论文部分内容阅读
光谱传感物联网是以光谱感知节点为基础组成的物联网,为用户实时获取物质光谱信息提供了可能。使用光谱感知节点以及环境感知节点可以获取物质的光谱数据以及周围环境信息数据存储至数据库中。用户可以通过专用移动终端访问数据,并利用光谱分析模型进行数据分析获得物质的成分信息。本文提出了一种基于Android系统的光谱传感物联网专用移动终端软件设计,可以实现用户与光谱传感物联网的数据交互及光谱分析功能。主要研究内容包括移动终端的设计与研发,光谱分析实验与光谱分析模型在移动终端的部署以及光谱传感物联网联试实验。移动终端包括用户信息、节点信息、数据信息与成分传感四个模块,使用ViewPager类搭建双列表界面展示节点信息,使用SOAP协议与云服务器进行数据交互,可以对得到的光谱以及环境信息数据进行可视化展示,并支持曲线图的保存功能。进一步在移动终端上实现了光谱数据的归一化、一阶微分、二阶微分、峰值寻找等数据预处理功能,将光谱分析模型部署在移动终端实现物质的成分分析功能。移动终端获取到的环境信息数据包括温度、湿度、二氧化碳浓度以及光照强度数据,可以实时显示最新环境信息数据,也可选择时间段对环境数据进行查询绘图。为验证成分传感功能在移动终端集成的可行性,进行了茶叶掺糖检测光谱数据定量定性分析建模的实验。选用岛津IRTracer-100傅里叶光谱仪采集的夏秋茶掺糖数据163条作为数据集,其中建模集包含110条数据,测试集包含53条数据。因光谱感知节点与傅里叶光谱仪波长范围以及分辨率不同,为验证光谱感知节点对茶叶掺糖光谱分析建模的可行性,在原始数据集上筛选出光谱感知节点与傅里叶光谱仪波长范围的交集作为实验数据。原始数据波长范围为1-2.5μm,每一条光谱数据量为12446,筛选波段为1-1.7μm,每一条光谱数据量为178。使用多元线性回归算法进行茶叶掺糖定量分析,在原始数据波长范围下模型相关系数为0.93,筛选波段下模型相关系数为0.82。在定性分析实验中,首先基于定量分析结果与阈值的比较得出定性分析结果。原始数据波长范围建模得到的预测准确率为92.5%,筛选波段建模预测准确率为90.6%。其次在一维卷积神经网络建模实验中,选用Keras框架进行神经网络搭建以及训练,采用等间隔采样的方法对原始数据进行降维,最佳间隔为6,模型准确率为90.6%。将定量定性分析模型部署在移动终端,经测试,移动终端实现结果与PC端一致,验证了光谱分析模型在移动终端进行成分感知功能实现的可行性,为后续光谱传感物联网的发展打下了基础。为验证专用移动终端在光谱传感物联网中实际运行效果,进行光谱传感物联网联试实验。介绍了实验中用到的仪器以及实验流程,最后对实验结果进行展示,与PC端软件处理同一光谱数据的结果进行了对比。由实验结果可得移动终端成功从云服务器请求光谱数据进行处理并绘制出图像,找出峰值。期间网络请求流畅,图像绘制准确,光谱分析处理正常。此移动终端与服务器完成通信,数据获取、绘图、保存以及光谱分析功能实现正常,实现了设计的预期效果,验证了其可满足现阶段光谱传感物联网专用移动终端的功能需求。