[发明专利]一种拉曼光谱增强测量系统及测量方法有效
申请号: | 202011641551.8 | 申请日: | 2020-12-31 |
公开(公告)号: | CN112834481B | 公开(公告)日: | 2023-09-05 |
发明(设计)人: | 王豪;袁丽凤;徐善浩;罗川;林振兴;倪锋萍 | 申请(专利权)人: | 宁波海关技术中心 |
主分类号: | G01N21/65 | 分类号: | G01N21/65 |
代理公司: | 北京国坤专利代理事务所(普通合伙) 11491 | 代理人: | 王峰刚 |
地址: | 315048*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 光谱 增强 测量 系统 测量方法 | ||
1.一种拉曼光谱增强测量方法,其特征在于,所述拉曼光谱增强测量方法包括以下步骤:
步骤一,通过人机交互模块对预设参数进行输入,并根据预设参数建立对应的原始拉曼光谱数据库,将原始拉曼光谱数据库存储于数据存储模块;通过样品采集模块利用样品收集装置对需要进行检测的样品进行定量采集;
步骤二,通过样品预处理模块利用实验设备对采集样品进行预处理,获取待测样品的图像信息,其中,所述实验设备为数码相机;通过拉曼光谱测量模块利用拉曼光谱检测仪对样品的多个测量点进行激光光谱测量,获取待测样品的光谱信息;
步骤三,通过光谱预处理模块在拉曼光谱检测仪的发射光路增加多片滤波片,对瑞利散射和宽带荧光的杂散光进行滤除;分别对获取的图像信息和光谱信息进行预处理后,通过特征提取模块利用特征提取程序分别获取待测样品的图像信息特征和光谱信息特征;
步骤四,通过特征处理模块利用处理程序分别对图像特征和光谱特征进行归一化处理后,利用自适应删减方法或自适应删减和人工神经网络联合方法分别对归一化后的图像特征和光谱特征进行自适应筛选,提取有用特征;
步骤五,通过光谱增强模块利用光谱增强程序采用人工神经网络方法或距离最近方法对有用图像特征和光谱特征进行融合,获得融合增强处理后的拉曼光谱;通过中央处理和控制模块利用控制器对所述拉曼光谱增强测量系统各个受控模块的正常运行进行协调控制;
步骤六,通过原始谱图获取模块获取通过光谱增强后得到的拉曼光谱测量的原始谱图;通过原始谱图预处理模块对各测量点的拉曼光谱的原始谱图进行预处理,得到对应的预处理谱图;
步骤七,通过数据处理模块对预处理谱图的各项数据进行处理分析,并对处理后的谱图数据与预设的标准数据进行对比,生成对比曲线图;通过数据传输模块利用无线信号传输器将采集数据传递到远程的监控中心;
步骤八,通过数据存储模块利用存储器对预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图进行存储;
步骤九,通过人机交互界面对预设参数进行输入,并预设参数、待测样品图像信息、待测样品光谱信息、图像信息特征和光谱信息特征、有用特征、光谱增强结果、原始谱图、预处理谱图以及对比曲线图的实时数据进行更新显示。
2.如权利要求1所述的拉曼光谱增强测量方法,其特征在于,步骤一中,所述根据预设参数建立对应的原始拉曼光谱数据库,包括:
(1)筛选出符合第一预设参数的基础数据形成监测数据库,所述监测数据库中的监测数据符合第二预设参数时,所述监测数据重新归入基础数据库;
(2)通过统计单元按至少一个维度对监测数据库进行统计并形成统计数据,输出单元将统计数据输出为至少一个可视化图表。
3.如权利要求1所述的拉曼光谱增强测量方法,其特征在于,步骤二中,所述通过样品预处理模块对采集样品进行的预处理,包括对采集样品进行压片处理,得到不同样品组对应的压片样品。
4.如权利要求1所述的拉曼光谱增强测量方法,其特征在于,步骤三中,所述图像信息预处理方法包括减最小值、减平均值、差分输入、小波分析、主成份分析、独立成分分析、一阶微分处理、二阶微分处理、中值滤波和自适应删减算法的任意一种方法或几种方法的组合;所述光谱信息的预处理包括消除基线漂移、去除光谱噪声和压缩光谱信息。
5.如权利要求1所述的拉曼光谱增强测量方法,其特征在于,步骤六中,所述通过原始谱图预处理模块对各测量点的拉曼光谱的原始谱图进行预处理,包括平滑、基线校正和一阶导数处理。
6.如权利要求5所述的拉曼光谱增强测量方法,其特征在于,所述平滑、基线校正和一阶导数处理,包括:
(1)采用卷积法对拉曼光谱进行多项式阶数为二阶的多点平滑处理;
(2)采用自适应迭代重加权惩罚最小二乘法airPLS进行基线校正,去除拉曼光谱荧光干扰;
(3)采用一阶导数对平滑和基线校正后的拉曼光谱进行处理,得到一阶导数拉曼光谱。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于宁波海关技术中心,未经宁波海关技术中心许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011641551.8/1.html,转载请声明来源钻瓜专利网。