一种病毒检测方法、检测系统、计算机存储介质及应用

技术领域

本发明涉及病毒检测技术领域，具体为一种病毒检测方法、检测系统、计算机存储介质及应用。

背景技术

光学传感技术通常被用来传输信息和非接触式测量，其中非接触式测量具有没有痛感、迅速、便捷和高灵敏度等优点。近年来，随着光学传感器件制造和加工技术的提高以及人工智能的快速发展与深度应用，基于光学传感技术的检测技术得到高速发展，目前生物检测领域的无创检测技术及方法主要集中于釆用光学传感技术作为测量手段。光学测量的手段主要有光声光谱法、拉曼光谱法、荧光法、偏振法、光学相干层析成像法、中红外法和近红外法等。

近红外光法是指采用波长700-2500nm的红外光进行测量的方法。近红外光谱法的原理是当被测物质吸收近红外光后，探测器接收其透射光谱，被测物质溶液的浓度增加，透射光谱在近红外波段内的吸光度也跟着增加，并呈线性关系，近红外光谱分析技术并不是直接测量被测物质浓度，而是通过校正模型来间接的测量，近红外光法是典型的建模测量方法，通过釆集到的光谱数据和己知的样品浓度建立一个数学校正模型，在通过未知浓度样品的光谱数据和校正模型预测其浓度。这种方法是基于朗伯-比耳定律，根据未知光谱曲线和校正模型来实现浓度的预测，该技术的预测精度和稳定性是目前最好的。

釆用光源为近红外波段的光进行被测物质的浓度测量时，往往探测的是含有液体的样本，光源汇聚于被测物质的表面，经待测面反射或透射后直接探测光强，经校正模型建模后预测被测样品的浓度，探测器接收的光谱信号携带了大量的被测样品的组分及浓度信息，采用近红外光谱分析技术、化学计量学方法相结合的技术路线，对釆集到的光谱信号进行预处理和建立校正模型，然后通过模型预测待测样品浓度。

基于分子生物学的基本知识，可以得知病毒在分子组成及结构上具有稳定结构，因而在成分上具有相对的稳定性，理论上一定存在特征光谱，所以近红外光谱分析技术用于病毒识别与检测在理论上是可行的，并且预计该技术在病毒快速检测分析领域将具有很大的优势。

在研究的过程中，通过光谱仪釆集到的近红外光谱通常会出现谱峰重叠的现象，这是由于分子的基团具有多样性造成的。同时探测到的光谱信号往往十份微弱，这是受到了其他生物组织成分的背景干扰影响，这给被测组分及浓度的预测带来了很大的误差和困难。另外现场快速收集到的病毒浓度本身较低且差异较大，再加上背景光、分光系统、光纤探头和待测部分的外界情况及温度的影响，预测误差将进一步扩大，上述这些导致信号微弱和光谱重叠的因素，都是传统的光谱分析技术和计量化学难以解决的。

此外，近红外光谱分析技术中，对光源的要求非常严格，不仅要求光源的光强足够高，而且要求光源具备而良好的稳定性，同时光源光的均匀性也很重要，因为光的强度和稳定性会对仪器的信噪比产生直接影响，因此这些都成为光源选择时非常重要的环节。

近年来，基于深度学习的人工智能方法的发展，为具有自我学习能力病毒快速检测的方法及智能检测设备的研制提供了理论和实践基础。

发明内容

本发明提出一种病毒检测方法、检测系统、计算机存储介质及应用，以至少解决现有技术检测信号弱、干扰影响大以及对光源要求严格等诸多缺陷之一。

鉴于此，本发明的方案为：

一种病毒检测方法，包括以下步骤：

基于病毒近红外特征峰波长为参考设置检测光源和参考光源；

上述两种光源交替从样本中透射，和/或交替经由样本单元反射；

接受两种光源经由样本单元透射和/或反射的样本光信号，并转化为电信号；

计算对应路径下各特征波段时两种光源信号之间的差值，并结合判断模型预测样本中病毒是否存在。

进一步地，所述检测光源在特征波段范围内以特征波长为中心点设置特征峰区间移动步长；所述参考光源平行于近红外光源且波长小于病毒红外特征峰的波长最小值。

优选地，所述特征峰区间移动步长为：

Δλ＝(λ

其中：Δλ：特征峰区间移动步长，Vλ：每波长采样数据量；Pλ：采样率；Tλ：每特征峰测量时长；λs：特征峰起始波长；λε：特征峰结束波长。

进一步地，所述判断模型建立过程为：将采集到的特征波峰值为BP神经网络的输入参数，建立病毒感染波峰特征的估算系统原型，以病毒波峰特征与实测值的误差作为目标函数，通过特征值参数的比较，获得最优数学模型。

进一步地，所述神经网络的算法计算公式为：Δω

优选地，所述结合判断模型预测样本病毒的过程为：分别将透射、反射得到的电信号差值发送至算法系统，系统调用随机森林算法预测待测样本是否感染，并调取对应的神经网络测量算法计算样本中病毒的波峰值。

进一步地，所述参考光源的波长在水分子吸收峰值波长范围之外。

本发明还提出以上所述检测方法在新冠病毒检测中的应用，检测方法中，所述检测光源分别以1450nm、1895nm、1990nm、2210nm、2450nm为特征峰设置特征波段。

进一步地，所述检测光源在1425～1475nm、1870～1920nm、1965～2015nm、2100～2300nm、2400～2500nm设置特征波段。

优选地，所述检测光源波长移动步长为5nm，参考光源波长为1250nm。

本发明还提出以上所述检测方法在H1N1流感病毒检测中的应用，检测方法中，所述检测光源分别以1470nm、1775nm、1900nm、1995nm、2460nm为特征峰设置特征波段。

进一步地，所述检测光源在1445～1495nm、1750～1800nm、1875～1925nm、1970～2200nm、2435～2485nm设置特征波段。

优选地，所述检测光源波长移动步长为5nm，参考光源波长为1250nm。

本发明还提出以上所述检测方法在HIV病毒检测中的应用，检测方法中，所述检测光源分别以1450、1785、1895、1985及2465nm为特征峰设置特征波段。

进一步地，所述检测光源在1425～1475nm、1760～1810nm、1870～1920nm、1965～2015nm和2440～2490nm设置特征波段。

优选地，所述检测光源波长移动步长为5nm，参考光源波长为1250nm。

本发明另一个目的在于提供一种病毒检测系统，包括：

检测光源：以病毒近红外特征峰为参考，设置若干特征波段并进行波长移动；

参考光源：平行于近红外光源且波长小于病毒红外特征峰的波长最小值；

样本单元：用于采集样本；

光路调节单元：用于将上述两种光源调节为交替从样本单元透射，和/或交替经由样本单元反射；

探测单元：接受两种光源经由样本单元透射和反射，并含有样本分子信息的光信号，并分别转化为电信号；

数据处理单元：连接探测单元，用于接受透射和反射路径下的两种光源电信号，分别计算不同路径下各特征波段时两种光源信号之间的差值，结合判断模型预测样本中病毒是否存在。

本发明还有一个目的在于提供一种计算机设备，包括存储器、处理器，及存储于存储器上并在处理器上运行的计算机程序；所述处理器执行所述程序时实现如以上所述检测方法中根据两种光源信号之间的差值预测样本中病毒是否存在的步骤。

本发明再一个目的在于提供一种计算机存储介质，其上存储有计算机程序；所述计算机程序被处理器执行时实现以上所述检测方法中根据两种光源信号之间的差值预测样本中病毒是否存在的步骤。

与现有技术相比，本发明具备以下有益效果：

1.本发明提供的检测方法，基于病毒近红外特征峰设置特征波段，结合近红外光透射法、近红外光反射法二种测量方法，克服了现有技术检测信号弱、干扰影响大以及对光源依赖性强等诸多缺陷。

2.本发明提供的检测方法检测快捷，通过多波段动态特征窗口光学测量形成的动态多相测量方法，实现对样本进行便捷快速测量，并对所获得的数据采用动态多因子无创病毒预测模型进行优化处理，实现具有人工智能特征的无创检测。

3.本发明提供的病毒检测方法应用于新冠病毒、H1N1流感及HIV病毒检测可针对病毒显著性近红外特征峰设定检测光源波长，结合判断模型实现基于人工智能的病毒无创快速检测，可针对公共场合气体、血液或体液样本即可检测，简单便捷，具备理想的应用前景。

附图说明

图1为本发明所述采用透射路径方式的检测系统示意图。

图2为本发明所述采用反射路径方式的检测系统示意图。

图3为本发明所述病毒检测系统示意图。

图4为本发明所述检测设备主控程序流程图。

图5为本发明所述检测设备光源驱动程序流程图。

图6为本发明所述检测设备数据采集程序流程图。

图7为本发明所述新冠病毒(SARS-CoV-2)近红外特征峰图谱。

图8为本发明所述检测设备基于新冠病毒不同的特征峰输出电压图谱。

图9为本发明所述H1N1病毒近红外特征峰图谱。

图10为本发明所述检测设备基于H1N1病毒不同的特征峰输出电压图谱。

图11为本发明所述HIV病毒近红外特征峰图谱。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要理解的是，术语“上”、“下”、“头”、“尾”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

还需要说明的是，除非另有明确的规定和限定，“安装”、“相连”、“连接”、“固定”、“设置”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个部件内部的连通或两个部件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况上述术语在本发明中的具体含义。

近红外光谱中包含了很多信息，包括化学键的强度、物质的化学组成成分等，对测量对象而言，还有很多其他的信息也包含在光谱信息中，例如反射、散射等信息都在测量过程中被保存在红外光谱中。

病毒主要由蛋白质构成，蛋白质的一级结构就是蛋白质多肽链中氨基酸残基的排列顺序，也是蛋白质最基本的结构。它是由基因上遗传密码的排列顺序所决定的。各种氨基酸按遗传密码的顺序，通过肽键连接起来，成为多肽链，故肽键是蛋白质结构中的主键。决定每一种蛋白质的生物学的结构特点，首先在于其肽链的氨基酸序列，由于组成蛋白质的20种氨基酸各具特殊的侧链，侧链基团的理化性质和空间排布各不相同，当它们按照不同的序列关系组合时，就可形成多种多样的空间结构和不同生物学活性的蛋白质分子。

整合的病毒包含多种蛋白，由于蛋白质包含多个能被近红外光吸收的C-N键、C-C键、C-O键、O-H---O-H键、N-H---O＝C键、O-H---O＝C键，病毒理论上的近红外吸有多个包括基频、一阶倍频、二阶倍频、合频在内的多个吸收峰，本发明的实施例实验数据也验证了这个推论和判断。

本发明的实施例针对基于快速检测的需求，提供一种结构简单，基于多波段动态特征窗口光学测量的病毒检测系统，能够对样本进行便捷快速测量，并对所获得的数据采用动态多因子无创病毒预测模型进行优化处理，实现具有人工智能特征的无创检测。特别地，所述病毒检测系统或涉及的检测方法可以检测样本中病毒的存在或不存在，仅作为样本中是否存在病毒的依据。样本可来源于公共场合气体、脱离人体呼出的气体、血液或其他形式的体液，检测结果不作为临床诊断是否感染病毒的依据，因此检测方法不属于医学检验中疾病诊断的范畴之内。

特别地，本发明的实施例所指的病毒近红外特征峰是指基于近红外光谱仪产生的光谱对病毒蛋白作用过程中，检测端根据捕获的光信号获得较大吸收量对应的峰值，具有一定的波长行程。由于客观上检测仪器可能存在一定的系统误差和人工误差，因此特征峰值不是一个严格意义上的数据点，可以是一个波长范围。确切的说，本发明的实施例中所指的特征峰仅代表仪器表征的参考结果，作为病毒分子在近红外光吸收的特征属性，在允许误差范围内的特征峰值均落入本发明给出的特征峰范围之内。

在一个实施例中，所述的病毒检测系统包括：

1.检测光源：以病毒近红外特征峰为参考，设置若干特征波段并进行波长移动；病毒近红外特征峰包括基频、一阶倍频、二阶倍频、合频在内的多个吸收峰，选取具有病毒显著性的特征峰；

2.参考光源：平行于近红外光源且波长小于病毒红外特征峰的波长最小值；考虑水分子的干扰，选取波长在水分子吸收峰值波长范围之外的光源；

3.样本单元：用于采集样本；

4.光路调节单元：用于将上述两种光源调节为同步从样本单元透射，和同步经由样本单元反射；

5.探测单元：接受两种光源经由样本单元透射和反射，并含有样本分子信息的光信号，并分别转化为电信号；

6.数据处理单元：连接探测单元，用于接受透射和反射路径下的两种光源电信号，分别计算不同路径下各特征波段时两种光源信号之间的差值，结合判断模型预测样本中病毒是否存在。

其中，以上述两种光源采用透射路径方式的示意图如图1所示，采用反射路径方式的示意图如图2所示，本实施例所述病毒检测系统采用的两种路径结合方式，其示意图如图3所示。

本发明的一个实施例中，在近红外投射和漫反射的检测过程中，需保证光源拥有较高的功率，避免经样本中可能存在的人体组织吸收和散射后在探测单元的漫反射光太过微弱而不能正常检测的情况。同时要求光源具有良好的稳定性，尽量减少光源背景噪声带来的干扰。光源的光波长范围是光源选择时非常重要的要素，结合病毒在红外波段的光谱特性以及成本考虑，选择超小型卤素反射灯和微型分光器件产生特定波长范围的连续波长近红外光作为检测光源。

本发明的一个实施例中，所述参考光源需要考虑样本中存在的干扰特征峰，如水的强吸收区域是1300～1400nm和960nm附近。由于组织中的其他成分也包含能够被近红外光吸收的含氢基团，因而首先需避开水分子的吸收区域。

本发明的一个实施例中，所述样本单元可针对待测者呼出的气体、血液或体液等可能含有目标病毒的载体作为样本来源进行采集，并进行灭活处理和暂存。

本发明的一个实施例中，所述光路调节单元为本领域人员根据基本的透射和反射原理，实现检测光源和参考光源光路能够经由样本单元透射和反射并在探测单元接受检测光源和参考光源对应的光信号。

本发明的一个实施例中，所述探测单元包括光电探测器和检测电路，光电探测器选择InGaAs光电探测器，实现来自透射和反射路径中检测光源与参考光源的光信号接受。检测电路设有光电二极管，通过光纤传出的光照射在光电二极管上，光电二极管将光信号转化为电流信号，使用高精度I/V转换电路将电流信号转化为电压信号。由于光电二极管传出的电流信号十分微弱，所以此时得到的电压信号也十分微弱，后续电路再对微弱电压信号进行滤波和多级放大，最终输出0～5V的电压。

本发明的一个实施例中，所述数据处理单元实现数据的采集及处理，在透射路径中，经检测电路处理后的双路光电信号电压分别为U

如图1所示，检测系统的光路以宽波段的光源先经过单色器，将光源发出的光分离成所需的不同波长的单色光为检测光源，LED光源发出的红外光为参考光源，光源均进入导光头照射于检测对象，自聚焦透镜将透射后的散射光聚焦为平行光照射于探测单元—InGaAs光电探测器，获得透射光强度信号。近红外反射光谱可以针对大部分含氢官能团的样本进行物理与化学性质的分析，它蕴含了绝大部分有机化合物的组成与结构信息。

基于漫反射原理，通过被测对象对近红外光的吸收，即可实现无创分析。既不造成污染也节省了不必要的成本，符合现代分析技术的发展趋势。如图2所示，检测系统的光路以宽波段的光源先经过单色器，将光源发出的光分离成所需的不同波长的单色光为检测光源，LED光源为参考检测光源，两个光源周期性的交替工作。测量时将测量探头靠近样本采集单元，图2中为气体收集器，当气体收集器中样本浓度不同时，漫反射的光强随之变化，探测单元—InGaAs光电探测器接收的光强也发生变化。将光电探测器出来的电流信号经电压转换和初步调理电路后，送到检测电路，将获取到的病毒浓度光强信号转成数据信号获取数据。

本发明的一个实施例中，多波段动态特征窗口光学测量的实现如下：由于合频峰值在一定范围内具有连续变化的特点，需要对特征波峰进行一定步长的移动测量，通过控制分光器分别在特征波长组内以较小步长移动，实现以特征峰波长为中心点的小范围扫描测量，通过选定的特征波长组的每个波长动态特征窗口测量，实现波长组内波长窗口的动态测量。

在优选的实施例中，移动步长的计算方法如下：

Δλ＝(λ

其中：Δλ：特征峰区间移动步长，V

在本发明的实施例中，所述判断模型建立过程为：将采集到的特征波峰值为神经网络的输入参数，建立病毒感染波峰特征的估算系统原型，以病毒波峰特征与实测值的误差作为目标函数，通过特征值参数的比较，获得最优数学模型。

在本发明优选的实施例中，所述神经网络采用的是BP神经网络算法，该算法适用性强。BP神经网络是是一种信号向前传递，误差反馈向后传播的神经网络，BP神经网络不同于线性系统，能实现非线性函数逼近，这样性能是来自于它每层节点含有非线性函数(被称为传输功能函数)。

所述神经网络的测量算法计算公式为：

Δω

式中，k＝[T，R]，T，R分别代表透射法和反射法；i＝[H，M，L，N]，对应于“不相似、相似度低、相似度高、完全相似”的分类集合；X为神经网络测量算法的输入参数，α、C为权值，θ

采用动态多相无创病毒检测的方法的Δω

判断模型采用随机森林算法中的多棵决策树模型，判断是否存在病毒；根据每一棵决策树的投票结果，判断病毒的存在性，并给出定性分析的计算结果。

本发明以上所述病毒检测系统适用于多种病毒的检测，根据不同病毒近红外光特征峰的特性，设置检测光源和参考光源，并适应性训练判断模型即可使用。

实施例一病毒检测设备

1.设备组成

如图3所示，检测设备主要包含了三大部分，气体收集容器部分：包括样本采集、病毒灭活、病毒暂存等一体化装置；传感器电路部分：包括用于检测的近红外透射光传感器电路、近红外反射光传感器电路等，实现光源的发生、路径规划、波长动态移动调节和输出端光信号的接受；三是数据处理部分，包括电源电路、外围电路及微处理器等几部分，分别实现供电、光信号的转化以及基于算法的预测。

2.软件设置

软件设计的目的是为各个硬件模块执行提供相关程序，主要包括主控单元程序设计、光源驱动程序设计、传感器通讯协议程序设计等。

主控程序：是设备工作的核心控制单元，用于控制整个系统正常工作，主控程序流程如图4所示。

光源驱动程序：光源驱动模块驱动模块电源，通过设置不同工作电流，使得卤素灯和LED灯正常工作，配合接收传感器来测量特征信息，光源驱动程序如图5所示。

数据采集程序：采集各传感器检测到的模拟信号和数字信号进行转换，对读取到的各组数据进行处理，并对处理后的数据按照本发明所述判断模型进行分类处理生成各类信息进行显示和存储，数据采集程序如图6所示。

本实施例使用了近红外光透射法、近红外光反射法二种测量方法的多波段动态移动，实现了动态多相测量。测量过程中，需要考虑样本实时测量的快捷性与安全性，对于呼吸道病毒，选择对呼出气体进行测量对于病毒的存在性反映也相对充分；同时因为呼出气体相对均匀存在呼出气体收集容器内，成分相对简单，光程比较确定，从而使得光源发出的光有效可控到达光电探测传感器的部位，可以使得样本的测量难度降低。所以，综合考虑多种测量方法的方便性和有效性，本实施例中优选采用检测呼出气体作为检测样本。

实施例二病毒的检测

1.新冠病毒(SARS-CoV-2)的检测

1.1新冠病毒特征峰的筛选

在本实施例中，采用PBS磷酸盐缓冲液作为溶剂，也是特征光谱采集中需要扣除的背景。为了能够得到准确有效的特征峰数据，设计如下实验。

(1)对PBS磷酸盐缓冲液分成100份相同溶液做光谱采集后进行均值处理后作为标准的背景数据。

(2)用PBS磷酸盐缓冲液作为溶剂配置成100份相同病毒(来自武汉病毒研究所)溶液做光谱采集，采集后进行扣除背景运算处理后作为特征光谱数据，对样品集光谱数据进行均值归一化处理得到特征光谱数据。

(3)对以上数据进行均值归一化处理，得到作为本实施例的标准特征光谱图如图7所示。

经以上实验以及相对应的数据处理，得到用于检测的新冠病毒的典型近红外特征峰波长为：1450nm、1895nm、1990nm、2210nm、2450nm，共5个波长。

水的强吸收区域是1300～1400nm和960nm附近。由于组织中的其他成分也包含能够被近红外光吸收的含氢基团，因而首先需避开水分子的吸收区域。可以发现在新冠病毒(SARS-CoV-2)可吸收范围内，只有在1300～1400nm波长区间水分子存在强吸收峰值，而此选择放弃1300～1350nm的新冠病毒(SARS-CoV-2)峰值，由实验测得新冠病毒(SARS-CoV-2)的典型特征峰是1450nm、1895nm、1990nm、2210nm、2450nm作为本实施例检测的五组波长范围，又因为新冠病毒(SARS-CoV-2)在1200～1300nm吸收较低，水分子干扰弱，选择1250nm作为其参考波长。

1.2动态多相无创病毒检测的实现

通过控制分光器分别在1425～1475nm、1870～1920nm、1965～2015nm、2100～2300nm、2400～2500nm波长组内以小步长移动，实现各个波长组的波长范围覆盖，实现波长组内波长窗口的动态测量。

移动步长的计算方法，根据上文的公式①即进行计算。其中：

V

在信号提取模块中，采用分段固定波长组1425～1475nm、1870～1920nm、1965～2015nm、2100～2300nm、2400～2500nm和1250nm对样本进行透射、漫反射检测，得到相应的近红外光强所产生的电信号。

1.3基于新冠病毒样本的检测

以TCID50＝1*10

表1：

1.4新冠病毒样本测试验证结果分析及结论

(1)测量数据结果

按照每个波长采集30组数据后求均值，构成每个波长的测量值；

波长移动步长Δλ＝5nm，每特征峰采集10个波长，构成此特征峰的测量数据；

分别采集波长为：1450nm、1895nm、1990nm、2210nm、2450nm这5个特征峰的测量数据，构成新冠病毒特征峰测量值；

依照预定验证方案，共进行10次测量，构成本次验证测量的数据。

(2)测量数据分析

10次测量进行均值计算后获得此次测量的结果，其中吸光度在工程机中以输出电压，单位为mV，对输出电压描点后平滑运算输出，得到拟合的峰值图谱，如图8所示，图8A-E分别代表不同样本在1450nm、1895nm、1990nm、2210nm、2450nm这5个特征峰下的输出电压图谱。

(3)算法模块输出的峰值相似度

经算法模块对输出信号进行预测分析，结果如表2所示。

表2：

经过对以上样本的测量得到数据的分析，可以得出如下结论：

单特征峰相似度均高于97％，总体相似度高于97％，可以检出新冠病毒的存在。

2.H1N1流感病毒的检测

2.1H1N1流感病毒特征峰的筛选

采用如新冠病毒特征峰的筛选相同的方法，通过光谱采集，采集后进行扣除背景运算处理后作为特征光谱数据，对样品集光谱数据进行均值归一化处理得到H1N1流感病毒特征光谱，如图9所示。

经以上实验以及相对应的数据处理，得到用于检测的H1N1流感病毒的典型近红外特征峰波长为：1470nm、1775nm、1900nm、1995nm、2460nm，共5个波长。同样选择1250nm作为其参考波长。

2.2动态多相无创病毒检测的实现

波长移动步长Δλ选择5nm，在信号提取模块中，采用分段固定波长组1445～1495nm、1750～1800nm、1875nm～1925、1970nm～2200nm和2435～2485nm对样本进行透射、漫反射检测，得到相应的近红外光强所产生的电信号。

2.3H1N1流感病毒样本测试验证结果分析及结论

以TCID50＝1*10

表3：

(1)测量数据结果

按照每个波长采集30组数据后求均值，构成每个波长的测量值；

波长移动步长，每特征峰采集10个波长，构成此特征峰的测量数据；

分别采集波长为：1470nm、1775nm、1900nm、1995nm、2460nm这5个特征峰的测量数据，构成新冠病毒特征峰测量值；

依照预定验证方案，共进行10次测量，构成本次验证测量的数据。

(2)测量数据分析

10次测量进行均值计算后获得此次测量的结果，其中吸光度在工程机中以输出电压，单位为mV，对输出电压描点后平滑运算输出，得到拟合的峰值图谱，如图10所示，图10A-E依次代表不同样本在1470nm、1775nm、1900nm、1995nm、2460nm这5个特征峰下的输出电压图谱。

(3)算法模块输出的峰值相似度

经算法模块对输出信号进行预测分析，结果如表4所示。

表4：

经过对以上样本的测量得到数据的分析，可以得出如下结论：单特征峰相似度均高于95％，总体相似度高于97％，可以检出H1N1病毒的存在。

3.HIV病毒的检测

3.1HIV病毒特征峰的筛选

采用如新冠病毒特征峰的筛选相同的方法，通过光谱采集，采集后进行扣除背景运算处理后作为特征光谱数据，对样品集光谱数据进行均值归一化处理得到HIV病毒特征光谱，如图11所示。

经以上实验以及相对应的数据处理，得到用于检测的HIV病毒的典型近红外特征峰波长为：1150，1450、1785、1895、1985、2465nm，共6个波长。同样选择1250nm作为其参考波长。

3.2动态多相无创病毒检测的实现

波长移动步长Δλ选择5nm，在信号提取模块中，采用分段固定波长组1425～1475nm、1760～1810nm、1870～1920nm、1965～2015nm、2440～2490nm对样本进行透射、漫反射检测，得到相应的近红外光强所产生的电信号。

3.3HIV病毒样本测试验证结果分析及结论

以TCID50＝1*10

表5：

(1)测量数据结果

按照每个波长采集30组数据后求均值，构成每个波长的测量值；

波长移动步长，每特征峰采集10个波长，构成此特征峰的测量数据；

HIV病毒的6个特征峰1150，1450、1785、1895、1985、2465nm中1150和1785属于弱峰，其他4个属于强峰。选择采集波长为：1150，1450、1785、1895、1985、2465nm这6个特征峰的测量数据，构成HIV病毒特征峰测量值；

依照预定验证方案，共进行10次测量，构成本次验证测量的数据。

(2)测量数据分析

10次测量进行均值计算后获得此次测量的结果，其中吸光度在工程机中以输出电压，单位为mV，对输出电压描点后平滑运算输出，得到拟合的峰值图谱。谱图分析与上述新冠病毒及H1N1病毒的方法和步骤相同。

(3)算法模块输出的峰值相似度

经算法模块对输出信号进行预测分析，结果如表6所示。

表6：

经过对以上样本的测量得到数据的分析，可以得出如下结论：

单特征峰相似度均高于95％，总体相似度高于97％，可以检出HIV病毒的存在。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。