0021 ] 对于图2中所示后面板(6 )有散热孔(7 )、电源插口( 8 )。散热孔(7 )为光谱仪、电源盒、光源等发热设备散热。电源插口(8)为整个装置提供电能。
[0022]对于图3中所示预留USB接口(9)，作为可以更新程序使用。
[0023]参阅图4光路连接不意图，样品底座(12)放入样品盒(5)内。
[0024]参阅图5，选择尺寸小，功耗低，高性能ATOM型主板(15)，挂载对应硬盘(16)即可正常工作。电源盒可以为主板、光源、光谱仪、触摸显示屏提供电源。
[0025]参阅图6，启动装置后，设置光谱仪的参数(19)，然后采集光谱(20)并显示光谱
[21]，结合装置中的模型对采集的光谱进行分析(22)，得到分析结果并进行存储(23)。
[0026]参阅图7，算法整体流程包括采集样品(24)并进行富集预处理(25)，采集其全波长原始光谱(26)和吸光度光谱数据(27)。作为训练集的样品(28)，经过相关算法处理后得到模型矩阵(31)，并将模型保存在装置中。检测未知样品(29)时，使用化学计量学算法
(30)进行分析并选择相应模型(31)对未知样品进行预测，得到预测结果(32)并进行存储。
[0027]下面以实验例简述利用本发明装置进行化学品快速检测的检测方法。
[0028]实施例(一)
使用主成分分析(PCA)算法建立六种化学药品的模型并进行未知样品的定性分析。
[0029]1、训练集样品预处理:选择乙酸乙酯；邻苯二甲酸二乙酯；邻苯二甲酸二烯丙酯；苯甲酸乙酯；苯甲酸甲酯；乙醇作为训练集样品，进行富集预处理，得到以上药品的纯品，每样药品各取五组样品作为训练集；
2、训练集样品的光谱采集:将训练集样品放置于样品盒5中，盖上样品盒盖4，采集训练集样品的吸光度光谱；
3、使用PCA训练模型:PCA的中心目的是将数据进行降维，将原变量进行转换，使得少数几个新变量是原变量的线性组合，同时，这些变量要尽可能多的表达原变量的数据特征而不丢失信息。PCA将光谱阵O分解为η个向量的外积之和，S卩:，其中称为得分向量(score vector)，称为载荷向量(loading vector)，或称为主成分或主因子(principalcomponent, POo也可以写成下列矩阵形式:，其中=[]称为得分矩阵，=[]称为载荷矩阵。将训练集样品光谱矩阵分解后的得分矩阵和载荷矩阵均要存储到装置中。载荷矩阵用于同未知样品的光谱结合，即分析矩阵，得分矩阵用于定性分析，即判定矩阵；
4、未知样品的预处理和光谱采集:重复步骤1、2中训练集样品的预处理和光谱采集步骤，获得未知样品的吸光度光谱；
5、未知样品的预测:首先需在装置中选择加载“6种化学药品的PCA模型”，对于未知样品的光谱，通过存储的载荷矩阵，即可计算出样本光谱的得分向量，即。将得分矩阵前两列数据(对应的是包含最多信息的第一主成分和第二主成分)画出散点图8，然后将投影到图8上，苯甲酸甲酯的定性结果如图9，水的定性结果如图10 ；
6、结果显示:当出现如图9所示结果，装置将显示“苯甲酸甲酯”，当出现如图10所示结果，装置将显示“不属于这6种化学品”。
[0030]实施例(二)
使用Fisher线性判别算法建立六大类化学药品的模型并进行未知样品的定性分析
1、训练集样品预处理:选择20多种化学品，共六大类(酸，醛，酮，酯，醇，塑化剂)进行富集处理得到以上药品的纯品作为训练集；
2、训练集样品的光谱采集:同实例(一)步骤2;
3、使用Fisher线性判别训练模型:线性判别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即样本在该空间中有最佳的可分离性，新空间的距离作为不同分类的判别标准。将训练集所有光谱数据输入，并按其分类分为六组，经过Fi sher算法的相应计算出一个的建模矩阵，其中η为采集到的光谱长度(此处为512)，m的值比组数减去I (此处为5)，这个建模矩阵即所说的最佳鉴别矢量空间，将此模型矩阵存储在装置中；
4、未知样品的预测:采集富集后的未知样品的吸光度光谱，选择加载“六大类化学品的Fisher线性判别模型”，采集到的吸光度光谱为一个η维列向量，将其与一个模型矩阵相乘就可以得到一个m维向量，当未知样品的m维向量与某一类的间距最小时，可判断其属于这类物质；
5、结果显示:根据建模的数据需要设定一个阈值，未知样品与每一类的间距都大于这个值，则结果显示“不属于这6类”，否则判断其属于距离最近的那类物质，并将结果显示出来。
[0031]尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的【具体实施方式】，上述的【具体实施方式】仅仅是示意性的，并不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护范围之内。
【主权项】
1.一种化学品快速检测装置，该装置在主面板上设置有样品盒(5)、触摸显示屏(2)和开关；后面板(6)设置有散热孔(7)、电源插口(8)，侧面板预留有USB接口(9);装置内部设置有用于检测和分析的光源，近红外光谱仪，ATOM型主板(15)，硬盘(16);装置搭载有用于化学品快速检测的化学计量学模型以及运行分析的软件平台，软件部分包括功能设置、识别分析方法和分析结果存储。
2.根据权利要求1所述的装置，其特征在于:功能设置包括:光谱仪参数设置，其参数为积分时间、平均次数、平滑度和去除暗噪声；光谱显示设置，显示光源光谱、预处理光谱和不带预处理光谱；还包括光谱数据保存设置，保存路径设置、保存文件设置。
3.根据权利要求1所述的装置，其特征在于:识别分析方法包括建立模型和未知光谱识别分析。
4.根据权利要求3所述的装置，其特征在于:模型的建立需要先使用本装置采集一定量的化学纯品的吸光度光谱作为训练集样品，通过化学计量学的算法进行降维以及聚类分析处理，提取信息，并存储在装置的模型矩阵中，便于即时调用。
5.根据权利要求3所述的装置，其特征在于:当进行未知光谱识别时，确定选用的算法，调用相应算法的模型矩阵，将采集到的光谱使用模型中的分析模型矩阵进行分析，并与判定模型进行比较和分析，实现定性。
6.根据权利要求3所述的装置，其特征在于:所述的化学计量学的算法PCA或Fisher线性判别。
7.根据权利要求3所述的装置，其特征在于:所述的模型矩阵包括分析模型矩阵和判定模型矩阵。
8.根据权利要求1所述的装置，其特征在于:分析结果存储保存检测结果，包含日期时间、分析方法字段，便于归档与查询。
9.根据权利要求1所述的装置，其特征在于:光路部分主要包括光源、光谱仪、光纤、样品座，样品座置于样品盒(5)中。
【专利摘要】本发明涉及一种基于红外光谱特征的化学品快速判别方法和装置。该装置由光源、光谱仪、光纤构成的光路模块、主板单元、可触摸显示屏、软件分析单元组成，其中，分析算法部分应用了化学计量学方法，模型的建立和替换十分方便。该方法和装置主要应用于化学品光谱信息的自动采集和快速判别，具有便携、稳定性强、交互界面人性化等特点。
【IPC分类】G01N21-35, G01N21-359
【公开号】CN104614336
【申请号】CN201410551102
【发明人】王利兵, 于艳军, 韩伟, 苏荣欣, 熊中强
【申请人】王利兵
【公开日】2015年5月13日
【申请日】2015年3月8日