中文 · English ⬅ 課程入口 Teaching portal ・ SpectraView 教學頁 ・ GitHub 原始碼
Orange Data Mining × Spectroscopy

Orange 光譜 Widgets

五個開源 widgets，把光譜學帶進 Orange 視覺化工作流：貼上 IRUG / SOPRANO 網址直接看光譜、 算相似度、建光譜庫比對未知物、用 NNLS 拆解混合光譜成分、畫水光譜學 Aquagram——全程拖拉連線、免寫程式。

安裝 Install Widget 教學 真實數據 Demo 範例工作流
Overview

五個 Widgets，一條龍的光譜鑑定流程

安裝後 Orange 工具箱會多一個 Spectra 分類。輸出的資料表採 Orange-Spectroscopy 慣例 （每一欄＝一個波數、每一列＝一條光譜），可直接接 PCA、PLS、階層式分群等 Orange 原生流程。

Import Spectrum URL

貼上 IRUG 編號（如 4119）、IRUG/SOPRANO 頁面網址，或 JCAMP-DX / CSV 直接網址——下載、畫圖、輸出資料表，一鍵完成。可連抓多條累積成一組。

Spectra Similarity

兩組光譜的逐對相似度：Pearson correlation、cosine、光譜角 SAM、Euclidean 距離。自動對齊重疊波段再比較。

Spectral Library

把參考譜收進光譜庫、存成 .speclib 檔（與 SpectraView 桌面版完全互通），未知譜對庫搜尋、輸出排名命中表與最佳匹配。

Mixture Analysis

混合光譜 ≈ Σ cᵢ·參考譜ᵢ 的非負最小平方（NNLS）分解：回報每個成分的係數、百分比與擬合 R²，並疊出擬合曲線與殘差。

Aquagram（水光譜學）

Aquaphotomics 分析：在水的 12 個特徵吸收帶（WAMACs）取正規化吸光度，畫成 12 軸雷達圖，比較不同樣品／擾動下水的氫鍵結構差異。

Install

安裝

先搞清楚你的 Orange 是哪一種——這決定安裝方式：
▸ 桌面版 App（從 orangedatamining.com 下載的獨立程式，點圖示開）→ 走 方式 A。
▸ pip 版 Orange（自己 pip install orange3、用 python -m Orange.canvas 開）→ 走 方式 B。
兩者的 Python 環境不同，裝錯環境 widgets 不會出現。

方式 A ── 桌面版 App（最推薦）

用 App 內建的 Add-ons 對話框，從 PyPI 依名稱安裝：

1

開 Add-ons

Orange 選單 Options ▸ Add-ons…

2

Add more… 輸入名稱

按右上 Add more…，輸入 orange-spectra（不是 git 網址——這個框只吃 PyPI 名稱），打勾後按 OK。

3

重啟 Orange

工具箱出現 Spectra 分類的 5 個 widgets。

找不到 orange-spectra？代表尚未發佈到 PyPI。發佈方式見 PUBLISHING.md； 在那之前，桌面版可改用「命令列安裝進 App 環境」：找到 App 的 Python（如 …\Orange\python.exe）執行 python.exe -m pip install "git+https://github.com/Tai-ShengYeh/spectraview.git#subdirectory=orange-spectra"。

方式 B ── pip 版 Orange

# 1) Orange 與 Qt 綁定（缺 PyQt5 會出現 "PyQt5 ... not available" 而開不了）
pip install orange3 PyQt5 PyQtWebEngine

# 2) orange-spectra widgets（直接從 GitHub 裝）
pip install "git+https://github.com/Tai-ShengYeh/spectraview.git#subdirectory=orange-spectra"

# 3) 啟動（用這個指令，不要點桌面 App 圖示——那是另一個環境）
python -m Orange.canvas
常見錯誤：
▸ ImportError: PyQt5 … not available → 少裝 Qt，補 pip install PyQt5 PyQtWebEngine。
▸ Add-ons 的 Add more… 貼 git 網址得到「packages were not found」→ 那個框只接受 PyPI 名稱，git 網址請走方式 B 的 pip install。
裝一次就好，不用每次都裝。安裝是一次性的——裝完之後每次開 Orange， Spectra 分類的 5 個 widgets 都在，直接用。
▸ 只有要「更新」到新版時才需要重裝： pip install --upgrade --force-reinstall --no-deps "git+https://github.com/Tai-ShengYeh/spectraview.git#subdirectory=orange-spectra"， 然後完全關掉 Orange 再重開。
▸ 每個 widget 左上角都有 「ℹ 說明 How to use」盒子與 「📖 開啟線上教學」按鈕， 不會用時點一下就能學。
Widget guide

Widget 逐一教學

Import Spectrum URL — 從網址匯入光譜

輸出：Spectra（Table，每列一條光譜）
  1. 在輸入框貼上來源，按 Fetch & add：
    • IRUG 編號：4119（＝http://www.irug.org/jcamp-details?id=4119，PB15 酞菁藍 Raman 譜）
    • SOPRANO 頁面網址（比利時 KIK-IRPA 顏料 Raman 資料庫）
    • JCAMP-DX（AFFN）或兩欄 CSV 的直接網址
  2. 右側即時畫出光譜（IR/Raman 慣例：波數由高至低）。
  3. 重複 Fetch 可累積多條光譜；清單可移除單條或全部清空。多條光譜會自動重採樣到共同波段。
原理：IRUG 網頁沒有下載檔——光譜其實藏在頁面互動圖（jqPlot）的 <script> 裡（"波數:強度" 配對）；SOPRANO 則藏在 Dygraph 的資料陣列。widget 直接解析網頁原始碼還原數據。

Spectra Similarity — 光譜相似度

輸入：Data（待比對光譜）、References（參考光譜，可省略）　輸出：Scores（逐對分數表）
  1. 接上 Data 與 References：輸出 Data × References 每一對的四個指標。
  2. 只接 Data：改為 Data 內部兩兩互比（適合看一批樣品彼此像不像）。
  3. 排序依據可選 correlation / cosine（越大越像）或 SAM / Euclidean（越小越像）。
指標意義特性
correlationPearson 相關係數對位移與縮放都不敏感，鑑定最常用
cosine向量夾角餘弦對縮放不敏感
SAM光譜角（弧度）遙測/高光譜常用，越小越像
euclid單位化後歐氏距離直觀的「形狀差多少」

Spectral Library — 光譜庫建立與比對

輸入：Spectra（要入庫的參考譜）、Query（未知譜）　輸出：Hits（排名表）、Best Match（最佳匹配譜）、Library（整個庫）
  1. 把參考譜接到 Spectra 輸入，按 Add input spectra to library 入庫。
  2. Save… 存成 .speclib；Load… 載入既有庫——檔案格式與 SpectraView 桌面版相同，例如可直接載入 repo 附的 examples/sugars_nir.speclib（9 種糖類 NIR 庫）。
  3. 未知譜接 Query：Hits 輸出每個 query 對每筆庫藏的排名與四個相似度指標，接 Data Table widget 即可檢視。
  4. Library 輸出把整個庫變成資料表——可以直接接 Mixture Analysis 當參考譜，或接 Spectra 檢視。

Mixture Analysis — 混合光譜成分分析

輸入：Mixture（混合譜，取第一列）、References（純物質參考譜）　輸出：Composition（成分係數/比例）、Fit（擬合譜＋殘差）
  1. 混合譜接 Mixture、一組純物質參考譜接 References。
  2. 用非負最小平方（NNLS）解 mixture ≈ Σ cᵢ·refᵢ (+ offset)；係數強制 ≥ 0，符合物理意義。
  3. widget 內直接顯示成分表（係數、百分比）與 R²；圖上疊出混合譜、擬合線與殘差。
  4. Composition 輸出接 Data Table 或 Bar Plot 畫成分比例；Fit 輸出含 mixture / NNLS fit / residual 三列。
教學重點：殘差若仍有明顯峰形，代表庫裡少了某個成分——這正是「參考譜不完整」的視覺證據。

Aquagram — 水光譜學（aquaphotomics）雷達圖

輸入：Data（NIR 光譜，需涵蓋約 1300–1600 nm 的水吸收區）　輸出：Aquagram Coordinates（每列一條光譜、12 個 WAMACs 欄）

Aquaphotomics（Tsenkova）用水在近紅外的 12 個特徵吸收帶（WAMACs，water matrix coordinates，約 1336–1522 nm）當「水的指紋」，把樣品在這 12 個座標的正規化吸光度畫成雷達圖，比較不同狀態（溫度、濃度、品種…擾動）下水的氫鍵結構變化。做法參考 NIRPY Research 的 aquagram 教學。

  1. 接上 NIR 光譜（可先用 Import Spectrum URL / File 載入，或接 Orange-Spectroscopy 的前處理）。
  2. 選正規化方式：
    • raw：直接取 12 個波段的吸光度。
    • snv：先對每條光譜做 SNV（標準常態變量），再取值。
    • aquagram（預設，經典正規化）：SNV 後，對整組樣品在每個波段做標準化 (值−均值)/標準差——0 就是這組的平均水譜，往外 = 該波段吸光度高於平均、往內 = 低於平均。
  3. 右側即時畫出 12 軸雷達圖，每條光譜一條線；WAMACs 波段可在輸入框自訂（預設標準 12 帶）。
  4. Aquagram Coordinates 輸出是 n×12 的資料表，可再接 PCA、分群或 Data Table 做量化比較。
波段說明：預設 12 WAMACs（nm）＝1342, 1364, 1372, 1382, 1398, 1410, 1438, 1444, 1464, 1474, 1492, 1516；分別對應水的不同氫鍵物種（自由水 OH、S₀–S₄ 水簇、水合等）。若光譜單位不是 nm 或未涵蓋此區，widget 會提示波段落在範圍外。
Live demo · 真實數據跑出結果

用內建範例資料實際跑一遍

下面所有圖與數字都是用 repo 內的真實範例資料（examples/sugars_nir.speclib ——9 種糖類／添加物的 NIR 光譜、3 個未知樣品）與真實玉米 NIR，實際用這些 widgets 的演算法跑出來的， 不是示意圖。你在自己電腦照做會得到一樣的結果。

① Import Spectrum URL → 一次載入一組光譜

把 9 條糖類 NIR 參考譜載進來、疊在同一張圖（每列一條光譜的 Table）。

9 sugar NIR spectra

② Spectra Similarity → 9×9 相關係數熱圖

對 9 條糖譜兩兩算 correlation。化學上合理：蔗糖 vs 果糖 ≈ 0.99（蔗糖＝葡萄糖＋果糖）， 糖類 vs 咖啡因 ≈ 0.71 明顯拉開。

correlation heatmap

③ Spectral Library → 未知糖比對排名

拿 unknown_glucose.csv 對 9 種糖的庫搜尋，第一名正確命中 glucose（correlation = 1.0000）。

library search ranking
排名命中correlation
1glucose ✅1.0000
2sucrose0.9562
3fructose0.9533
………
9caffeine0.7078

④ Mixture Analysis → NNLS 拆解混合譜

把 65% glucose + 35% sucrose 混成一條譜餵進去，NNLS 準確還原比例 （glucose 65.0%、sucrose 35.0%、其餘成分 ≈ 0），R² = 1.0000。

NNLS mixture fit
成分NNLS 係數比例真值
glucose0.65065.0%65%
sucrose0.35035.0%35%
其他 7 種≈ 0≈ 0%0%

⑤ Aquagram → 真實玉米 NIR 水光譜雷達圖

用真實玉米近紅外光譜，在 12 個 WAMACs 取正規化吸光度畫成 aquagram（雷達圖）。

real corn NIR aquagram
Example workflows

三個課堂範例工作流

① 看譜：貼網址 → 光譜 → 資料表

Import Spectrum URL輸入 4119（IRUG PB15）
→Spectra
Data Table檢視數據

最短路徑：一個 widget 就能「貼上網址看光譜」；再接 Orange-Spectroscopy 的 Spectra widget 或 Line Plot 可另行檢視。

② 鑑定：建庫 → 未知譜比對

Import Spectrum URL抓多條參考譜
→Spectra
Spectral Library入庫 → Save .speclib
→Hits
Data Table排名結果
File / Import URL未知樣品譜
→Query

未知譜從第二個來源（File widget 讀 CSV，或再開一個 Import URL）接到 Library 的 Query。.speclib 檔和 SpectraView 桌面版、教學範例庫完全互通。

③ 定量：混合譜成分分析

Import Spectrum URL混合樣品譜
→Mixture
Mixture AnalysisNNLS 分解
→Composition
Bar Plot成分比例圖
Spectral LibraryLibrary 輸出當參考譜
→References

參考譜可以來自光譜庫的 Library 輸出——「建庫」與「拆混合物」自然銜接成一條流程。

Integration

與 SpectraView、Orange-Spectroscopy 的整合

互通點說明
.speclib 光譜庫Orange 裡存的庫，SpectraView 桌面版直接 Library ▸ Load library… 開啟；反之亦然（如 examples/sugars_nir.speclib）。
資料表格式欄名＝波數、每列一條光譜——與 Orange-Spectroscopy 及 SpectraView 的「合併匯出 X-matrix」相同，匯出 CSV 可雙向載入。
演算法相似度四指標與 NNLS 的定義和 SpectraView 完全一致，桌面版與 Orange 版結果可互相驗證。
下游分析Spectra 輸出可直接接 Orange 的 PCA、PLS（化學計量學）、距離矩陣、階層式分群等 widgets。
FAQ

常見問題

要每次用都重新 pip 安裝嗎？

不用。安裝是一次性的——裝完之後每次開 Orange，Spectra 分類的 5 個 widgets 都在，直接用。 只有要更新到新版時才重裝（pip install --upgrade --force-reinstall --no-deps …）， 且重裝後要完全關掉 Orange 再重開才會生效。桌面版 App 若日後上了 PyPI，用 Add-ons 對話框安裝更會自動記住、可線上更新。

不會用某個 widget，怎麼學？

每個 widget 左上角都有 「ℹ 說明 How to use」盒子（簡短中英說明）和 「📖 開啟線上教學」按鈕， 點按鈕就會開這頁對應段落。也可先看上面的 真實數據 Demo 看每個 widget 實際跑出什麼。

抓 IRUG 失敗（連線錯誤）怎麼辦？

先確認瀏覽器打得開該頁；校內網路有時擋外部站台。仍失敗時，可在瀏覽器用 SpectraView 桌面版的 File ▸ Import from URL / IRUG… 匯入後存成 CSV，再用 Orange 的 File widget 載入。

JCAMP-DX 檔抓下來是亂碼／解析失敗？

URL 匯入支援 AFFN（純數字）JCAMP；壓縮格式（SQZ/DIF/DUP）請用 SpectraView 開啟（它有完整解碼器）後匯出 CSV。

兩條光譜波段不同能比較嗎？

可以。相似度與 NNLS 都會先取重疊波段、內插到共同格點再計算；完全沒有重疊才會回報錯誤。

可以先做基線校正／平滑再比對嗎？

建議可以：接 Orange-Spectroscopy 的 Preprocess Spectra widget（含基線、SNV、Savitzky-Golay 等）在比對之前處理；或先在 SpectraView 做 airPLS 再匯出。