Görünür yakın kızılötesi spektrometre tasarımı ve bir uygulama örneği

Günümüzde spektroskopik yöntemler endüstride, tarımda ve sanayinin bir çok dalında sıklıkla analiz ve sınıflandırma amacı ile kullanılmaktadır. Kurumların analiz laboratuvarlarında özellikle malzemelerin çeşitli özelliklerinin belirlenmesinde kızılötesi spektroskopik yöntemler kullanılır. Bunun için spektrometre veya spektrofotometre denilen genelde pahalı optik ve elektronik bileşenlerden oluşan cihazlar kullanılmaktadır. Elektromagnetik spektrum ışığın tüm dalga boylarını içine alan spektral aralığın tamamıdır. Dalga boyları fm'lerden binlerce km'ye ulaşan geniş bir elektromagnetik tayf mevcuttur. Gözümüzün gördüğü aralık ise mor ötesi- yakın kızıl ötesi (UV-NIR) bölgeleri arasında kalan yaklaşık olarak 400 nm genişlikli dar bir banttır. Bu bandın dışındaki kalan tüm aralığı gözümüz ile göremeyiz. Elektromagnetik dalga temel olarak yüklerin hareketinden meydana gelmektedir. Uzayda bir noktada yer alan ve belirli bir referans noktasına göre hareket eden yük çevresine elektromagnetik dalga yaymaktadır. Benzer şekilde yüklü bir cisme gelen elektromagnetik dalga da yüklü cismi hareket ettirmektedir. Bu ilkeler tüm elektromagnetik tayf için geçerlidir. Spektrometrik analizlerin temelinde de elektromagnetik dalgalar ile maddenin etkileşimi yatmaktadır. Atomlar birbirleri ile çeşitli kimyasal bağlar oluştururlar ve bu bağların bir kısmı maddenin doğası gereği polardır. Elektromagnetik dalgalar uygun dalga boylarında maddenin doğal polaritesi ve enerjisinden kaynaklanan doğal titreşimi ile etkileşime girerler. Bazı maddeler bazı dalga boylarındaki elektromagnetik yayınıma yanıt verirken bazılarına yanıt vermezler. Spektrometreler temel olarak bu farkların ayrıştırıcı özelliğinden faydalanmak amacı ile tasarlanmıştır. Kızılötesi dalga boylarında dalga boyu elektronik geçişler için oldukça büyüktür. Bu nedenle elektromagnetik alanlar maddenin molekül düzeyi polaritesi ile etkileşime girmektedirler. Her kimyasal bağın polar yapısı birbirinden farklıdır. Dolayısı ile birbirinden farklı dalga boylarında elektromagnetik dalgaları soğururlar. Elektromagnetik dalga soğurulduğunda moleküllerin titreşimlerini artırır. Kızılötesi spektroskopisine bu nedenle titreşim spektroskopisi de denmektedir. Spektrometreler değişik dalga boylarında değişik amaçlar için kullanılmaktadır. Temel bileşenleri aynı olsa da dalga boylarının farklılaşması nedeni ile kullanılan ışık kaynağı ve alıcı sensörlerin yapıları birbirinden farklı olabilmektedir. Spektrometreler temel olarak, ışık kaynağı, örnek kabı, ızgara ya da prizma ve alıcı sensör dizisinden oluşmaktadır. Spektrometrelerin yapıları spektroskopik ölçüm biçimine göre de değişmektedir. Soğurma spektroskopilerinde kaynaktan gelen ışınlar örnekten geçirildikten sonra sensöre gelmektedir. Yansıma ya da saçılma spektroskopilerinde ise ışınlar öncelikle örneğe gönderilir. Örnek üzerinden yansıma yapanlarda sensöre gönderilecek biçimde bir optik tasarım yapılır. Emisyon spektroskopisi ise maddenin dış ışık kaynaklarından aldığı ışığı tekrar yansıtması üzerine kurulu olduğu için ışık kaynağı içermez. Spektrometrik yöntemlerin en önemli aşaması elde edilen spektral karakteristiğin yorumlanması yani analiz edilmesidir. Spektral verilerin analizi için bir çok farklı yöntem kullanılmıştır. Kısmi en küçük kareler yöntemi (Partial Least Squares Regression - PLSR), doğrusal ayrıştırma analizi (Linear Discriminant Analysis - LDA), destek vektör makinesi (Support Vector Machine - SVM) ve benzer regresyon ve sınıflandırma yöntemleri bunlardan bazılarıdır. Her yöntemin avantajı ve dezavantajı kullanılan spektral aralığa, analiz yapılmak istenilen maddenin türüne, analiz yapılacak ortamın işlem yeteneğine ve kaynağına bağlı olarak değişmektedir. Hangi metodun ne oranda başarılı olacağı sorusu ayrı bir çalışma konusudur. Sınıflandırma algoritmaları denetimli ve denetimsiz olmak üzere iki tür öğrenme süreci ile çalışmaktadır. Her iki yöntemde de sınıflandırılacak örnekler üzerinden ölçümler alınır ve ölçümlerden yola çıkılarak bir model oluşturulur. Elde edilen model ile bir sonraki örneğin hangi sınıfa ait olduğu tespit edilir. Denetimli öğrenmede ölçümlerin hangi sınıfa ait olduğu bilgisi mevcuttur. Denetimsiz öğrenmede ise ölçümlerin hangi sınıfa ait olduğu bilinmemektedir. Çalışmanın giriş bölümünde kızılötesi spektroskopinin ne olduğu, ne gibi ilkelere dayandığı ve mevcut literatürde ne gibi çalışmalar yapıldığı ele alınmıştır. İkinci bölümde mevcut spektroskopik yöntemler ve temel ilkelerden bahsedilmiştir. Üçüncü bölümde ise spektral veriler için analiz yöntemleri özetlenmiş ve işlem kaynağının sınırlı olacağı düşünülerek LDA yöntemi üzerinde durulmuştur. Dördüncü bölümde spektrometre tasarımı ele alınmıştır. Spektrometre tasarımı için öncelikle çalışma aralığı seçilmiş, sensör ve ışık kaynağı da buna uygun olarak belirlenmiştir. Ölçümlerin dış ortamdan etkilenmemesi açısından örneğe gelen ışığın doğrudan alıcıya gittiği bir kapalı bölme oluşturulmuştur. Kapalı bölmeye ışık kaynağının bulunduğu bölmeden ve sensör bölmesinden açıklıklar bırakılmıştır. Gelen ışık örneğe çarptıktan sonra çeşitli açılarda yansıma yapmaktadır. Yansımaların bir kısmı sensörün bulunduğu açıklığa gelmektedir. Işık kaynağı olarak 4.8 V 0.5 A tungsten lamba ve kızılötesi (IR) led kullanılmıştır. Alıcı olarak optik düzeneği kendi üzerinde bulunan Hamamatsu'nun c11708ma spektrometre sensörü kullanılmıştır. Sensörü sürebilmek için ATMEGA16A işlemci kullanılmış bu işlemci ile UART üzerinden STM3210E-Eval deneme kartı ile haberleşme kurulmuştur. Yine UART üzerinden PC'ye yazılan bir uygulama ile sınıflandırma için model oluşturulmuş, bu modelin sınıflandırma işlemi ARM üzerine transfer edilmiştir. Beşinci bölümde tasarlanan spektrometre ile örnek bir sınıflandırma uygulaması yapılmıştır. Sınıflandırma için iki ayrı firmanın iki farklı çiçek toprağı ele alınmıştır. Örnekler borosilikat cam tüpe yerleştirilmiş ve tasarlanan spektrometrenin örnek açıklığında her zaman aynı mesafede durması amacı ile bir aparat ayarlanmıştır. Her sınıf topraktan 30'ar tüp toprak örneği alınmıştır. Her sınıf için 20 öğrenme örneği 10 test örneği olacak şekilde ayırılmıştır. Her sınıftan 20x4x10 olmak üzere toplam 800'er örnek alınmış LDA algoritmasına toplamda 1600 ölçüm girdi olarak verilmiştir. Her örneğin hangi sınıfa ait olduğu bilinmektedir. Accord.Net machine learning kütüphanesi kullanılarak özvektörler ve dönüştürülmüş sınıf ortalamaları elde edilmiştir. Elde edilen bu model STM3210E-Eval deneme kartı üzerinde bulunan ARM cortex M0 işlemcisine yüklenmiştir. STM3210E-Eval kartı ve sensörü süren ATMEL kartı arasında UART haberleşmesi ve basit bir protokol kurulmuştur. Spektrometre sensörü C11708ma'dan alınan veriler UART haberleşmesi ile STM3210E-Eval deneme kartı üzerine aktarılmıştır. Deneme kartı üzerinde bulunan yazılım sayesinde tıpkı PC yazılımında olduğu gibi spektral veri toplanabilmektedir. Sınıflandırma işlemi toplanan spektral veri ve PC'den elde edilen model yardımı ile yapılmıştır. Sınıflandırma için ayrılan örneklerden 5 tekrar olmak üzere, her sınıf için 50 ölçüm, toplamda 100 ölçüm alınmış ve sınıflandırma çapraz doğrulama yapılarak test edilmiştir. Test sonucu %100 olarak bulunmuştur. Test yapılırken analiz aşamasında kullanılan bir referans yüzey kalibrasyon amacı ile kullanılmıştır. Tasarlanan NIR spektrometre ile iki farklı çiçek toprağı birbirinden ayırt edilebilmiştir. Yapılan çalışmalara göre görünür yakın kızılötesi bölgede toplam organik karbon miktarının önemli bir soğurma karakteristiği gösterdiği ifade edilmiştir. Bu nedenle ayrıştırmanın nedeninin iki farklı toprak türünün farklı miktarlarda organik karbon bileşenlerine sahip olduğu düşünülmektedir.