 NIR spectroscopy Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000012706 support-vector machine Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000002835 absorbance Methods 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 5
- 239000000835 fiber Substances 0.000 claims description 4
- 229910052751 metal Inorganic materials 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 239000012852 risk material Substances 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims 1
- 239000003814 drug Substances 0.000 abstract description 7
- 229940079593 drug Drugs 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 13
- 230000006854 communication Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 12
- 238000012795 verification Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000001681 protective effect Effects 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 238000012850 discrimination method Methods 0.000 description 6
- 239000002994 raw material Substances 0.000 description 5
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 4
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 4
- 229910052721 tungsten Inorganic materials 0.000 description 4
- 239000010937 tungsten Substances 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 239000010405 anode material Substances 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007175 bidirectional communication Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 229910052736 halogen Inorganic materials 0.000 description 2
- 150000002367 halogens Chemical class 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000005022 packaging material Substances 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 description 1
- 238000000862 absorption spectrum Methods 0.000 description 1
- 239000005030 aluminium foil Substances 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 239000010406 cathode material Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052738 indium Inorganic materials 0.000 description 1
- APFVFJFRJDLVQX-UHFFFAOYSA-N indium atom Chemical compound [In] APFVFJFRJDLVQX-UHFFFAOYSA-N 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000004926 polymethyl methacrylate Substances 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
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
- G01N21/17—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
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
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
本发明属于药品原辅料快速检测与放行领域，提供了一种手持式近红外光谱检测方法及装置，包括：获取样品红外光谱数据并进行预处理；基于预处理后的样品红外光谱数据进行波段选择，得到待检测样品红外光谱数据；基于待检测样品红外光谱数据自动进行建立近红外定性检验模型；采用多级放行策略对近红外定性检验模型进行判定，判定所述近红外定性检验模型是否正确；如果正确，则根据所述近红外定性检验模型进行检验，并将检验结果存入物料数据库；如果错误，则不将样品存入物料数据库，并对该样品进行化学检测；本发明采用自动多级放行策略规避了单一方法放行判断失误的风险，解决了传统建模方法需要大量的人力去采集多种样品光谱问题。
Description
技术领域
本发明属于药品原辅料快速检测与放行技术领域，具体涉及一种手持式近红外光谱检测方法及装置。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
在制药行业，近红外光谱已用于原料进货验收和原料投放前的鉴别分析，其优点在于可透过玻璃或高分子包装物直接对原材料进行分析。传统的近红外光谱检测器存在设备结构复杂、占用空间大和搬运不方便等问题，不利于在药用原辅料的检测方面的应用推广。相比于专用型仪器，便携式近红外光谱仪的体积更小、重量更轻，对环境温度、湿度及抗震的适用范围更宽。通过云计算可以加快实时数据信息的感知、传送和分析。现有的便携式仪器以手持式为主，主要类型有圆筒型和***型，现有类型检测仪设计多为非接触检测，导致采集的光谱信息不全，对人员操作要求高等难题。本发明实现了光纤外露设计，可直接接触检测样品，避免了因检测距离控制不当而产生污染样品或检测信息接收不全等问题。检测器外壳防滑设计能更好地保护仪器，材料选用密度轻而综合性能较为理想的ABS材质，实现了便携、精准检测的目的。
为实现无损检查，近红外光谱仪可隔着外包装材料对待测样品进行检测。部分药品原辅料的包装材料为透明材质可直接检测，但部分药品原辅料的外包装为锡箔铝箔等非透明包装，必须通过间隔一定距离或直接接触物料的方式方可实现检测。现有的药厂原辅料一线检测仪器主要是非接触性检测，检测过程要保证探头与检测样品间隔一定的距离，且不能接触到样品，防止光纤探头被污染，操作难度系数高。这样导致数据收集困难，采集成功率相对较低，且被检测后的光纤探头清洗困难。为使所建立的模型具有较好的准确性，尽量减少误差的干扰，在建立模型时的光纤探头***样品中直接测定。本发明通过为光纤探头配置一次性探头套，避免了上述问题，且一次性探头套造价低廉、使用方便，非常适合于制药工厂大批量原辅料的检测。
针对目前原辅料鉴别，市场上大多数手持式近红外仪器，多采用相关系数单一方法判别方法对待测样品的归属进行判定，但近红外光谱无明显特征峰，同类别的不同物料光谱极为相似，单放行方法存在一定风险。
发明内容
为了解决上述问题，本发明提出了一种手持式近红外光谱检测方法及装置，本发明自动多级放行策略规避了单一方法放行判断失误的风险，有利于在药品原辅料检测方面的应用推广。
根据一些实施例，本发明的第一方案提供了一种手持式近红外光谱检测方法，采用如下技术方案：
一种手持式近红外光谱检测方法，包括：
获取样品红外光谱数据并进行预处理；
基于预处理后的样品红外光谱数据进行波段选择，得到待检测样品红外光谱数据；
基于待检测样品红外光谱数据自动进行建立近红外定性检验模型；
采用多级放行策略对近红外定性检验模型进行判定，判定所述近红外定性检验模型是否正确；
如果正确，则根据所述近红外定性检验模型进行检验，并将检验结果存入物料数据库；
如果错误，则不将样品存入物料数据库，并对该样品进行化学检测。
进一步地，所述获取样品光谱数据并进行预处理，包括：
获取样品光谱数据；
采用卷积平滑方法对样品光谱数据进行平滑降噪；
利用多元散射校正方法消除经过平滑降噪后的样品光谱数据表面性质差异和颗粒大小尺度的影响；
得到预处理后的样品光谱数据。
进一步地，所述基于预处理后的样品光谱数据进行波段选择，得到待检测样品光谱数据，包括：
将校正集光谱阵中的每个波长对应的吸光度向量工与浓度阵中的待测组分浓度向量进行相关性计算；
对应相关系数绝对值越大的波长其信息越多，选择相关系数大的作为待测波段。
进一步地，所述采用多级放行策略对近红外定性检验模型进行判定，判定所述近红外定性检验模型是否正确，包括：
开启一级放行策略，所述一级放行策略为将所述近红外定性检验模型与光谱模型库中的模型进行相关性计算，如果与同类物料模型相关系数在第一阈值以上，且与不同类物料模型相关系数在第二阈值以下，则判定正确；反之，则开启二级放行策略；
所述二级放行策略为基于待检测样品红外光谱数据建立SIMCA模型，并通过相似系数对所述SIMCA模型与光谱模型库中的模型进行分析，如果与同类物料相关系数在第二阈值以上，则判定正确；反之，则开启三级放行策略；
所述三级放行策略为基于待检测样品红外光谱数据建立支持向量机模型，并通过相似系数对所述支持向量机模型与光谱模型库中的模型进行分析，如果与同类物料相关系数在第二阈值以上，则判定正确；反之，则自动将样品判定为高风险物料。
根据一些实施例，本发明的第二方案提供了一种手持式近红外光谱检测装置，采用如下技术方案：
一种手持式近红外光谱检测装置，包括手持终端和PC终端，所述手持终端通过蓝牙模块与PC终端连接；
其中，所述手持终端包括壳体、集成在壳体内的微型近红外光谱仪、控制器以及蓝牙模块模块；
所述控制器通过蓝牙模块与PC终端连接，将微型近红外光谱仪采集的样品光谱数据发送给PC终端；
所述PC终端对样品光谱数据进行分析，分析过程如权第一方案所述一种手持式近红外光谱检测方法中的步骤。
进一步地，所述壳体分为头部和手持部；所述头部被分成两个隔间，第一隔间内固定有光纤探头；第二隔间内固定有微型近红外光谱仪；所述手持部被分成三个隔间，第三隔间内固定有控制器，控制器连接微型近红外光谱仪；第四隔间内固定有蓝牙模块，所述蓝牙模块连接控制器；第五隔间内固定有电源模块；
所述头部设有螺旋开关，且所述头部的底部为扣合开关；手持部设置有电源控制按钮和防滑圈套。
进一步地，所述手持部的底部封盖设置，且所述头部前端设有螺纹封盖用于连接光纤探头，方便检修近红外仪器。
进一步地，所述螺纹封盖设有两层卡槽分别用于连接一次性探头套和金属防护罩。
进一步地，所述光纤探头上还套接有一次性探头套。
进一步地，所述前端螺纹封盖与头部壳体连接处还设于与前端螺纹封盖相匹配的密封圈。
与现有技术相比，本发明的有益效果为：
本发明通过多级建模方法进行样品的模型判定，先采用相关系数法确定样品的相关系数，在所规定范围内则样品可放行，符合模型标准。若不再规定范围内则进入下一级的模型判定，直至三级判定结束，仍无法满足模型标准则自动将物料归属为高风险，软件拒绝物料入库并建议传统化学方法进一步确认，规避了单一方法放行判断失误的风险，有利于在药品原辅料检测方面的应用推广。
本发明手持式终端的结构简化体积缩小，携带更加轻量化，光纤探头裸露设计实现检测可接触性，提高光谱信息的准确度；建模自动化程度高，而且可以大大提高建模精度并且使模型抗干扰能力更强，可以提高采样和建模速度，降低人为误差，方便数据智能化管理；一次性探头套防止采集过程中原辅料的污染；壳体防震设置可增加仪器的稳定性和使用寿命；蓝牙通信使得光谱检测自由度更好；多级放行判别策略实现了未知样品判定的严谨与合理。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明实施例所述预测模型自动优化与多级放行***预测光谱建模流程图；
图2是本发明实施例所述手持式近红外光谱检测及自动建模***主视结构图；
图3本发明实施例所述手持式近红外光谱检测及自动建模***功能原理框图；
图4是本发明实施例所述手持式近红外光谱检测及自动建模***的仪器参数配置页面；
图中：1-光纤探头；2-封盖；3-微型近红外光谱仪；4-防震装置；5-控制器；6-指示灯；7-电源按键；8-蓝牙模块；9-电池；10-底盖；11-防滑胶套；12-防护罩；13-壳体。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
如图1-图4所示，本实施例提供了一种手持式近红外光谱检测方法，本实施例中，该方法包括以下步骤：
一种手持式近红外光谱检测方法，包括：
获取样品红外光谱数据并进行预处理；
基于预处理后的样品红外光谱数据进行波段选择，得到待检测样品红外光谱数据；
基于待检测样品红外光谱数据自动进行建立近红外定性检验模型；
采用多级放行策略对近红外定性检验模型进行判定，判定所述近红外定性检验模型是否正确；
如果正确，则根据所述近红外定性检验模型进行检验，并将检验结果存入物料数据库；
如果错误，则不将样品存入物料数据库，并对该样品进行化学检测。
具体地，所述获取样品光谱数据并进行预处理，包括：
获取样品光谱数据；
采用卷积平滑方法对样品光谱数据进行平滑降噪；
利用多元散射校正方法消除经过平滑降噪后的样品光谱数据表面性质差异和颗粒大小尺度的影响；
得到预处理后的样品光谱数据。
具体地，所述基于预处理后的样品光谱数据进行波段选择，得到待检测样品光谱数据，包括：
将校正集光谱阵中的每个波长对应的吸光度向量工与浓度阵中的待测组分浓度向量进行相关性计算；
对应相关系数绝对值越大的波长其信息越多，选择相关系数大的作为待测波段。
具体地，所述采用多级放行策略对近红外定性检验模型进行判定，判定所述近红外定性检验模型是否正确，包括：
开启一级放行策略，所述一级放行策略为将所述近红外定性检验模型与光谱模型库中的模型进行相关性计算，如果与同类物料模型相关系数在第一阈值以上，且与不同类物料模型相关系数在第二阈值以下，则判定正确；反之，则开启二级放行策略；
所述二级放行策略为基于待检测样品红外光谱数据建立SIMCA模型，并通过相似系数对所述SIMCA模型与光谱模型库中的模型进行分析，如果与同类物料相关系数在第二阈值以上，则判定正确；反之，则开启三级放行策略；
所述三级放行策略为基于待检测样品红外光谱数据建立支持向量机模型，并通过相似系数对所述支持向量机模型与光谱模型库中的模型进行分析，如果与同类物料相关系数在第二阈值以上，则判定正确；反之，则自动将样品判定为高风险物料。
本发明还公开了一种预测模型自动优化与多级放行处理***。软件子***设计包括上位机软件子***设计和下位机软件子***设计。其中上位机软件为Windows 10***软件，通过蓝牙模块连接控制器与PC端。控制器采用STM32单片机，下位机采用uKeil5开发环境进行开发，编译完成后直接下载进STM32单片机即可使用。
本实例中，软件主要分为五层，最底层是通信层用于数据的接收与指令的发送；中间包括基础设施层为***提供处理器和存储器；光谱算法层包括两种模块，一种时底层处理模块即预处理方法、定性分析算法与优化算法的存储；一种时顶层控制模块实现对算法的处理和调用；光谱模型层用于已有的光谱模型的查找，新光谱模型的存储，以及光谱模型的转换。最顶层的人机交互层用于界面显示。软件***结构框架图如图1所示。
本实例中，数据在PC端与装置端通过蓝牙模块进行传输，实现了样品数据检测的便捷、灵活。蓝牙模块通信方法如下：
蓝牙模块连接：程序的操作按照打开蓝牙模块、初始化蓝牙模块、查询附近蓝牙模块、建立连接、发送数据/文件、断开连接、关闭蓝牙模块的顺序进行，由操作区的按钮触发实现。蓝牙模块初始化完成后，在信息区会显示本地蓝牙模块地址，查询完成之后，在信息区会显示查询到的远端蓝牙模块地址，然后就可以发起建立连接。以本地PC端蓝牙模块作主设备，首先主动发起查询，查询到装置蓝牙模块设备之后，要主动发起连接，连接建立以后，数据可以在PC端蓝牙模块和装置蓝牙模块之间进行传输。
数据传输：单片机端和PC端之间的蓝牙模块连接建立完成后，就可以在两者之间进行数据的传输了。由PC端发出指令，单片机端接收到数据后，控制近红外一起进行光谱采集。单片机端作从设备时，若设置为自动回传打开，还可将已接收数据回传给PC。在单片机端和PC端之间进行文件传输的过程是两端设备交互的过程。单片机需要外部存储器将要传输的数据暂时存储起来，所以将MMC卡作为外部存储器并在单片机上编程实现一个简单的FAT16文件***使得单片机从PC端通过蓝牙模块无线接口接收到文件后以与PC匹配的FAT16格式存储该文件，最终目标是MMC卡从单片机端取出后，通过读卡器连接到PC可识别出已接收的文件。PC端传来的文件都是有一定的格式的，常见的是FAT16和FAT32格式的文件，必须将从PC端接收到的文件以与之匹配的格式完成存储才算是文件传送的成功。过程如下：
1.单片机首先向PC端发送“文件发送请求”信息，PC接收到请求后返回“允许发送文件”信息给单片机。
2.单片机收到允许传送信息后，打开MMC中待发送文件，获取文件信息和文件数据，将文件信息发送给PC端，PC端接收到文件信息后，据此新建空文件，完成后返回“文件创建完成”信息给单片机。
3.单片机获知PC文件创建完成后，就可以发送文件数据，文件数据的发送采用分段发送的方式进行。
4.单片机数据发送完成后，单片机向PC发送“文件发送结束”信息，PC关闭当前文件。
本实例中，上位机软件为Windows 10***软件，通过蓝牙模块连接分析仪，软件需求如下：
(1)串口设置功能：可以自动扫描串口，并将可用串口显示到软件上，可以设置串口的波特率，并有连接、断开按钮。
(2)***开关：设置***开关功能，***关闭时其他功能不能使用，只有***打开时，其他功能才可以使用。
(3)NIR光谱建模优化功能：将接收的数据进行预处理，调用模式识别算法，一级建模方法固定为相关系数法，二级以上根据样品的属性进行选择。
(4)NIR光谱定性模型储存功能：将建立好的光谱模型存储到指定路径，可随时调用查看。
(5)钨丝灯控制功能：可以设置钨丝灯的开关
(6)PID参数设置功能：可以设置PID参数，如KP、KI、KD。
(7)NIR光谱显示功能：实时显示采集的光谱，横轴是时间，纵轴是对应的电流值大小。
软件采用Python 3.7语言编写，采用Pycharm开发环境。根据软件需求和软件***结构图编写上位机控制软件，将软件分为四个功能模块：用户交互模块、仪器参数配置模块、光谱采集模块、光谱建模模块、模型存储模块。
用户交互模块是用户使用该软件的界面模块，使人机交互更加友好。该模块使用PyQt5开发，在这一模块中，设置了两个选项卡，分别支持仪器参数的配置和光谱的采集。在这一模块中也完成了所有的按键、选项卡和图形显示的功能。
仪器参数配置模块主要由Pyserial模块完成底层交流功能，Pyserial模块封装了对串行端口(serial port)的访问。它提供了在Windows，OSX，Linux，BSD和IronPython上运行的Python的后端。模块名为“serial”会自动选择适当的后端。在该仪器参数配置模块完成了软件的主体功能，如遍历检测上位机的所有端口并确定所连接检测器的型号、建立上位机与检测器NIRONE 1.7的长连接、发送用户指令和接收NIRONE 1.7的数据。
光谱采集模块在Pyserial建立上位机与Nirone Sensor的连接并配置好检测参数后，可以通过“暗电流”按键负责暗电流光谱的采集，“参考光谱”按键负责参比光谱的采集，“measure”按键负责样本光谱的采集，在完成暗电流和参比光谱的采集之后，采集样本光谱时会自动按照公式将样本光谱显示图像换算为吸光度光谱，其换算公式如下：
光谱建模模块：分为两种模式，一种是自动建模模式即全部由机器推挤最优的算法进行自动建模的方法，另一种手动建模模式即操作人员可以针对所测样品的属性，手动选择存储在机器内部的建模所需算法，通过禁止调用优化算法推荐实现一键建模。本模块主要由NumPy、SciPy(Scientific Python)和Matplotlib模块完成。
模型存储模块主要负责在数据采集时数据的保存，在用户进行数据采集时，软件会自动保存数据，由于xlsxwriter模块可以多次存储的特点，使用该模块完成自动保存功能的开发，但该模块支持最多256列的写入，无法满足分辨率为1时数据的保存。为了解决这一问题，在读取和写入数据之前会判断分辨率，若数据列数超过256行，则自动分为两个表(sheet)进行存储。除***自动保存数据外，该***支持用户手动保存，手动保存功能由xlwt模块开发实现。
本实例中，打开***主界面之后会出现：参数配置、文件保存、光谱测量、建模和验证、样品测定、查看等6个菜单。运行***后即可由配置菜单开始工作。建模流程如下：
(1)来到光谱参数配置界面。进入仪器参数配置页面，如图4所示仪器配置界面，在该页面选择端口，即选择所要使用的近红外仪器型号和数量。选择合适的仪器检测参数，波长平均为wavelength average，扫描平均为scan average，波长平均和扫描平均都是决定光谱扫描次数的参数；分辨率是设置波长点数的参数，当分辨率为1，则每间隔1nm采集一个能量值；扫描间隔是在自动扫描模式下，光谱采集的时间间隔，如设置5s，则每隔5秒钟仪器自动采集一张光谱。若不想进行基本参数的设置，可点击“默认值”按钮，软件会自动填写常规的基本参数，默认状态下，波长平均为100，扫描平均为1，分辨率为1，扫描间隔为5s。
(2)从文件菜单选择新建文件路径并设置文件名。选择采集的光谱数据保存路径，可以直接在“项目名修改”下的标签栏里输入所要保存的路径和文件名称；如果想选择路径位置，可以点击“保存位置”按钮，弹出弹窗选择保存位置和所要保存的文件名称。
(3)接收光谱数据，实时显示样品原始谱图。点击开始配置按钮，将仪器所需要的检测传输通过蓝牙模块发送给Nirone Sensor后，软件命令反馈栏将显示“配置已完成！”，此时可切换到光谱测量界面，进行光谱的采集并实时显示光谱采集界面。
(4)光谱自动建模与手动建模选择。点击建模和验证按钮，将有自动建模和手动建模两种选项，选择自动建模选项***就会自动进行建模,建摸完或后会显示模型标定和验证结果。如果对模型验证结果满意，则可接着在对话框中输入模型名称、样本名称、样品类型等信息，然后点选“保存到模型库”按钮保存。如选择手动建模按钮，则会弹出手动建模算法选择界面，包括预处理、模式识别方法等方法的选择，从软件的光谱算法层保存的算法中选择，按动“建模”按钮，***根据用户选择的方法调用软件中的相应算法进行光谱数据的处理，处理完成后显示相应的结果，保存过程同自动建模。此种功能实现了自动建模的高效和快捷，也满足了手动建模的准确和科学。
(5)***使用样本测定菜单完成基于模型库的未知样品的定性判别。首先点选样本测定菜单，打开样本测定对话框。点击读入样本文件按钮,从打开的对话框中选择待初定的样本光潜数据,本***可以测定单个样本，也可同时测定多个样本,只要待测样本使用同样的预测模型即可。最后从现有模型一览表中选择要使用的预测模型，选中后点击测定按钮即可实现测定测定。
本实例原辅料自动建模及未知样品自动多级放行方法如下：
选择将要建模得光谱文件，将其中得样品光谱分为校正集样品和验证集样品。校正集样品用于光谱建模，验证集样品进行后面模型性能得验证。校正集中的样品应包含未来待测样品中可能存在的所有化学组成；其浓度(或性质)范围应超过未来待测样品中可能遇到的情况。
对样品光谱数据进行预处理。现代测量仪器较为精密，尤其近红外光谱采集得原始光谱中，除样品组成信息外，还有很多噪声存在多少对影响了所建模型的性能。为了消除噪声或其它外界因素对光谱的影响我们需要对模型进行预处理提高模型预测的准确性。软件中嵌入了Savitsky-Golay卷积平滑方法和多元散射校正(multiplicative sacttercorrection,MSC)，前者用于除噪和平滑，由于原辅料样品多为固体颗粒故选择后者消除样品表面性质差异和颗粒大小尺寸带来的影响。
(1)Savitsky-Golay卷积平滑方法假设光谱含有的噪声为零均随机白噪声，通过多次测量对数据加权平均处理，降低噪声提高信噪比，波长k处经平滑后的平均值为：
式中，hi为平滑系数，H为归一化因子，H＝hi，每一测量值乘以平滑系数hi的目的是尽可能减小平滑对有用信息的影响，hi可基于最小二乘原理，用多项式拟合求得。
(2)多元散射校正(multiplicative sactter correction,MSC)对一光谱x(1×m)，MSC的具体算法如下：
A.计算校正集样品的平均光谱
(即“理想光谱”)；
B.将x与
进行线性回归，
用最小二乘法求取b0和b；
C.xMSC＝(x-b0)/b0；
对除噪和平滑后的光谱进行波段选择。在近红外校正建模时，采用全谱图计算会大大增加计算量，且某些波段光谱信息的存在会影响关键光谱信息与指标性质件的相关性，故需要对光谱进行波段选择，找出对测定性质关联性强的波段。本发明采用波段选择的常见方法相关系数法。将校正集光谱阵中的每个波长所对应的吸光度值与待测浓度值进行相关性计算，相关系数越大则波长的信息量越多。
相关系数法是将校正集光谱阵中的每个波长对应的吸光度向量工与浓度阵中的待测组分浓度向量y进行相关性计算，对应相关系数绝对值(或决定系数)越大的波长其信息应越多。相关系数R由下式计算：
其中，
n为校正及的样品数。
经过预处理和波段选择的光谱进行自动优化建模，采用一阶导数、SG平滑、SNV方法。定性建模方法包括定性判别建模、聚类建模等，本发明采用聚类分析的方法进行光谱的建模，聚类分析的重要组件是样品间的距离、类间的距离、并类的方式和聚类数目。采用自动多级放行策略即将样品光谱的校正集和验证集依次经一级判别方法相关系数法、二级判别方法SMICA法与三级判别方法SVM方法进行建模，并将模型存储在光谱模型库中，验证集对模型进行验证分为四种情况：
一级判别方法为相似系数法，经过判别后，验证集光谱与校正集同物料光谱相关系数需在0.97以上，与不同物料光谱相关系数需在0.85以下；满足相关系数法条件的物料判别成功，为一级放行策略；
当验证集光谱与校正集同物料相关系数在0.97以下而在0.85以上时，此时可能存在同物料物理性质或批次差异，***自动开启二级放行策略，即建立SIMCA(softindependent modeling of class analogy)模型进一步归属物料；
当验证集光谱与校正集同物料相关系数在0.85以下时，***自动开启二级放行策略与三级放行策略，即通过支持向量机(SVM)模型进一步归属物料类型；
当三级放行策略均无法正确判别物料时，自动将物料归属为高风险，软件拒绝物料入库并建议传统化学方法进一步确认。
相似系数法将每一个样品看成是m维空间(m个变量〉的一个点，在这m维空间中定义样本间的亲疏程度。相似系数多用相关系数表示：
其中
分别为第i个和第j个样本所有特征变量的均值。两个样品越接近，他们之间的相似系数越接近于1(或-1)。
所述方法中一级放行方法为相关系数法，二级及三级放行方法可根据样品的性质选择为不同定性判别方法，如人工神经网络方法(ANN)、K最邻近法(KNM)等。
上述预测模型自动建立与优化处理***通过五种功能模块即用户交互模块、仪器参数配置模块、光谱采集模块、光谱建模模块、模型存储模块针对待测样品进行预测模型自动建立与优化。解决了传统建模方法采集样品过程需要大量的人力物力去采集多种样品的光谱，耗时耗力，并且带有人员引入的操作误差，这势必造成模型精度损失。光谱自动建模建模无需人员过多干预，无需专业人员建模，无需专业人员判定参数合格状况，可以提高建模速度，降低人为误差，方便数据智能化管理。
实施例二
如图2所示，本实施例提供了一种手持式近红外光谱检测装置，包括手持终端和PC终端，所述手持终端通过蓝牙模块与PC终端连接；
其中，所述手持终端包括壳体、集成在壳体内的微型近红外光谱仪、控制器以及蓝牙模块模块；
所述控制器通过蓝牙模块与PC终端连接，将微型近红外光谱仪采集的样品光谱数据发送给PC终端；
所述PC终端对样品光谱数据进行分析，分析过程如权利要求1-4任一项所述一种手持式近红外光谱检测方法中的步骤。
其中，所述壳体分为头部和手持部；所述头部被分成两个隔间，第一隔间内固定有光纤探头；第二隔间内固定有微型近红外光谱仪；所述手持部被分成三个隔间，第三隔间内固定有控制器，控制器连接微型近红外光谱仪；第四隔间内固定有蓝牙模块，所述蓝牙模块连接控制器；第五隔间内固定有电源模块；
所述头部设有螺旋开关，且所述头部的底部为扣合开关；手持部设置有电源控制按钮和防滑圈套。
所述手持部的底部封盖设置，且所述头部前端设有螺纹封盖用于连接光纤探头，方便检修近红外仪器。
所述螺纹封盖设有两层卡槽分别用于连接一次性探头套和金属防护罩。
所述光纤探头上还套接有一次性探头套。
所述前端螺纹封盖与头部壳体连接处还设于与前端螺纹封盖相匹配的密封圈。
本实施提供一种手持式近红外光谱检测及自动建模***，以卤钨灯为光源，经过准直后照射在直接接触的样品中，经过透射后，再经过一级准直保证光路平行被光纤接收，此时的光是包含了大量的样品信息的光谱，光纤将光谱传递至光谱仪。光谱进入光谱仪中经过基于MEMS的法布罗-珀罗干涉仪进行分光，过滤大量杂散光，最后铟镓砷光电检测器将分光后对的光谱转化为电信号并存储在控制器中。控制器将样品光谱信息通过蓝牙模块传输到PC端。接收到光谱数据后，PC端将光谱数据进行格式转换，并自动保存至已设置好的保存路径，经过人机交互模块形成光谱图像。
样品数据采集完成，软件***选择已经采集的数据进行处理，选择预处理方法，消除各种因素对光谱数据的影响并选择合适的波段进行分析处理；预处理后的光谱数据选择合适的模式识别方法即定性建模方法，将样品进行多方法多级建模，一级建模方法为相关系数法，二级建模以上建模可根据样品的性质选择为不同定性判别方法，如人工神经网络方法(ANN)、K最邻近法(KNM)等；最后进行多级放行方法对未知样品进行判别。模式识别方法的确定由待测样品的种类决定，计算光谱距离筛选界外样品数据；自动建模流程完成后，***将各个步骤的结果通过人机交互模块显示在PC端，操作人员根据结果进行保存与否的判断。若保存结果，相应的样品信息和模型一同存储在PC端的存储模块，方面后续的调用与查看。未知样品检测可根据样品属性检索出已经建立的模型，将光谱数据带入到模型中对未知样品进行定性判断。针对有特殊需求的样品的建模，此***提供手动建模模式，手动选择建模所需算法，实现个性化的建模。实现了建模的快捷、高效，适用于大量产品建模的一线工作。每一步的完成均有数据条的显示，若中途出现错误，***会弹出警告窗口。
本实例中，主要部件选型主要包括：卤钨灯作为光源(型号：997418-21)、微型NIR光谱仪(NIRONE 1.7)、控制器(STM32)、蓝牙模块(4.0BLE)
本发明公开了一种手持式近红外光谱检测及自动建模***子***手持式近红外光谱检测硬件***，整体要求为结构紧凑、体积小、具有较高便携性与抗震性。本实例中，硬件子***功能结构包括：(1)采集光谱仪数据，并将数据通过串行通信接口传输到电脑主机；(2)接收电脑指令，执行光源开关。
该手持式近红外光谱检测硬件***包括：本实例中，壳体；集成在壳体内的微型近红外光谱仪、蓝牙模块、电源模块、控制器；光纤探头及防护罩；一次性探头套。光纤探头与壳体内部的近红外光谱仪连接；控制器电连接近红外光谱仪；蓝牙模块电连接控制器；电源模块电连接控制器；一次性探头套在光谱采集时套用在光纤探头上。本实例中，硬件子***使用STM32主控芯片作为控制中枢，主控芯片和电脑主机通过串行通讯口进行通信，串行接口简称串口，其特点是通信线路简单，只要通过蓝牙模块就可以实现双向通信。主控芯片可以接受电脑主机发来的指令，例如光谱仪指令、开关光源指令。同时主控芯片还可以向电脑主机报告光谱仪采集的原始数据。
本实例中，壳体为手持结构设置，并分为两部分：头部和手持部。壳体；依次连接的是头部收纳的光纤探头防护罩、螺纹封盖、带光纤探头的微型近红外光谱仪；手持部收纳的控制器、蓝牙模块、电源以及底部封盖。壳体设置有开关按钮置于手持部；按键开关用于硬件装置电源的启动和关闭。壳体的两端设有可打开的封盖，头部的螺旋封盖用于光纤探头的拆卸，也便于内部器械的维修；封盖边缘设置两层的卡槽，前层卡槽用于一次性探头套的安装，第二层卡槽用于防护罩的安装；底部封盖用于电池的拆卸，采用扣合封盖方式，设于USB连接口，用于电池的充电。壳体手持部套有防滑圈套，防止操作过程中仪器掉落；壳体内部设有气囊防震设置稳定近红外光谱仪，包括缓冲气囊和防护垫双层保护，紧密贴合近红外光谱仪。便携式近红外装置内部元件多为精密仪器，微小的震动对检测结果都有一定的影响，且操作过程中仪器的取放也会导致内部元件的连接出现问题，这种气囊防震设置可以很好的保护仪器免受外部的影响。内部各个元件有相应的隔板分割，将内部分为五个小隔箱分别为近红外光谱仪、光路板、控制器、蓝牙模块、电池。
在本实施例中，壳体包括：依次连接的封盖、前端螺旋封盖、主体、底盖、侧面的指示灯。底盖通过扣合的方式连接手持部，前端螺纹封盖通过旋接连接主体部分。装置头部用于容置和固定微型近红外光谱仪、电路板的安装结构。主体为手持状，其沿轴向方向可拆分为两块隔板，两块弧形板组合行成用于容置控制器、蓝牙模块、以及电池的腔体。底盖用于手持部体底部的封口。又例如，壳体的一端设有匹配螺旋封盖的密封圈，密封圈用于提升封盖在闭合时的密封性，保护微型近红外光谱仪的探头和避免环境光线对光谱采集时的干扰。又例如，壳体设有电连接电源控制模块的电源按键。作业人员通过按压电源按键以开始对各电子部件进行供电和启动设备。
本实例中，近红外光谱仪的探头端朝向螺旋封盖设置。优选的近红外光谱仪是一种高性能、紧凑、可靠的近红外光谱传感器。例如，在本实施例中，该近红外光谱仪为光谱仪为NIRONE 1.7微型NIR光谱仪，可以通过界面友好的SensorControl软件用PC端控制NIR光谱仪传感器。光谱仪的更换不引起其他部分的联动，即通过改造光谱仪，将现有光谱仪引出4根线(电源正、电源负、串口接收端、串口发送端)接到XH2.54母头，与从控制器引出的XH2.54公头对接，从而实现光谱仪的更换。
本实例中，蓝牙模块电连接控制器。蓝牙通讯模块作为目前较为通用的近距离无线通讯模块，可以方便地与PC终端实现无线连接。如图2所示，在本实施例中，优选的蓝牙模块4.0BLE为例，其可连接千控制器上，通过蓝牙模块传输的方式与PC终端实现数据传输。
本实例中，电源包括：电池作为内置的能游存储部件，选用可充电电池作为装置电源。为实现绿色、环保、便捷，硬件子***的供电元件即电源模块选用可循环使用的可充电电池，可实现从电源接口通过连接外部电游以获取电能。例如，电源是收容壳体内的可充店电池，还可以通过该电源接口对电池进行充电。优选了锂离子电化学电池单元，该电池具有石墨阳极材料或钛酸锂阳极材料、以及适于使可充电电池快速再充电的磷酸铁锂阴极材料，并且还设置了用于固定电池的电池盒。
本实例中，一次性探头套用于不同样品进行光纤探头检测时使用。如图2所示，形状与尺寸根据光纤探头的相关信息制作而成，当进行检测时将除去探头的防护罩，将一次性探头套安装到光纤探头，使两者紧密贴合，与壳体前端的第一个卡槽拼接完成检测。如本实施例中，优选了PMMA材质的塑料制成一次性探头套，光学透射率高，避免对检测结果的影响。
本实例中，控制器电连接微型近红外光谱仪。控制器作为微型近红外光谱仪的驱动电路，并且作为控制模块使用。在本实施例中，可采用NanoPi—Neo电路板搭建驱动电路板。控制器作为硬件子***的控制中心；控制器STM32和上位机通过串行通讯口进行通信，只要蓝牙模块就可以实现双向通信。控制器可以接受上位机发来的指令，例如光谱仪指令、开关光源指令。同时控制器还可以向上位机报告光谱仪采集的原始数据。
采用STM32主控芯片作为主控芯片，具体型号为STM32F103C8T6。
上述手持式近红外光谱检测硬件***，其作为样品检测时的手持式终端，起到近红外光谱检测的数据采集的功能。其中，微型近红外光谱仪是一种小体积光谱仪，其能够压缩整个设备的占用空间，有利于设备的微型化改良。
而微型近红外光谱仪收容在壳体内，并且通过壳体的手持部位的采集按钮来控制微型近红外光谱仪的光谱采集。
控制器用于驱动微型近红外光谱仪的运作，无线通讯模块用于与外部的PC终端实现数据交换，借此来实现微型近红外光谱仪的采集参数的设定，以及利用该PC终端进行数据分析处理。可充电电池作为电源供给单元，实现了绿色、环保、高效的能源利用。
此外，各电子部件均可固定于壳体中，能够保证各电子部件工作稳定性和安全性。
通过上述设计，采用微型近红外光谱仪进行光谱检测，并且利用无线通讯模块将检测的参数采集设定和数据分析处理过程从手持端分离至外部的PC终端，将手持式终端的结构简化，体积缩小，携带更加轻量化，有利于在药品原辅料检测方面的应用推广。
如图2所示，该近红外光谱检测***包括上文中任一种实施方式的手持式近红外光谱检测装置，还包括连接手持式近红外光谱检测装置的PC终端。
综上所述，本发明实施例，以微型近红外光谱分析仪NIRONE为基础，从硬件子***、软件子***两个方面出发，提供了药品原辅料光谱检测专用分析仪，仪器外接220V电源，经由开关电源将电压转换到主控芯片及其他元器件工作所需电压，仪器整机结构紧凑，体积小，具备便携式特点。软件***开发上位机与下位机软件，其中上位机软件***设计各功能界面，将各优化化学计量学方法嵌入至软件***，实现预测光谱检测模型的自动建立和优化。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (10)
1.一种手持式近红外光谱检测方法，其特征在于，包括：
获取样品红外光谱数据并进行预处理；
基于预处理后的样品红外光谱数据进行波段选择，得到待检测样品红外光谱数据；
基于待检测样品红外光谱数据自动进行建立近红外定性检验模型；
采用多级放行策略对近红外定性检验模型进行判定，判定所述近红外定性检验模型是否正确；
如果正确，则根据所述近红外定性检验模型进行检验，并将检验结果存入物料数据库；
如果错误，则不将样品存入物料数据库，并对该样品进行化学检测。
2.如权利要求1所述的一种手持式近红外光谱检测方法，其特征在于，所述获取样品光谱数据并进行预处理，包括：
获取样品光谱数据；
采用卷积平滑方法对样品光谱数据进行平滑降噪；
利用多元散射校正方法消除经过平滑降噪后的样品光谱数据表面性质差异和颗粒大小尺度的影响；
得到预处理后的样品光谱数据。
3.如权利要求1所述的一种手持式近红外光谱检测方法，其特征在于，所述基于预处理后的样品光谱数据进行波段选择，得到待检测样品光谱数据，包括：
将校正集光谱阵中的每个波长对应的吸光度向量工与浓度阵中的待测组分浓度向量进行相关性计算；
对应相关系数绝对值越大的波长其信息越多，选择相关系数大的作为待测波段。
4.如权利要求1所述的一种手持式近红外光谱检测方法，其特征在于，所述采用多级放行策略对近红外定性检验模型进行判定，判定所述近红外定性检验模型是否正确，包括：
开启一级放行策略，所述一级放行策略为将所述近红外定性检验模型与光谱模型库中的模型进行相关性计算，如果与同类物料模型相关系数在第一阈值以上，且与不同类物料模型相关系数在第二阈值以下，则判定正确；反之，则开启二级放行策略；
所述二级放行策略为基于待检测样品红外光谱数据建立SIMCA模型，并通过相似系数对所述SIMCA模型与光谱模型库中的模型进行分析，如果与同类物料相关系数在第二阈值以上，则判定正确；反之，则开启三级放行策略；
所述三级放行策略为基于待检测样品红外光谱数据建立支持向量机模型，并通过相似系数对所述支持向量机模型与光谱模型库中的模型进行分析，如果与同类物料相关系数在第二阈值以上，则判定正确；反之，则自动将样品判定为高风险物料。
5.一种手持式近红外光谱检测装置，其特征在于，包括手持终端和PC终端，所述手持终端通过蓝牙模块与PC终端连接；
其中，所述手持终端包括壳体、集成在壳体内的微型近红外光谱仪、控制器以及蓝牙模块模块；
所述控制器通过蓝牙模块与PC终端连接，将微型近红外光谱仪采集的样品光谱数据发送给PC终端；
所述PC终端对样品光谱数据进行分析，分析过程如权利要求1-4任一项所述一种手持式近红外光谱检测方法中的步骤。
6.如权利要求4所述的一种手持式近红外光谱检测装置，其特征在于，所述壳体分为头部和手持部；所述头部被分成两个隔间，第一隔间内固定有光纤探头；第二隔间内固定有微型近红外光谱仪；所述手持部被分成三个隔间，第三隔间内固定有控制器，控制器连接微型近红外光谱仪；第四隔间内固定有蓝牙模块，所述蓝牙模块连接控制器；第五隔间内固定有电源模块；
所述头部设有螺旋开关，且所述头部的底部为扣合开关；手持部设置有电源控制按钮和防滑圈套。
7.如权利要求5所述的一种手持式近红外光谱检测装置，其特征在于，所述手持部的底部封盖设置，且所述头部前端设有螺纹封盖用于连接光纤探头，方便检修近红外仪器。
8.如权利要求6所述的一种手持式近红外光谱检测装置，其特征在于，所述螺纹封盖设有两层卡槽分别用于连接一次性探头套和金属防护罩。
9.如权利要求5所述的一种手持式近红外光谱检测装置，其特征在于，所述光纤探头上还套接有一次性探头套。
10.如权利要求7所述的一种手持式近红外光谱检测装置，其特征在于，所述前端螺纹封盖与头部壳体连接处还设于与前端螺纹封盖相匹配的密封圈。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210842698.6A CN115128036A (zh) | 2022-07-18 | 2022-07-18 | 一种手持式近红外光谱检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210842698.6A CN115128036A (zh) | 2022-07-18 | 2022-07-18 | 一种手持式近红外光谱检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115128036A true CN115128036A (zh) | 2022-09-30 |
Family
ID=83383356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210842698.6A Pending CN115128036A (zh) | 2022-07-18 | 2022-07-18 | 一种手持式近红外光谱检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115128036A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116165165A (zh) * | 2023-04-25 | 2023-05-26 | 四川威斯派克科技有限公司 | 一种药品原辅料在线实时放行的检测方法 |
| CN116660185A (zh) * | 2023-06-02 | 2023-08-29 | 成都信息工程大学 | 一种多波长重金属离子溶液检测***及其检测方法 |
| CN116660206A (zh) * | 2023-05-31 | 2023-08-29 | 浙江省农业科学院 | 一种作物产量预估方法及*** |
| CN116953488A (zh) * | 2023-09-19 | 2023-10-27 | 深圳市东陆科技有限公司 | 一种用于集成光电芯片的监测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104237060A (zh) * | 2014-10-05 | 2014-12-24 | 浙江大学 | 一种金银花药材多指标快速检测方法 |
| CN104792652A (zh) * | 2015-05-02 | 2015-07-22 | 浙江大学 | 一种黄芪药材多指标快速检测方法 |
| CN104833651A (zh) * | 2015-04-15 | 2015-08-12 | 浙江大学 | 金银花浓缩过程在线实时放行检测方法 |
| CN106226264A (zh) * | 2016-05-05 | 2016-12-14 | 江苏康缘药业股份有限公司 | 青蒿金银花醇沉过程在线实时放行标准建立方法与放行方法及应用 |
| CN106323909A (zh) * | 2016-09-14 | 2017-01-11 | 江苏大学 | 果蔬品质手持式近红外光谱检测***及检测方法 |
| CN106841103A (zh) * | 2017-03-01 | 2017-06-13 | 沈阳农业大学 | 近红外光谱检测水果内部品质方法及专用检测*** |
| CN108519348A (zh) * | 2018-04-17 | 2018-09-11 | 宁夏医科大学 | 甘草药材近红外定量分析模型及检测方法和标准 |
| CN112684023A (zh) * | 2020-12-02 | 2021-04-20 | 太极集团重庆涪陵制药厂有限公司 | 一种厚朴药材质量的快速检测方法和厚朴药材的筛选方法 |
-
2022
- 2022-07-18 CN CN202210842698.6A patent/CN115128036A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104237060A (zh) * | 2014-10-05 | 2014-12-24 | 浙江大学 | 一种金银花药材多指标快速检测方法 |
| CN104833651A (zh) * | 2015-04-15 | 2015-08-12 | 浙江大学 | 金银花浓缩过程在线实时放行检测方法 |
| CN104792652A (zh) * | 2015-05-02 | 2015-07-22 | 浙江大学 | 一种黄芪药材多指标快速检测方法 |
| CN106226264A (zh) * | 2016-05-05 | 2016-12-14 | 江苏康缘药业股份有限公司 | 青蒿金银花醇沉过程在线实时放行标准建立方法与放行方法及应用 |
| CN106323909A (zh) * | 2016-09-14 | 2017-01-11 | 江苏大学 | 果蔬品质手持式近红外光谱检测***及检测方法 |
| CN106841103A (zh) * | 2017-03-01 | 2017-06-13 | 沈阳农业大学 | 近红外光谱检测水果内部品质方法及专用检测*** |
| CN108519348A (zh) * | 2018-04-17 | 2018-09-11 | 宁夏医科大学 | 甘草药材近红外定量分析模型及检测方法和标准 |
| CN112684023A (zh) * | 2020-12-02 | 2021-04-20 | 太极集团重庆涪陵制药厂有限公司 | 一种厚朴药材质量的快速检测方法和厚朴药材的筛选方法 |
Non-Patent Citations (4)
| Title |
|---|
| 乔延江;杜敏;史新元;吴志生;徐冰;: "欧盟制药工业近红外光谱技术应用、申报和变更资料要求指南(草案)", 世界科学技术(中医药现代化), no. 04, 20 August 2012 (2012-08-20) * |
| 吴莎;刘启安;吴建雄;靳瑞婷;孙仙玲;刘茜;毕宇安;王振中;萧伟;: "统计过程控制结合近红外光谱在栀子中间体纯化工艺过程批放行中的应用研究", 中草药, no. 14, 28 July 2015 (2015-07-28) * |
| 孙飞;徐冰;戴胜云;史新元;乔延江;: "近红外分析用于中药产品质量实时放行测试的可靠性研究", 中华中医药杂志, no. 12, 1 December 2017 (2017-12-01) * |
| 谢兰桂: "再生塑料的识别研究", 《中国博士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 01, 31 January 2013 (2013-01-31), pages 028 - 3 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116165165A (zh) * | 2023-04-25 | 2023-05-26 | 四川威斯派克科技有限公司 | 一种药品原辅料在线实时放行的检测方法 |
| CN116660206A (zh) * | 2023-05-31 | 2023-08-29 | 浙江省农业科学院 | 一种作物产量预估方法及*** |
| CN116660206B (zh) * | 2023-05-31 | 2024-05-28 | 浙江省农业科学院 | 一种作物产量预估方法及*** |
| CN116660185A (zh) * | 2023-06-02 | 2023-08-29 | 成都信息工程大学 | 一种多波长重金属离子溶液检测***及其检测方法 |
| CN116660185B (zh) * | 2023-06-02 | 2023-12-08 | 成都信息工程大学 | 一种多波长重金属离子溶液检测***及其检测方法 |
| CN116953488A (zh) * | 2023-09-19 | 2023-10-27 | 深圳市东陆科技有限公司 | 一种用于集成光电芯片的监测方法 |
| CN116953488B (zh) * | 2023-09-19 | 2023-12-12 | 深圳市东陆科技有限公司 | 一种用于集成光电芯片的监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115128036A (zh) | 一种手持式近红外光谱检测方法及装置 | |
| JP6375557B2 (ja) | 面の色及びスペクトルを測定しカテゴリ分類するためのシステム及び方法 | |
| CN107860473A (zh) | 一种基于云数据的智能手持光谱仪 | |
| CN105466881A (zh) | 一种便携式近红外光谱检测*** | |
| CN205352932U (zh) | 一种便携式农药残留检测*** | |
| CN103281459A (zh) | 一种可测水果甜度和ph值的手机 | |
| CN105527246A (zh) | 一种便携式近红外光谱检测*** | |
| CN106932360A (zh) | 便携式近红外光谱食品快速检测与建模一体化***和方法 | |
| CN105651728A (zh) | 一种便携式近红外光谱检测*** | |
| CN108007912B (zh) | 光谱修正分析装置、修正分析方法以及药品真伪判定*** | |
| CN102692397A (zh) | 便携式光纤spr食品安全检测仪 | |
| CN205506679U (zh) | 一种便携式近红外光谱检测*** | |
| CN113679355A (zh) | 一种用于强脉冲光干眼治疗的皮肤肤色测量装置及方法 | |
| CN203337259U (zh) | 一种手持式光辐射度计 | |
| CN108931491A (zh) | 一种多功能水质便携式远程监测仪及水质监测方法 | |
| CN209802980U (zh) | 近红外光谱分析仪 | |
| CN207779882U (zh) | 一种花生品质无损检测装置 | |
| CN110118766A (zh) | 手持式通用物质分析*** | |
| CN205562381U (zh) | 一种便携式近红外光谱检测*** | |
| CN108303379A (zh) | 手持式的马铃薯检测设备 | |
| CN209961689U (zh) | 一种便携式试纸条扫描读数仪 | |
| CN208171857U (zh) | 手持式近红外光谱检测装置和近红外光谱检测*** | |
| CN113406038A (zh) | 一种水质pH值光学检测方法及装置 | |
| CN205538665U (zh) | 一种便携式近红外光谱检测*** | |
| CN209802978U (zh) | 一种远程实时在线水果品质监测*** |
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 |