LabVIEW实现近红外测量 - 全文

　　近红外谱区(1)是指位于可见谱区与中红外谱区之间的一段电磁波谱，即介于780-2526nm的光区。近红外光谱(Near-infrared Spectroscopy, NIRS)可划分为短波长近红外波段和长波长近红外波段，其波段范围分别为780-1100nm和1100-2526nm。由于频率较高，NIR谱区分子对其吸收主要是分子振动的倍频与合频吸收。NIRS分析技术是通过被分析物质中的含氢基团，如OH、CH、NH、SH、PH等在近红外区域内表现有特征吸收，利用计算机技术及化学计量学方法，对扫描测试样品的光学数据进行一系列的分析处理，最后完成该样品有关成分的定量分析任务。

　　基于虚拟仪器的近红外整粒小麦成分测量系统主要包括仪器软、硬件和建模软件。仪器软、硬件均采用模块化设计。硬件模块化主要由光路、检测器及信号调理电路和虚拟仪器的数据采集板卡组成;软件模块化主要由信号获取模块、I/O控制模块、数据分析模块、数据保存和显示模块组成。软件平台采用的是图形化的编程语言LabVIEW，建模采用逐步回归分析[6]方法。

　　1.硬件设计

　　1.1光路设计

　　光源部分由14个近红外发光二极管(LED)组成，每个发光二极管对应通过一个波长位于890nm～1050nm之间的近红外窄带干涉滤光片，形成单色的近红外光，近红外光经菲涅尔透镜汇聚到被测样品上，在样品中被散射吸收后，由检测器接收，由于LED的电流决定了它的光强，每支LED都有单独可以调节的恒流电路，以保证光源的稳定。

　　窄带干涉滤光片的带宽为10nm，所使用的范围为890nm～1050nm。测量的时候，先用各个波长依次照射样本，得到各波长样本的光谱数据，然后通过逐步回归算法挑出对待测成分有显著影响的波长。预测的时候，只需将所挑出波长的吸光度带入模型计算。

　　本系统采用单一的检测器，将14个波长的窄带滤光片尽可能紧密地排布在圆形的支架上，在通过同样电流的情况下LED在不同波长处的光强不同，因此，将LED发光较弱波长的滤光片(即波长与890nm和940nm相差较大的滤光片)排布在接近圆心的位置，以增强有效光强。

　　菲涅尔透镜的焦距是20mm，透镜距离支架是40mm，距检测器是20mm。菲涅尔透镜、支架、检测器垂直固定在通过它们中心的一条直线上。样品池厚度为20mm(扣除样品池壁后)，样品池透光的两侧为磨砂面，以进一步增强光源的均匀性。样品池在测量范围内对各个波长近红外的透过率近似一致。因此由样品池引起的误差对各个波长来说近似一样。

　　1.2光源部分电路设计

　　本系统的光源采用近红外发光二极管，因为其光强小，对样品不会造成损坏，适用于无损检测，且使用寿命达到十年以上。选用波长分别为890nm、940nm，带宽为40nm~50nm。通过调整每支LED的电流，使各个波长通过窄带滤光片以后的光强近似一致。用电路控制LED轮流发光，以分时获得样品在单一波长下的光度值。为保证LED的电流稳定可调，采用恒流源电路。

　　1.3信号转换电路设计

　　检测器选择在短波近红外区相应敏感的硅光电池。由于光电池产生的短路电流与光强有良好的线性关系，通过I/V转换，可以得到提供AD转换的电压。由于光源LED的发光角度较小，有较好的单向性，可近似于平行光源。将LED放在菲涅尔透镜的2倍焦距处，检测器放在另一侧1倍焦距处，选用圆形的硅光电池，与滤光片的排布相对。

　　光电池工作在零偏置即光伏模式，实现精确的线性工作。光电池偏置由运算放大器的虚地维持在零电位上，短路电流被转换成电压。切换增益电阻的开关选择小型5V继电器，由数据采集卡中的I/O口通过一个三极管来控制通断，在测量空白光路的时候选择较小电阻，测量样品时，由于样品的吸收，光强较弱，选择较大电阻，获得较高的增益。

　　1.4数据采集卡

　　本系统采用的采集板为微机系统的扩展卡形式，数据采集卡是NI公司的PCI-6040E，用到的还有它的附件CB-68LP，其中CB-68LP是用来将PCI卡上的引脚引到主机外面方便连线的。

　　软件设计

　　虚拟仪器技术的核心思想是利用计算机的硬/软件资源，使本来需要硬件实现的技术软件化(即虚拟化)，以便最大限度地降低系统成本，增强系统的功能与灵活性。基于软件在VI系统中的重要作用，美国NI公司提出了“软件就是仪器”的口号。

　　2.1程序前面板设计

　　前面板相当于真实仪器可操作的面板，可以通过操作此面板来完成需要的任务，此前面板包括：开始运行按钮，数字I/O线控制按钮，通道选择，输入采集次数控制量，显示均值和图形显示几个控件。

　　2.2程序框图设计

　　在LabVIEW中，程序框图相当于真实仪器内部的器件和连线，这才是软件编程中的灵魂。这部分主要包括信号获取模块，I/O控制模块，信号分析模块，数据获取模块和数据显示模块。本系统扫描了40个已知粗蛋白含量的整粒小麦样品，得到40个光谱图数据，然后用36个样品(4个被剔除)的光谱数据对整理小麦粗蛋白含量进行建模和预测，其中26个作为校准集，用于建立小麦粗蛋白含量与光谱数据之间的校准模型;10个作为预测集，用于检验模型的预测能力。校准集样品的建模模型为： C=4.77-60.24A890+122.17A910-40.63A940+83.83A1020-89.66A1050其中，C为整粒小麦样品粗蛋白的含量，A890，A910，A940，A1020，A1050为对应波长点的吸光度。

　　根据此关系模型，将扫描到的光谱图中对应波长的吸光度值代入，即可得到某一整粒小麦粗蛋白含量值。其中校准集中预测值与化学值的相关系数为R=0.845，标准差为SEC=0.84。预测集中预测值与化学值的相关系数为R=0.834，标准差为SEP=0.93。

　　由于建模样品量少以及仪器本身扫描光谱也存在一定的误差，其预测结果与真实化学值之间存在一定偏差，由上面的图可以看出，尽管如此，在精度要求不很精密的场合(如现场测量、快速检测等)，已经可以用于对整粒小麦粗蛋白含量进行快速无损检测了。

　　此系统利用计算机丰富的软件资源，实现了部分硬件的软件化，节省了物质资源，其硬件和软件都采用标准化、模块化和系统化的设计原则，系统性能稳定，调试、扩展和维护方便，人机界面友好，增加了系统的灵活性，能直接实时地对测试数据进行分析和处理。同时将本软件程序打包成可执行程序，可在没有安装LabVIEW软件的电脑上运行，使其不依赖于编程软件来执行，增加了它的适用范围和灵活性。