近红外光谱仪器已经成为谷物质量监控领域种不可或缺的重要分析手段之一。谷仓监测的当的方法,通常从每个谷仓中抽取一定数量的样品,拿回到实验室,通过光谱分析仪器做分析,无法做到多个监测点自动上报数据实时分析。
随着传感器芯片(半导体)技术的不断发展和市场的需求,艾迈斯半导体推出了小尺寸,低成本,且面向消费类的光谱传感器,可以在谷仓中搭建多个监测点,并实时的监测谷物品质。作为消费产品传感器芯片制造商,艾迈斯半导体对谷物品质监测的未来有着独特的认识。
本文介绍了艾迈斯半导体如何在未来的谷物品质监测中部署传感器。
多通道的红外光谱传感器
图1:全光谱图
艾迈斯半导体提供了一个完全集成的光谱模块,由一个近红外光源和一个探测器组成,可对待测物质做定性测量。首先要保证该物质的红外特征光谱是在近红外光源的波长范围内,光源打到待测物质表面,会有一个反射回来的红外光,带有该物质的吸收特性的光谱信息,并被光谱传感器的探测器接收,经过处理器或是云端服务器做数据分析处理,与存放在数据库的被测物质成分的参考光谱做匹配,从而得到具体的物质成分信息。
图2:光谱模块测试流程
AS7024的探测器和光源包含在一个6.6mm x 6mm x 2.2mm的模块中。探测器由64个硅光电二极管构成,带有带通滤波器。每一个光电二极管滤波器都在750nm到1050nm之间传输一定的波长,所有通道在这个波长范围内均匀分布,峰与峰相隔5nm,FWHM是10nm。
AS7520是一个基于单像素InGaAs的探测器,且带通滤波器可调。有三组波段供选择,1350-1650nm、1550~1850nm、1750~2150nm。带通滤波器可以以1nm为步长进行扫描,FWHM为8nm.
图3:AS7420的光谱响应曲线
为了提高红外光谱传感器的测量精度,传感器和相应的终端设备需要正确校准。艾迈斯半导体会在芯片出厂前做基本的初始校准,以消除制造公差。此外,传感器配备了补偿模型,可以用于补偿环境条件的变化。
将光谱传感器集成到终端设备中后,有必要进行第二次校准,每个产品的结构,光路等因素会影响产品的测量精度。通过艾迈斯半导体提供的软件,将校准结果与初始的校准结果合并。
在较低的近红外波长区域,吸收光谱比较宽,这使得区分不同物质特征非常困难。因此,需要额外的数据算法处理来更好的解决物质间光谱特征的微小变化。如图4测试的大米,小米的光谱特征曲线相似,但是经过一阶导数或是二阶导的算法处理,得到曲线上的变化斜率,从而区分出了相似的原始光谱曲线,准确的分辨出具体的物质。
图4:大米和小米的光谱响应曲线以及经过二阶导数处理后的曲线
谷物品质的监控参数
2. 蛋白质含量:蛋白质的响应光谱一般在1200nm~1700nm之间。
3. 脂肪酸含量:脂肪酸的光谱吸收峰大概在2000nm左右。
4. 淀粉含量:淀粉的光谱吸收峰大概在1400~1500nm左右。
5. 水分含量:水的光谱吸收最大峰在940nm左右。
以上的物质的特征光谱都是在红外波段比较明显,且基本是在2000nm以内,完全可以用艾迈斯半导体的红外光谱传感器进行检测,且使无人工,低成本,实时的多点监测成为可能。
表1:高精度温度传感器的型号比较
总结
转载自:艾迈斯半导体