技术领域
[0001] 本实用新型涉及频谱分析技术领域，尤其涉及一种光谱分析系统。
相关背景技术
[0002] 光谱仪是指使复色光通过棱镜或光栅分解为光谱，并进行记录的精密光学仪器。
[0003] 现有的光谱仪主要由准光镜系统、色散系统和摄谱(或望远镜)物镜系统组成。利用光谱仪可测量物体表面反射的光线。通过光谱仪对光信息的抓取、或电脑化自动显示数值仪器的显示和分析，从而测知物品中含有何种元素。
[0004] 光谱仪在各行各业都得到广泛应用，特别在医疗领域也被用于分析和测量与各类疾病相关的物质成分和浓度。然而市面上光谱仪价格比较昂贵，难以在消费市场得到普及。实用新型内容
[0005] 为克服上述缺陷，本实用新型旨在提供一种光谱分析系统及方法，采用LED阵列扫描实现对光谱信号的采集，进而实现物质成分和浓度的光谱检测；成本低、操作便捷，适合在消费市场普及应用。
[0006] 为达到上述目的，本实用新型采用的技术方案如下：
[0007] 一种光谱分析系统，包括：
[0008] Led阵列，所述Led阵列包括若干个不同波长的led；
[0009] 样品池，所述样品池用于装载样品；
[0010] 非球面透镜，所述非球面透镜用于将Led发出的光在横向和纵向进行准直后照射样品；
[0011] 光电探测器，所述光电探测器用于接收来自样品的光线；
[0012] 所述Led阵列和/或样品池配置有运动机构，用于实现Led阵列和样品池之间的相对运动；
[0013] 控制单元，所述控制单元与光电探测器电连接，所述运动机构受控于控制单元，所述Led受控于控制单元，控制单元固化有数据处理模块，所述数据处理模块用于光谱分析。
[0014] 优选的，所述光电探测器有两个，两个光电探测器的工作波长不同，两个光电探测器并列布置，两个光电探测器总的工作波长覆盖所有Led的波长。
[0015] 优选的，所述样品池、光电探测器的相对位置固定，所述运动机构为：
[0016] 所述若干个不同波长的led周向布置，所述Led阵列或者样品池、光电探测器设于转动机构，所述转动机构的驱动电机受控于控制单元；
[0017] 或者，若干个不同波长的led呈矩阵布置，所述Led阵列或者样品池、光电探测器设于线性运动机构上，所述线性运动机构的驱动电机受控于控制单元。
[0018] 优选的，所述控制模块包括微处理器，所述光电探测器的输出连接放大电路的输入，所述放大电路的输出连接AD转换器的输入，所述AD转换器的输出连接微处理器，所述微处理器连接显示模块。
[0019] 进一步的，所述Led连接led驱动电路，所述led驱动电路连接开关切换电路，所述开关切换电路、led驱动电路均受控于微处理器。
[0020] 进一步的，该种光谱分析系统还包括用于放置样品的样品池，所述样品池位于Led阵列与光电探测器之间。
[0021] 本实用新型还公开了适用于该种光谱分析系统的光谱分析方法，用于检测样品的物质浓度，包括扫描方法和数据处理方法，所述扫描方法包括以下方式中的至少一种：
[0022] 旋转扫描，通过转动led阵列实现；
[0023] 线性扫描，通过线性移动led阵列实现；
[0024] 样品池移动扫描，通过转动或者线性移动东样品池、光电探测器实现。
[0025] 优选的，所述数据处理方法包括以下步骤：
[0026] a、将经过每个led照射获得的数字化值进行累加取平均值获得光谱数据，所述数字化值是led照射样品时，光电探测器输出的电信号经过AD转换后的值；
[0027] b、将光谱数据进行归一化处理；
[0028] c、将归一化处理后的光谱数据输入以样品中特定物质为目标值的深度网络回归模型，所述深度网络回归模型的输出为所述特定物质的浓度；所述深度网络回归模型是通过学习训练得到的。
[0029] 优选的，所述深度网络回归模型包括神经网络，所述神经网络由N层结构组成，前N‑1层用于提取LED光谱的深度特征，第N层用于对提取的特征进行回归计算得到物质浓度值；
[0030] 所述提取LED光谱的深度特征采用式(1)：
[0031] xl+1＝f(wlxl+bl) (1)
[0032] 其中，xl是第l层的输入信号，xl+1是第l层的输出信号，即第l+1层的输入；wl和bl是第l层的权重矩阵和偏值，f是激活函数，激活函数采用Leaky‑ReLu非线性函数；
[0033] 所述回归计算采用式(2)：
[0034]
[0035] 其中：Y是计算得到的物质浓度值，wN是最后一层的权重矩阵，xN是前N‑1层提取出N的LED光谱的非线性特征，b是回归模型的偏值。
[0036] 优选的，所述神经网络的反向传播损失函数为均方根误差，如式(3)：
[0037]
[0038] 其中：n是训练集总样本数，Yi是实际测得的第i个物质浓度样本， 是对应物质浓度的预测值。
[0039] 优选的，所述数字化值是通过转动台将所有led依次转动至样品处对样品照射得到的。
[0040] 本实用新型的工作原理如下：
[0041] 控制模块对整个系统的工作时序和流程进行控制，具体步骤如下：1)控制模块发送指令到电机驱动电路，电路会驱动电机旋转一个角度；2)控制模块发送两路指令到LED光源阵列，一路指令用于切换开关电路，一路指令用于触发LED驱动电路去点亮LED光；3)重复步骤1)和步骤2)，使所有波长的LED光源完成扫描和数据采集，即得到LED光谱数据。
[0042] 本实用新型的有益效果如下：
[0043] 1、本实用新型采用LED阵列扫描实现对光谱信号的采集，进而实现物质成分和浓度的光谱检测；成本低、操作便捷，适合在消费市场普及应用。
[0044] 2、本实用新型采用深度网络回归模型进行光谱分析，智能化程度高。
[0045] 3、本实用新型采用LED阵列以及两个光电探测器，频率范围宽。
具体实施方式
[0050] 为了使本实用新型的目的、技术方案及优点更加清楚明白，以下结合附图，对本实用新型进行进一步详细说明。
[0051] 实施例1
[0052] 本实施例公开一种光谱分析系统，如图1所示，包括Led阵列、非球面透镜、样品次、光电探测器以及控制单元，其中：
[0053] Led阵列包括若干个不同波长的led，若干个不同波长的led周向布置；
[0054] 样品池用于装载样品；
[0055] 非球面透镜用于将Led发出的光在横向和纵向进行准直后照射样品；
[0056] 光电探测器，光电探测器用于接收来自样品的光线；
[0057] 控制单元，控制单元与光电探测器电连接，Led受控于控制单元，控制单元固化有数据处理模块，数据处理模块用于光谱分析。
[0058] 若干个不同波长的led周向布置，Led阵列或者样品池、光电探测器设于转动机构，用于驱动转动机构的旋转扫描电机受控于控制单元。
[0059] 本实施例具体包括电控扫描电机，LED光源阵列，样品池，光电探测器、放大电路、AD转换电路，微处理器及显示模块，电机驱动电路。
[0060] 本实施例的电控扫描模式为旋转扫描，旋转扫描用于带动LED光源阵列或者样品池转动实现旋转扫描。
[0061] LED光源阵列由多个不同波长的LED、非球面透镜、LED驱动电路、开关切换电路等组成。非球面透镜用于将LED在横向和纵向进行准直，降低光子在样品池中散射的影响并使光能量更加集中。
[0062] 光电探测器用于探测经过样品池后的光能量，其波长带宽覆盖LED光源阵列的波长范围。当LED光源阵列数量较大，波长范围会非常宽，单个光电探测器无法覆盖整个波长范围，故本实施例使用两个光电探测器并列排放，实现对LED光谱的采集。
[0063] 微处理器和显示模块主要由数据处理模块和系统控制模块两部分组成，数据处理模块主要用于对AD转换器传入进来的数据进行预处理和建模，系统控制模块主要用于对整个系统工作的时序和流程进行控制。
[0064] 如图2所示，Led阵列周向布置，LED驱动电路2用于对每个LED1进行驱动发射光线，而开关切换电路用于对不同LED进行选通和切断的控制。
[0065] 实施例2
[0066] 本实施例公开另一种光谱分析系统，用于实现线性扫描，如图3、图4所示，本实施例与实施例1的区别在于：
[0067] 若干个不同波长的led呈单列线性布置，Led阵列或者样品池、光电探测器设于线性运动机构，用于驱动线性运动机构的线性扫描电机受控于控制单元。
[0068] 本实施例的电控扫描模式为线性扫描，线性扫描电机用于带动LED阵列或者样品池线性移动实现线性扫描。
[0069] 本实施例的其他部分与实施例1相同，故不赘述。
[0070] 实施例3
[0071] 在实施例1、2的基础上，本实施例公开了一种适用于该种光谱分析系统的光谱分析方法，用于检测样品的物质浓度，包括扫描方法和数据处理方法，扫描方法包括以下方式中的至少一种：
[0072] 旋转扫描，通过转动led阵列实现；
[0073] 线性扫描，通过线性移动led阵列实现；
[0074] 样品池移动扫描，通过转动或者线性移动东样品池、光电探测器实现。
[0075] 数据处理方法具体如下：
[0076] 数据处理模块包含三部分工作，第一：将每个LED信号经AD转换器传入进来的数字化信号进行累加取平均值，累积消除噪声，提高信噪比；第二：将所得LED光谱数据进行归一化处理；第三：将LED光谱数据作为深度网络回归模型的输入，并以样品中某实际物质浓度作为目标值，进行学习训练进而得到该物质的深度模型，用于对该物质浓度进行检测。
[0077] 深度网络回归模型共由N层结构组成，前N‑1层用于提取LED光谱的深度特征，第N层用于对提取的特征进行回归计算得到物质浓度值，本文根据样本数据仿真得到N值最佳参数为6。特征提取步骤如方程(1)所示：
[0078] xl+1＝f(wlxl+bl) (1)
[0079] 其中xl是第l层的输入信号，xl+1是第l层的输出信号，即第l+1层的输入；wl和bl是第l层的权重矩阵和偏值，f是激活函数。
[0080] 本实施例使用Leaky‑ReLu非线性函数作为激活函数。对提取到的LED光谱特征按式(2)进行回归计算：
[0081]
[0082] 其中Y是计算得到的物质浓度值，wN是最后一层的权重矩阵，xN是前N‑1层提取出的NLED光谱信号的非线性特征，b 是回归模型的偏值。方程(2)并没有激活函数，因为它是最后一层的回归计算。我们使用网络预测的物质浓度值和实际测得的浓度值之间的残差来对网络模型参数进行调优。神经网络的反向传播损失函数定义为均方根误差，如式(3)所示：
[0083]
[0084] 其中n是训练集总样本数，Yi是实际测得的第i个物质浓度样本，是对应物质浓度的预测值。利用反向传播算法迭代运算使损失函数最小化并收敛，得到神经网络模型的各层权重矩阵和偏值，用于检测样品物质浓度值。
[0085] 系统控制模块用于对整个系统的工作时序和流程进行控制，具体步骤如下：1)控制模块发送指令到电机驱动电路，电路会驱动电机旋转一个角度；2)控制模块发送两路指令到LED光源阵列，一路指令用于切换开关电路，一路指令用于触发LED驱动电路去点亮LED光；3)重复1)步骤和2)步骤，使所有波长的LED光源完成扫描和数据采集，即得到LED光谱数据。
[0086] 当然，本实用新型还可有其它多种实施例，在不背离本实用新型精神及其实质的情况下，熟悉本领域的技术人员可根据本实用新型作出各种相应的改变和变形，但这些相应的改变和变形都应属于本实用新型所附的权利要求的保护范围。
