本发明属于光谱领域的一种物质含量检测方法,具体涉及了一种光源特征谱线-成分吸收匹配原理的检测精度提高方法。
背景技术:
1、光谱领域是研究物质(固体、液体、气体)与辐射之间相互作用的科学领域。物质含量检测是光谱领域的重要研究方向之一,它通过分析不同波长光在物质中的相互作用来确定物质的成分或浓度。物质含量检测在许多领域都具有重要性。首先,在环境监测中,物质含量检测可以帮助监测大气、水体及土壤中的有害物质,实现快速准确的污染物检测。其次,在工业生产过程中,物质含量检测可以实时监测原料、中间产物和最终产品的成分,确保产品质量和生产过程的稳定性。此外,物质含量检测在医药、食品安全、农业等领域也具有重要应用,帮助实现药物质量控制、食品成分分析、农作物施肥等方面的需求。
2、现有对物质含量的光谱检测方法主要包括可见/近红外光谱、高光谱成像、多光谱、荧光光谱、拉曼光谱、太赫兹光谱、超光谱成像以及光纤光谱等,尽管这些方法均能通过与已知物质的光谱特征比对确定未知物质的含量,实现对物质含量的检测,然而几乎所有这些方法对物质含量检测的精度均有限,其根本原因是未能准确捕捉表征物质特征的关键信息。
技术实现思路
1、为了弥补现有物质含量光谱检测方法精度有限的不足,本发明提出了一种光源特征谱线-成分吸收匹配原理的检测精度提高方法。本发明能够打破现有物质含量光谱检测方法存在的局限,提供更高的检测精度,并且不局限于特定光源和特定待测物质,普适性强。
2、本发明的技术方案是:
3、一、一种光源特征谱线-成分吸收匹配原理的检测精度提高方法
4、s1:确定待测物质的主要成分,再根据主要成分确定其分子结构、官能团组成以及光谱-结构,得到待测物质中主要成分的特征吸收;
5、s2:根据待测物质中主要成分的特征吸收,选择目标光源;
6、s3:利用目标光源获取待测物质的强度光谱,将待测物质的强度光谱输入到已训练好的预测模型中,输出待测物质的含量检测结果。
7、所述s1具体为:
8、s1.1:根据现有物质组分构成理论与检测方法确定待测物质的各主要成分,结合化合物的分子组成研究与光谱学知识确定各主要成分对应的分子结构和官能团组成,并且利用波谱解析方法确定各主要成分的光谱-结构;
9、s1.2:通过将官能团组成、光谱-结构与已知的特征波长比对,确定待测物质中主要成分的特征吸收。
10、所述s2具体为:
11、s2.1:利用光谱仪测定光源,得到光源的强度光谱,进而确定光源的特征谱线;
12、s2.2:在具有特征谱线的光源作用下,利用光谱仪采集待测物质各主要成分的吸收光谱,再确定待测物质中主要成分的光源特征谱线-特征吸收;
13、s2.3:计算待测物质中主要成分的特征吸收与光源特征谱线-特征吸收的匹配结果,若匹配结果满足条件,则将当前光源作为目标光源,否则根据匹配结果调整光源,直至匹配结果满足条件,获得目标光源。
14、所述s3具体为:
15、s3.1:待测物质在具有特征谱线的光源作用下,利用光谱仪采集待测物质的强度光谱;
16、s3.2:将待测物质的强度光谱输入到已训练好的预测模型中,输出待测物质的含量检测结果。
17、所述光谱仪为波长范围能覆盖光源波长范围的光谱仪。
18、所述s3.2中,预测模型为通过化学计量学、机器学习或深度学习方法建立的模型。
19、二、一种计算机设备
20、所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现所述方法的步骤。
21、三、一种计算机可读存储介质
22、所述介质上存储有计算机程序,所述计算机程序被处理器执行时实现所述的方法的步骤。
23、四、一种计算机程序产品
24、所述产品包括计算机程序/指令,该计算机程序/指令被处理器执行时实现所述方法的步骤。
25、本发明的有益效果是:
26、1)本发明使用的与待测物质中主要成分特征吸收相匹配的特征谱线光源,能够提高信噪比,增强检测灵敏度。
27、2)本发明能够打破现有物质含量光谱检测方法存在的局限,提供更高的检测精度。
28、3)本发明不局限于特定光源和特定待测物质,对满足特征谱线-成分特征吸收匹配条件的光源与待测物质均可适用,普适性强。
1.一种光源特征谱线-成分吸收匹配原理的检测精度提高方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种光源特征谱线-成分吸收匹配原理的检测精度提高方法,其特征在于,所述s1具体为:
3.根据权利要求1所述的一种光源特征谱线-成分吸收匹配原理的检测精度提高方法,其特征在于,所述s2具体为:
4.根据权利要求1所述的一种光源特征谱线-成分吸收匹配原理的检测精度提高方法,其特征在于,所述s3具体为:
5.根据权利要求4所述的一种光源特征谱线-成分吸收匹配原理的检测精度提高方法,其特征在于,所述光谱仪为波长范围能覆盖光源波长范围的光谱仪。
6.根据权利要求1所述的一种光源特征谱线-成分吸收匹配原理的检测精度提高方法,其特征在于,所述s3.2中,预测模型为通过化学计量学、机器学习或深度学习方法建立的模型。
7.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至6中任一项所述方法的步骤。