本发明涉及光谱分析领域，特别涉及一种基于信号识别的光谱分析系统。
背景技术：
目前随着科学技术的发展，特别是近红外光谱扫描终端的发展，对于快速分析物品属性及成分的需求越来越被公众市场及行业客户所重视。大型分析设备输入能够快速扫描识别目标物品的属性及成分，但是其使用的条件限制较多，且不易携带，因此目前亟须解决大型分析设备不便使用的场景及不具备系统级分析能力的客户群所具有的快速检测目标物品的功能性需求。
技术实现要素：
本发明要解决的技术问题是：提供一种基于信号识别的光谱分析系统，解决大型分析设备不便使用的场景及不具备系统级分析能力的客户群所具有的快速检测目标物品的功能性需求。
为解决上述问题，本发明采用的技术方案是：一种基于信号识别的光谱分析系统，包括云端系统和数据可视化管理系统；云端系统包括收发模块、处理模块、建模模块和识别模块；
所述收发模块用于云端系统联网，给予终端实时的云支持，完成用户鉴权、数据存储；
所述建模模块用于对云端系统中样本数据进行特征分析，建立物品光谱的数学模型；
所述处理模块用于接收终端上传的原始光谱扫描数据，并对原始光谱扫描数据进行降噪处理；
所述识别模块使用建模模块所建立的数学模型对终端上传的光谱扫描数据进行识别分析，得到物品的细节信息；
数据可视化管理系统用于对云端系统中光谱数据以图表形式进行可视化，对建模模块所建立的数学模型以可视化及可评估的形式对用户展示，以及对云端系统中的云端数据进行管理。
进一步的，所述光谱扫描数据为近红外光谱扫描数据。
进一步的，所述细节信息包括物品属性及成分。
进一步的，完成一次识别分析之后，云端系统将该次分析的光谱扫描数据添加到样本数据中，完成样本更新；所述建模模块定期地对更新后的样本数据进行特征分析，建立新的数学模型。
本发明的有益效果是：本发明通过在云端设置收发模块、处理模块、建模模块和识别模块，并在云端建立用于光谱分析的数学模型，每次用户需要进行光谱分析的时候，只需将原始光谱扫描数据上传到云端，即可快速得到物品属性及成分等细节信息，由于所有的识别分析计算均放在云端上，因此本发明进行光谱分析的条件较低，不受场地等因素影响，且本发明对终端要求较低，有利于终端的小型化。
附图说明
图1为实施例所提供的光谱分析系统的结构框图。
具体实施方式
实施例提供一种基于信号识别的光谱分析系统，如图1所示，包括近红外光谱终端、云端系统和数据可视化管理系统；云端系统包括收发模块、处理模块、建模模块和识别模块；
所述近红外光谱终端用于采集物品的原始光谱扫描数据，向云端系统发送识别分析请求；
所述收发模块用于云端系统联网，给予终端实时的云支持，完成用户鉴权、数据存储；
所述建模模块用于对云端系统中样本数据进行特征分析，建立物品光谱的数学模型；
所述处理模块用于接收终端上传的原始光谱扫描数据，并对原始光谱扫描数据进行降噪处理，提取有用信息；
所述识别模块使用建模模块所建立的数学模型对终端上传的光谱扫描数据进行识别分析，得到物品属性、成分等细节信息；
数据可视化管理系统用于对云端系统中光谱数据以图表形式进行可视化，对建模模块所建立的数学模型以可视化及可评估的形式对用户展示，以及对云端系统中的云端数据进行管理。
实施例的工作方式如下：
1、样本采集：利用近红外光谱终端采集物品采样样本，并通过usb/蓝牙及其他软硬件连接方式将采集到的数据上传到云端系统的样本库中；在存入样本库之前，需要利用云端系统的处理模块对采集的数据进行信号降噪；
2、建立数学模型：完成所有的样本采集之后，利用云端系统的信号建模模块对所有样本数据进行特征分析，建立对应的数学模型；
3、光谱分析：针对待识别物品，用户通过近红外光谱终端对物品进行扫描，获得原始光谱扫描数据，通过usb/蓝牙及其他软硬件连接方式将数据获取而后通过云端收发模块上传至云端系统中，云端系统将对此数据进行存储、信号降噪，然后通过已建立的数学模型对终端上传的光谱扫描数据进行自适应识别，从而获得物品属性、成分等细节信息，并通过云端系统的收发模块将结果加密返回给用户，至此，完成一次分析识别过程。
此外，为了完善所建立的数学模型，实施例在完成一次识别分析之后，可以通过云端系统将本次上传的光谱扫描数据添加到样本数据中，完成样本更新；云端系统可以定期地对更新后的样本数据进行特征分析，建立新的数学模型，从而更新数学模型，提高后续识别分析的准确率。
4、数据可视化管理：在实施例工作过程中，可利用数据可视化管理系统对云端系统中光谱数据以图表形式进行可视化，对所建立的数学模型以可视化及可评估的形式对用户展示，以及对云端系统中的云端数据进行管理。
以上描述了本发明的基本原理和主要的特征，说明书的描述只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。