[发明专利]一种基于拉曼光谱的定量探测方法、系统和拉曼光谱仪

说明书

本发明涉及拉曼光谱探测技术领域，提供一种基于拉曼光谱的定量探测方法、系统和拉曼光谱仪，方法包括计算第一最大峰值与第二最大峰值之间的第一强度比，计算第三最大峰值与第四最大峰值之间的第二强度比，根据所述第一强度比、所述第二强度比以及所述参照样品的浓度，计算所述待测样品的浓度，只需要提前对参照样品在一个预设距离处进行一次测量标定，确定第一强度比，即可在拉曼光谱仪的测量范围内的任何距离处实现对待测样品的定量测量，不受探测距离、激光功率、检测时间及待测样品浓度含量的影响，无需重复标定，且测量误差小，适用性强，实施过程简单。

技术领域

本发明涉及拉曼光谱探测技术领域，尤其涉及一种基于拉曼光谱的定量探测方法、系统和拉曼光谱仪。

背景技术

拉曼光谱直接反映了物质分子的振动结构信息，早期被大量用于对物质特性和分子结构信息进行定性分析。随着光学测量技术的快速发展，拉曼光谱中所包含的信息量也越来越丰富，这使得拉曼光谱技术可适用于较精确的定量分析应用。

对于某一特定物质而言，在激发光强度、测量温度等因素不变的情况下，样本的拉曼散射的强度与样本中散射分子的数量成正比，即拉曼散射的强度与分子浓度成正比。目前绝大部分拉曼光谱定量分析方法都是基于这一基本理论原则。

目前的定量分析方法主要有软建模分析方法和基于谱峰分解的硬建模方法，具体地：

1)软建模分析方法：是指将大量待测属性已知的光谱数据作为训练样本，基于某种优化算法或学习型数学方法寻找光谱数据与样本待测属性之间的数学关系，建立对待测值的校正模型。该方法需要较多的训练样本，且模型基本不具备有外推性；

2)硬建模方法：与软建模分析方法类似，其分析过程也分为模型建立和分析预测两个步骤，硬建模方法以光谱数据与样本待测属性之间的物理联系为机理，与软建模方法相比，硬建模方法所需的训练样本数目少、模型外推性强、适应光谱非线性变化并可在一定程度上处理特征峰重叠问题。但硬建模方法需要对样本的化学性质及成分、光谱的物理特性等掌握较多的先验知识，以便于将特征谱峰与样本中不同成分的化学性质建立对应关系，这就需要大量的前期工作和先验知识。

对于远程拉曼光谱仪进行定量分析而言，由于被测物体的距离不是一个定值，如果用上述的软建模方法或硬建模方法，则均需对每个测量距离处进行一次建模以消除距离的变化对拉曼信号产生及收集效率的影响，这将极大的增加仪器建模及定标的工作量和复杂性，且理论上不可能对每个距离进行建模和定标，而只能依靠插值的方式进行估计，测量误差大。

而且，现有的基于拉曼光谱的定量探测方法多是针对实验室、在线检测的拉曼设备，其为保证模型的外推性，对于检测仪器的检测条件，如激光功率、采集时间、样品距离、外界光环境、样品形态等，通常做了一定的限定，应尽量保持一致，避免因为检测条件的变化引入的变量对定量检测模型的影响。

而对于远距离的激光拉曼光谱检测而言，其检测距离从数米到数百米不等，对于不同距离处的不同检测目标样品，为获得足够信噪比的信号，其检测时间、外界光环境等检测条件会有较大的差异，无法用传统的软建模或硬建模的定量分析方法对其进行定量分析，适用性差。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供了一种基于拉曼光谱的定量探测方法、系统和拉曼光谱仪。

本发明的一种基于拉曼光谱的定量探测方法的技术方案如下：

计算第一最大峰值与第二最大峰值之间的第一强度比，其中，所述第一最大峰值指：参照样品的第一拉曼光谱的最大峰值，所述第二最大峰值指：在所述参照样品的预设距离处的预设种类气体的第二拉曼光谱的最大峰值；

计算第三最大峰值与第四最大峰值之间的第二强度比，其中，所述第三最大峰值指：待测样品的第三拉曼光谱的最大峰值，所述第四最大峰值指：在所述待测样品的所述预设距离处的预设种类气体的第四拉曼光谱的最大峰值；