一种基于阵列传感器芯片的便携式多光谱成像装置及其应用的制作方法

本发明属于光谱成像
技术领域：
，具体涉及一种基于阵列传感器芯片的便携式多光谱成像装置及检测方法应用。
背景技术：
：香醋的酿制主要以传统的固态分层发酵为主，发酵过程主要包括淀粉糖化、酒精发酵、醋酸发酵、后熟与陈酿等，通常在18-20天内即可完成；其本质是在特定发酵条件下利用微生物对发酵基质中有机物的分解、代谢、积累的过程，是多菌种混合发酵工艺的典型代表之一。固态发酵主要是固、液、气三相并存的发酵，从而有利于微生物生长代谢，发酵过程中不仅需要适宜的温度和水分，还需要充足的氧气以及养分。总酸、ph、水分、温度、氧气等参数均是固态分层发酵的关键，其在一定程度上是影响生物发酵、醋醅品质的重要指标，从而决定了香醋的品质。随着发酵时间和环境条件的变化，在以醋酸菌为主的多种微生物共同作用下生成多种代谢产物，如有机酸、多种挥发性物质等，以至于在不同程度上也会影响发酵各阶段醋醅的酸度、ph、水分等含量。因而随着发酵环境条件(ph、水分、温度、氧气等)以及相关代谢产物的浓度(总酸、不挥发性酸等)的变化，均会对固态发酵过程中微生物繁殖、代谢产生显著性影响。醋醅中水分、氧气含量过高或过低都将影响微生物的生长代谢，不仅影响产物产量，对物料的理化性质也有负面影响；同时醋醅中主要微生物的生长代谢均需依靠各种酶的催化作用，而ph、温度等因素是影响酶活性、微生物生长的重要因素之一。总酸和不挥发性酸作为微生物在醋醅中的代谢产物，是发酵产品品质的评价指标之一。因而动态识别理化指标(总酸、ph、水分、温度、氧气等)在固态发酵过程中的变化规律，为监测发酵过程、智能翻醅提供科学依据，可以尽量避免板结或减少坏醅等情况。长期以来国内外研究人员多依赖积累经验，采用人眼、手触等传统方式对醋醅发酵的各个阶段以及陈酿的好败坏进行判断，学习周期长、判别结果受人为因素影响较大。而常规的理化检测方法主要有ph电位法、指示剂法、酸碱滴定法等，但这些方法均操作繁琐、耗时长、消耗量大且设备不易携带，难以实现全面检测，妨碍数据的及时获取，检测结果常常滞后生产过程，限制其在工厂中的推广应用。目前光谱技术、机器视觉等快速无损检测方法因其快速、无损样品、无需前处理等优点获得大家的广泛关注，已将其应用于醋醅发酵过程中相应理化指标的快速预测。申请号为201510642049.1的专利文献公开了一种高光谱图像技术定量检测固态发酵水分分布均匀性方法，申请公布号cn108072627的专利文献公开了一种用中红外光谱快速检测酱油中氨基酸态氮和总酸含量的方法，然而这些检测设备价格昂贵、设备笨重，不能直接用于现场快速检测。因此，建立一种简单、快速而又有效的醋醅理化指标检测方法成为当下研究热点。近年来由于生物医学、食品安全检测等领域的发展，将嵌入式等技术与光谱技术相结合，可以有效地实现仪器的小型化与便携化。该类技术的快速发展及高度普及，大大推动了各类便携式应用设备及仪器的开发研究。将移动应用开发技术与光谱技术相结合，既迎合市场检测结果同步生产过程需求，又在一定程度上可以实时客观地判别发酵过程中醋醅的各理化指标的变化情况，达到辅助监控醋醅发酵进程和辨别陈酿的好败坏的效果，对香醋的生产具有重要意义。技术实现要素：针对现有技术的不足，本发明的目的在于克服现有技术中存在的缺陷，提供一种基于阵列传感器芯片的便携式多光谱成像装置及检测方法，用于实现醋醅在固态发酵过程中的相关理化指标检测。为了有效地实时、多维、快速监测固态发酵过程中醋醅发酵状态及相关理化指标，并最大程度降低环境对成像的影响，将便携式多光谱成像装置置于一个暗室环境中，以八通道并行的多光谱相机作为成像装置，实现实时采集阵列传感器芯片信息的信号变化，完成对醋醅发酵状态及相关理化指标的快速、灵敏、简便检测。本发明首先提供一种基于阵列传感器芯片的便携式多光谱成像装置，包括多光谱相机、暗箱、暗箱通孔、照明光源、照明光源开关、阵列传感器芯片、样品台、计算机；所述样品台位于暗箱内的底部中心，所述阵列传感器芯片置于样品台上表面中心；所述暗箱通孔设置于暗箱的两侧，所述阵列传感器芯片通过暗箱通孔采集醋醅发酵过程中的总酸、ph、水分、温度、氧气物质的动态变化信号；所述多光谱相机嵌入暗箱的上表面，位于样品台的正上方；所述计算机与多光谱相机电性连接。所述多光谱相机包括8种不同波长的干涉窄带滤光片、光学镜头、全色ccd传感器、多通道并行图像采集卡四大部分组成；8种不同波长的干涉窄带滤光片分别安装在8个通道的光学镜头前，光学镜头通过暗箱上表面开的通孔获取被测目标的八个通道的原始窄带光谱图像数据；所述阵列传感器芯片位于光学镜头正下方，光学镜头用于获取阵列传感器芯片的信号变化。所述照明光源为发光二极管；所述暗箱通孔的中心与阵列传感器芯片处与同一水平线上。所述阵列传感器芯片包括由下至上设置为纳米多孔膜、指示发酵醋醅各理化指标的信号分子的芯片结构。所述阵列传感器芯片，具体按制备步骤如下：步骤一，基底tio2纳米多孔膜的制备：称取4.5-5.5gtio2(p-25)粉末溶于90％-100％乙酸、双蒸水和乙酰丙酮混合溶液，用量比为5g:10ml:2ml:0.1ml，研磨35-45min，再缓慢加入溶有0.4-0.6ml曲拉通x-100(op乳化剂)的酒精4-6ml，继续研磨30min，制成tio2胶；将大小为2cm×2cm的玻璃片放入10％的丙酮溶液中浸泡12h后烘干，并将tio2胶均匀涂抹在玻璃片上，形成0.01mm厚的薄膜，为了避免后续高温处理中水分和酒精迅速蒸发导致薄膜产生裂纹的问题，将附着tio2溶胶薄膜的玻璃放入80℃的干燥箱干燥20min去除水分和酒精，最后放入500℃的马弗炉中烧结4h，冷却后制成tio2多孔膜；步骤二，阵列传感器芯片的制备：将指示发酵醋醅各理化指标的信号分子溶于氯仿，投入喷墨打印机的墨盒中，设置打印电压、喷嘴温度、点间距以及打印层数，以阵列排布的形式以相同大小的圆点图案打印于步骤一制备的tio2纳米多孔膜基底上，室温下干燥后，得到阵列传感器芯片。步骤二中所述打印电压为27v、喷嘴温度为20℃、点间距为120μm、打印层数为4层。步骤二中所述指示发酵醋醅各理化指标的信号分子为指示总酸、ph、水分、温度、氧气的信号分子，包括ph识别分子结晶紫、孔雀绿、百里香酚、天然花青素，温度识别分子十八烷基氨基甲酸乙酯、丁氧羰基氨基甲酸乙酯，湿度识别分子氯化铜、硫氰酸钴，氧气识别分子邻菲罗啉-fe(ⅱ)、n-邻苯氨基苯甲酸二苯胺磺酸钠中的一种或多种。本发明还提供一种基于阵列传感器芯片的便携式多光谱成像装置应用于发酵醋醅各理化指标的检测，具体的检测方法如下：s1：将阵列传感器芯片置于样品台上，通过暗箱通孔识别醋醅发酵过程中的各理化指标，相隔固定的时间段采集对应的阵列传感器芯片的几何图像以及光谱图像，通过分析处理判别醋醅发酵过程中的各理化指标，所述理化指标包括总酸、ph、水分、温度、氧气；s2：打开照明光源，将便携式多光谱相机与计算机电性连接，通过计算机启动多光谱应用软件；s3：多光谱应用软件正常启动后，便携式多光谱相机进入初始化阶段，待初始化完成后，在界面根据环境和检测对象设置相对应的工作波段、曝光时间、光谱分辨率以及数字增益；s4：首次拍照存储光谱图像前，需在拍摄条件确定后，将白板置于目标物位置，点击“校正”按键，从而校正系统参数；校正完成后，获取准确的定标参数，多光谱应用软件会自动设置各个通道拍摄时的曝光时间、光谱分辨率、数字增益参数，避免出现图像太暗或者过曝光情况，后期也可根据实际情况进行人工微调；s5：数据采集分为单次拍摄单通道图像和连续拍摄整个检测波长范围内图像两种方式；单次拍摄时通过手动设置界面上的曝光时间、光谱分辨率、数字增益各参数，点击“开始”按钮，采集阵列传感器芯片的几何图像与光谱图像；而连续拍摄功能则是多光谱应用软件按照白板校正时设置的各波长通道拍摄参数自动完成采集，涵盖可见及近红外光区域，在采集过程中不能人为设置相关参数；点击“开始”按钮即可获取全波段的几何图像与光谱图像，波长间隔为10nm；s6：在采用便携式多光谱成像装置进行成像以及光谱测量时，采用光谱定标、色彩校正、平场校正、图像配准方法对采集的阵列传感器芯片几何图像与光谱图像的数据进行预处理；s7：最后将预处理后的几何图像与光谱图像输入计算机，采用相应分析软件对几何图像与光谱图像进行进一步处理，提取每一波长下的图像或每一像素点的光谱信息，借助预处理算法对图像进行特征图像提取及光谱特征提取，然后针对相应检测对象(包括总酸、ph、水分、温度、氧气)分别建立相应定量或定性模型；通过采集样品的光谱信号，利用建立相应定量或定性模型实现检测对象内部成分或含量信息的预测。s3所述的工作波段范围为400-1100nm，曝光时间为7个不同的曝光时间档位：0.01s、0.02s、0.03s、0.04s、0.05s、0.06s、0.07s，光谱分辨率为5nm，数字增益为0-24db。s5所述的检测波长范围为400-1100nm。s7所述预处理算法包括主成分分析(pca)、独立成分分析(ica)、奇异值分解(svd)。并且，采集到的几何图像与光谱图像数据可以上传至云服务器，云服务器会判断是否存在相应模型；存在则会在数据完成后保存至历史记录，方便后期的查找调用；若无，则会通知用户目前未建立该检测对象模型；同时，后台也将实时收集相关信息，逐步扩充不同检测对象模型数据库。与现有技术相比，本发明的有益效果是：(1)本发明采用基于阵列传感器芯片的便携式多光谱成像装置对固态发酵过程中醋醅发酵状态及相关理化指标进行检测，更加统一化、系统化、满足现场快速检测要求，具备适应力强、快速、准确、无损的特点。(2)本发明制备的阵列传感器芯片制备和检测方法简便、成本低、适用范围广、用量少、所包含的信息容量大、可同时读取样品中多个不同信号分子，响应快、灵敏度高。(3)本发明主要由多光谱相机、暗箱、照明光源、、阵列传感器芯片、样品台、计算机组成，体积小、设计便携、控制简单，几乎不受场地条件制约，进一步实现了检测系统的智能化与便携化。(4)八通道并行的便携式多光谱成像装置可以八个通道同步实时采集图像，将成像技术与光谱技术相结合，可获取目标物在八个不同波段的光谱图像和整个光谱段的几何图像，大大减轻人力物力。相对于其他分光技术，结构紧凑、小型化、成本低、稳定性好，可进行中远距离的测量。附图说明图1为本发明设计制备的阵列传感器芯片图。图2为本发明设计的基于阵列传感器芯片的便携式多光谱成像装置图。图中，8-1-信号分子，1-暗箱、2-暗箱通孔、3-计算机、4-照明光源、5-照明光源开关一、6-多光谱相机、7-照明光源开关二、8-阵列传感器芯片、9-样品台。具体实施方式下面结合附图和具体实施方式对本发明作进一步详细说明，但本发明的保护范围并不限于此。实施例1：一种基于阵列传感器芯片的便携式多光谱成像装置，如图2所示，包括多光谱相机6、暗箱1、暗箱通孔2、照明光源4、照明光源开关一5、照明光源开关二7、阵列传感器芯片8、样品台9、计算机3；所述样品台9位于暗箱1内的底部中心，所述阵列传感器芯片8置于样品台9上表面中心；所述暗箱通孔2设置于暗箱1的两侧，暗箱通孔2的中心与阵列传感器芯片8处与同一水平线上，阵列传感器芯片8通过暗箱通孔2采集醋醅发酵过程中的总酸、ph、水分、温度、氧气物质的动态变化信号，可根据检测时的实际情况与需求开闭暗箱通孔2；所述多光谱相机6嵌入暗箱1的上表面、且处于样品台9的正上方。多光谱相机6包括8种不同波长的干涉窄带滤光片、光学镜头、全色ccd传感器、多通道并行图像采集卡四大部分组成；8种不同波长的干涉窄带滤光片分别安装在8个通道的光学镜头前，以便瞬间获取被测目标的八个通道的原始窄带光谱图像数据；另一方面，确保阵列传感器芯片8位于光学镜头的正下方，光学镜头用于获取阵列传感器芯片8的信号变化，暗箱通孔2可根据需求进行打开或关闭；其中照明光源4为发光二极管(led)，作为便携式多光谱成像装置测试和应用的主照明光源，经济便捷。待测便携式多光谱成像装置可在软件系统控制下完成光谱图像采集、图像传输、图谱存储和光谱分析四大功能；也可将所有数据和图像存储于sd卡内，后期通过软件系统统一处理。阵列传感器芯片8是根据指示分子与醋醅发酵过程中的总酸、ph、水分、温度、氧气物质之间的共价键、氢键等强相互作用力发生反应，使得自身或者载体信号发生变化，并根据信号差值来判定发酵过程中的理化成分及浓度，从而判定相关理化指标。阵列传感器芯片的制备步骤如下(如图1所示)：称取5gtio2(p-25)粉末溶于10ml90％-100％乙酸、2ml双蒸水和0.1ml乙酰丙酮混合溶液，研磨40min，再缓慢加入溶有0.5ml曲拉通x-100(op乳化剂)的酒精5ml，继续研磨30min，制成tio2胶；将大小为2cm×2cm的玻璃片放入10％的丙酮溶液中浸泡12h后烘干，并将tio2胶均匀涂抹在玻璃片上，形成0.01mm厚的薄膜，为了避免后续高温处理中水分和酒精迅速蒸发导致薄膜产生裂纹的问题，将附着tio2溶胶薄膜的玻璃放入80℃的干燥箱干燥20min去除水分和酒精，最后放入500℃的马弗炉中烧结4h，冷却后制成tio2多孔膜；将ph识别分子结晶紫、百里香酚，温度识别分子十八烷基氨基甲酸乙酯、丁氧羰基氨基甲酸乙酯，湿度识别分子氯化铜、硫氰酸钴，氧气识别分子邻菲罗啉-fe(ⅱ)、n-邻苯氨基苯甲酸溶于氯仿(识别分子为紫薯、黑米、蓝莓、桑葚等天然花青素时则溶于蒸馏水)，投入喷墨打印机的墨盒中，在打印电压为27v、喷嘴温度为20℃、点间距为120μm、打印层数为4层的条件下，以2×4阵列排布的形式以直径2mm的圆点图案打印于tio2纳米多孔膜基底上得半成品，在室温下干燥得阵列传感器芯片；在应用多光谱相机获取相应图像以及光谱数据前需要进行预处理，确定相机的输出量值与真实值之间的定量关系，具体如下：(1)光谱定标：本专利采用的多光谱相机包含8个并行光学通道，属于窄带滤光片型多光谱成像系统；对各个光谱通道进行定标确定各个波段的中心波长，在各个需要进行定标的波段以一定步长扫描输出单色光，通过比较分析单色仪的输出信号与测量信号的波长位置与曲线形状，可确定每个波段的波长位置，如表1所示。表1八通道多光谱相机各波段中心波长(带宽15nm)波段编号中心波长波段编号中心波长band_1365nmband_5610nmband_2405nmband_6660nmband_3450nmband_7770nmband_4517nmband_8940nm(2)色彩校正：多光谱相机各波段灰度值代表的是入瞳处辐亮度与对应波段在传感器上的光谱响应曲线的卷积结果，由于多光谱相机图像传感器光谱响应性能与国际照明委员会颜色匹配函数并不一致，因此所合成的彩色图像并不能反应物体的真实色彩，从而需要采取白平衡法进行色彩的校正。gk＝mean(mean(i1),mean(i2),…mean(i9))/mean(ik)其中，k＝1,2,3…8为波段数，mean为求均值，i为图像灰度，gk为各通道增益系数。(3)平场校正：由于传感器各像元响应不一致，呈现出不均匀性、固定的图像背景噪声以及探测器表面存在灰尘等，当相机对灰度均匀的目标进行成像时，各个像素点的灰度值往往会有一定的差异，从而需要采用两点校正法进行平场正。首先遮蔽镜头，调整相机参数(曝光时间、增益、采样方式等)，并保证设置不变，获得暗场图像fd(x,y)。fd(x，y)＝ki(x,y)t+boff其中i(x,y)为当前工作条件下的暗电流，t为曝光时间，k为转换关系，boff为图像的偏移系数。随后在获得均匀光照情况下，对着标准白板进行拍摄获得明场图像fl(x,y)。fl(x,y)＝η(x,y)lo+ki(x,y)t+boff其中η(x,y)为各像素的响应率，lo为入射光的光照量，i(x,y)为当前工作条件下的暗电流，t为曝光时间，k为转换关系，boff为图像的偏移系数。用明场图像减去暗场图像，则被用于校正的图像f(x,y)为：其中fd(x,y)为暗场图像，fl(x,y)为明场图像，lo为入射光的光照量，l(x,y)为校正时的光照量。(4)图像配准：不同波段的图像在相同内容位置上都会存在偏离，首先选择某一波段的图像为基准图像，令其余波段的图像为浮动图像，然后对浮动图像做一定的几何变换，使其和基准图像中的相同内容在空间位置上达到一致。基于阵列传感器芯片的便携式多光谱成像装置应用于判别发酵醋醅各理化指标，具体的检测方法如下：(1)：将制备的阵列传感器芯片8置于便携式多光谱成像装置中，通过暗箱通孔2识别醋醅发酵过程中的各理化指标，相隔24h采集对应的阵列传感器芯片8的几何图像以及光谱图像，通过分析处理判别其理化指标，所述理化指标包括总酸、ph、水分、温度、氧气；(2)：打开照明光源4，将便携式多光谱相机6通过usb连接线与计算机3电性连接，通过计算机3启动多光谱应用软件，并检查连接情况；(3)：多光谱应用软件正常启动后，便携式多光谱相机进入初始化阶段，待初始化完成后，可在界面根据环境、检测对象设置所需工作波段的范围为400-1100nm、曝光时间为0.04s、光谱分辨率为5nm、数字增益为0-24db；(4)：首次拍照存储光谱图像前，需在拍摄条件确定后，将白板置于目标物位置，点击“校正”按键，从而校正系统参数(校正期间屏幕其他操作会被锁定)；校正完成后即可获取准确的定标参数，多光谱应用软件会自动设置各个通道拍摄时的曝光时间、光谱分辨率、数字增益参数，避免出现图像太暗或者过曝光情况，后期也可根据实际情况进行人工微调；(5)：数据采集可分为单次拍摄单通道图像和连续拍摄整个检测波长范围内图像两种方式，检测波长范围具体为400-1100nm，；单次拍摄时可手动设置界面上曝光时间为0.04s、光谱分辨率为5nm、数字增益范围为0-24db，点击“开始”按钮即可采集阵列传感器芯片的几何图像与光谱图像；而连续拍摄功能则是软件按照白板校正时设置的各波长通道拍摄参数自动完成采集，涵盖可见及近红外光区域，在采集过程中不能人为设置相关参数。点击“开始”按钮即可获取全波段的几何图像与光谱图像，波长间隔为10nm。分别提取每个发酵阶段的光谱信息进行分析，可比较不同阶段获取的光谱图像，各波数对应的峰即可反应不同的基团物质。随后对获取的阵列传感器芯片的几何图像与光谱图像进行进一步处理，针对不同的检测信号对象特征提取后结合化学计量学方法进行建模分析。提取每一波长下的图像或每一像素点的光谱信息，借助预处理算法pca、ica、svd对图像进行特征图像提取及光谱特征提取，然后针对相应检测对象(包括理化指标总酸、ph、水分、温度、氧气)分别建立相应定量或定性模型，通过采集样品光谱信号，利用已建立的定量或定性模型实现检测对象内部成分或含量信息的预测。采用bp-ann模型，融合指示ph、水分、温度、氧气的信号分子信息进行建模分析，将pca分析后的10个pc作为bp-ann模型的输入量，以2-10个不同的主成分数作为bp神经网络的输入来优化模型，结果如表2所示，输入前7个pcs所建的分类模型校正集和预测集的识别率分别为93.75％和91.25％，主成分数最少、识别率最高，因此为最优模型。而发酵阶段一般分为接种、提热、过杓和露底四个阶段，每个阶段的天数是动态变化的，利用融合技术结合bp-ann模型可实时判别动态发酵阶段。表2不同主成分数对不同发酵阶段bp-ann分类结果的影响任意波段图像都可以*.jpg、*.bmp、*.raw等多种格式保存下来，便于后期的离线分析及处理。并且，采集到的几何图像与光谱图像数据可以上传至云服务器，云服务器会判断是否存在相应模型；存在则会在数据完成后保存至历史记录，方便后期的查找调用；若无，则会通知用户目前未建立该检测对象模型；同时，后台也将实时收集相关信息，逐步扩充不同检测对象模型数据库。说明：以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案；因此，尽管本说明书参照上述的各个实施例对本发明已进行了详细的说明，但是本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换；而一切不脱离本发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围内。当前第1页12