本發(fā)明涉及分析儀器及互聯(lián)網(wǎng)
技術(shù)領(lǐng)域：
，尤其涉及一種通過互聯(lián)網(wǎng)實(shí)現(xiàn)復(fù)雜體系質(zhì)量檢測的基于云服務(wù)器的質(zhì)量檢測系統(tǒng)。
背景技術(shù)：
：分析儀器是分析樣品的結(jié)構(gòu)、組分和組成的一類儀器，這類儀器在使用過程中往往需要一系列標(biāo)準(zhǔn)對(duì)照物和其他的標(biāo)準(zhǔn)方法作為參比。標(biāo)準(zhǔn)對(duì)照物通常用由多譜(IR、UV、MIR、NIR)聯(lián)用確定結(jié)構(gòu)，且需法定或權(quán)威部門獲得或確證，參比方法通常是稱重或稱體積。例如在《中華人民共和國藥典》2015版一部中丹酚酸B的含量測定時(shí)：取丹酚酸B對(duì)照品精密稱量(適量標(biāo)定)，加甲醇-水(8：2)混合溶液制成1ml含0.10mg的溶液，液相色譜，根據(jù)峰面積或峰高與進(jìn)樣中丹酚酸B含量的關(guān)系測定丹參中丹酚酸B的含量。若用光譜法，通常需要化學(xué)計(jì)量學(xué)方法。之所以需要校正(例如重量、體積)，是在于光學(xué)方法，只是提供了信號(hào)與含量之間的相關(guān)關(guān)系：這個(gè)相關(guān)關(guān)系與光源(由電信號(hào)轉(zhuǎn)變?yōu)楣庑盘?hào)，如鎢燈)的狀態(tài)、光信號(hào)轉(zhuǎn)化為電信號(hào)(如光電二極管)及儀器內(nèi)的部件的控制、磨損、使用狀態(tài)相關(guān)，這些狀態(tài)在同一臺(tái)儀器上隨儀器的使用需要校正(或模型更新)，即每隔一定時(shí)間需要重新作標(biāo)準(zhǔn)曲線。而且在不同儀器(相同類型和型號(hào))之間標(biāo)準(zhǔn)曲線(模型)不能移植(共享)。正因如此，每年全國在藥品、食品、谷物、飼料等領(lǐng)域存在大量的重復(fù)檢測，也有一些小型企業(yè)沒有能力(比如人力、物力)配備檢測條件。造成了檢測資源的巨大浪費(fèi)，同時(shí)又無法更有效地監(jiān)控藥品、食品、谷物、飼料等產(chǎn)品的質(zhì)量。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于，提供一種基于云服務(wù)器的質(zhì)量檢測系統(tǒng)，使復(fù)雜樣品的檢測快速化、簡單化和網(wǎng)絡(luò)化，提高質(zhì)量檢測效率與覆蓋面。為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種云服務(wù)器，包括儀器數(shù)據(jù)庫、云儀器、校正數(shù)據(jù)庫、算法數(shù)據(jù)庫、樣品數(shù)據(jù)庫以及模型數(shù)據(jù)庫；所述儀器數(shù)據(jù)庫用于存儲(chǔ)進(jìn)行質(zhì)量檢測的檢測儀器的儀器序列號(hào)、檢測樣品種類、檢測時(shí)間、積累使用時(shí)間以及最近一次校正時(shí)間；所述云儀器為在所述云服務(wù)器上根據(jù)激勵(lì)源產(chǎn)生的所述檢測儀器的虛擬響應(yīng)信號(hào)的數(shù)據(jù)列；所述校正數(shù)據(jù)庫用于存儲(chǔ)所述檢測儀器上產(chǎn)生的校正模型和所述檢測儀器進(jìn)行校正所采用的校正算法；所述算法數(shù)據(jù)庫用于存儲(chǔ)建立待測樣品成分預(yù)測的建模算法；所述樣品數(shù)據(jù)庫用于存儲(chǔ)待測樣品的樣品名稱、產(chǎn)地、儀器檢測值、化學(xué)成分值；所述模型數(shù)據(jù)庫用于存儲(chǔ)根據(jù)所述樣品數(shù)據(jù)庫及所述算法數(shù)據(jù)庫建立的預(yù)測待測樣品中成分的模型及模型參數(shù)。為了實(shí)現(xiàn)上述目的，本發(fā)明還提供了一種質(zhì)量檢測系統(tǒng)，包括檢測儀器、智能終端以及本發(fā)明所述的云服務(wù)器；所述檢測儀器為具有無線通訊功能的光譜儀，所述光譜儀為紫外光譜儀、可見光光譜儀、近紅外光譜儀、紅外光譜儀、拉曼光譜儀以及多源復(fù)合光譜儀的其中之一，所述檢測儀器用于對(duì)待測樣品進(jìn)行檢測；所述云服務(wù)器用于接收所述智能終端獲取的所述檢測儀器的儀器序列號(hào)，并根據(jù)所接收到的儀器序列號(hào)在所述云服務(wù)器的所述儀器數(shù)據(jù)庫中查詢所述檢測儀器的狀態(tài)，以判別所述檢測儀器的檢測信號(hào)是否需要校正；若所述檢測儀器的檢測信號(hào)需要校正，所述云服務(wù)器調(diào)用所述云服務(wù)器的所述云儀器對(duì)所述檢測儀器的檢測信號(hào)進(jìn)行校正，并形成校正模型存入所述云服務(wù)器的所述校正數(shù)據(jù)庫中，之后對(duì)待測樣品的性質(zhì)進(jìn)行預(yù)測，預(yù)測結(jié)果返回所述智能終端；若所述檢測儀器的檢測信號(hào)不需校正，所述云服務(wù)器調(diào)用所述模型數(shù)據(jù)庫中存儲(chǔ)的樣品性質(zhì)預(yù)測模型對(duì)待測樣品的性質(zhì)進(jìn)行預(yù)測，預(yù)測結(jié)果返回所述智能終端。本發(fā)明的優(yōu)點(diǎn)在于，本發(fā)明提供的基于云服務(wù)器的質(zhì)量檢測系統(tǒng)，利用互聯(lián)網(wǎng)技術(shù)、電子技術(shù)、計(jì)算機(jī)技術(shù)建立云服務(wù)器實(shí)現(xiàn)對(duì)檢測儀器的監(jiān)控與標(biāo)定，使中藥材、食品、谷物等復(fù)雜天然產(chǎn)物的質(zhì)量檢測快速化、簡單化和網(wǎng)絡(luò)化，提高質(zhì)量檢測效率與覆蓋面。附圖說明圖1，本發(fā)明所述的基于云服務(wù)器的質(zhì)量檢測系統(tǒng)的架構(gòu)示意圖；圖2，本發(fā)明第一實(shí)施例所述銀杏葉樣品的多源復(fù)合光譜圖；圖3，本發(fā)明第二實(shí)施例所述丹參樣品的多源復(fù)合光譜圖；圖4，本發(fā)明第三實(shí)施例所述金銀花樣品的紫外光圖譜；圖5，本發(fā)明第四實(shí)施例所述煙草樣品的近紅外光譜圖；圖6，本發(fā)明第五實(shí)施例所述奶粉樣品的多源復(fù)合光譜圖；圖7A，本發(fā)明第六實(shí)施例所述檢測儀器的校正前的多源復(fù)合光譜圖；圖7B，本發(fā)明第六實(shí)施例所述檢測儀器的校正后的多源復(fù)合光譜圖。具體實(shí)施方式下面結(jié)合附圖對(duì)本發(fā)明提供的基于云服務(wù)器的質(zhì)量檢測系統(tǒng)做詳細(xì)說明。參考圖1，本發(fā)明所述的基于云服務(wù)器的質(zhì)量檢測系統(tǒng)的架構(gòu)示意圖。所述的系統(tǒng)包括檢測儀器11、智能終端12以及云服務(wù)器13。所述檢測儀器11用于對(duì)待測樣品進(jìn)行檢測。所述檢測儀器11可以為具有無線通訊功能的光譜儀，所述光譜儀為紫外光譜儀、可見光光譜儀、近紅外光譜儀、紅外光譜儀、拉曼光譜儀以及多源復(fù)合光譜儀的其中之一。多源復(fù)合光譜儀包括但不限于紫外光區(qū)多個(gè)波長光源、可見光區(qū)多個(gè)波長光源、近紅外光區(qū)多個(gè)波長光源、紅外光區(qū)多個(gè)波長光源中的多個(gè)光源組成的多源復(fù)合光譜儀。所述檢測儀器11與所述智能終端12通過無線通訊方式連接，所述智能終端12與所述云服務(wù)器13通過無線通訊連接。所述智能終端12可以為具有藍(lán)牙功能和無線通訊功能的手機(jī)、平板電腦或筆記本電腦等。所述云服務(wù)器13包括儀器數(shù)據(jù)庫31、云儀器32、校正數(shù)據(jù)庫33、算法數(shù)據(jù)庫34、樣品數(shù)據(jù)庫35以及模型數(shù)據(jù)庫36。所述儀器數(shù)據(jù)庫31用于存儲(chǔ)進(jìn)行質(zhì)量檢測的檢測儀器11的儀器序列號(hào)、檢測樣品種類、檢測時(shí)間、積累使用時(shí)間以及最近一次校正時(shí)間。所述儀器數(shù)據(jù)庫31還可以存儲(chǔ)有檢測儀器11的檢測批數(shù)、校正時(shí)間等數(shù)據(jù)。所述云儀器32為在所述云服務(wù)器13上根據(jù)激勵(lì)源(電壓、電流)產(chǎn)生的所述檢測儀器11的虛擬響應(yīng)信號(hào)的數(shù)據(jù)列.所述云儀器32為在所述云服務(wù)器13上的虛擬儀器。所述校正數(shù)據(jù)庫33用于存儲(chǔ)所述檢測儀器11上產(chǎn)生的校正模型和所述檢測儀器11進(jìn)行校正所采用的校正算法。所述校正數(shù)據(jù)庫33存儲(chǔ)的校正算法包含神經(jīng)元網(wǎng)絡(luò)算法、基因算法、隨機(jī)森林樹算法、多項(xiàng)式擬合算法、偏最小二乘回歸(PLSR)算法、多元線性回歸算法以及邏輯回歸算法的至少其中之一。所述校正數(shù)據(jù)庫33還可以存儲(chǔ)有檢測儀器11進(jìn)行校正時(shí)產(chǎn)生的原始數(shù)據(jù)和校正模型的參數(shù)。所述算法數(shù)據(jù)庫34用于存儲(chǔ)建立待測樣品成分預(yù)測的建模算法。所述算法數(shù)據(jù)庫34存儲(chǔ)的建模算法包括KNN(K-NearestNeighbor，K最近鄰)保形映射算法、偏最小二乘回歸(PLSR)算法、SIMCA算法、PCA算法、多項(xiàng)式擬合算法、多元線性回歸算法、邏輯回歸算法、隨機(jī)森林樹算法，神經(jīng)元網(wǎng)絡(luò)算法以及基因算法的至少其中之一。所述樣品數(shù)據(jù)庫35用于存儲(chǔ)待測樣品的樣品名稱、產(chǎn)地、儀器檢測值、化學(xué)成分值。所述校正數(shù)據(jù)庫33還可以存儲(chǔ)有待測樣品的各成分含量、樣品種類及批次等數(shù)據(jù)。所述模型數(shù)據(jù)庫36用于存儲(chǔ)根據(jù)所述樣品數(shù)據(jù)庫35及所述算法數(shù)據(jù)庫34建立的預(yù)測待測樣品中成分的樣品性質(zhì)預(yù)測模型及模型參數(shù)。所述模型數(shù)據(jù)庫36中存儲(chǔ)有各樣品中進(jìn)行定性定量預(yù)測的數(shù)學(xué)模型、模型參數(shù)、模型置信度、模型應(yīng)用范圍、模型建立時(shí)間。所述云服務(wù)器13還包括用戶數(shù)據(jù)庫37，所述用戶數(shù)據(jù)庫37用于存儲(chǔ)用戶的用戶名稱、待測樣品種類、待測樣品產(chǎn)地、待測樣品檢測批數(shù)、待測樣品檢測時(shí)間等信息。所述云服務(wù)器13用于接收所述智能終端12獲取的所述檢測儀器11的儀器序列號(hào)，并根據(jù)所接收到的儀器序列號(hào)在所述云服務(wù)器13的所述儀器數(shù)據(jù)庫31中查詢所述檢測儀器11的狀態(tài)，以判別所述檢測儀器11的檢測信號(hào)是否需要校正。若所述檢測儀器11的檢測信號(hào)需要校正，所述云服務(wù)器13調(diào)用所述云儀器32對(duì)所述檢測儀器11的檢測信號(hào)進(jìn)行校正，并形成校正模型存入所述校正數(shù)據(jù)庫33中，然后對(duì)待測樣品的性質(zhì)進(jìn)行預(yù)測，預(yù)測結(jié)果返回所述智能終端12；若檢測儀器11的檢測信號(hào)不需校正，所述云服務(wù)器13調(diào)用所述模型數(shù)據(jù)庫36中存儲(chǔ)的樣品性質(zhì)預(yù)測模型對(duì)待測樣品的性質(zhì)進(jìn)行預(yù)測，預(yù)測結(jié)果返回所述智能終端12。特別的，預(yù)測結(jié)果返回所述智能終端12，同時(shí)將所述預(yù)測結(jié)果存于用戶數(shù)據(jù)庫37中，以便用戶查詢。所述云服務(wù)器調(diào)用所述云服務(wù)器的所述云儀器對(duì)所述檢測儀器的檢測信號(hào)進(jìn)行校正，并形成校正模型存入所述云服務(wù)器的所述校正數(shù)據(jù)庫中，之后對(duì)待測樣品的性質(zhì)進(jìn)行預(yù)測進(jìn)一步為：所述云服務(wù)器13調(diào)用所述算法數(shù)據(jù)庫34中的建模算法和所述樣品數(shù)據(jù)庫35中的數(shù)據(jù)進(jìn)行模型優(yōu)化，獲得待測樣品的樣品性質(zhì)預(yù)測模型以對(duì)待測樣品的性質(zhì)進(jìn)行預(yù)測，并將獲得的待測樣品的模型存于所述模型數(shù)據(jù)庫36中。上述對(duì)待測樣品的性質(zhì)進(jìn)行預(yù)測也可以為：所述智能終端12調(diào)用所述模型數(shù)據(jù)庫36中的樣品性質(zhì)預(yù)測模型對(duì)待測樣品的性質(zhì)進(jìn)行預(yù)測?；ヂ?lián)網(wǎng)技術(shù)、電子科技和大數(shù)據(jù)技術(shù)為解決在藥品、食品、谷物、飼料等領(lǐng)域的大量重復(fù)檢測提供了可能。。因?yàn)椋F(xiàn)代電子技術(shù)的發(fā)展大大的提升了信號(hào)的精度和準(zhǔn)度。例如AD1248是24位的模數(shù)的轉(zhuǎn)換器，可以提供1/224的精度，相對(duì)基準(zhǔn)源可提供萬分之五的精度，LED燈的波長精度可控制到±2.5nm，已經(jīng)完全達(dá)到光柵型和傅立葉型光學(xué)器件的分光精度，而且對(duì)光的消耗小。目前互聯(lián)網(wǎng)傳輸速度達(dá)100M的已經(jīng)很普及。這就保證了信息的快速、有效傳遞，大規(guī)模的存儲(chǔ)技術(shù)可以保障數(shù)據(jù)的低成本存儲(chǔ)，利用分布式計(jì)算技術(shù)可以把不同的服務(wù)器組織成為一個(gè)計(jì)算任務(wù)提供服務(wù)。本發(fā)明利用互聯(lián)網(wǎng)技術(shù)、電子技術(shù)、計(jì)算機(jī)技術(shù)建立云服務(wù)器進(jìn)行檢測儀器的監(jiān)控與標(biāo)定，借助于光譜信息、樣品數(shù)據(jù)庫和數(shù)學(xué)算法實(shí)現(xiàn)中藥材、食品、谷物等復(fù)雜樣品質(zhì)量檢測的快速化、簡單化和網(wǎng)絡(luò)化，以提高質(zhì)量檢測效率與覆蓋面。基于互聯(lián)網(wǎng)技術(shù)能充分發(fā)揮質(zhì)量檢測數(shù)據(jù)的價(jià)值，使得相關(guān)企業(yè)的內(nèi)部質(zhì)量檢測數(shù)據(jù)和樣品不僅可為企業(yè)自身產(chǎn)生價(jià)值，而且可為行業(yè)產(chǎn)生價(jià)值，從而減少行業(yè)內(nèi)大量的重復(fù)勞動(dòng)和支出，又能大量減少傳統(tǒng)測試方法(如色譜法)中有機(jī)溶劑的消耗量及樣品前處理的工作量，更加環(huán)保、經(jīng)濟(jì)與安全。本發(fā)明的測試過程可以低成本運(yùn)行，一是儀器成本低，僅為現(xiàn)有光譜儀器成本價(jià)格的十分之一；二是測試成本低，不需要復(fù)雜的樣品前處理，只需簡單粉碎即可。且由于本發(fā)明是基于網(wǎng)絡(luò)平臺(tái)，，儀器信號(hào)的校正、定量、定性模型的建立與型評(píng)估、更新都是在云服務(wù)器上進(jìn)行；本發(fā)明對(duì)質(zhì)檢人員的要求低，對(duì)測試的環(huán)境條件無特別要求，質(zhì)量檢測可在現(xiàn)場進(jìn)行。因而個(gè)體經(jīng)營單位、小微企業(yè)等也可借助本發(fā)明技術(shù)準(zhǔn)確、快速地進(jìn)行產(chǎn)品的質(zhì)量檢測，提高質(zhì)量檢測效率。以下通過實(shí)施例對(duì)本發(fā)明作進(jìn)一步解釋說明。第一實(shí)施例：本實(shí)施例用一個(gè)多源光譜儀作為檢測儀器進(jìn)行待測樣品的檢測，采集相應(yīng)數(shù)據(jù)。所述的多源光譜儀是由包含275nm，370nm，675nm，750nm，830nm，900nm，1100nm，1500nm的LED光源組成，LED光源采用光電二極管實(shí)現(xiàn)。作為傳感器，多源光譜儀與智能終端用藍(lán)牙連接。智能終端是采用安卓系統(tǒng)的手機(jī)，手機(jī)與云服務(wù)器通過wifi通訊，云服務(wù)器采用阿里云，所用的儀器數(shù)據(jù)庫是用mySQL格式數(shù)據(jù)庫，儀器數(shù)據(jù)庫中存有多源光譜儀的儀器序列號(hào)(zlg1602030001)、檢測樣品種類(銀杏)、檢測批數(shù)(10批)、檢測時(shí)間(2016.4.23)、積累使用時(shí)間以小時(shí)為單位(10小時(shí))。即，序列號(hào)為zlg1602030001的儀器在2016.4.23日用于檢測銀杏葉樣品10個(gè)批數(shù)，儀器累積檢測時(shí)間為10小時(shí)。在儀器數(shù)據(jù)庫中第一實(shí)施例數(shù)據(jù)記錄如表11所示。表11儀器數(shù)據(jù)庫中記錄的第一實(shí)施例數(shù)據(jù)信息序列號(hào)檢測樣品批數(shù)檢測日期儀器累積測試時(shí)間(h)z1g1602030001銀杏102016.4.2310云儀器是在云服務(wù)器上用一系列基準(zhǔn)信號(hào)源激勵(lì)光電二極管產(chǎn)生模擬光譜，作為云儀器光譜。本發(fā)明第一實(shí)施例所述的10批銀杏葉樣品的復(fù)合光譜圖如圖2所示。多源光譜儀檢測信號(hào)的校正用校正數(shù)據(jù)庫中的多項(xiàng)式擬合算法模擬實(shí)現(xiàn)，用算法數(shù)據(jù)庫中的KNN保形映射算法建模，所預(yù)測的這10個(gè)批次銀杏葉中各成分的含量如表12所示，這個(gè)銀杏葉的樣品性質(zhì)預(yù)測模型存于模型數(shù)據(jù)庫中，用戶情況存于用戶數(shù)據(jù)庫中。表12的數(shù)據(jù)通過云服務(wù)器用wifi發(fā)送到智能終端上。表12智能終端界面顯示的第一實(shí)施例數(shù)據(jù)信息第二實(shí)施例：同第一實(shí)施例，所不同的是，檢測儀器采用275nm，285nm，295nm，330nm，375nm，420nm，450nm，600nm，675nm，830nm的紫外可見光LED光源組成。在儀器數(shù)據(jù)庫中第二實(shí)施例數(shù)據(jù)記錄如表21所示。表21儀器數(shù)據(jù)庫中記錄的第二實(shí)施例數(shù)據(jù)信息序列號(hào)檢測樣品批數(shù)檢測日期儀器累積測試時(shí)間(h)zlg1604020012丹參202016.5.73本發(fā)明第二實(shí)施例所述的20批丹參樣品的復(fù)合光譜圖如圖3所示。儀器信號(hào)的校正用神經(jīng)元網(wǎng)絡(luò)算法實(shí)現(xiàn)，樣品性質(zhì)的預(yù)測模型用PLS算法建立，預(yù)測的20個(gè)批次丹參中各成分的含量如表22所示。表22的數(shù)據(jù)通過云服務(wù)器用wifi發(fā)送到智能終端上。表22智能終端界面顯示的第二實(shí)施例數(shù)據(jù)信息第三實(shí)施例：同第一實(shí)施例，所不同的是，檢測儀器采用紫外光譜儀，智能終端采用筆記本電腦，在儀器數(shù)據(jù)庫中第三實(shí)施例數(shù)據(jù)記錄如表31所示。表31儀器數(shù)據(jù)庫中記錄的第三實(shí)施例的數(shù)據(jù)信息序列號(hào)檢測樣品批數(shù)檢測日期儀器累積檢測時(shí)間(h)zlg1604030001金銀花32016.6.72本發(fā)明第三實(shí)施例所述的3批金銀花樣品的紫外光圖譜如圖4所示。儀器信號(hào)的校正用邏輯回歸算法模擬實(shí)現(xiàn)，預(yù)測模型用隨機(jī)森林?jǐn)?shù)算法建立，預(yù)測的這3個(gè)批次金銀花中各成分的含量如表32所示。表32的數(shù)據(jù)通過云服務(wù)器用wifi發(fā)送到智能終端上。表32智能終端界面顯示的第三實(shí)施例數(shù)據(jù)信息第四實(shí)施例：同第一實(shí)施例，所不同的是，檢測儀器采用近紅外(NIR)光譜儀，智能終端采用安卓手機(jī)，在儀器數(shù)據(jù)庫中第四實(shí)施例數(shù)據(jù)記錄如表41所示。表41儀器數(shù)據(jù)庫中記錄的第四實(shí)施例數(shù)據(jù)信息序列號(hào)檢測樣品批數(shù)檢測日期儀器累積檢測時(shí)間(h)zlg1603050002煙葉52016.4.204本發(fā)明第四實(shí)施例所述的5批煙葉樣品的近紅外光譜圖如圖5所示。儀器信號(hào)的校正用基因算法實(shí)現(xiàn)，預(yù)測模型用KNN保形映射算法建立，所預(yù)測的這5個(gè)批次煙葉中各成分的含量如表42所示。表42的數(shù)據(jù)通過云服務(wù)器用wifi發(fā)送到智能終端上。表42智能終端界面顯示的第四實(shí)施例數(shù)據(jù)信息第五實(shí)施例：同第一實(shí)施例，所不同的是，檢測儀器采用波長為275nm，300nm，370nm，450nm的紫外LED光源組成，在儀器數(shù)據(jù)庫中第五實(shí)施例數(shù)據(jù)記錄如表51所示。表51儀器數(shù)據(jù)庫中記錄的第五實(shí)施例數(shù)據(jù)信息序列號(hào)檢測樣品批數(shù)檢測日期儀器累積檢測時(shí)間(h)zlg1603060002奶粉102016.5.194本發(fā)明第五實(shí)施例所述的10批奶粉樣品的多源紫外光譜信號(hào)如圖6所示。儀器信號(hào)的校正用神經(jīng)元BP算法實(shí)現(xiàn)，預(yù)測模型用PLSR算法建立，預(yù)測的這10個(gè)批次奶粉中各成分的含量如表52所示。表52的數(shù)據(jù)通過云服務(wù)器用wifi發(fā)送到智能終端上。表52智能終端界面顯示的第五實(shí)施例數(shù)據(jù)信息第六實(shí)施例：同第一實(shí)施例，不同于第一實(shí)施例的是，檢測儀器的信號(hào)需要校正，對(duì)該儀器信號(hào)進(jìn)行校正，校正方法為多項(xiàng)式擬合方法，校正模型存于校正數(shù)據(jù)庫中，其中圖7A為校正前的光譜圖，圖7B為校正后的光譜圖。以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對(duì)于本
技術(shù)領(lǐng)域：
的普通技術(shù)人員，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。當(dāng)前第1頁1 2 3