一、光学测量基础：光的本质、光谱与波长、光度学与辐射度学基本概念、光学测量系统组成
1.1 光的本质——它到底是波还是粒子？
说实话，我刚入行那会儿，也被这个问题绕晕过。光到底是什么？
你想想看，我们中学物理说光是电磁波，大学光学又说光子是粒子。其实都对——这就是所谓的“波粒二象性”。
我个人习惯这样理解：光在传播时像波，在和物质相互作用时像粒子。比如干涉、衍射这些现象，你用波动理论去解释，特别顺。但光电效应呢？非得用光子能量 E = hν 才能说清楚。
核心要点：
- 光是一种电磁辐射，具有波粒二象性
- 波动性体现在传播过程（干涉、衍射、偏振）
- 粒子性体现在能量交换过程（光电效应、吸收、发射）
- 光速 c = 3×10⁸ m/s，在真空中恒定
我在项目中遇到过一件事：有次用激光干涉仪测位移，怎么调都出不来干涉条纹。后来发现是光源相干长度不够——这就是典型的波动性没吃透。嗯，这里要注意，不是所有光都能产生稳定的干涉。
1.2 光谱与波长——光学测量的“身份证”
说白了，光谱就是光按波长排了个队。波长决定了光的“颜色”，也决定了它能干什么。
| 波段名称 | 波长范围 | 典型应用 |
|---|---|---|
| 紫外（UV） | 10 nm ~ 380 nm | 荧光检测、光刻 |
| 可见光（VIS） | 380 nm ~ 780 nm | 人眼视觉、颜色测量 |
| 近红外（NIR） | 780 nm ~ 2.5 μm | 光纤通信、水分检测 |
| 中红外（MIR） | 2.5 μm ~ 25 μm | 热成像、气体分析 |
| 远红外（FIR） | 25 μm ~ 1 mm | 遥感、天文观测 |
为什么波长这么重要？我举个例子你就明白了。测一个0.5 μm宽的沟槽，你用532 nm的绿光去照，衍射效应会严重干扰测量结果。但如果你换成248 nm的深紫外光，分辨率立马就上去了。这就是为什么半导体检测越做波长越短——分辨率直接和波长挂钩。
避坑指南：
我曾经在选型光谱仪时，只看波长范围没看分辨率。结果买回来发现，两个相邻的谱峰根本分不开。记住：光谱分辨率 = 波长范围 / 像素数，这个公式很实用。
1.3 光度学与辐射度学——别搞混了！
这两个概念，我见过太多人搞混了。其实区分起来很简单：
- 辐射度学：只管物理量，不考虑人眼感知。单位是瓦特（W）
- 光度学：考虑人眼视觉特性，单位是流明（lm）
举个例子：一个红外LED和一个红色LED，辐射功率都是1 W。但红外LED的光通量是0 lm（人眼看不见），红色LED的光通量大约683 lm × 0.3 ≈ 205 lm。为什么会这样？因为人眼对不同波长的敏感度不一样。
关键物理量对照表：
| 辐射度学量 | 符号/单位 | 光度学量 | 符号/单位 |
|---|---|---|---|
| 辐射通量 | Φₑ, W | 光通量 | Φᵥ, lm |
| 辐射强度 | Iₑ, W/sr | 发光强度 | Iᵥ, cd |
| 辐射照度 | Eₑ, W/m² | 照度 | Eᵥ, lx |
| 辐射亮度 | Lₑ, W/(m²·sr) | 亮度 | Lᵥ, cd/m² |
转换关系很简单：光度学量 = 辐射度学量 × 视见函数 V(λ) × 683。但注意，这个683只在555 nm波长处成立，其他波长要查表。
1.4 光学测量系统组成——搭积木的思路
一个完整的光学测量系统，说白了就是几块积木拼起来的。我习惯把它分成五个部分：
- 光源：提供照明或激发光。常见的有卤素灯、LED、激光器、氙灯
- 光路调控：透镜、反射镜、滤光片、光阑、分束器
- 样品台：承载被测样品，可能需要XYZ位移或旋转
- 探测器：把光信号转成电信号。CCD、CMOS、光电二极管、PMT
- 数据处理：采集卡、软件算法、显示输出
下面这张图是我自己画的一个典型光学测量系统框图，你可以看看整体架构：
你看这个图，光从光源出发，经过光路调控后照到样品上，样品反射或透射的光再被探测器接收，最后进到数据处理系统。有些系统还有反馈控制，比如自动调节光源功率或样品位置。
重要提醒：
搭建系统时，最容易忽略的是光路对准。我曾经花了一整天调一个显微光谱系统，最后发现是样品台倾斜了0.5度，导致光斑偏了。记住：先粗调再精调，先用可见光对准再用测量光。
1.5 一个简单的Python示例——计算光谱功率分布
光说不练假把式。我写了个小脚本，模拟一个LED的光谱功率分布，顺便算一下它的光通量。你可以在自己的机器上跑跑看：
import numpy as np
# 模拟一个中心波长450nm的蓝光LED光谱
wavelengths = np.linspace(380, 780, 401) # 380~780nm，步长1nm
center = 450
sigma = 15 # 半高宽约35nm
# 高斯型光谱
spectrum = np.exp(-0.5 * ((wavelengths - center) / sigma) ** 2)
spectrum = spectrum / np.max(spectrum) # 归一化
# 辐射通量假设为1W
radiant_flux = 1.0 # W
# 视见函数（简化版，只取几个关键点）
V_lambda = np.exp(-0.5 * ((wavelengths - 555) / 50) ** 2)
V_lambda = np.clip(V_lambda, 0, 1)
# 计算光通量
luminous_flux = 683 * np.trapz(spectrum * V_lambda, wavelengths) / np.trapz(spectrum, wavelengths)
luminous_flux *= radiant_flux
print(f"辐射通量: {radiant_flux:.2f} W")
print(f"光通量: {luminous_flux:.2f} lm")
print(f"光视效能: {luminous_flux/radiant_flux:.2f} lm/W")
跑一下你会发现，这个450nm蓝光LED的光视效能大概在40~60 lm/W之间。而一个555nm的绿光LED，同样1W辐射功率，光通量能到683 lm。这就是人眼对不同波长敏感度的差异——设计照明系统时一定要考虑这个。
实用技巧：
实际项目中，我经常用这个脚本快速估算LED的光效。你只需要把光谱数据换成实测值，就能得到准确的光通量。比翻datasheet靠谱多了——因为厂家给的数据往往是典型值，实际批次有偏差。
公众号:蓝海资料掘金营，微信deep3321