一种微型近红外光谱仪的校准方法与流程

本发明涉及光谱传感器及光谱分析仪等技术领域，特别是一种微型近红外光谱仪的校准方法。

背景技术：

近红外光谱分析技术是分析物质组成及含量的重要分析技术。在生物医药、工农业生产、科学实验等众多领域有广泛的应用。随着微电子、微机电技术的发展，近红外光谱分析模块已经真正微型化和集成化。近红外光谱分析技术逐渐进入智能家电、消费电子等领域。基于fabry-perot阵列的微型多通道光谱传感器，其体积只有几个毫米量级。目前有cn201710047604.5、cn201710047604.5、cn201710772256.8、cn201710772094.8等专利或报道在洗衣机、扫地机器人、冰箱等家电引入近红外光谱检测技术，用于洗衣机检测衣物材质并推荐洗衣模式、用于扫地机器人识别地面材质或是否有积水、用于识别冰箱中水果蔬菜的新鲜度等。这些智能产品的出现，必将能优化消费者的用户体验，提升消费者的生活品质。由于光学器件对制造工艺、环境非常敏感、而且有复杂的校准算法，含有大量的参数，一般需要强大的处理器及存储或者联网平台运算。而目前智能家电整个运算能力还是比较弱，空间也比较小，同时消费者并不期望操作家电的时候都要联网，希望家电能在离线状态下完成光谱物质分析检测功能。这就要求在微控制器平台在离线情况下完成光谱数据校准及预测。

因此，需要设计一种计算要求低，存储空间占用小、能够在离线情况的弱性能微控制器上完成的光谱校准方法。

技术实现要素：

为解决现有技术中存在的问题，本发明的目的是提供一种微型近红外光谱仪的校准方法。

为实现上述目的，本发明采用的技术方案是：

一种微型近红外光谱仪的校准方法，其特征在于，所述校准方法具体步骤包括：

步骤一、通过微型近红外光谱仪获取物体原始光谱数据，作为待校准的光谱数据；

步骤二、利用原始光谱数据，对光源位置引起的多通道阵列各通道光谱数据偏差进行补偿，完成第一阶段校准；

步骤三、根据采集的漫反射标准板的光谱数据及漫反射标准板的反射率，完成漫反射标准板校准，完成第二阶段校准；

步骤四、在不同温度情况下，统计温度变化引起光谱数据偏差,并进行温度偏差补偿，完成第三阶段校准；

步骤五、经过三个阶段补偿校准后的光谱数据，再经过插值、平滑、求导的预处理后，进行光谱数据的建模分析预测。

进一步地，所述微型近红外光谱仪为基于fabry-perot腔的阵列式近红外光谱仪。

进一步地，所述步骤三所采集的漫反射标准板的光谱数据，包括白板、黑板和灰板的数据采集及补偿校准，并将该校准后的数据作为每台设备的常量进行存储调用。

进一步地，所述步骤四还包括，统计出不同温度下的峰偏状况及光谱数据的衰减率，并将衰减率作为每台设备的常量进行存储调用。

进一步地，所述步骤四还包括设定正常工作温度范围，当检测到的光谱数据不在该范围内，判断是否随温度变化发生峰偏，若发生峰偏，先对峰偏进行纠正，再进行衰减率校准；若未发生峰偏，则直接根据所述衰减率进行光谱数据的温度偏差补偿。

本发明的有益效果是：

本发明的微型近红外光谱仪的校准方法，通过三个阶段的校准，提高校准的准确率，而且其运算方式简单，存储运算的空间需求较小，计算方法可复用，同时还满足在低性能、小内存等微控制器环境下，完成离线光谱数据的采集、分析和预测。

附图说明

图1是本发明的微型近红外光谱仪的校准方法流程图。

图2是本发明实施例中矩阵b的示意图。

图3(a)是本发明实施例的同类物质原始光谱数据曲线图。

图3(b)是本发明实施例的不同类物质原始光谱数据曲线图。

图4(a)是本发明实施例的同类物质经过校准后的光谱数据曲线图。

图4(b)是本发明实施例的不同类物质经过校准后的光谱数据曲线图。

具体实施方式

以下描述用于揭露本发明以使相关领域技术人员能够实现本发明。以下描述中的实施例只作为举例，相关领域技术人员可以想到其他显而易见的变型均属于本发明的保护范围。

本发明公开了一种微型近红外光谱仪的校准方法。首先获取物体的原始光谱数据，作为待校准的光谱数据，依次对光源位置引起的多通道阵列各通道光谱数据偏差进行补偿，漫反射标准板校准及温度引起波峰纠偏，温度变化引起光谱数据偏差补偿三个阶段校准。完成补偿校准后的数据，经过插值、平滑、求导等预处理，最后进行光谱的分析预测。

下面结合附图1-4和具体例子对本发明作进一步详细的描述。

在其中一个实施例中，如图1所示，一种微型近红外光谱仪的校准方法，包括以下步骤：

步骤一、使用基于fabry-perot腔的阵列式近红外光谱仪采集物体光谱数据，获得原始光谱数据，作为需要被校准的光谱数据；

步骤二、进行第一阶段校准，利用微型近红外光谱仪fabry-perot腔阵列中的几个具有同样fabry-perot腔长通道的光强数据，计算补偿光谱传感器整个阵列所有通道数据。

如图2所示，假设具有8*8的fabry-perot腔阵列，采集一组原始数据aij，其中i，j的取值范围分别为0～7，其中四个角的通道具有相同的fabry-perot腔长，因此，可以检测8*8-3共61个波长的光谱数据。具体补偿过程如下，首先64通道都已检测到各波长原始数据，记做矩阵a。由于光源位置等原因，四个角的通道虽然具有相同的fabry-perot腔长，但是检测到的光强数据还是不一致。根据这四个角数据，由于阵列中个各通道间距相同，假设8*8所有通道具有四个角相同的fabry-perot腔长，根据渐变原则，则8*8这个虚拟的具有相同腔长的传感器各通道数据如图2中所示，记做矩阵b。其中根据a00和a07计算b0j，根据a70和a77计算b7j。其中根据a00和a70计算bi0，根据a07和a77计算bi7。四周完成计算后，同理计算bij，其中i，j的取值范围分别为0～7，且a00＝b00,a70＝b70,a07＝b07,a77＝b77。矩阵b中的数据除以四个角的通道光谱数据和的平均值α＝(a00+a70+a07+a77)/4。得到补偿系数矩阵，记做矩阵c。矩阵a除以对应矩阵c，得到补偿后的光谱数据。四个角所在通道的数据采用平均值，最后得到校准后的61个通道光谱数据。

步骤三、通过上述第一阶段校准的方法，完成漫反射标准板光谱数据的测试及补偿校准。分别得到白板、黑板、灰板的校准后数据，这几组数据可以在计算机侧计算并作为每台设备的常量调用。

步骤四、进行第二阶段校准，根据步骤三采集漫反射标准板的光谱数据及漫反射标准板的反射率完成对物体光谱数据的补偿校准。具体如下：

为避免光谱仪由于工作环境和光谱仪自身工作状态的变化，通过校准，将当前变化状态最终输出到输出光谱中。

(i_白测(λ))/(i_总(λ))*g_白补(λ)＝r_白标准(λ)(1)

(i_黑测(λ))/(i_总(λ))*g_黑补(λ)＝r_黑标准(λ)(2)

……

r是标准反射率，i为实际测量光强，由以上两式得出：

g_白补(λ)＝(r_白标准(λ))/(i_白测(λ))*i_总(λ)(3)

g_黑补(λ)＝(r_黑标准(λ))/(i_黑测(λ))*i_总(λ)(4)

……

因此由以上两式得到，最终的补偿函数g(λ)应该是g_白补(λ)和g_黑补(λ)的组合表达式，可以是线性的：

g(λ)＝a*[g_白补(λ)]+b*[g_黑补(λ)]+……(5)

其中a，b分别是白色和黑色标准片的补偿函数权重。

补偿函数g(λ)也可以是非线性其它函数表达式，但需要包含g_白补(λ)和g_黑补(λ)等补偿项。

因此最终样品光谱的输出形式为：

f(λ)*g(λ)＝p(λ)(6)

其中f(λ)为原始光谱数据，g(λ)为补偿函数，p(λ)为校准后的光谱数据。其中a，b等补偿函数权重为超参数。超参数可以后续拟合对比设备的光谱曲线得到。

步骤五、在不同温度情况下，按照步骤一、步骤二完成对漫反射标准板的光谱数据采集。统计出不同温度下的峰偏状况及光强数据的衰减率，每升高一度衰减多少百分比，例如25摄氏度升高到26摄氏度是否发生峰偏以及通道i衰减ai25-26％。不同光谱仪可以统一使用这组统计分析值。这步骤可以在计算机侧计算并作为每台设备的常量调用。

步骤六、进行第三阶段校准，设定正常工作温度，例如20～25摄氏度，不在这个范围内的光谱检测数据，首先判断是否随温度变化发生峰偏，及根据步骤五的衰减率进行各通道光谱数温度补偿；如果随温度变化发生峰偏，首先纠正峰偏，偏移新增的通道数据线性外插。纠正峰偏后，各通道数据根据衰减系数校准。

步骤七、经过三个阶段步骤补偿校准后的数据，再经过插值、平滑、求导的预处理后，进行光谱数据的建模预测分析。

如图3-4所示，图3(a)和图3(b)分别为同类物质及不同类物质的原始光谱数据曲线图，图4(a)和图4(b)分别为经过校准及预处理后的同类物质及不同物质的光谱数据曲线图。对比图3和图4，校准后光谱数据同类物质拟合更好，不同类物质区分度更明显。因此，经过该微型近红外光谱仪的校准方法，通过三个阶段的校准，能够提高微型近红外光谱仪对物质检测的准确性。

而且该方法针对智能家电等低性能、小内存计算环境，提出了一种简化的光谱校准方法，计算量，存储需求都明显下降，适用于资源有限的环境，是当前近红外光谱校准方法的一种改进。该技术适用范围广，在原理与实施方案上有明显的独创性。

以上所述实施例仅表达了本发明的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。