详情

原文传递一种基于双光谱LED光源的检测仪及检测方法

专利名称：	一种基于双光谱LED光源的检测仪及检测方法
摘要：	本发明提供了一种基于双光谱LED光源的检测仪及检测方法，包括壳体，壳体内部设置第一光源、第二光源、样品池、传感器、控制器和电源，壳体表面设置显示屏；所述样品池上设置进液口和出液口，进液口和出液口延伸至壳体外部；所述样品池一侧设置第一光源，所述样品池相对另一侧设置传感器，所述第一光源、样品池和传感器的中心线位于同一水平线上；所述第二光源位于样品池另一侧，且与所述传感器垂直设置；本发明用于水质检测，采用双光谱LED光源，可以对样品进行更全面和准确的检测，仪器生产成本低，并且具有便携小巧的优点，实现在野外和现场进行检测。
专利类型：	发明专利
国家地区组织代码：	河北;13
申请人：	沧州市天津工业大学研究院
发明人：	王捷;于洋
专利状态：	有效
申请日期：	2023-08-18T00:00:00+0800
发布日期：	2023-11-17T00:00:00+0800
申请号：	CN202311044138.7
公开号：	CN117074306A
代理机构：	天津知远君正专利代理事务所(特殊普通合伙)
代理人：	郭乐
分类号：	G01N21/01;G01N21/33;G01N21/64;G01N21/94;G;G01;G01N;G01N21;G01N21/01;G01N21/33;G01N21/64;G01N21/94
申请人地址：	061000 河北省沧州市高新区丰台园13号东侧
主权项：	1.一种基于双光谱LED光源的检测仪，其特征在于：包括壳体（1），壳体（1）内部设置第一光源（10）、第二光源（14）、样品池（2）、传感器（4）、控制器（6）和电源（15），壳体（1）表面设置显示屏（5）；所述样品池（2）上设置进液口（3）和出液口（13），进液口（3）和出液口（13）延伸至壳体（1）外部；所述样品池（2）一侧设置第一光源（10），与第一光源（10）相对的样品池（2）的另一侧设置传感器（4），所述第一光源（10）、样品池（2）和传感器（4）的中心线位于同一水平线上；所述第二光源（14）位于样品池另一侧，且与所述传感器（4）垂直设置；所述第一光源（10）包括用于发射紫外光谱的LED灯，所述第二光源（14）包括用于发射荧光光谱的LED灯；所述第一光源（10）与所述第二光源（14）发射光谱的波长不同；所述传感器（4）为用于采集所述紫外光谱和荧光光谱的双光谱传感器，所述传感器（4）经放大器（8）连接控制器的信号输入端，所述控制器（6）的信号输出端分别连接显示屏（5）、第一光源（10）和第二光源（14），电源（15）为所述检测仪供电。 2.根据权利要求1所述的基于双光谱LED光源的检测仪，其特征在于：所述第一光源（10）发射紫外光谱的波长范围为200纳米至650纳米。 3.根据权利要求1所述的基于双光谱LED光源的检测仪，其特征在于：所述第二光源（14）发射荧光光谱的波长范围为200纳米至700纳米。 4.根据权利要求1所述的基于双光谱LED光源的检测仪，其特征在于：所述第一光源（10）、第二光源（14）前方分别设置滤光部件（11）和聚光镜（12）。 5.根据权利要求1所述的基于双光谱LED光源的检测仪，其特征在于：所述第一光源（10）于第二光源（12）相互垂直设置。 6.根据权利要求1所述的基于双光谱LED光源的检测仪，其特征在于：所述控制器（6）包括单片机集成电路板，单片机集成电路板包括单片机控制器和存储器。 7.根据权利要求1所述的基于双光谱LED光源的检测仪，其特征在于：所述进液口（3）和出液口（13）分别开设于样品池（2）两侧，所述进液口（3）向下垂直设置。 8.根据权利要求1所述的基于双光谱LED光源的检测仪，其特征在于：所述传感器通过光纤（16）连接控制器的信号输入端，所述控制器（6）的信号输出端分别通过光纤（16）连接第一光源和第二光源。 9.一种基于双光谱LED光源的检测方法，其特征在于，使用权利要求1至8任一权利要求所述的基于双光谱LED光源的检测仪对水质检测，检测方法包括以下步骤：步骤S1、对不同场景的样品进行紫外光谱和荧光光谱全波段扫描；步骤S2、根据所述全波段扫描结果，得出不同场景的紫外光谱特征和荧光光谱特征；步骤S3、根据不同场景的所述紫外光谱特征和荧光光谱特征建立决策网络模型；所述决策网络模型用于根据后续样品的紫外光谱特征和荧光光谱特征自动分析出该样品的场景；步骤S4、建立不同场景的水质监控模型；步骤S5、在实际测量中，运用所述紫外光谱特征和荧光光谱特征，分别通过所述水质监控模型，对不同场景的样品进行监测，并输出异常信息。 10.根据权利要求9所述的基于双光谱LED光源的检测方法，其特征在于：所述水质监控模型的具体步骤包括：步骤S401、采集光谱，所述光谱为紫外光谱或荧光光谱；步骤S402、光谱特征获取，所述光谱特征为紫外光谱特征或荧光光谱特征；步骤S403、从不同水质光谱库中，提取光谱库同类光谱；步骤S404、深度学习模型决策；步骤S405、判断光谱异常；判断结果为是则输出异常信息。