基于Arduino Nano与Scilab的紫外反射率计DIY：低成本实现材料光学特性测量

1. 项目缘起：为什么用Arduino Nano和Scilab做反射率计？

几年前，我在一个关于材料表面处理的业余项目里遇到了一个难题：我需要快速、低成本地评估不同涂层对特定波段紫外光的反射性能。市面上的专业紫外反射率计价格动辄数万，对于个人爱好者或小型工作室来说，这无疑是一道难以逾越的门槛。当时，我手头正好有一块Arduino Nano和一些基础的光电传感器，一个想法冒了出来：能不能自己搭一个？

这个想法并非空穴来风。Arduino平台以其开源、易用和丰富的传感器生态著称，是快速原型验证的绝佳选择。而Scilab，这款开源的数值计算与科学绘图软件，则能完美弥补Arduino在复杂数据处理和图形化展示上的不足。它不像某些商业软件那样需要昂贵的授权，其强大的矩阵运算和绘图功能，足以胜任我们采集到的信号处理任务。于是，“UV Reflectometer using ARDUINO NANO and SCILAB”这个组合的雏形就诞生了。它的核心目标很明确：用极低的硬件成本（Arduino Nano + 传感器），结合免费且强大的软件工具（Scilab），构建一个能够定量测量材料在紫外波段反射率的简易系统。这不仅仅是省钱，更是一个理解光与物质相互作用、掌握数据采集与处理全流程的绝佳实践。

2. 系统核心：光路设计与信号链拆解

一个反射率计，无论多么简易，其工作原理都离不开“发射-接收-比较”这三个核心环节。我们的DIY系统也不例外，其信号链的每一个环节都直接影响最终测量的准确性和可靠性。

2.1 光源与探测器的选型考量

紫外光源是整个系统的“起点”。我们常见的有UV-A（315-400nm）、UV-B（280-315nm）和UV-C（100-280nm）波段。对于大多数材料表面特性研究（如防晒涂层、老化测试），UV-A波段更为常用和安全。我选择了一颗峰值波长在365nm的紫外LED。这里的关键参数是“半波宽”，它决定了LED发出的光是否“纯净”。半波宽越窄，光源的单色性越好，测量受其他杂散光干扰就越小。我手头这颗的半波宽大约是12nm，对于入门级应用已经足够。

与光源配对的是探测器。我们不能用普通的硅光电二极管或光敏电阻，因为它们在紫外波段的响应度很低。这里必须使用专门对紫外光敏感的传感器。我选用的是GUVA-S12SD，这是一款带有模拟电压输出的紫外光传感器，其光谱响应范围正好覆盖了UVA和UVB波段（240-370nm），并且内部集成了放大电路，输出信号强度足够Arduino的模拟引脚直接读取，无需额外复杂的运放电路，大大简化了设计。

注意：市面上有些廉价的“紫外传感器”实际上是检测紫外光激发的可见荧光，其输出与真实紫外光强并非线性关系，选购时务必确认传感器数据手册中的“光谱响应曲线”。

2.2 光路结构：如何实现“反射率”测量？

反射率是反射光强与入射光强的比值。因此，我们的系统必须能分别测量这两个值。最直接的方法是设计一个可切换的测量路径：

1. 入射光强基准测量：将紫外LED和传感器面对面紧贴放置（中间可加一个中性衰减片以防饱和），中间不放任何样品。此时传感器测量到的就是“原始入射光强”（I0）。这个值会受到LED自身老化、供电电压波动的影响，因此不能作为一个固定常数，每次正式测量前或定期都需要重新校准。

2. 反射光强测量：将LED和传感器以固定的角度（通常采用45°入射/45°接收的布局，即“45°:45°”几何条件）对准样品表面。LED发出的光照射到样品上，部分被反射，反射光被传感器接收，得到“反射光强”（Ir）。

那么，反射率 R = Ir / I0。这个简单的公式就是整个系统的数学核心。为了实现这种切换，我在硬件上使用了一个简单的机械遮光片套件，手动切换“校准”和“测量”模式。在更自动化的版本中，可以使用舵机来控制遮光片，或者使用分光镜和双探测器方案，实现实时同步测量，但这会显著增加成本和复杂度。

2.3 电子信号链：从光子到数字

信号链的完整性决定了数据的可信度。GUVA-S12SD传感器输出的是一路0-Vcc（通常为3.3V或5V）的模拟电压，其电压值与照射到传感器感光面上的紫外光强度近似成正比。

Arduino Nano的ADC（模数转换器）负责将这个模拟电压转换为数字值。这里有几个关键点：

• 参考电压：默认使用板载的5V作为参考电压。这意味着ADC将0-5V的输入映射到0-1023的整数值。为了获得更好的精度，尤其是当传感器输出范围较小时，可以使用analogReference(INTERNAL)切换到板载的1.1V基准源，这样0-1.1V的输入将映射到0-1023，分辨率更高。
• 采样与滤波：单次ADC读数噪声较大。标准的做法是连续读取N次（例如100次），然后取平均值或中位数。我更喜欢用中位数滤波，因为它能有效抵抗偶发的尖峰干扰。在Arduino代码中，这就是一个简单的循环和排序算法。
• 供电稳定性：模拟电路的“敌人”是噪声。确保Arduino Nano和传感器由稳定、干净的电源供电（如线性稳压电源或质量好的手机充电器），避免和电机、继电器等大电流设备共用电源，可以大幅降低测量噪声。

经过上述处理，我们得到了一个相对稳定、可靠的数字值，代表了当前模式下的光强信号。这个值通过串口发送给上位机的Scilab程序。

3. 固件编写：Arduino端的稳定数据采集

Arduino端的程序（固件）核心任务就两个：以稳定的节奏采集传感器数据，以及通过串口与Scilab通信。代码不求复杂，但求稳健。

// 定义引脚 const int sensorPin = A0; // 紫外传感器连接至A0引脚 const int ledPin = 13; // 板载LED，用于指示状态 // 定义测量参数 const int numReadings = 101; // 采样次数，取奇数便于求中位数 int readings[numReadings]; // 存储采样值的数组 int readIndex = 0; void setup() { Serial.begin(115200); // 初始化串口，波特率设为115200以提高数据传输速度 pinMode(ledPin, OUTPUT); // 如果需要更高的ADC分辨率，可以启用内部1.1V基准（根据传感器实际输出调整） // analogReference(INTERNAL); } void loop() { // 1. 数据采集与中位数滤波 for (int i = 0; i < numReadings; i++) { readings[i] = analogRead(sensorPin); delay(2); // 短暂延时，让ADC稳定 } // 对数组进行简单插入排序 for (int i = 1; i < numReadings; i++) { int key = readings[i]; int j = i - 1; while (j >= 0 && readings[j] > key) { readings[j + 1] = readings[j]; j = j - 1; } readings[j + 1] = key; } int medianValue = readings[numReadings / 2]; // 取中位数 // 2. 数据发送 Serial.println(medianValue); // 将中位数值通过串口发送 // 3. 状态指示与延时 digitalWrite(ledPin, HIGH); delay(500); // 主循环周期，可根据需要调整。500ms适合手动切换样品。 digitalWrite(ledPin, LOW); delay(500); }

这段代码的要点在于：

• 中位数滤波：它比平均值更能抵抗单次异常读数的干扰，比如环境光突然变化或电源毛刺。
• 稳定的采样周期：通过delay控制主循环频率，避免数据喷涌导致串口缓冲区溢出或Scilab处理不过来。这个周期（本例中为1秒）需要与你的手动操作节奏匹配。
• 简洁的通信协议：每行只发送一个数据，以换行符结束。这是与Scilab交互最简单可靠的方式。

在实际使用中，你可能会需要更复杂的协议，比如发送不同的命令字符来区分“校准模式”和“测量模式”的数据。这可以通过在Scilab端发送特定字符（如‘C’或‘M’），Arduino端根据接收到的字符执行不同操作来实现。但对于初版，手动切换硬件模式，固件只负责稳定发送当前读数，是最不容易出错的方式。

4. 上位机核心：Scilab的数据处理与可视化

当Arduino源源不断地将数字发送过来时，Scilab就成为了我们的大脑和眼睛。它的任务包括接收数据、计算反射率、实时显示曲线以及保存结果。下面我分步拆解一个核心的Scilab脚本。

4.1 串口通信与实时数据流读取

Scilab通过其serial工具箱与串口设备通信。第一步是建立连接并配置参数。

// 清除旧端口，避免冲突 h = close_serial(); // 关闭任何已打开的串口 // 配置串口参数，必须与Arduino代码中的Serial.begin()一致 port = "COM3"; // Windows系统端口号，Linux/Mac通常是“/dev/ttyUSB0”或“/dev/ttyACM0” baudrate = 115200; timeout = 10; // 超时时间（秒） // 打开串口 h = open_serial(port, baudrate, timeout); if h == -1 then disp("错误：无法打开串口 " + port); abort; else disp("串口 " + port + " 已成功打开。"); end // 预分配数组存储数据，提高效率 maxPoints = 500; // 最多在图上显示500个数据点 timeVector = 1:maxPoints; rawDataVector = zeros(1, maxPoints); reflectanceVector = zeros(1, maxPoints); // 初始化图形窗口 scf(0); clf(); // 创建/清空图形窗口0 plot2d(timeVector, rawDataVector, style=2); // 初始化原始数据曲线（红色） xtitle("实时数据监测", "数据点序号", "ADC原始值 / 反射率"); legend(["ADC原始值"], 2);

这段代码建立了通信链路并初始化了绘图环境。关键点在于端口号的正确设置，这是新手最容易出错的地方。你可以在Arduino IDE的“工具”->“端口”菜单中查看你的Arduino Nano连接到了哪个COM口。

4.2 反射率计算逻辑与校准流程

反射率计算是核心算法。我们需要在Scilab中实现一个状态机，来区分当前接收到的数据是基准光强（I0）还是样品反射光强（Ir）。

// 定义状态变量和校准值 calibrationValue = 0; // 存储入射光强基准值 measurementMode = 0; // 0:等待校准指令， 1:已校准，等待测量 calibrationSamples = 50; // 校准阶段采集的样本数，用于平均 disp("请将系统切换至‘校准’模式（光源直对探测器），然后按回车键开始校准..."); xclick(); // 等待用户按键 // 校准阶段：采集基准值 tempSum = 0; for i = 1:calibrationSamples [numBytes, data] = read_serial(h, 1); // 尝试读取一个字节 if numBytes > 0 then // 假设数据是以ASCII字符形式发送的数字，需要转换 // 更优做法：Arduino发送二进制数据或带结束符的字符串，这里简化处理 // 此处演示从串口读取一行字符串并转换 // 实际应用中，更可靠的方法是使用 read_serial 配合解析函数 // 以下为逻辑示意： // 1. 累积字符直到遇到换行符‘\n’ // 2. 将累积的字符串转换为数字 // 为简化示例，我们假设有一个函数 `readSerialLine(h)` 能完成这个工作 // val = readSerialLine(h); // tempSum = tempSum + val; end sleep(10); // 短暂等待 end // 假设通过上述循环获得了tempSum calibrationValue = tempSum / calibrationSamples; disp("校准完成。基准光强ADC值: " + string(calibrationValue)); disp("请将系统切换至‘测量’模式并对准样品，按回车键开始连续测量..."); xclick(); measurementMode = 1;

在实际的完整脚本中，你需要编写一个更健壮的串口行读取函数，并设计一个主循环来持续接收数据、更新数组和刷新图形。反射率的计算就发生在主循环中：currentReflectance = (currentRawData / calibrationValue) * 100;这里乘以100是为了以百分比显示。

4.3 数据可视化与结果导出

实时绘图能让测量过程一目了然。Scilab的plot函数可以轻松实现。

// 在主循环中更新图形 while measurementMode == 1 // ... (读取并解析一行串口数据，得到 currentRawData) currentReflectance = (currentRawData / calibrationValue) * 100; // 计算反射率百分比 // 更新数据向量（实现滑动窗口效果） rawDataVector = [rawDataVector(2:$), currentRawData]; reflectanceVector = [reflectanceVector(2:$), currentReflectance]; // 清除图形并重新绘制 clf(); subplot(2,1,1); plot2d(timeVector, rawDataVector, style=2); xtitle("原始ADC信号", "", "ADC值"); h1 = gce(); h1.children.thickness = 2; subplot(2,1,2); plot2d(timeVector, reflectanceVector, style=5); xtitle("计算出的反射率", "数据点序号", "反射率 (%)"); h2 = gce(); h2.children.thickness = 2; // 添加一条水平参考线，比如在80%反射率处 plot2d([timeVector(1), timeVector($)], [80, 80], style=0, rect=[timeVector(1),0,timeVector($),100]); // 强制图形立即更新 show_window(0); sleep(50); // 控制图形更新频率，避免过于频繁 end

测量结束后，可以将reflectanceVector中的有效数据保存到文件，供后续分析。

// 保存数据到文本文件 dataToSave = [timeVector; reflectanceVector]'; csvWrite(dataToSave, 'reflectance_measurement.csv'); disp("数据已保存至 reflectance_measurement.csv");

通过这样的可视化，你不仅能看到一个最终的反射率数值，还能观察到测量过程的稳定性。如果曲线跳动剧烈，说明光路不稳定或电子噪声太大；如果曲线平稳，则说明测量结果可信。

5. 系统集成、校准与实测验证

硬件搭好，代码写完，接下来就是最关键的环节：把各部分整合起来，进行系统校准，并对真实样品进行测量。这个过程是理论走向实践的一步，会遇到各种预料之外的问题。

5.1 硬件集成与屏蔽要点

首先，将紫外LED、GUVA-S12SD传感器、限流电阻（给LED）等焊接或连接到面包板/洞洞板上。LED和传感器的相对位置需要精确固定，以确保“校准”和“测量”两种模式下光路的一致性。我使用了一个小型的黑色塑料盒作为暗室，将LED和传感器以45度角嵌入其中，样品放置口开在底部。黑色内壁可以有效吸收杂散光，减少干扰。

重要提示：环境光，尤其是室内日光灯和太阳光，含有紫外成分，会严重干扰测量。整个测量必须在全暗环境，或至少将传感器和样品完全置于自制的暗盒中进行。这是影响测量准确性的首要因素。

接线时，模拟信号线（传感器输出到A0）应尽量远离数字线（如给LED供电的PWM线），如果平行走线，最好在中间加一条接地线作为屏蔽。Arduino Nano的模拟电源引脚（Aref附近）噪声相对较小，可以尝试用这里给传感器供电。

5.2 校准流程的实操细节

校准是测量的基石。我的校准流程如下：

1. 硬件准备：确保系统处于“校准”模式（LED直对传感器，中间无遮挡）。将暗盒盖好，确保无环境光泄漏。
2. 软件准备：运行Scilab脚本，打开串口，按提示准备校准。
3. 执行校准：按回车键开始。此时，脚本会采集一段时间（比如5秒）的数据并求平均。期间，手不要触碰设备，避免震动。
4. 验证校准值：观察Scilab采集到的原始ADC值是否稳定。如果数值在一个很小的范围内波动（比如±2以内），说明系统稳定，校准值可信。如果跳动很大，需要检查电源稳定性、环境光屏蔽和机械固定。
5. 记录校准值：将此次的calibrationValue记录下来。每次开机或长时间使用后，都应重新校准，因为LED的光强会随温度和时间有微小漂移。

5.3 实测案例：不同材料的紫外反射率对比

为了验证系统，我选择了四种常见材料：白色复印纸、铝箔、黑色电工胶布和一块普通的玻璃片。

1. 白色复印纸：测量得到的反射率大约在75%-85%之间波动。这符合预期，因为纸张中的荧光增白剂会吸收紫外光并激发出蓝光，但GUVA-S12SD对这部分蓝光不敏感，所以测得的“紫外反射率”会比肉眼看到的“白度”低。
2. 铝箔：反射率最高，稳定在92%-95%。铝在紫外波段也具有很高的反射率，是很好的校准参考物（如果表面氧化不严重的话）。
3. 黑色电工胶布：反射率极低，在3%-8%之间。黑色材料吸收大部分光。
4. 普通玻璃片：反射率大约在8%-12%。这是玻璃表面的菲涅尔反射，与入射角有关。我们45度的设置下，这个值是合理的。

这个简单的实验证明了系统的有效性：它能清晰地区分不同材料对紫外光的反射特性，并且量级符合基本物理常识。当然，它的绝对精度无法与专业仪器相比，因为缺乏单色仪（我们用的是宽带LED）和严格的光学几何定标。但对于定性比较和趋势观察，它已经是一个非常有力的工具。

6. 误差来源分析与进阶优化思路

任何测量系统都有误差，了解误差来源才能正确解读数据，并知道如何改进。

6.1 主要误差来源剖析

1. 光源稳定性：LED的发光强度随供电电压和温度变化。使用一个稳定的恒流源驱动LED，而非Arduino的PWM，可以大幅改善。此外，预热LED几分钟后再进行校准和测量，能让其输出更稳定。
2. 探测器非线性与光谱响应：GUVA-S12SD的输出电压与光强并非完全理想的线性关系，且在紫外波段不同波长下的响应度也不同。我们的365nm LED并非单一波长，而是一个波段。这意味着我们测量的是“传感器加权平均”后的反射率，而非严格意义上的单波长反射率。这是本系统与专业仪器最大的理论差距。
3. 光路几何误差：45°:45°的几何条件是否精确？LED和传感器的视场角是否重叠完美？样品表面是否完全平整、正对光路？微小的角度偏差和距离变化都会导致反射光进入探测器的比例发生变化，引入误差。制作一个精密的机械结构来固定光学元件是关键。
4. 环境杂散光：这是最大的实操误差源。即使是在暗盒中，LED光在盒内壁的多次反射也可能被传感器接收到。在传感器前加装一个小的遮光筒（光阑），并在线路板、内壁粘贴黑色绒布（如黑色天鹅绒），可以极大吸收杂散光。
5. 电子噪声：ADC的量化噪声、电源纹波、数字电路串扰。除了前面提到的滤波和供电隔离，还可以尝试使用Arduino Nano的“睡眠模式”在采样间隙降低数字部分功耗，减少自身干扰。

6.2 可行的系统优化方案

如果你不满足于基础版本，可以尝试以下升级：

• 多波长测量：增加不同波长的紫外LED（如385nm， 395nm）甚至可见光LED，通过分时点亮或使用多个探测器，实现简单的“多光谱”反射测量，获取更多信息。
• 自动校准与测量：用微型舵机控制一个旋转遮光片，在Scilab脚本的控制下自动切换“校准”和“测量”光路，实现全自动测量循环。
• 参考探测器：增加第二个相同的传感器，始终监测LED的直接输出，作为实时参考。这样可以补偿LED光强的瞬时波动，但需要解决两个探测器的一致性标定问题。
• 改用Python或LabVIEW：Scilab在数值计算上很强，但交互性和生态不如Python。你可以用PySerial进行串口通信，用Matplotlib或PyQtGraph做实时绘图，用NumPy/SciPy进行更复杂的数据处理（如拟合、滤波）。这对于构建更复杂的用户界面或自动化流程更有优势。

7. 项目总结与个人心得

回顾整个“UV Reflectometer using ARDUINO NANO and SCILAB”项目，它完美地诠释了“低成本高学习价值”的DIY精神。总硬件成本可以控制在百元以内，但你收获的远不止一个能测反射率的小工具。

我最深的体会是，在测量领域，稳定性往往比绝对精度更重要。一开始，我的数据总是跳来跳去，我总想着去优化算法、修正公式。后来发现，问题的根源是面包板连接松动导致接触电阻变化，以及实验室的日光灯干扰。当我用焊锡固定所有连接，并认真做了一个遮光严密的暗盒后，数据立刻变得平稳可信。这让我深刻理解到，硬件是软件的基石，任何精巧的算法都无法弥补糟糕的物理信号。

另一个心得是关于校准的哲学。校准不是一劳永逸的“设定一个值”，而是一个持续的“状态确认”过程。我现在养成了习惯，每次开机测量前，都会先运行校准流程，观察基准值的稳定性。如果某次校准值与前次偏差较大，我不会直接使用，而是会检查系统状态——是不是电池快没电了？是不是传感器窗口脏了？这种基于数据的系统健康检查思维，是从这个简单项目迁移到更复杂工程中的宝贵财富。

最后，这个项目的扩展性令人兴奋。它本质上是一个“光源-探测器-微控制器-上位机”的通用框架。你可以把紫外LED换成红外LED，用来测材料的红外反射或热特性；可以换成激光模组，研究表面粗糙度；探测器也可以换成颜色传感器、光谱传感器等。而Scilab（或Python）端的算法，则是你处理任何一路模拟传感器数据的通用模板。从这个角度看，你搭建的不是一个单一的仪器，而是一个属于你自己的、可编程的物理信息采集与分析实验平台。这才是它最大的价值所在。