[發(fā)明專(zhuān)利]一種常見(jiàn)毒素識(shí)別系統(tǒng)及方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011534880.2
• 申請(qǐng)日: 2020-12-23
• 公開(kāi)（公告）號(hào): CN112666094A
• 公開(kāi)（公告）日: 2021-04-16
• 發(fā)明（設(shè)計(jì)）人: 劉毅;劉強(qiáng);劉航;張曉清;寧海波
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京匯豐隆經(jīng)濟(jì)技術(shù)開(kāi)發(fā)有限公司
• 主分類(lèi)號(hào): G01N21/25
• 分類(lèi)號(hào): G01N21/25;G01N21/64;G01N21/01
• 代理公司: 北京科龍寰宇知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司 11139
• 代理人: 孫皓晨

1.一種常見(jiàn)毒素識(shí)別系統(tǒng)，其特征在于，包括：

一光譜發(fā)生模塊，用于發(fā)生不同波長(zhǎng)的光譜；

一光譜采集模塊，與所述光譜發(fā)生模塊連接，用于實(shí)時(shí)采集樣品物質(zhì)的熒光樣本；

一光譜分析平臺(tái)，與所述光譜采集模塊連接，用于管理和分析實(shí)驗(yàn)過(guò)程；

一特征光譜模型數(shù)據(jù)庫(kù)，與所述光譜分析平臺(tái)連接，用于對(duì)樣品物質(zhì)進(jìn)行分類(lèi)查詢(xún)，其包含特征毒素表征信息，所述特征毒素表征信息包括：顆粒特征信息和生物熒光特征信息；

一光譜模型識(shí)別匹配模塊，分別與所述特征光譜模型數(shù)據(jù)庫(kù)和所述光譜分析平臺(tái)連接，用于區(qū)分物質(zhì)類(lèi)別；

一特征光譜數(shù)學(xué)模型模塊，與所述光譜分析平臺(tái)連接，用于提供特征光譜數(shù)學(xué)模型，其中所述特征光譜數(shù)學(xué)模型包括數(shù)學(xué)校正模型；

一結(jié)果輸出模塊，與所述光譜分析平臺(tái)連接，用于識(shí)別結(jié)果進(jìn)行輸出顯示。

2.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述光譜發(fā)生模塊包括：發(fā)射光譜儀。

3.根據(jù)權(quán)利要求1所述的系統(tǒng)，其特征在于，所述光譜分析平臺(tái)的前端為用戶(hù)操作管理界面，其包括：

一管理設(shè)置模塊，包括用戶(hù)登錄、權(quán)限設(shè)置、設(shè)備選擇；

一手動(dòng)檢測(cè)模塊，包括目標(biāo)波長(zhǎng)設(shè)置、樣品選擇設(shè)置、樣品濃度設(shè)置；

一自動(dòng)檢測(cè)模塊，包括波長(zhǎng)檢測(cè)設(shè)定和范圍檢測(cè)設(shè)定；以及

一歷史數(shù)據(jù)查詢(xún)模塊，包括起始時(shí)間設(shè)置、結(jié)束時(shí)間設(shè)置、樣品選擇、樣品濃度設(shè)置、光譜類(lèi)型選擇。

4.根據(jù)權(quán)利要求3所述的系統(tǒng)，其特征在于，所述光譜分析平臺(tái)還包括：

一光譜原始數(shù)據(jù)數(shù)據(jù)庫(kù)，與所述光譜采集模塊連接，用于保存實(shí)時(shí)采集的樣品物質(zhì)熒光樣本，其中所述樣品物質(zhì)熒光樣本為未經(jīng)過(guò)處理或簡(jiǎn)化的光譜數(shù)據(jù)；

一光譜數(shù)據(jù)預(yù)處理模塊，用于對(duì)所述光譜數(shù)據(jù)進(jìn)行預(yù)處理；

一光譜數(shù)據(jù)特征提取算法模塊，用于提供對(duì)預(yù)處理后的光譜數(shù)據(jù)進(jìn)行特征提取的算法信息；

一提取毒素的特征識(shí)別譜算法模塊，用于提供光譜匹配算法信息。

5.一種常見(jiàn)毒素識(shí)別方法，其特征在于，包括以下步驟：

S1：待測(cè)量毒素樣品在光譜發(fā)生模塊通過(guò)激發(fā)光激發(fā)誘導(dǎo)產(chǎn)生熒光信號(hào)；

S2：光譜采集模塊實(shí)時(shí)采集樣品物質(zhì)的熒光信號(hào)的光譜數(shù)據(jù)，并作為熒光樣本保存到光譜原始數(shù)據(jù)數(shù)據(jù)庫(kù)中；

S3：光譜數(shù)據(jù)預(yù)處理模塊對(duì)采集的熒光樣本的光譜數(shù)據(jù)進(jìn)行預(yù)處理后，通過(guò)光譜數(shù)據(jù)特征提取算法模塊對(duì)光譜數(shù)據(jù)特征進(jìn)行提取，其中，所述預(yù)處理包括：異常數(shù)據(jù)處理、噪聲消除及其他處理；

S4：將提取的特征光譜數(shù)據(jù)先在特征光譜模型數(shù)據(jù)庫(kù)進(jìn)行分類(lèi)查詢(xún)，再通過(guò)光譜模型識(shí)別匹配模塊進(jìn)行匹配識(shí)別；

S5：光譜分析平臺(tái)獲取匹配識(shí)別結(jié)果，并通過(guò)結(jié)果輸出模塊顯示給用戶(hù)。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述異常數(shù)據(jù)處理的方法具體為：通過(guò)基于統(tǒng)計(jì)學(xué)的一元離群點(diǎn)的檢測(cè)方法，求取所有光譜數(shù)據(jù)的均值和方差，進(jìn)而得到標(biāo)準(zhǔn)差，然后將所有光譜數(shù)據(jù)與均值做對(duì)比，若任一光譜數(shù)據(jù)距離均值大于M倍標(biāo)準(zhǔn)差，則認(rèn)定此數(shù)據(jù)為異常數(shù)據(jù)，其中，M為預(yù)設(shè)的閾值。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述噪聲消除的方法具體為：通過(guò)采用信號(hào)平滑的方法消除噪聲，并通過(guò)多次測(cè)量取平均值以降低噪聲提高信噪比，其中，信號(hào)平滑的方法為Savitzky2Golay卷積平滑法。

8.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述其他處理具體為：通過(guò)其他算法消除光譜多重共線(xiàn)性、吸光度非線(xiàn)性、基線(xiàn)變動(dòng)和附加散射變動(dòng)等的影響，其中，所述其他算法包括：

快速傅里葉變換，其通過(guò)將原始光譜數(shù)據(jù)分解成許多不同頻率的正弦波，然后將這些正弦波疊加求和。

小波變換，其通過(guò)將原始光譜數(shù)據(jù)進(jìn)行信號(hào)變換后，在小波域進(jìn)行過(guò)濾和壓縮處理，然后再重構(gòu)回原始域進(jìn)行光譜濾噪；

微分變換，其通過(guò)對(duì)光譜數(shù)據(jù)進(jìn)行數(shù)學(xué)模擬和計(jì)算不同階數(shù)的微分，來(lái)確定光譜曲線(xiàn)的彎曲點(diǎn)、最大及最小反射率的波長(zhǎng)位置。