一種有機物的檢測方法及其系統的制作方法
【專利摘要】本發(fā)明提供了一種有機物的檢測方法，包括：利用用戶的通信終端發(fā)送檢測指令給用戶端手持掃描設備；通過所述用戶端手持掃描設備對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端；用戶的通信終端將接收到的樣本數據上傳至云端服務器進行分析處理，并接收經過所述云端服務器分析處理后的結果。發(fā)明還提供一種有機物的檢測系統。本發(fā)明提供的技術方案可以實現固態(tài)有機物的漫反射光譜的快速采集和液態(tài)有機物的透射光譜的采集，利用云計算技術建立了檢測分析云引擎以及利用智能手機APP提供了顯示和操作界面，能對有機物質進行非接觸式快速檢測，而且提高了檢測數學模型的可維護性和擴展性，降低了用戶的使用成本。
【專利說明】
一種有機物的檢測方法及其系統
技術領域
[0001 ]本發(fā)明涉及檢測領域，尤其涉及一種有機物的檢測方法及其系統。
【背景技術】
[0002]分子光譜的產生來源于物質分子的振動，分析上常用于判斷分子的結構特征。近紅外分析和拉曼光譜分析是兩種典型的分子光譜分析方法，其共同特點是無需對檢測樣品進行復雜前處理，適合于現場快速檢測。拉曼光譜分析，尤其是成本相對低廉的便攜式拉曼光譜儀在現場定性分析中應用廣泛，而近紅外光譜分析則在定量分析中應用廣泛。
[0003]拉曼光譜的典型應用定性分析，如在海關、安檢、法檢上用于毒品、爆炸物、危險品等的排查;在制藥、藥學上用于原料藥、賦形劑等的檢測及真假鑒定;在聚合物、塑料上用于原材料、添加劑的檢測及次品、廢棄品篩選;在礦物、玉石、考古:成分分析及考古的現場鑒定和年代識別;在生物、醫(yī)學上做生物分子(如DNA)痕量分析等;在能源、化工領域的新材料結構分析及石油辛烷值測定等;在物理、化學研究上做實驗室反應監(jiān)控及組分結構分析等。
[0004]近紅外分析技術主要在石油化工、農產品、釀酒、藥物、乳制品品質分析等方面獲得了許多成功的應用。在石油化工領域，該方法可以用來測定燃料冰點、烴類化合物等;在農業(yè)領域用來分析糧食的水分、蛋白質等成分的含量;在釀酒工業(yè)中用于檢測酒精度、酒類的風味、釀酒原料品質等;制藥領域用于檢測藥品的主要成分含量和分析中藥原材料;在乳制品分析中用于牛奶、乳粉等主要成分含量，包括蛋白質、脂肪、乳酸等，測定和產品的摻假的鑒定。另外，近紅外在生物組織分析、釀醋、茶葉等方面也有應用。
[0005]目前，無論是拉曼光譜分析還是近紅外光譜分析，在其實際應用中均涉及兩大關鍵要素:儀器技術和建模技術。傳統的分子光譜應用模式中，由于分析儀器體積大、復雜度高且價格高，而且建模需要專業(yè)人士，因此只限于在行業(yè)中應用，而無法應用在大眾消費者的日常生活中，使得這種檢測分析手段的應用潛力得不到充分發(fā)揮。

【發(fā)明內容】

[0006]有鑒于此，本發(fā)明的目的在于提供一種有機物的檢測方法及其系統，旨在解決現有技術中由于儀器技術和建模技術的復雜度高且價格高而導致應用的局限性，無法在日常生活中大規(guī)模應用的問題。
[0007]本發(fā)明提出一種有機物的檢測方法，所述檢測方法包括:
[0008]利用用戶的通信終端發(fā)送檢測指令給用戶端手持掃描設備；
[0009]通過所述用戶端手持掃描設備對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端；
[0010]用戶的通信終端將接收到的樣本數據上傳至云端服務器進行分析處理，并接收經過所述云端服務器分析處理后的結果。
[0011]優(yōu)選的，所述利用用戶的通信終端發(fā)送檢測指令給用戶端手持掃描設備的步驟包括:
[0012]用戶登錄通信終端的檢測APP界面；
[0013]通過按所述檢測APP界面上的檢測按鈕發(fā)送檢測指令給用戶端手持掃描設備。
[0014]優(yōu)選的，所述通過所述用戶端手持掃描設備對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端的步驟包括:
[0015]通過所述用戶端手持掃描設備的光譜采集模塊對有機物待檢測樣品進行光譜掃描；
[0016]通過所述用戶端手持掃描設備的低功耗藍牙電路將得到的樣本數據發(fā)送至用戶的通信終端。
[0017]優(yōu)選的，所述用戶的通信終端將接收到的樣本數據上傳至云端服務器進行分析處理，并接收經過所述云端服務器分析處理后的結果的步驟包括:
[0018]用戶的通信終端接收預設數目的樣本數據并將包括全部預設數目的樣本數據封裝成JSON數組格式，其中，預設數目為1024個；
[0019]用戶的通信終端發(fā)送HTTP請求至所述云端服務器的超文本預處理網絡接口模塊；
[0020]所述云端服務器的超文本預處理網絡接口模塊根據所述HTTP請求接收用戶的通信終端發(fā)送過來的全部樣本數據，并判斷數據格式是否符合格式要求；
[0021 ]如果數據格式符合格式要求，則調用所述云端服務器的MATLAB算法模塊，并運行MATLAB以及執(zhí)行檢測算法；
[0022]所述云端服務器的MATLAB算法模塊根據提前訓練好的模型對全部樣本數據進行分析，并將分析結果反饋給所述云端服務器的超文本預處理網絡接口模塊；
[0023]所述云端服務器的超文本預處理網絡接口模塊將分析結果發(fā)送至用戶的通信終端。
[0024]另一方面，本發(fā)明還提供一種有機物的檢測系統，主要包括用戶的通信終端、用戶端手持掃描設備以及云端服務器，其中，
[0025]用戶的通信終端，用于發(fā)送檢測指令給用戶端手持掃描設備；
[0026]用戶端手持掃描設備，用于對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端，其中，用戶的通信終端將接收到的樣本數據上傳至所述云端服務器進行分析處理；
[0027]所述云端服務器，用于接收用戶的通信終端所上傳的樣本數據，并對所述樣本數據進行分析處理，以及將分析處理的結果返回至用戶的通信終端。
[0028]優(yōu)選的，所述用戶的通信終端包括檢測APP界面，用戶登錄所述檢測APP界面，通過按所述檢測APP界面上的檢測按鈕發(fā)送檢測指令給所述用戶端手持掃描設備。
[0029]優(yōu)選的，所述用戶端手持掃描設備包括:光源驅動電路、光譜采集模塊、控制電路、電腦通訊接口和低功耗藍牙電路，其中，
[0030]所述光源驅動電路為所述用戶端手持掃描設備的發(fā)光源提供驅動；
[0031]所述光譜采集模塊，用于采集有機物待檢測樣品的光譜數據；
[0032]所述控制電路，用于連接并控制所述光源驅動電路、所述光譜采集模塊、電腦通訊接口和低功耗藍牙電路；
[0033]所述電腦通訊接口，用于與電腦通信連接；
[0034]所述低功耗藍牙電路，用于實現與用戶的通信終端進行通信。
[0035]優(yōu)選的，所述云端服務器包括:超文本預處理網絡接口模塊和MATLAB算法模塊，其中，
[0036]所述用戶的通信終端，還用于接收預設數目的樣本數據并將包括全部預設數目的樣本數據封裝成JSON數組格式，并發(fā)送HTTP請求至所述超文本預處理網絡接口模塊，其中，預設數目為1024個；
[0037]所述超文本預處理網絡接口模塊，用于根據所述HTTP請求接收用戶的通信終端發(fā)送過來的全部樣本數據，并判斷數據格式是否符合格式要求，如果數據格式符合格式要求，則調用所述云端服務器的MATLAB算法模塊；
[0038]所述MATLAB算法模塊，用于運行MATLAB以及執(zhí)行檢測算法，并根據提前訓練好的模型對全部樣本數據進行分析，并將分析結果反饋給所述超文本預處理網絡接口模塊；
[0039]其中，所述超文本預處理網絡接口模塊還用于將分析結果發(fā)送至用戶的通信終端。
[0040]優(yōu)選的，所述云端服務器，還用于針對不同的有機物的檢測建立專用的檢測模型以形成云端模型庫;所述用戶的通信終端，還用于登錄所述檢測APP界面通過在所述云端模型庫中選擇下載或者購買相應的檢測模型。
[0041]本發(fā)明提供的技術方案設計了結構靈活的手持光譜采集設備，可以實現固態(tài)有機物的漫反射光譜的快速采集和液態(tài)有機物的透射光譜的采集，利用云計算技術建立了檢測分析云引擎以及利用智能手機APP提供了顯示和操作界面，能對有機物質進行非接觸式快速檢測，進而提高了檢測數學模型的可維護性和擴展性，降低了用戶的使用成本，進一步簡化了檢測儀器的硬件和降低了成本。
【附圖說明】
[0042]圖1為本發(fā)明一實施方式中有機物的檢測系統10的內部結構示意圖；
[0043]圖2為本發(fā)明一實施方式中檢測APP界面的五個頁面；
[0044]圖3為本發(fā)明一實施方式中用戶端手持掃描設備12的內部結構示意圖；
[0045]圖4為本發(fā)明一實施方式中云端服務器13與用戶的通信終端11之間的通信架構圖；
[0046]圖5為本發(fā)明一實施方式中云端服務器13的架構圖；
[0047]圖6為本發(fā)明一實施方式中有機物的檢測方法流程圖。
【具體實施方式】
[0048]為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0049]本發(fā)明【具體實施方式】提供了一種有機物的檢測系統10，主要包括用戶的通信終端
11、用戶端手持掃描設備12以及云端服務器13，其中，
[0050]用戶的通信終端11，用于發(fā)送檢測指令給用戶端手持掃描設備12;
[0051]用戶端手持掃描設備12，用于對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端11，其中，用戶的通信終端11將接收到的樣本數據上傳至云端服務器13進行分析處理；
[0052]云端服務器13，用于接收用戶的通信終端11所上傳的樣本數據，并對所述樣本數據進行分析處理，以及將分析處理的結果返回至用戶的通信終端11。
[0053]本發(fā)明提供的一種有機物的檢測系統10，設計了結構靈活的手持光譜采集設備(即用戶端手持掃描設備12)，可以實現固態(tài)有機物的漫反射光譜的快速采集和液態(tài)有機物的透射光譜的采集，利用云計算技術建立了檢測分析云引擎(即云端服務器13)以及利用智能手機APP(即用戶的通信終端11)提供了顯示和操作界面，能對有機物質進行非接觸式快速檢測，進而提高了檢測數學模型的可維護性和擴展性，降低了用戶的使用成本，進一步簡化了檢測儀器的硬件和降低了成本，拓展了快速檢測的應用范圍。
[0054]以下將對本發(fā)明所提供的一種有機物的檢測系統進行詳細說明。
[0055]請參閱圖1，為本發(fā)明一實施方式中有機物的檢測系統10的內部結構示意圖。
[0056]在本實施方式中，有機物的檢測系統10主要包括用戶的通信終端11、用戶端手持掃描設備12以及云端服務器13。
[0057]用戶的通信終端11，用于發(fā)送檢測指令給用戶端手持掃描設備12。
[0058]在本實施方式中，用戶的通信終端11例如可以是用戶的智能手機，而且在該智能手機中預裝了手機應用軟件(APP)，例如檢測APP，因此，用戶的通信終端11包括檢測APP界面，用戶登錄所述檢測APP界面，通過按所述檢測APP界面上的檢測按鈕發(fā)送檢測指令給用戶端手持掃描設備12。
[0059]在本實施方式中，用戶的通信終端11通過手機APP提供用戶界面，可以在Android操作系統和1S操作系統這些平臺上實現，而且本發(fā)明所涉及的檢測APP界面主要包括登錄頁、首頁、模型列表頁面、建模頁面和設置頁面五個，如圖2所示。
[0060]請參閱圖2，所示為本發(fā)明一實施方式中檢測APP界面的五個頁面。
[0061]在本實施方式中，登錄頁面提供用戶登錄和注冊功能，登錄后進入首頁頁面，首頁頁面的最上為動畫示意，采用動畫的方式顯示設備掃描光譜和連接云端的過程示意；之下，頁面中部為檢測結果的粗略顯示，顯示的信息為當前使用的檢測模型和目標物質的大體分類和種類，如奶粉鑒別中的XX品牌X段奶粉；當點擊這部分后，進入二級界面“檢測結果子界面”，詳細列出了各當前物質是什么種類、產地等屬性信息以及各主要成分含量等信息。并在底部用圖表的方式呈現，如成分含量的餅圖。下部圓形是檢測按鈕，觸發(fā)后，APP通過藍牙發(fā)送檢測指令給用戶端設備;底部左側為設置按鈕，點擊后進入設置頁面;右下角為模型按鈕，點擊后進入模型列表頁面。在首頁頁面點擊“設置”后進入“模型列表頁面”設置頁面提供設備連接設置、用戶密碼修改、切換用戶、用戶在云端的個性化信息以及幫助等參數。
[0062]在首頁點擊“模型”后進入“模型列表頁面”。該頁面的上部列出了當前用戶購買和建立的模型。其中匹配到當前檢測的模型采用正常顯示的方式，其余模型采用灰度顯示的方式。當用戶“單擊”相應的模型圖標后，對應的圖標變成正常顯示并匹配到當前檢測。用戶“雙擊”相應的模型圖標后模型詳細說明對話框，說明該模型的詳細信息，如自建還是購買、功能、有效時間等。頁面的底部左端是“購買”按鈕，點擊后進入云端的模型商店，可以選擇需要購買的模型。頁面的底部左端是“自建”按鈕，點擊后進入用戶自建模型界面-“建模頁面”。
[0063]建模頁面的上部用來設定當前光譜對應的目標檢測物的屬性參數和成分含量參數，如當前奶粉的品牌、產地、感興趣的成分含量等。用戶可以點擊“+”按鈕新建屬性。注意，屬性建立完畢后到建立模型之前不允許再次更改。“信息反饋”欄顯示在光譜采集和上傳過程中的設備狀態(tài)信息，其中目前采集和上傳的光譜數目必須顯示?！安杉庾V并上傳”按鈕提供觸發(fā)用戶硬件設備采集光譜的指令?！敖⒛Ｐ汀卑粹o。當用戶認為采集到合適數目的光譜，或者云端返回信息建議光譜數目合適后，用戶觸發(fā)該按鈕，APP發(fā)送建立模型的指令到云端，云端利用采集的數據建立新的檢測模型，并與用戶的ID關聯。之后用戶可以使用該新的模型進行檢測。
[0064]請繼續(xù)參閱圖1，用戶端手持掃描設備12，用于對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端11，其中，用戶的通信終端11將接收到的樣本數據上傳至云端服務器13進行分析處理。
[0065]在本實施方式中，用戶端手持掃描設備12包括:光源驅動電路、光譜采集模塊、控制電路、電腦通訊接口和低功耗藍牙電路，如圖3所示。
[0066]請參閱圖3，所示為本發(fā)明一實施方式中用戶端手持掃描設備12的內部結構示意圖。
[0067]在本實施方式中，用戶端手持掃描設備12可以是結構設計靈活的手持光譜采集設備，用于對有機物待檢測樣品進行光譜掃描。
[0068]光源驅動電路為用戶端手持掃描設備12的發(fā)光源提供驅動。在本實施方式中，發(fā)光源采用低壓鹵素燈產生需要的連續(xù)光譜，也可以紅外熱光源(米泡)或者紅外LED陣列代替。本發(fā)明中采用的鹵素燈的具體型號為美國偉倫公司(WelchAllyn)的997418-21低電壓鹵素燈。這款鹵素燈的前端有聚光透鏡，可以在2厘米的距離上形成3mm直徑的光斑，工作電流0.4A，工作電壓3.5V，壽命1000小時。鹵素燈的驅動為基于N溝道MOS管Π3Τ439Ν和運算放大器TLV2252A構成的電壓控制可調恒流源電路。該恒流源電路采用5V單電源供電。恒流源電路包括:運算放大器TLV2252A(U5)、電阻器R4-R8、電容器C22-C26和二極管Dl (B5819WS)。其中U5為雙運放，U5A構成MOS管的驅動電路，U5B與R6，R7構成同相放大器，輸出作為U5A的負反饋。U5的第5引腳與阻值為0.1歐姆的采樣電阻R5—端相連，構成負反饋回路。該恒流源電路的電流計算公式為:I = U/G/R5 = U，其中U為主控MCU的12位D/A的輸出電壓，G為U5B放大電路的放大倍數，此處為I +R7/R6 = 10.09; R5為采樣電阻阻值。當使用U2內部的1.2V基準電壓時，電流理論值可達1.2A，精度1mA。TLV2252A為單電源供電運算放大器，且輸出電壓可以到達電源VSS。其中，恒流源工作原理為:主控U2啟動D/A產生需要的電壓，瞬態(tài)下，放大器U5A輸出端迅速飽和，使得MOS管Ql導通，導通后R5上端電壓逐漸升高，同時U5B的輸出電壓相應升高導致U5A的輸出逐漸降低，最終達到平衡，平衡時U5A的第3和2引腳電壓相同，得到需要的理論輸出電流，當D/A的輸出電壓為O時，輸出電流為零，特別的是，阻值為1K的接地電阻R6是保證電流源此時輸出為O的關鍵。
[0069]光譜采集模塊，用于采集有機物待檢測樣品的光譜數據。在本實施方式中，光譜采集模塊采用美國海洋光學的短波近紅外光譜儀STS-NIR，該光譜采集模塊結構緊湊、小巧，40x42x24mm，通過一個miniHDMI和MicroUSB接口與外部通信。本發(fā)明中采用miniHDMI接口通信，該接口只是在物理層面是19引腳的miniHDMI接口形式，協議層面則是RS232接口，設計了基于MAX3232的電平轉換電路與M⑶通信。本發(fā)明中STS-NIR的采用50微米的入射狹縫，可以兼顧光通量和分辨率的要求，適合于短波近紅外的定量分析應用。該光譜采集模塊是一種采用固定光路光柵分光結合線陣CMOS探測器的光譜采集系統，其參數如下:光譜范圍:650-1100;光譜點數:1024;光學分辨率:5nm;信噪比:>1500:1;動態(tài)范圍:4600:1。
[0070]控制電路，用于連接并控制所述光源驅動電路、所述光譜采集模塊、電腦通訊接口和低功耗藍牙電路。在本實施方式中，控制電路的主控MCU采用飛思卡爾半導體公司的ARMCortex-MO+內核的微控制器，具體型號為MKL27Z128VFT4，該芯片為48腳的QFN封裝，擁有128KB的內部FLASH存儲器和32KB的SRAM，外圍接口電路和設備豐富，作為本發(fā)明的控制核心，用到的外圍設備有:3.3V的線性穩(wěn)壓電路、3個串口通信接口和12位DAC。3.3V的線性穩(wěn)壓電路用于把輸入的5V直流電壓轉變?yōu)?.3V輸出，作為控制電路的電源。12位DAC的輸出作為電壓控制可調恒流源的控制電壓。MKL27Z128VFT4的三個UART通信接口(UART0/UART1/UART2)用于主控與光譜采集模塊、藍牙通信電路和電腦通信的接口。其中通信的波特率優(yōu)選為 115200bps。
[0071]電腦通訊接口，用于與電腦通信連接。
[0072]低功耗藍牙電路，用于實現與用戶的通信終端進行通信。在本實施方式中，低功耗藍牙電路實現了與用戶的通信終端(例如用戶的智能手機)進行通信連接。在本實施方式中，硬件:采用勵^)1(:的爾?51822藍牙低功耗30(:，符合藍牙4.0和4.1單模標準。藍牙固件:GAP從機模式，廣播自身信息供手機連接。
[0073]請繼續(xù)參閱圖1，云端服務器13，用于接收用戶的通信終端11所上傳的樣本數據，并對所述樣本數據進行分析處理，以及將分析處理的結果返回至用戶的通信終端11。
[0074]在本實施方式中，云端服務器13包括:超文本預處理(Hypertext Preprocessor,PHP)網絡接口模塊、MATLAB算法模塊和PHP數據管理維護模塊，其中，云端服務器13 (即圖中的Server端)與用戶的通信終端11(即圖中的手機端)之間的通信架構如圖4所示。
[0075]在本實施方式中，云端服務器13，還用于針對不同的有機物的檢測建立專用的檢測模型以形成云端模型庫；用戶的通信終端11，還用于登錄所述檢測APP界面通過在所述云端模型庫中選擇下載或者購買相應的檢測模型。這樣一來，用戶利用其通信終端11登錄檢測APP界面，并在該檢測APP界面中找到云端模型庫，通過從云端的模型庫中選擇下載或者購買相應的檢測模型來擴展用戶自身設備的檢測應用范圍，當然，用戶也可以在APP上按照相應的操作步驟自行建立檢測模型，以進一步擴展用戶自身設備的檢測應用范圍。
[0076]請參閱圖4，所示為本發(fā)明一實施方式中云端服務器13與用戶的通信終端11之間的通信架構圖。
[0077]用戶的通信終端(即圖4中的手機端)，還用于接收預設數目的樣本數據并將包括全部預設數目的樣本數據封裝成JSON數組格式，并發(fā)送HTTP請求至云端服務器13(即圖4中的Server端)的PHP網絡接口模塊(即圖4中的PHP)，其中，預設數目為1024個，此數值可根據用戶端手持掃描設備不同而進行相應修改。
[0078]PHP網絡接口模塊，用于根據所述HTTP請求接收用戶的通信終端發(fā)送過來的全部樣本數據，并判斷數據格式是否符合格式要求，如果數據格式符合格式要求，則調用所述云端服務器13的MATLAB算法模塊(即圖4中的MATLAB)。
[0079]MATLAB算法模塊，用于運行MATLAB以及執(zhí)行檢測算法，并根據提前訓練好的模型對全部樣本數據進行分析，并將分析結果反饋給PHP網絡接口模塊，其中，PHP網絡接口模塊還用于將分析結果發(fā)送至用戶的通信終端11。
[0080]在本實施方式中，圖4所示的整個執(zhí)行流程為:手機端發(fā)送HTTP請求到后臺，將采集到的1024個(此數值可根據用戶端手持掃描設備不同而進行相應修改)整型數據封裝成JSON數組格式;PHP先對接收到的請求數據進行檢查看是否符合格式要求;MATLAB是安裝在云端服務器上，所以PHP直接像調用Linux系統命令一樣用命令的方式運行MATLAB，執(zhí)行檢測算法，將JSON數組以字符串的形式作為算法的輸入;MATLAB處理分析完成后將結果返回給PHP，PHP提取有效信息并返回給手機端。
[0081]請參閱圖5，所示為本發(fā)明一實施方式中云端服務器13的架構圖。
[0082]在本實施方式中，云端服務器13架構主要包括了服務器和數據庫兩大部分，其中服務器包括PHP網絡接口模塊，MATLAB算法模塊和PHP數據管理維護模塊三個細分的模塊。
[0083]在本實施方式中，PHP網絡接口模塊負責與手機端交互，響應手機端的HTTP請求，將手機端發(fā)送過來的樣本數據傳給MATLAB，并獲取分析結果。
[0084]MATLAB模塊接收PHP網絡接口模塊傳來的樣本數據和根據已經提前訓練好的模型進行分析，并將結果反饋給PHP網絡接口模塊。
[0085]PHP數據管理維護模塊則負責處理數據庫的管理和維護，PHP網絡接口模塊可以通過數據管理維護模塊與數據庫交互，更新訓練數據并重新訓練模型，MATLAB算法模塊可以通過數據管理維護模塊獲取訓練數據。
[0086]在本實施方式中，云端服務器13所運行的檢測算法主要通過MATLAB實現，不失一般性的以4種光譜數據的檢測為例，具體說明如下:
[0087]首先，程序通過SpectrumCLassif icat1n_newData.m文件啟動，從本地光譜數據集SpectrumData.xlsx種讀取4種光譜數據(每段光譜數據由1024個采樣點采集而成)，分別存入sI，s2，s3以及s4種，并分別打上標簽O、1、2、3。然后分別在每類光譜中抽取75%的數據作為訓練樣本s_trainSample，25%的數據作為訓練樣本s_testSample;
[0088]其次，調用函數1^3；[113口601:1'1111^11(^681:()函數進行模型訓練。該函數輸入訓練樣本和測試樣本s_trainSample、s_testSample并輸出分類模型spectrumClassModel、多元散射校正光譜ideal Spectra以及數據歸一化模型ps。該函數首先對訓練樣本和測試樣本進行預處理，分別進行平滑，求1glO，求一階導，多元散射校正最后歸一化至[-1，I]區(qū)間，其中在進行多元散射校正和歸一化時分別產生平均光譜樣本ideal Spectra以及歸一化模型ps，這兩個變量后面也需要返回給主函數；
[0089]然后，將歸一化后的訓練樣本s_trainNorm輸入到svmtrain()函數中進行交叉驗證(其中_v3表示將訓練樣本分成3部分)，其中不斷改變懲罰參數c、g的值進行迭代，最終找到分類準確率最高的懲罰參數C、g作為最優(yōu)懲罰參數optc、optg。然后將歸一化后的訓練樣本8_1:瓜;[1^0；?!以及懲罰參數c、g輸入svmtrain()函數中，核函數選線性核函數(svmtrain()的_t參數取2)訓練出一個分類模型model。并使用svmpredict函數測試，將分類結果存入predict_label中，將分類準確率存入acc中，將分類概率存入prob中并輸出分類器性能指標；
[0090]最后，將訓練樣本與測試樣本一起輸入svmtrainO中進行訓練，懲罰參數取最優(yōu)懲罰參數，并將輸出的spectrumClassModel以及前面生成的和ps返回給主函數。主函數將它們保存在本地Mode 1.m文件中。其中，用戶可以調用API函數app IyMode I ()使用由SpectrumCLassif icat1n_newData.m腳本訓練好的模型，但調用API前必須保證SpectrumCLassif icat1n_newData.m運行了至少一次，使得本地生成了Model.m文件。
[0091]本發(fā)明提供的一種有機物的檢測系統10，設計了結構靈活的手持光譜采集設備(即用戶端手持掃描設備12)，可以實現固態(tài)有機物的漫反射光譜的快速采集和液態(tài)有機物的透射光譜的采集，利用云計算技術建立了檢測分析云引擎(即云端服務器13)以及利用智能手機APP(即用戶的通信終端11)提供了顯示和操作界面，能對有機物質進行非接觸式快速檢測，進而提高了檢測數學模型的可維護性和擴展性，降低了用戶的使用成本，進一步簡化了檢測儀器的硬件和降低了成本，拓展了快速檢測的應用范圍。
[0092]本發(fā)明【具體實施方式】還提供一種有機物的檢測方法，主要包括:
[0093]S11、利用用戶的通信終端發(fā)送檢測指令給用戶端手持掃描設備；
[0094]S12、通過所述用戶端手持掃描設備對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端；
[0095]S13、用戶的通信終端將接收到的樣本數據上傳至云端服務器進行分析處理，并接收經過所述云端服務器分析處理后的結果。
[0096]本發(fā)明提供的一種有機物的檢測方法，設計了結構靈活的手持光譜采集設備(SP用戶端手持掃描設備12)，可以實現固態(tài)有機物的漫反射光譜的快速采集和液態(tài)有機物的透射光譜的采集，利用云計算技術建立了檢測分析云引擎(即云端服務器13)以及利用智能手機APP(即用戶的通信終端11)提供了顯示和操作界面，能對有機物質進行非接觸式快速檢測，進而提高了檢測數學模型的可維護性和擴展性，降低了用戶的使用成本，進一步簡化了檢測儀器的硬件和降低了成本，拓展了快速檢測的應用范圍。
[0097]以下將對本發(fā)明所提供的一種有機物的檢測方法進行詳細說明。
[0098]請參閱圖6，為本發(fā)明一實施方式中有機物的檢測方法流程圖。
[0099]在步驟Sll中，利用用戶的通信終端發(fā)送檢測指令給用戶端手持掃描設備。
[0100]在本實施方式中，所述利用用戶的通信終端發(fā)送檢測指令給用戶端手持掃描設備的步驟S11包括:
[0101]用戶登錄通信終端的檢測APP界面；
[0102]通過按所述檢測APP界面上的檢測按鈕發(fā)送檢測指令給用戶端手持掃描設備。
[0103]在本實施方式中，用戶的通信終端11例如可以是用戶的智能手機，而且在該智能手機中預裝了手機應用軟件(APP)，例如檢測APP，因此，用戶的通信終端11包括檢測APP界面，用戶登錄所述檢測APP界面，通過按所述檢測APP界面上的檢測按鈕發(fā)送檢測指令給用戶端手持掃描設備12。
[0104]在本實施方式中，用戶的通信終端11通過手機APP提供用戶界面，可以在Android操作系統和1S操作系統這些平臺上實現，而且本發(fā)明所涉及的檢測APP界面主要包括登錄頁、首頁、模型列表頁面、建模頁面和設置頁面五個，如圖2所示，在此不重復敘述。
[0105]在步驟S12中，通過所述用戶端手持掃描設備對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端。
[0106]在本實施方式中，所述通過所述用戶端手持掃描設備對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端的步驟S12包括:
[0107]通過所述用戶端手持掃描設備的光譜采集模塊對有機物待檢測樣品進行光譜掃描；
[0108]通過所述用戶端手持掃描設備的低功耗藍牙電路將得到的樣本數據發(fā)送至用戶的通信終端。
[0109]在步驟S13中，用戶的通信終端將接收到的樣本數據上傳至云端服務器進行分析處理，并接收經過所述云端服務器分析處理后的結果。
[0110]在本實施方式中，所述用戶的通信終端將接收到的樣本數據上傳至云端服務器進行分析處理，并接收經過所述云端服務器分析處理后的結果的步驟S13包括:
[0111]用戶的通信終端接收預設數目的樣本數據并將包括全部預設數目的樣本數據封裝成JSON數組格式，其中，預設數目為1024個，此數值可根據用戶端手持掃描設備不同而進行相應修改；
[0112]用戶的通信終端發(fā)送HTTP請求至所述云端服務器的超文本預處理網絡接口模塊；
[0113]所述云端服務器的超文本預處理網絡接口模塊根據所述HTTP請求接收用戶的通信終端發(fā)送過來的全部樣本數據，并判斷數據格式是否符合格式要求；
[0114]如果數據格式符合格式要求，則調用所述云端服務器的MATLAB算法模塊，并運行MATLAB以及執(zhí)行檢測算法；
[0115]所述云端服務器的MATLAB算法模塊根據提前訓練好的模型對全部樣本數據進行分析，并將分析結果反饋給所述云端服務器的超文本預處理網絡接口模塊；
[0116]所述云端服務器的超文本預處理網絡接口模塊將分析結果發(fā)送至用戶的通信終端。
[0117]本發(fā)明提供的一種有機物的檢測方法，設計了結構靈活的手持光譜采集設備(SP用戶端手持掃描設備12)，可以實現固態(tài)有機物的漫反射光譜的快速采集和液態(tài)有機物的透射光譜的采集，利用云計算技術建立了檢測分析云引擎(即云端服務器13)以及利用智能手機APP(即用戶的通信終端11)提供了顯示和操作界面，能對有機物質進行非接觸式快速檢測，進而提高了檢測數學模型的可維護性和擴展性，降低了用戶的使用成本，進一步簡化了檢測儀器的硬件和降低了成本，拓展了快速檢測的應用范圍。
[0118]值得注意的是，上述實施例中，所包括的各個單元只是按照功能邏輯進行劃分的，但并不局限于上述的劃分，只要能夠實現相應的功能即可;另外，各功能單元的具體名稱也只是為了便于相互區(qū)分，并不用于限制本發(fā)明的保護范圍。
[0119]另外，本領域普通技術人員可以理解實現上述各實施例方法中的全部或部分步驟是可以通過程序來指令相關的硬件來完成，相應的程序可以存儲于一計算機可讀取存儲介質中，所述的存儲介質，如R0M/RAM、磁盤或光盤等。
[0120]以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內。
【主權項】
1.一種有機物的檢測方法，其特征在于，所述檢測方法包括: 利用用戶的通信終端發(fā)送檢測指令給用戶端手持掃描設備； 通過所述用戶端手持掃描設備對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端； 用戶的通信終端將接收到的樣本數據上傳至云端服務器進行分析處理，并接收經過所述云端服務器分析處理后的結果。2.如權利要求1所述的有機物的檢測方法，其特征在于，所述利用用戶的通信終端發(fā)送檢測指令給用戶端手持掃描設備的步驟包括: 用戶登錄通信終端的檢測APP界面； 通過按所述檢測APP界面上的檢測按鈕發(fā)送檢測指令給用戶端手持掃描設備。3.如權利要求1所述的有機物的檢測方法，其特征在于，所述通過所述用戶端手持掃描設備對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端的步驟包括: 通過所述用戶端手持掃描設備的光譜采集模塊對有機物待檢測樣品進行光譜掃描； 通過所述用戶端手持掃描設備的低功耗藍牙電路將得到的樣本數據發(fā)送至用戶的通信終端。4.如權利要求1所述的有機物的檢測方法，其特征在于，所述用戶的通信終端將接收到的樣本數據上傳至云端服務器進行分析處理，并接收經過所述云端服務器分析處理后的結果的步驟包括: 用戶的通信終端接收預設數目的樣本數據并將包括全部預設數目的樣本數據封裝成JSON數組格式，其中，預設數目為1024個； 用戶的通信終端發(fā)送HTTP請求至所述云端服務器的超文本預處理網絡接口模塊；所述云端服務器的超文本預處理網絡接口模塊根據所述HTTP請求接收用戶的通信終端發(fā)送過來的全部樣本數據，并判斷數據格式是否符合格式要求； 如果數據格式符合格式要求，則調用所述云端服務器的MATLAB算法模塊，并運行MATLAB以及執(zhí)行檢測算法； 所述云端服務器的MATLAB算法模塊根據提前訓練好的模型對全部樣本數據進行分析，并將分析結果反饋給所述云端服務器的超文本預處理網絡接口模塊； 所述云端服務器的超文本預處理網絡接口模塊將分析結果發(fā)送至用戶的通信終端。5.—種有機物的檢測系統，其特征在于，所述檢測系統包括:用戶的通信終端、用戶端手持掃描設備以及云端服務器，其中， 用戶的通信終端，用于發(fā)送檢測指令給用戶端手持掃描設備； 用戶端手持掃描設備，用于對有機物待檢測樣品進行光譜掃描，并將得到的樣本數據發(fā)送至用戶的通信終端，其中，用戶的通信終端將接收到的樣本數據上傳至所述云端服務器進行分析處理； 所述云端服務器，用于接收用戶的通信終端所上傳的樣本數據，并對所述樣本數據進行分析處理，以及將分析處理的結果返回至用戶的通信終端。6.如權利要求5所述的有機物的檢測系統，其特征在于，所述用戶的通信終端包括檢測APP界面，用戶登錄所述檢測APP界面，通過按所述檢測APP界面上的檢測按鈕發(fā)送檢測指令給所述用戶端手持掃描設備。7.如權利要求5所述的有機物的檢測系統，其特征在于，所述用戶端手持掃描設備包括:光源驅動電路、光譜采集模塊、控制電路、電腦通訊接口和低功耗藍牙電路，其中， 所述光源驅動電路為所述用戶端手持掃描設備的發(fā)光源提供驅動； 所述光譜采集模塊，用于采集有機物待檢測樣品的光譜數據； 所述控制電路，用于連接并控制所述光源驅動電路、所述光譜采集模塊、電腦通訊接口和低功耗藍牙電路； 所述電腦通訊接口，用于與電腦通信連接； 所述低功耗藍牙電路，用于實現與用戶的通信終端進行通信。8.如權利要求5所述的有機物的檢測系統，其特征在于，所述云端服務器包括:超文本預處理網絡接口模塊和MATLAB算法模塊，其中， 所述用戶的通信終端，還用于接收預設數目的樣本數據并將包括全部預設數目的樣本數據封裝成JSON數組格式，并發(fā)送HTTP請求至所述超文本預處理網絡接口模塊，其中，預設數目為1024個； 所述超文本預處理網絡接口模塊，用于根據所述HTTP請求接收用戶的通信終端發(fā)送過來的全部樣本數據，并判斷數據格式是否符合格式要求，如果數據格式符合格式要求，則調用所述云端服務器的MATLAB算法模塊； 所述MATLAB算法模塊，用于運行MATLAB以及執(zhí)行檢測算法，并根據提前訓練好的模型對全部樣本數據進行分析，并將分析結果反饋給所述超文本預處理網絡接口模塊； 其中，所述超文本預處理網絡接口模塊還用于將分析結果發(fā)送至用戶的通信終端。9.如權利要求6所述的有機物的檢測系統，其特征在于，所述云端服務器，還用于針對不同的有機物的檢測建立專用的檢測模型以形成云端模型庫;所述用戶的通信終端，還用于登錄所述檢測APP界面通過在所述云端模型庫中選擇下載或者購買相應的檢測模型。
【文檔編號】G01N21/359GK105973837SQ201610321203
【公開日】2016年9月28日
【申請日】2016年5月13日
【發(fā)明人】付慶波, 崔來中
【申請人】深圳市比特原子科技有限公司