一种基于近红外光谱的液体浓度检测方法及系统与流程

本技术属于液体浓度检测，具体为一种基于近红外光谱的液体浓度检测方法及系统。

背景技术：

1、近红外光谱技术在液体浓度检测领域上扮演着至关重要的角色，是实现工业生产质量把控和物质成分分析的核心手段。然而，现有的液体浓度检测方法往往依赖于理想化的光学环境假设，忽略了实际工业现场中液体物体形态的复杂多变性。这种对理想环境的过度依赖，使得检测设备在面对成分复杂的真实样本时，极易出现光信号衰减严重或特征信息丢失的现象。

2、在实际进行液体浓度检测的过程中，由于液体样本中存在不同程度的悬浮颗粒和颜色差异，这些物质会像微小的盾牌一样阻挡或改变光线的传播方向。当光线进入浑浊液体时，原本应该穿透液体的光束会被颗粒打散，产生严重的散射和漫反射现象，导致常规的直线接收装置无法收集到足够的光谱能量。这种光路传播的混乱状态在液体处于动态流动时会被进一步放大。因此，如何根据液体自身灵活调整光线的照射与接收路径，抵消颗粒散射和色度漫反射带来的光路干扰，稳定捕捉真实的近红外吸收特征，成为提升复杂液体浓度检测精度的关键问题。

技术实现思路

1、针对以上问题，本技术提供一种基于近红外光谱的液体浓度检测方法及系统，用于解决基于近红外光谱的液体检测过程中由于光散射和漫反射导致光路干扰，进而导致近红外光谱接收装置难以捕捉真实光信号导致液体浓度检测精度低的问题。

2、为实现上述目的，本技术采用的技术方案是一种基于近红外光谱的液体浓度检测方法，包括：

3、获取视觉成像采集装置在液体样本处于流动状态下采集的流动液体样本图像；

4、将所述流动液体样本图像输入光学干扰检测模型，以使所述光学干扰检测模型输出所述液体样本内部的光线散射程度和光漫反射程度，并根据所述光线散射程度和光漫反射程度确定液体样本的光路干扰数据；

5、在液体样本的光路干扰数据大于预设光路干扰阈值时，根据光线散射程度、光漫反射程度和第一预设标定参数表生成第一修正采集配置参数；其中，所述第一修正采集配置参数包括：修正接收参数和修正发射参数，所述修正接收参数包括：修正偏振滤光取向，所述修正发射参数包括：第一修正光源中心频率和修正入射光斑直径；

6、将所述修正发射参数传输至近红外光谱发射装置，以使近红外光谱发射装置根据修正发射参数调整自身发射参数，并基于调整后的自身发射参数对液体样本连续发射近红外光束，将所述修正接收参数传输至近红外光谱接收装置，并获取近红外光谱接收装置在修正接收参数下采集的液体样本的第一光信号序列；

7、对第一光信号序列进行光谱特征提取，得到目标光谱特征，根据所述目标光谱特征和预设光谱特征与液体浓度映射关系确定液体样本的液体浓度数值。

8、进一步地，所述将所述流动液体样本图像输入光学干扰检测模型，以使所述光学干扰检测模型输出所述液体样本内部的光线散射程度和光漫反射程度，包括：

9、将所述流动液体样本图像输入光学干扰检测模型，以使所述光学干扰检测模型提取所述流动液体样本图像的悬浮颗粒分布密度数据和颜色差异梯度数据，根据悬浮颗粒分布密度数据生成颗粒粒径分布特征，根据颜色差异梯度数据生成色度偏移分量特征，根据颗粒粒径分布特征输出所述液体样本内部的光线散射程度，根据色度偏移分量特征输出所述液体样本内部的光漫反射程度。

10、进一步地，所述光学干扰检测模型的构建包括：

11、构建多组不同悬浮颗粒浓度的第一标准液体样本和多组不同色度梯度的第二标准液体样本，基于视觉成像采集装置对各第一标准液体样本和各第二标准液体样本进行图像采集，得到若干待标注流动液体标准样本图像；

12、获取每一待标注流动液体标准样本图像对应的真实光线散射程度和真实光线漫反射程度，以待标注流动液体标准样本图像对应的真实光线散射程度和真实光线漫反射程度对待标注流动液体标准样本图像进行标注，生成各流动液体标准样本图像，并根据各流动液体标准样本图像构建训练样本集；

13、基于卷积神经网络构建初始光学干扰检测模型，以所述训练样本集对初始光学干扰检测模型进行有监督迭代训练，直至所述初始光学干扰检测模型收敛，生成光学干扰检测模型；其中，在每一迭代训练过程中，初始光学干扰检测模型提取流动液体标准样本图像的悬浮颗粒分布密度数据和颜色差异梯度数据，根据悬浮颗粒分布密度数据生成颗粒粒径分布特征，根据颜色差异梯度数据生成色度偏移分量特征，根据颗粒粒径分布特征输出流动液体标准样本图像的预测光线散射程度，根据色度偏移分量特征输出流动液体标准样本图像的预测光漫反射程度，根据预测光线散射程度、预测光漫反射程度、真实光线散射程度和真实光线漫反射程度计算第一损失值，并根据第一损失值反向迭代更新初始光学干扰检测模型的网络权重参数。

14、进一步地，在获取近红外光谱接收装置在修正接收参数下采集的液体样本的第一光信号序列之后，还包括：

15、获取背景暗电流基准值和散射补偿系数；

16、以背景暗电流基准值和散射补偿系数对第一光信号序列进行修正，得到修正第一光信号序列；

17、以所述修正第一光信号序列更新第一光信号序列。

18、进一步地，在获取近红外光谱接收装置在修正接收参数下采集的液体样本的第一光信号序列之后，还包括：

19、对第一光信号序列进行信号波动检测，输出信号波动状态；其中，信号波动状态为存在信号波动或不存在信号波动；

20、在第一光信号序列的信号波动状态为存在信号波动时，获取液体样本的实时流速；

21、在实时流速大于预设流速阈值时，根据实时流速和预设流速阈值确定流速差值，根据所述流速差值和第二预设标定参数表生成第二修正采集配置参数，并将所述第二修正采集配置参数传输至近红外光谱发射装置，获取近红外光谱接收装置在第二修正采集配置参数下采集的第二光信号序列；其中，所述第二修正采集配置参数包括：第二修正光源中心频率、修正采样触发周期和修正脉冲占空比例；

22、根据第二光信号序列生成液体样本的湍流强度数据，基于所述湍流强度数据对第二光信号序列中的湍流噪声进行剔除，生成剔除湍流噪声后的第三光信号序列；

23、以所述第三光信号序列更新第一光信号序列。

24、进一步地，所述对第一光信号序列进行信号波动检测，输出信号波动状态，包括：

25、将所述第一光信号序列输入信号波动检测模型，以使所述信号波动检测模型根据第一光信号序列输出第一光信号序列的信号波动状态；

26、其中，所述信号波动检测模型的构建包括：

27、获取若干光信号序列样本；其中，每一光信号序列样本包括光信号序列样本的原始光谱信号和真实信号波动状态；

28、基于长短期记忆网络构建初始信号波动检测模型，以各光信号序列样本对初始信号波动检测模型进行有监督迭代训练，直至所述初始信号波动检测模型收敛，生成信号波动检测模型；在每一迭代训练过程中，初始信号波动检测模型提取光信号序列样本的原始光谱信号，根据原始光谱信号提取原始光谱信号中相邻采样段的幅值变化特征和相位偏移特征，根据相邻采样段的幅值变化特征和相位偏移特征输出预测信号波动状态，根据预测信号波动状态和真实信号波动状态计算第二损失值，并根据第二损失值反向迭代更新初始信号波动检测模型的网络权重参数。

29、进一步地，所述根据第二光信号序列生成液体样本的湍流强度数据，包括：

30、以预设固定长度分段对第二光信号序列进行拆分，得到若干连续的第二光信号子序列；

31、计算两两相邻第二光信号子序列的幅值方差，并根据各相邻第二光信号子序列的幅值方差确定第二光信号序列的最大幅值方差；

32、根据第二光信号序列的最大幅值方差确定液体样本的湍流强度数据。

33、进一步地，所述基于所述湍流强度数据对第二光信号序列中的湍流噪声进行剔除，生成剔除湍流噪声后的第三光信号序列，包括：

34、根据所述湍流强度数据确定低通滤波截止频率；

35、通过离散傅里叶变换将第二光信号序列转换为频域第二光信号；

36、剔除频域第二光信号中高于所述低通滤波截止频率的频域幅值置零，得到剔除湍流噪声的频域第二光信号；

37、通过逆傅里叶变换将剔除湍流噪声的频域第二光信号转换为时域信号，得到剔除湍流噪声后的第三光信号序列。

38、进一步地，所述对第一光信号序列进行光谱特征提取，得到目标光谱特征，包括：

39、分离第一光信号序列中的基线漂移，生成分离基线漂移后的去干扰第一光信号序列；

40、提取去干扰第一光信号序列的溶质吸收峰，根据去干扰第一光信号序列的溶质吸收峰生成目标光谱特征。

41、在上述方法项实施例的基础上，本技术对应提供了系统项实施例；

42、本技术一实施例对应提供了一种基于近红外光谱的液体浓度检测系统，所述系统包括：图像接收模块、光路干扰检测模块、参数修正模块和浓度检测模块；

43、所述图像接收模块，用于获取视觉成像采集装置在液体样本处于流动状态下采集的流动液体样本图像；

44、所述光路干扰检测模块，用于将所述流动液体样本图像输入光学干扰检测模型，以使所述光学干扰检测模型输出所述液体样本内部的光线散射程度和光漫反射程度，并根据所述光线散射程度和光漫反射程度确定液体样本的光路干扰数据；

45、所述参数修正模块，用于在液体样本的光路干扰数据大于预设光路干扰阈值时，根据光线散射程度、光漫反射程度和第一预设标定参数表生成第一修正采集配置参数；其中，所述第一修正采集配置参数包括：修正接收参数和修正发射参数，所述修正接收参数包括：修正偏振滤光取向，所述修正发射参数包括：第一修正光源中心频率和修正入射光斑直径；将所述修正发射参数传输至近红外光谱发射装置，以使近红外光谱发射装置根据修正发射参数调整自身发射参数，并基于调整后的自身发射参数对液体样本连续发射近红外光束，将所述修正接收参数传输至近红外光谱接收装置，并获取近红外光谱接收装置在修正接收参数下采集的液体样本的第一光信号序列；

46、所述浓度检测模块，用于对第一光信号序列进行光谱特征提取，得到目标光谱特征，根据所述目标光谱特征和预设光谱特征与液体浓度映射关系确定液体样本的液体浓度数值。

47、通过实施本技术具有如下有益效果：

48、本技术提供了一种基于近红外光谱的液体浓度检测方法及系统，所述方法通过获取视觉成像采集装置在液体样本处于流动状态下采集的流动液体样本图像，通过光学干扰检测模型对动液体样本图像中存在的光线散射程度和漫反射程度进行分析，并根据光线散射程度和光漫反射程度确定液体样本的光路干扰数据。在液体样本的光路干扰数据大于预设光路干扰阈值时，根据光线散射程度、光漫反射程度和第一预设标定参数表生成第一修正采集配置参数；其中，所述第一修正采集配置参数包括：修正接收参数和修正发射参数，所述修正接收参数包括：修正偏振滤光取向，所述修正发射参数包括：第一修正光源中心频率和修正入射光斑直径；通过对光线散射程度和光漫反射程度的分析，在存在由于光线散射和漫反射导致的光路干扰时，能基于存在的干扰问题生成包含修正发射参数和修正接收参数的第一修正采集配置参数，进而及时对近红外光谱的发射装置和接收装置参数进行修正，使得修正后的近红外光谱接收装置能接收去除光路干扰后的第一光信号序列，再对第一光信号序列进行光谱特征提取，得到目标光谱特征，根据所述目标光谱特征和预设光谱特征与液体浓度映射关系确定液体样本的液体浓度数值，提高液体样本的液体浓度检测准确性。