【技术实现步骤摘要】
本专利技术涉及微纳光纤传感领域，具体涉及一种基于机器学习和纳米光纤锥的液体浓度传感方法及装置。
技术介绍
1、随着科技的不断发展，微纳光纤传感器在光学、生物、化学和环境监测等领域的应用越来越广泛。然而，传统的微纳光纤传感器在折射率传感方面仍存在一些技术瓶颈和挑战。首先，传统的微纳光纤传感器在信号分析阶段，需要借助精密的光学分析仪，如光谱仪或功率计进行深入的测量和分析。这种依赖高精度光学探测仪器的需求不仅增加了传感器的成本，而且限制了其普及和应用范围。其次，传统的微纳光纤传感器在进行信号处理时，通常需要由专业人员进行复杂的数据解析。这不仅对操作人员的专业技能提出了高要求，也增加了人力成本和操作复杂度。
2、因此，提出一种成本低、测量快速准确、响应直观、易于集成的微纳光纤传感方法成为了一个迫切的需求。
技术实现思路
1、本申请的目的在于针对上述提到的技术问题提出基于机器学习和纳米光纤锥的液体浓度传感方法及装置。
2、第一方面，本专利技术提供了一种基于机器学习和纳米光纤锥的液体浓度传感方法，包括以下步骤：
3、将纳米光纤锥分别放置在待检测液体和若干个样本液体中，并分别获取待检测液体和若干个样本液体中纳米光纤锥末段的光学散射图像，得到待检测图像和样本图像；
4、采用k-means算法对样本图像进行聚类，得到聚类结果，聚类结果包括n个聚类中心及其代表的浓度区域，分别计算待检测图像与n个聚类中心的距离，并将其分配至距离最近的聚类中心所代表的浓度区
5、构建n个多层感知机网络，n个多层感知机网络分别与n个聚类中心代表的浓度区域一一对应，对多层感知机网络分别采用与其对应的浓度区域内的样本图像进行训练，得到浓度预测模型；
6、根据待检测液体的浓度区域调用与其对应的浓度预测模型，并输入待检测图像进行浓度预测，得到待检测液体的浓度预测值。
7、作为优选，对多层感知机网络分别采用与其对应的浓度区域内的样本图像进行训练，得到浓度预测模型，具体包括：
8、将多层感知机网络对应的浓度区域内的样本图像输入多层感知机网络，得到样本图像对应的样本液体的浓度预测值；
9、多层感知机网络使用梯度下降法进行训练，采用relu函数作为其隐藏层的激活函数，根据所有样本液体的浓度预测值及其对应的浓度真实值计算均方根误差和r2，选取均方根误差最小且r2最大的多层感知机网络作为对应的浓度区域的浓度预测模型。
10、作为优选，纳米光纤锥是一种对标准单模光纤进行加热拉制后得到的光纤，纳米光纤锥包括标准段和锥尖段，将激发光从标准段的一端输入，经标准段的传输后从标准段的另一端传输到锥尖段，锥尖段的泄露模产生光学散射。
11、作为优选，将纳米光纤锥分别放置在待检测液体和若干个样本液体中，并分别获取待检测液体和若干个样本液体中纳米光纤锥末段的光学散射图像，得到待检测图像和样本图像，具体包括：将纳米光纤锥浸没在待检测液体或样本液体的液面下方，将待检测液体或样本液体置于光学显微镜的物镜下方进行放大，将相机置于光学显微镜的物镜上方，拍摄放大后的锥尖段的暗场散射灰度图像，并将待检测液体中纳米光纤锥锥尖段的暗场散射灰度图像作为待检测图像，将样本液体中的纳米光纤锥锥尖段的暗场散射灰度图像作为样本图像。
12、作为优选，一个样本液体对应的样本图像包括若干张不同曝光时间下的暗场散射灰度图像。
13、作为优选，标准段的直径范围为20～50nm，锥尖段的锥角范围为15～30°，锥尖段的锥长范围为125～130mm。
14、第二方面，本专利技术提供了一种基于机器学习和纳米光纤锥的液体浓度传感装置，包括：
15、图像采集模块，被配置为将纳米光纤锥分别放置在待检测液体和若干个样本液体中，并分别获取待检测液体和若干个样本液体中纳米光纤锥末段的光学散射图像，得到待检测图像和样本图像；
16、浓度分类模块，被配置为采用k-means算法对样本图像进行聚类，得到聚类结果，聚类结果包括n个聚类中心及其代表的浓度区域，分别计算待检测图像与n个聚类中心的距离，并将其分配至距离最近的聚类中心所代表的浓度区域，得到待检测液体的浓度区域；
17、模型构建模块，被配置为构建n个多层感知机网络，n个多层感知机网络分别与n个聚类中心代表的浓度区域一一对应，对多层感知机网络分别采用与其对应的浓度区域内的样本图像进行训练，得到浓度预测模型；
18、浓度预测模块，被配置为根据待检测液体的浓度区域调用与其对应的浓度预测模型，并输入待检测图像进行浓度预测，得到待检测液体的浓度预测值。
19、第三方面，本专利技术提供了一种电子设备，包括一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
20、第四方面，本专利技术提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
21、第五方面，本专利技术提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
22、相比于现有技术，本专利技术具有以下有益效果：
23、(1)本专利技术提出的基于机器学习和纳米光纤锥的液体浓度传感方法通过采集液体中纳米光纤锥锥尖段的暗场散射灰度图像，并对暗场散射灰度图像进行分析处理，将微纳光纤结构中的光学分布信息与液体浓度变化联系起来，为微纳光纤传感器的信号处理及分析提供模块化处理，降低了数据分析的成本，从而解决了微纳光纤传感器对高精度光学探测仪器的依赖、需要进行复杂数据解析的问题，实现便携化和实时监测。
24、(2)本专利技术提出的基于机器学习和纳米光纤锥的液体浓度传感方法中，采用聚类算法对样本液体中纳米光纤锥锥尖段的暗场散射灰度图像进行聚类得到聚类结果，根据聚类结果和待检测液体纳米光纤锥锥尖段的暗场散射灰度图像对待检测液体进行分类后，再进行具体的浓度预测，提高了测量的稳定性和准确性。
25、(3)本专利技术提出的基于机器学习和纳米光纤锥的液体浓度传感方法通过训练后的多层感知机网络对待检测液体的浓度进行浓度值预测，将具有更丰富细节信息的微纳显微图像引入到传感分析领域，实现待检测液体折射率的传感，提高了测量的稳定性和准确性，以便于实现液体现场实时的检测。
本文档来自技高网...【技术保护点】
1.一种基于机器学习和纳米光纤锥的液体浓度传感方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习和纳米光纤锥的液体浓度传感方法，其特征在于，所述对所述多层感知机网络分别采用与其对应的所述浓度区域内的样本图像进行训练，得到浓度预测模型，具体包括：
3.根据权利要求1所述的基于机器学习和纳米光纤锥的液体浓度传感方法，其特征在于，所述纳米光纤锥是一种对标准单模光纤进行加热拉制后得到的光纤，所述纳米光纤锥包括标准段和锥尖段，将激发光从所述标准段的一端输入，经所述标准段的传输后从所述标准段的另一端传输到所述锥尖段，所述锥尖段的泄露模产生光学散射。
4.根据权利要求3所述的基于机器学习和纳米光纤锥的液体浓度传感方法，其特征在于，所述将纳米光纤锥分别放置在待检测液体和若干个样本液体中，并分别获取待检测液体和若干个样本液体中纳米光纤锥末段的光学散射图像，得到待检测图像和样本图像，具体包括：将所述纳米光纤锥浸没在所述待检测液体或所述样本液体的液面下方，将所述待检测液体或所述样本液体置于光学显微镜的物镜下方进行放大，将相机置于所述光学显微镜的物
5.根据权利要求4所述的基于机器学习和纳米光纤锥的液体浓度传感方法，其特征在于，一个所述样本液体对应的样本图像包括若干张不同曝光时间下的暗场散射灰度图像。
6.根据权利要求3所述的基于机器学习和纳米光纤锥的液体浓度传感方法，其特征在于，所述标准段的直径范围为20～50nm，所述锥尖段的锥角范围为15～30°，所述锥尖段的锥长范围为125～130mm。
7.一种基于机器学习和纳米光纤锥的液体浓度传感装置，其特征在于，包括：
8.一种电子设备，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6中任一所述的方法。
...【技术特征摘要】
1.一种基于机器学习和纳米光纤锥的液体浓度传感方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于机器学习和纳米光纤锥的液体浓度传感方法，其特征在于，所述对所述多层感知机网络分别采用与其对应的所述浓度区域内的样本图像进行训练，得到浓度预测模型，具体包括：
3.根据权利要求1所述的基于机器学习和纳米光纤锥的液体浓度传感方法，其特征在于，所述纳米光纤锥是一种对标准单模光纤进行加热拉制后得到的光纤，所述纳米光纤锥包括标准段和锥尖段，将激发光从所述标准段的一端输入，经所述标准段的传输后从所述标准段的另一端传输到所述锥尖段，所述锥尖段的泄露模产生光学散射。
4.根据权利要求3所述的基于机器学习和纳米光纤锥的液体浓度传感方法，其特征在于，所述将纳米光纤锥分别放置在待检测液体和若干个样本液体中，并分别获取待检测液体和若干个样本液体中纳米光纤锥末段的光学散射图像，得到待检测图像和样本图像，具体包括：将所述纳米光纤锥浸没在所述待检测液体或所述样本液体的液面下方，将所述待检测液体或所述样本液体置于光学显微镜的物镜下方进行放大，将相机置...
【专利技术属性】
技术研发人员：陈婷婷，张奚宁，欧阳佳贺，何应东，姚鹭，
申请(专利权)人：华侨大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。