小蘑菇测振仪

微型激光测振仪在超声领域的应用最近几年，超声技术在各个领域的应用越来越多，比如利用超声波原理进行医学治疗的设备也在临床实践中被广泛应用。医学超声设备主要是基于高频振动波（超声波）传入人体组织，并在局部产生热效应、机械效应和空化效应，引起目标组织的改变，从而达到治疗的目的。昊量光电全新推出的微型激光测振仪是一种非接触式的振动测量仪器，能够精确测试医学超声设备的超声振动特性和模态，在产品的研发、质检和性能优化过程中起到了至关重要的作用。激光测振仪在医学超声领域的应用具有如下优势：1、激光聚焦光斑小、空间分辨率高，能够快速定位并测量超声手术刀、洁牙器等小尺寸超声器件；2、采用非接触式的测量方法，高效便捷，可以快速检测产线上的超声设备性能，确保产品一致性，甚至可以检测超声设备在工作状态下的超声波输出特性，更加真实地反映设备的实际使用性能；3、超声检测带宽大，最高可检测5MHz左右的高频超声，同时能满足20pm以下的微弱振动分辨率要求，检测精度极高；4、集成式光学自研芯片，无需额外控制器，体积小巧使得安装测试变得更加便捷，提高测量精准性！一、 超声换能器测振超声换能器是一种将电磁能转化为机械能（声能）的装置，通常由压电陶瓷或其它磁致伸缩材料制成，常见的超声波清洗器、超声雾化器、B超探头等都是超声换能器的应用实例。针对超声领域应用需求，昊量光电全新推出了一套完整的台架式超声振动测量仪。作为这款测量仪核心部件的激光传感器，利用了集成光学技术将原有复杂光学元器件集成于微小芯片中，结合具有自主知识产权的调频连续波（FMCW）相干光检测原理，以小型集成化的设计模式，实现了传统复杂大型设备的测量能力。测试：20kHz 频率功率换能器，工作距离：375px振动图谱：在换能器在各个位置的测量结果。当换能器频率在 Mhz 附近时，幅度测量对测量精度的要求大大提高。结果显示，昊量测振传感器能很好的分辨振幅的实时波形，得到 nm 级的测量精度。二、 超声手术刀超声手术刀是一种通过激发20 kHz~60 kHz 超声振动的金属探头（刀头），对生物组织进行切割、消融、止血、破碎或去除的外科手术仪器。超声手术刀的工作性能一般与刀头的超声输出功率、频率直接相关，因此对刀头的超声特性探测至关重要。超声手术刀的刀头尺寸一般为5-10 mm，这种小尺寸结构很难采用接触式传感器测量其超声特性，而激光测振仪则可以轻松将激光聚焦到刀头位置，精确测量超声振幅与频率。三、 超声洁牙器 超声洁牙器主要工作原理是：将高频振荡信号作用于超声换能器，利用逆压电效应（或磁致伸缩效应）产生超声振动并传递至工作尖，工作尖受到激励产生共振，利用工作尖的超声波共振可以将牙齿表面的菌斑、结石或牙周表面的细菌等清除。依据我国医药行业标准（YY 0460-2009）和国际电工委员会标准（IEC 61205：1993）,超声洁牙器工作尖的超声输出特性是重要的检测指标。常规超声洁牙器工作尖振动频率主要设计范围在18 kHz~60 kHz，其中以42 kHz工作频率最为常见。同时工作尖尺寸往往较小（＜1mm），无法采用传统的接触式振动传感器进行检测。因此，对于超声洁牙器振动性能的检测，通常采用激光测振仪完成，其非接触式的检测方式便于开展产线上产品的逐个检测，是产品良率和一致性的有力保障。某品牌的洁牙器尖端测振四、 超声焊接 超声波焊接是通过超声波发生器将50/60赫兹电流转换成15、20、30或40 KHz 电能。被转换的高频电能通过换能器再次被转换成为同等频率的机械运动，随后机械运动通过一套可以改变振幅的变幅杆装置传递到焊头。焊头将接收到的振动能量传到待焊接工件的接合部，在该区域，振动能量被通过摩擦方式转换成热能，将塑料化。超声波不仅可以被用来焊接硬热塑性塑料，还可以加工织物和薄膜。五．技术参数介绍昊量光电全新推出的微型超声测振仪光学元件集成化可以实现更加复杂的设计和更多的功能。集成光学芯片可以在一个单一的光学基底上包含数十到数百个光学元件，包括激光器、调制器、光电探测器和滤波器等。相对于传统基于分立器件的多普勒测振仪，MV-H以其低功耗、高性能、小型化的优势，为客户带来了低成本、便于集成的解决方案，也为激光振动传感器的广泛应用奠定了基础。1.产品参数指标2.软件功能完善3.丰富的配件可选上海昊量光电作为这款微型超声测振传感器在中国大陆地区蕞大的代理商，为您提供专业的选型以及技术服务。 更多详情请联系昊量光电/欢迎直接联系昊量光电关于昊量光电：上海昊量光电设备有限公司是光电产品专业代理商，产品包括各类激光器、光电调制器、光学测量设备、光学元件等，涉及应用涵盖了材料加工、光通讯、生物医疗、科学研究、国防、量子光学、生物显微、物联传感、激光制造等；可为客户提供完整的设备安装，培训，硬件开发，软件开发，系统集成等服务。

双孢蘑菇属于呼吸跃变型，采后极易变软腐烂，通常采后常温下双孢蘑菇1～3 d就会出现失水、开伞或者褐变，冷藏可贮藏5～10 d，因此其货架期较短。此外，双孢蘑菇具有薄且多孔的表皮结构同时又缺乏保护组织，属于典型的机械损伤或瘀伤高敏感性作物。在流通过程中要经历长时间的振动胁迫，导致双孢蘑菇产生不同程度的机械损伤。严重的外部损伤可通过机器视觉技术等手段进行检测。沈阳农业大学信息与电气工程学院的姜凤利和食品学院的孙炳新*等以双孢蘑菇为研究对象，采集室温条件下不同振动胁迫时间的新鲜蘑菇高光谱信息，融合光谱和纹理特征，结合化学计量学方法，对双孢蘑菇的早期机械损伤进行快速预测和判别。1、双孢蘑菇色泽分析从表1可以看出，随着振动时间的延长，蘑菇菌盖的亮度L值逐渐下降，颜色值a、b愈加发黄、发红，体现出双孢蘑菇的颜色值随着振动时间的变化而变化。与蘑菇亮度L变化趋势相反，褐变度持续升高，这可能是因为振动处理加剧膜脂过氧化作用，细胞膜透性升高，导致细胞膜结构破坏，使酚类物质与褐变相关酶广泛接触并反应，从而加剧了褐变的发生。综上所述，说明振动胁迫会加速双孢蘑菇白度值下降和褐变。2、双孢蘑菇光谱特征图3为不同振动时间双孢蘑菇平均光谱曲线，可以看出，原光谱数据在400～450 nm和900～1 000 nm波段范围内存在较大噪声，为了保证后续模型的分类正确率，选择450～900 nm范围内的光谱数据进行后续研究。不同振动时间蘑菇平均反射率光谱曲线显著不同，振动120 s的平均光谱反射率最低，完好无损的最高，表明光谱反射率与L值有关，L值越大，蘑菇表面越明亮，光谱反射率越大，即随着褐变度的增加，双孢蘑菇反射率下降明显。进一步分析，光谱在450～750 nm波段不同损伤程度的双孢蘑菇反射率差异明显。3、光谱数据预处理为了提高光谱数据的信噪比，分别采用SNV、SG以及MSC对原光谱进行处理，原光谱曲线以及3种方法处理后光谱曲线（取3种样本各10个光谱数据）如图4所示。从表2可以看出，经过不同预处理方法后，分类模型的效果有很大差异，其中SG预处理后的建模效果最好，训练集和测试集分类正确率分别达到91.11%和84.44%，因此后续研究均采用SG平滑方法处理实验数据。4、特征提取特征波长提取采用SPA提取特征波长个数与RMSECV对应关系如图5a所示，可见选择的特征波长个数为5时，RMSECV值最小为0.191。最终提取出的5个特征波长依次为465、495、512、540、616 nm，如图5b所示。特征波长主要集中在500～650 nm之间，主要是由于该波段范围对应可见光谱的黄色及黄绿色，振动胁迫导致双孢蘑菇表面颜色逐渐变黄，因此随着褐变度增加光谱反射率呈下降趋势。从图6可以看出，CARS在第59次采样时，获得的变量子集建立的PLS模型RMSECV最小，因此，该子集定为关键变量子集，共包含8个变量。提取的特征波长依次为451、475、484、492、518、545、655、798 nm。与SPA相似，CARS提取的特征波长主要集中在500～650 nm附近范围内，除此之外，798 nm波段主要与蘑菇水分含量有关，由于蘑菇受振动胁迫时间较短，因此水分变化并不明显。纹理特征提取如图7所示，因此本研究采用500 nm波段下的灰度图作为特征图像进行感兴趣区域提取。从180个双孢蘑菇样本灰度图中提取240×240大小感兴趣区域图像作为纹理图像，根据纹理特征参数提取方法提取纹理特征值。5、损伤识别模型基于光谱特征的判别模型从表3可以看出，3种识别模型对完好无损、振动60 s、振动120 s的双孢蘑菇识别效果存在较大差异。从3种模型的检测结果看，在训练集和测试集中，SPA提取特征波长效果均优于CARS，可能是由于CARS特征提取算法选择的波长与双孢蘑菇振动损伤相关性较小，而SPA对于消除原始光谱中的冗余信息效果更为突出。此外，SPA-PLS-DA分类识别率最高，训练集和测试集的平均识别率分别为93.33%和91.11%，SPA-BP模型识别率次之，训练集和测试集平均识别率分别为91.11%和88.89%，可能是因为BP神经网络在训练时神经元反向传递学习过程中，易陷入局部最优解。ELM识别模型分类效果差于PLS-DA和BP，训练集和测试集平均识别率分别为82.96%和71.11%，原因可能是ELM模型权重和偏置在后续训练中不进行更新，使其陷入局部最小值，无法获得最优解。基于纹理特征的判别模型从表4可知，与光谱特征判别模型一致，基于纹理特征判别模型的准确率高低依次为PLS-DA、BP和ELM。PLS-DA识别模型在训练集和测试集中，完好无损双孢蘑菇识别正确率均在90%以上，振动60 s类型、振动120 s类型双孢蘑菇识别正确率均低于90%；BP判别模型的分类效果不理想，训练集和测试集中，3 类双孢蘑菇识别正确率均在90%以下，尤其是测试集中，振动60 s双孢蘑菇识别正确率为53.33%。ELM判别模型平均分类正确率最低，训练集和测试集中仅有振动120 s类型双孢蘑菇识别正确率在80%以上。以上建模结果表明单从外部纹理特征建模并不能准确表达蘑菇的内部信息，识别效果不理想。基于光谱-纹理特征融合的判别模型从表5可以看出，训练集的3种不同损伤程度的双孢蘑菇识别正确率均为97.78%，测试集的完好无损类型和振动120 s类型的双孢蘑菇识别正确率为100%，振动60 s类型识别正确率为86.67%，总体识别率为95.56%。从图8可以看出，测试集的振动60 s出现了识别错误的情况，振动60 s被识别成振动120 s和完好无损类型各1个，识别错误的原因可能是振动60 s类型的部分样本与之相邻两类样本的纹理特征差异较小，且光谱特征区分不够明显，导致测试集发生误判的情况。结 论分析并比较SG、MSC和SNV作为高光谱数据预处理方法的建模效果，确定SG为预处理最佳方法。将处理后的数据采用SPA、CARS方法提取特征波长。基于特征波长下的光谱数据以及全波段光谱数据建立PLS-DA、BP神经网络以及ELM分类模型，最终确定SPA-PLS-DA模型分类效果最好，训练集和测试集总体识别率分别为93.33%、91.11%。利用灰度共生矩阵提取500 nm波段下双孢蘑菇纹理特征参数16个，基于特征值建立双孢蘑菇图像信息的PLS-DA、BP神经网络以及ELM分类模型，通过分析实验结果，确定PLS-DA为最佳分类模型，其中训练集和测试集总体识别率分别为88.89%、86.67%。相比光谱建模效果稍差。融合光谱特征和图像特征，建立PLS-DA双孢蘑菇分类模型，训练集和测试集总体识别率分别为97.78%和95.56%。预测效果优于单一信息建立的判别模型。结果表明，采用光谱-图像融合信息建模可以提高双孢蘑菇损伤程度检测精度。

11月9日，从山西省卫生计生委获悉，据我省食源性疾病暴发报告系统统计报告：2016年3季度，我省因毒蘑菇引起的食品安全事件达12起，发病39人，死亡1人，事件数是去年同期的2倍。其中，90%以上的事件是因自采误食引发的。　　蘑菇又称蕈，分布很广，在林荫道、路边、房前屋后、杂木丛中、朽木上、粪堆上都可以见到野生蘑菇的生长。根据生物学家的调查，我国可食蘑菇达1000种，毒蘑菇约有400多种。毒蘑菇中毒尤以6-10月为高发期，以家庭发生为主，原因多为误食，常致人死亡。　　目前，识别毒蘑菇的唯一可靠方法是做物种鉴定，而由于有的毒蘑菇与可食用蘑菇长得太像，即使是专家，有时也需要用到专业仪器才能分辨出来。因此，建议百姓不要食用自采蘑菇。民间流传的毒蘑菇鉴别方法，例如：让银器变黑者有毒、受伤变色者有毒、被虫子咬过者无毒、毒蘑菇经高温烹煮或与大蒜同煮后可去毒等，没有科学依据，不可信。　　专家提醒，吃完野生蘑菇后如感不适，有恶心、呕吐、剧烈腹泻或视力模糊等表现应立即前往医院治疗。没有出现呕吐的病人，应在条件允许的情况下尽快催吐，排出体内有毒物质，防止毒素继续吸收而加重病情。如有可能，最好能保留或重新采集毒菌样本，送有关部门鉴定，这有助于确定毒素的种类及制定合适的治疗方案。　　毒蘑菇极难识别，中毒后病死率高，且无特效疗法。对此，预防中毒尤为重要，而最好的预防毒蘑菇中毒的方法，就是不采、不买、不卖、不食来路不明的野生蘑菇!