本技术公开了一种基于神经网络的拉曼光谱自动调节与重建方法,应用于拉曼光谱系统,所述基于神经网络的拉曼光谱自动调节与重建方法包括:按照预设的第一温度、预设的第一积分时间、预设的第一增益和预设的第一偏置采集得到第一拉曼光谱信号。本基于神经网络的拉曼光谱自动调节与重建方法通过自动调节模型,自动调节积分时间、偏置和增益,无需手动操作,有效提升了拉曼光谱系统的动态范围和信噪比,使弱拉曼光谱信号更容易被识别,增强了检测灵敏度,也提升了检测的动态范围;并且自动调节模型中通过对宽度模块与深度模块的加权,提升了自动调节模型输出的准确性和灵活性。
背景技术
拉曼光谱技术是一种通过测量物质与激光相互作用产生的散射光谱来获得分子结构信息的分析方法,广泛应用于材料科学、化学分析、生物医学等领域。然而,由于拉曼散射信号本质上较弱且易受噪声干扰,系统的动态范围和信噪比成为影响拉曼光谱质量的关键因素。
在拉曼光谱系统中,CCD作为探测器将光信号转换为电信号,并通过模数转换芯片(如AD9826)输出数字信号。然而,拉曼光谱信号的强弱在很大程度上取决于样品特性,信号强度在不同条件下(如积分时间变化)会有较大波动。在长时间积分的情况下,强拉曼信号可能导致CCD过曝,超过探测器的量程上限(如65535),从而降低光谱质量和数据的准确性。而当积分时间较短时,虽然可以避免强信号的过曝,但弱拉曼信号可能检测不到,导致光谱中缺少必要的信息。
现有技术通常通过手动调整增益、偏置和积分时间,以优化信噪比和动态范围,但这种手动调节方式不仅耗时,而且在实时检测和动态变化的条件下难以满足要求。因此,存在一种需求,即通过自动化控制系统,实现增益、偏置和积分时间的动态调整,适应不同检测条件下的信号变化,从而提升系统性能。
实现思路