本發(fā)明屬于光譜成像，具體而言，涉及一種實時在線探頭式成像拉曼耦合方法、介質(zhì)及系統(tǒng)。

背景技術(shù)：

1、顆粒物分析在工業(yè)生產(chǎn)、環(huán)境監(jiān)測等諸多領(lǐng)域都有廣泛應(yīng)用。不同工藝過程及環(huán)境中會產(chǎn)生各種類型和尺度的顆粒,對這些顆粒物的形貌特征、粒徑分布以及成分含量等進(jìn)行實時在線監(jiān)測,對于優(yōu)化工藝參數(shù)、評估污染程度、預(yù)防環(huán)境風(fēng)險等都具有重要意義。

2、顆粒物質(zhì)的形貌特征(包括顆粒的大小，長徑比，圓度等)對顆粒物質(zhì)的使用，包裝，運(yùn)輸?shù)葧鸬街匾淖饔?。同時，顆粒物質(zhì)的物性特征(包括化學(xué)成分，晶型等)對顆粒物質(zhì)也是極其關(guān)鍵。在顆粒的生產(chǎn)過程種顆粒的物性特征和形貌特征并非一成不變，而是對外界條件十分依賴。例如，在藥物結(jié)晶過程中，晶體顆粒的形貌和大小會隨著結(jié)晶條件(溫度，攪拌等)的變化而變化。同樣，在藥物結(jié)晶過程中，晶體顆粒的晶型也會隨結(jié)晶條件的變化而不同。在化學(xué)合成中，合成物是那種化學(xué)物質(zhì)其形貌如何都是重要的結(jié)果。目前，對顆粒的形貌測量方法有很多，如顯微鏡，sem等；對顆粒的物性特征的測量方法也很多，如紅外、拉曼光譜等。但是現(xiàn)有的檢測手段往往都是單一模式的檢測，存在準(zhǔn)確度不夠的技術(shù)問題。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明提供一種實時在線探頭式成像拉曼耦合方法、介質(zhì)及系統(tǒng)，能夠解決現(xiàn)有的檢測手段往往都是單一模式的檢測，存在準(zhǔn)確度不夠的技術(shù)問題。

2、本發(fā)明是這樣實現(xiàn)的：

3、本發(fā)明提供一種實時在線探頭式成像拉曼耦合方法，包括以下步驟：

4、s10、實時采集通過成像拉曼耦合探頭依次先后獲取的待測物質(zhì)的顆粒圖像和拉曼光譜數(shù)據(jù)；

5、s20、對所述顆粒圖像進(jìn)行實時處理，在0.1秒內(nèi)完成顆粒的形貌特征和粒徑分布的計算，所述形貌特征至少包括粒度、長徑比、圓度、鈍度；同步處理拉曼光譜數(shù)據(jù)，提取待測物質(zhì)的特征峰；

6、s30、采用預(yù)設(shè)的拉曼光譜分析模型輸入所述特征峰，輸出所述待測物質(zhì)的顆粒含量；

7、s40、將所述顆粒圖像、形貌特征、粒徑分布以及拉曼光譜和顆粒含量數(shù)據(jù)實時存儲到數(shù)據(jù)庫。

8、其中，所述成像拉曼耦合探頭包括成像光源、相機(jī)、拉曼激光設(shè)備。

9、進(jìn)一步的，所述通過成像拉曼耦合探頭依次先后獲取，具體是：

10、首先，進(jìn)入圖像采集模式，成像光源開啟，同步觸發(fā)相機(jī)進(jìn)行圖像捕捉，捕捉時間控制在0.01ms以內(nèi)，實現(xiàn)圖像采集，得到顆粒圖像；

11、圖像采集完畢后，關(guān)閉成像光源和相機(jī)，開啟拉曼光譜采集模式，開啟拉曼激光，進(jìn)行拉曼光譜采集；

12、拉曼光譜采集完成后，再次切換回圖像采集模式，循環(huán)執(zhí)行上述步驟。

13、進(jìn)一步的，所述粒徑分布的計算步驟，具體是：

14、對圖像進(jìn)行二值化處理，分離出顆粒輪廓；

15、計算每個顆粒的等效圓直徑；

16、將所有顆粒按等效圓直徑大小進(jìn)行分組；

17、計算每組顆粒的數(shù)量占總顆粒數(shù)的百分比；

18、繪制粒徑分布曲線，橫坐標(biāo)為顆粒輪廓的等效圓直徑，縱坐標(biāo)為顆粒數(shù)量占總顆粒數(shù)的累積百分比。

19、其中，所述拉曼光譜分析模型，采用改進(jìn)的多分支的深度學(xué)習(xí)結(jié)構(gòu)，以減小噪聲和基線漂移造成的影響，包括大特征峰子網(wǎng)絡(luò)、小特征峰子網(wǎng)絡(luò)以及融合子網(wǎng)絡(luò)。

20、進(jìn)一步的，所述大特征峰子網(wǎng)絡(luò)：用于處理光譜中的主要特征峰；輸入是經(jīng)過預(yù)處理的拉曼光譜數(shù)據(jù)；輸出是大特征峰的位置和強(qiáng)度信息；結(jié)構(gòu)是多層1d卷積網(wǎng)絡(luò)，包含殘差連接和注意力機(jī)制；

21、所述小特征峰子網(wǎng)絡(luò)：用于處理光譜中的次要特征峰；輸入是經(jīng)過預(yù)處理的拉曼光譜數(shù)據(jù)；輸出是小特征峰的位置和強(qiáng)度信息；結(jié)構(gòu)是多層1d卷積網(wǎng)絡(luò)，包含膨脹卷積和通道注意力機(jī)制；

22、所述融合子網(wǎng)絡(luò)：用于整合大特征峰和小特征峰的信息，輸出最終的顆粒含量預(yù)測；輸入是大特征峰子網(wǎng)絡(luò)和小特征峰子網(wǎng)絡(luò)的輸出；輸出是待測物質(zhì)的顆粒含量預(yù)測；結(jié)構(gòu)是多層全連接網(wǎng)絡(luò)，包含dropout層和批歸一化。

23、這個模型是對傳統(tǒng)單一網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)，通過分別處理大特征峰和小特征峰來提高模型對不同強(qiáng)度特征的識別能力。融合子網(wǎng)絡(luò)則綜合考慮兩種特征峰的信息，做出更準(zhǔn)確的顆粒含量預(yù)測。

24、進(jìn)一步的，大特征峰和小特征峰的閾值范圍具體是：大特征峰為相對強(qiáng)度大于等于基線強(qiáng)度30％的特征峰；小特征峰為相對強(qiáng)度在基線強(qiáng)度的5％到30％之間的特征峰。

25、這種多分支結(jié)構(gòu)允許模型更好地適應(yīng)拉曼光譜數(shù)據(jù)的特點，同時考慮到不同強(qiáng)度的特征峰，提高分析的準(zhǔn)確性和魯棒性。大特征峰子網(wǎng)絡(luò)專注于捕捉主要的光譜特征，而小特征峰子網(wǎng)絡(luò)則能夠識別和處理那些可能被忽視但同樣重要的次要特征。融合網(wǎng)絡(luò)則整合這兩種信息，做出綜合的判斷。這個改進(jìn)的模型結(jié)構(gòu)應(yīng)該能夠更好地處理拉曼光譜中的各種特征峰，從而提高顆粒含量預(yù)測的準(zhǔn)確性。

26、其中，所述形貌特征的計算，采用預(yù)先設(shè)置的形貌特征模型，所述形貌特征模型采用yolox模型或改進(jìn)的yolox模型。

27、所述改進(jìn)的yolox模型，具體是在原有yolox模型基礎(chǔ)上作出如下改進(jìn)：

28、在dark3、dark4、dark5的多個殘差結(jié)構(gòu)前添加cbam注意力機(jī)制；

29、在neck與head之間添加自適應(yīng)特征融合(asff)模塊；

30、引入可變形卷積(deformable?convolution):在dark3、dark4、dark5的最后一個卷積層替換為可變形卷積,以增強(qiáng)模型對不同粒度和顆粒形狀的適應(yīng)能力；

31、增加特征金字塔網(wǎng)絡(luò)(feature?pyramid?network，簡稱fpn):在neck部分引入fpn結(jié)構(gòu),更好地融合不同尺度的粒度、長徑比、圓度、鈍度的特征；

32、添加空間金字塔池化(spatial?pyramid?pooling，簡稱spp):在backbone和neck之間添加spp模塊,增強(qiáng)模型對不同粒度目標(biāo)的感知能力；

33、引入幻影卷積(ghost?convolution):在部分標(biāo)準(zhǔn)卷積層替換為ghost卷積,減少計算量的同時保持模型性能。

34、可選的，還包括使用mish激活函數(shù):將任選部分relu激活函數(shù)替換為mish激活函數(shù),提高模型的非線性表達(dá)能力。

35、其中,所述步驟s10,具體包括:首先進(jìn)入圖像采集模式,開啟成像光源,同步觸發(fā)相機(jī)進(jìn)行圖像捕捉。為了實現(xiàn)實時性,相機(jī)的曝光時間控制在0.01毫秒以內(nèi),可以很快捕獲到顆粒的靜態(tài)圖像,不會因為顆粒的運(yùn)動造成圖像模糊。通過這種方式,可以獲取待測物質(zhì)的高清晰度顆粒圖像。圖像采集完成后,關(guān)閉成像光源和相機(jī),開啟拉曼光譜采集模式,開啟拉曼激光進(jìn)行拉曼光譜數(shù)據(jù)的采集。拉曼光譜采集完成后,再次切換回圖像采集模式,循環(huán)執(zhí)行上述步驟。這樣可以交替地獲取顆粒的形態(tài)圖像和拉曼光譜數(shù)據(jù),實現(xiàn)實時、高效的數(shù)據(jù)采集。

36、其中,所述步驟s20的具體步驟包括:對獲取的顆粒圖像進(jìn)行實時處理,在0.1秒內(nèi)完成顆粒形貌特征的計算。形貌特征包括粒度、長徑比、圓度、鈍度等參數(shù)。這需要使用高效的計算算法,如改進(jìn)的yolox模型,可以在0.1秒內(nèi)完成這些特征的提取和計算。與此同時,還需要對采集的拉曼光譜數(shù)據(jù)進(jìn)行預(yù)處理,去除噪聲和基線漂移等干擾,提取出可用的光譜特征數(shù)據(jù)。這為后續(xù)的光譜分析奠定基礎(chǔ)。

37、其中,所述步驟s30采用了一種改進(jìn)的多分支深度學(xué)習(xí)模型。該模型包括大特征峰子網(wǎng)絡(luò)、小特征峰子網(wǎng)絡(luò)以及融合子網(wǎng)絡(luò)三部分。大特征峰子網(wǎng)絡(luò)用于處理光譜中相對強(qiáng)度大于等于基線強(qiáng)度30％的主要特征峰,小特征峰子網(wǎng)絡(luò)則針對相對強(qiáng)度在5％到30％之間的次要特征峰進(jìn)行處理。融合子網(wǎng)絡(luò)則綜合考慮兩種不同強(qiáng)度特征峰的信息,做出最終的顆粒含量預(yù)測。這種多分支結(jié)構(gòu)可以更好地適應(yīng)不同強(qiáng)度特征峰的識別,提高模型的準(zhǔn)確性和魯棒性。將預(yù)處理后的拉曼光譜數(shù)據(jù)輸入到上述改進(jìn)的拉曼光譜分析模型中,模型可以輸出待測物質(zhì)的顆粒含量。

38、其中,所述步驟s40包括:將上述獲取的顆粒圖像、形貌特征參數(shù)(粒度、長徑比、圓度、鈍度)、粒徑分布數(shù)據(jù),以及拉曼光譜數(shù)據(jù)和預(yù)測的顆粒含量,實時存儲到數(shù)據(jù)庫中。這樣可以為后續(xù)的數(shù)據(jù)分析和應(yīng)用提供支持。整個過程都是實時進(jìn)行的,從數(shù)據(jù)采集、特征計算、光譜分析到數(shù)據(jù)存儲,都能夠在很短的時間內(nèi)完成。這要求系統(tǒng)具有高效的數(shù)據(jù)處理能力,能夠在0.1秒內(nèi)完成所有計算和存儲操作,滿足實時性的要求。

39、進(jìn)一步的,所述成像拉曼耦合探頭包括成像光源、相機(jī)以及拉曼激光設(shè)備。通過開啟不同設(shè)備,可以交替地獲取顆粒圖像和拉曼光譜數(shù)據(jù),實現(xiàn)實時、高效的多模態(tài)數(shù)據(jù)采集。成像光源用于提供照明,相機(jī)用于捕獲顆粒的靜態(tài)圖像,拉曼激光設(shè)備則用于激發(fā)顆粒的拉曼光譜。三者協(xié)同工作,確保了數(shù)據(jù)采集的完整性和高時間分辨率。

40、本發(fā)明的第二方面提供一種計算機(jī)可讀存儲介質(zhì)，其中，所述計算機(jī)可讀存儲介質(zhì)中存儲有程序指令，所述程序指令運(yùn)行時，用于執(zhí)行上述的一種實時在線探頭式成像拉曼耦合方法。

41、本發(fā)明的第三方面提供一種實時在線探頭式成像拉曼耦合系統(tǒng)，其中，包含上述的計算機(jī)可讀存儲介質(zhì)。

42、與現(xiàn)有技術(shù)相比較，本發(fā)明提供的一種實時在線探頭式成像拉曼耦合方法、介質(zhì)及系統(tǒng)的有益效果是：采用成像-拉曼交替采集的模式,通過成像拉曼耦合探頭實時獲取待測顆粒的高清圖像和拉曼光譜數(shù)據(jù)。

43、在圖像處理方面,本發(fā)明使用了一種改進(jìn)的目標(biāo)檢測算法yolox,可以在0.1秒內(nèi)快速完成顆粒的粒度、長徑比、圓度、鈍度等形貌特征的提取和計算。這大大提高了分析效率,滿足了實時監(jiān)測的需求。

44、在拉曼光譜分析方面,本發(fā)明提出了一種多分支深度學(xué)習(xí)模型,能夠更好地識別和處理光譜中的主要特征峰和次要特征峰,從而提高對顆粒成分的預(yù)測準(zhǔn)確性。融合子網(wǎng)絡(luò)則將兩種特征信息綜合考慮,做出最終的顆粒含量判斷。

45、綜上所述，本發(fā)明解決了現(xiàn)有的檢測手段往往都是單一模式的檢測，存在準(zhǔn)確度不夠的技術(shù)問題。