CN118896928A - 一种基于温度校正的近红外光谱分析方法及装置 - Google Patents
一种基于温度校正的近红外光谱分析方法及装置 Download PDFInfo
- Publication number
- CN118896928A CN118896928A CN202410790585.5A CN202410790585A CN118896928A CN 118896928 A CN118896928 A CN 118896928A CN 202410790585 A CN202410790585 A CN 202410790585A CN 118896928 A CN118896928 A CN 118896928A
- Authority
- CN
- China
- Prior art keywords
- near infrared
- temperature
- infrared spectrum
- spectrum data
- absorbance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 125
- 238000012937 correction Methods 0.000 title claims abstract description 100
- 238000004458 analytical method Methods 0.000 title claims abstract description 16
- 238000002835 absorbance Methods 0.000 claims abstract description 85
- 239000000126 substance Substances 0.000 claims abstract description 65
- 230000035945 sensitivity Effects 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 39
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004497 NIR spectroscopy Methods 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims description 5
- 238000012887 quadratic function Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及近红外光谱分析技术领域，具体为一种基于温度校正的近红外光谱分析方法及装置。获取不同温度下待测物质多个样本的初始近红外光谱数据、温度及目标成分信息，进行光谱数据预处理，选取目标校正波段，在每个目标校正波段中，选取特征波长点，得到特征波长点吸光度与温度之间的拟合函数，根据预处理后多个样本在不同温度下的近红外光谱数据与温度建立回归模型，基于回归模型，利用影响力函数计算同一波长点吸光度的温度敏感度，对目标校正波段中各个波长点对应的吸光度进行校正，通过完成训练的近红外光谱在线检测模型，测定待测产品的目标成分信息，提高了近红外光谱模型预测的样品的化学成分精度。
Description
技术领域
本发明涉及近红外光谱分析技术领域，尤其是指一种基于温度校正的近红外光谱分析方法及装置。
背景技术
近红外光谱作为一种高效、快速、无损和无污染的测量技术，作为替代传统理化分析技术，应用于许多领域，如农业、石化、制药、食品等。它可以快速有效地测定样品的化学成分，成为化工企业和科研部门不可缺少的分析手段。
由于近红外光谱主要反映的是含氢基团振动的倍频和合频吸收，对温度极为敏感。温度变化会引起含氢基团之间作用力和光程显著改变，从而引起所测近红外光谱发生变化，尤其是一些对温度敏感的有机化合物，在样品温度难以有效控制的情况下，必须要考虑温度这一变量对预测效果的影响，温度变化对近红外光谱的影响通常反映在波峰位置变化、是谱带宽度变化与光谱漂移等，使得近红外光谱模型预测的样品的化学成分精度降低。
发明内容
为此，本发明所要解决的技术问题在于克服现有技术中温度变化会引起含氢基团之间作用力和光程显著改变，从而引起所测近红外光谱发生变化，使得近红外光谱模型预测的精度降低的技术问题。
为解决上述技术问题，本发明提供了一种基于温度校正的近红外光谱分析方法，包括以下步骤：
获取不同温度下待测物质的多个样本的初始近红外光谱数据，并记录采集初始近红外光谱数据时的各个温度及各个样本的目标成分信息，得到初始数据集；对获取的不同温度下待测物质的多个样本的初始近红外光谱数据进行预处理；选取预处理后待测物质任一样本在不同温度下的近红外光谱数据的温度漂移波段，作为目标校正波段；
在每个目标校正波段中，选取一个可代表目标校正波段整体变化规律的特征波长点，得到特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数；
根据预处理后待测物质的多个样本在不同温度下的近红外光谱数据与温度建立回归模型，基于回归模型构建影响力函数，利用所述影响力函数计算同一波长点对应的吸光度的温度敏感度；
根据特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数、同一波长点对应的吸光度的温度敏感度，对目标校正波段中各个波长点对应的吸光度进行校正，得到校正后的数据集；
将校正后的数据集划分为训练集和测试集，并对预先建立的近红外光谱在线检测模型进行训练，通过完成训练的近红外光谱在线检测模型，测定待测产品的目标成分信息。
获取不同温度下待测物质的多个样本的初始近红外光谱数据，并记录采集初始近红外光谱数据时的温度及样本目标成分信息，得到初始数据集，包括：预设温度范围与多个温度采样点，根据所设温度范围，依次获取待测物质的多个样本在所设温度采样点下的初始近红外光谱数据；
初始数据集为：
A＝(xnm,yn,sm),n＝1,2,...,N，m＝1,2,...,M；
其中，N表示待测物质的样本个数，M表示温度的个数，xnm表示待测物质的第n个样本在采集初始近红外光谱数据温度为sm时的初始近红外光谱数据，yn表示待测物质第n个样本的目标成分信息，sm表示第m个温度。
对获取的所有初始近红外光谱数据进行光谱数据预处理，包括：
对获取的所有初始近红外光谱数据进行Savitzky-Golay平滑滤波与多重散射校正。
所述温度漂移波段的同一波长点在不同温度下对应的吸光度差值大于预设偏差范围，且随温度的单向升高或单向降低，同一波长点在不同温度下对应的吸光度单向增加或单向减少。
在每个目标校正波段中，选取一个可代表目标校正波段整体变化规律的特征波长点，包括：
在各个目标校正波段中，选择不同温度下对应的吸光度与多个温度之间关系能够拟合为二次型函数的波长点作为该目标校正波段的特征波长点。
特征波长点的吸光度与采集初始近红外光谱数据时的温度的拟合函数为：
κlα(t)＝αt2+βt+γ,l＝1,2,...,f，
其中t表示温度，f为目标校正波段数量，κlα(t)表示在温度为t时，第l个目标校正波段中特征波长点的吸光度。
所述将预处理后不同采集初始近红外光谱数据时的温度下待测物质的多个样本的近红外光谱数据与采集初始近红外光谱数据时的温度建立回归模型，回归模型如下：
其中x为预处理后待测物质的多个样本在不同温度下的近红外光谱数据，s为各个温度，为权重矩阵，sT表示矩阵s的转置矩阵，xT表示矩阵x的转置矩阵。
利用影响力函数计算波长点吸光度的温度敏感度，包括：影响力函数的计算过程如下：
其中，N表示待测物质的样本个数，M表示温度的个数，xnm表示待测物质的第n个样本在采集初始近红外光谱数据温度为sm时的初始近红外光谱数据，yn表示待测物质第n个样本的目标成分信息，sm表示第m个温度；
表示将预处理后的待测物质的多个样本在不同温度下的近红外光谱数据通过回归模型加权计算值的总和；
表示将预处理后的待测物质的多个样本在不同温度下的近红外光谱数据中第j个波长点的吸光度设置为0后，通过回归模型加权计算值的总和；为回归模型中的权重矩阵，Γj表示第j个波长点吸光度的温度敏感度，
表示矩阵的逆矩阵。
根据特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数、同一波长点对应的吸光度的温度敏感度，对目标校正波段中各个波长点对应的吸光度进行校正，得到校正后的数据集，包括：
将目标校正波段l中的波长点设置为wlk,k＝1,2,...,q，q为第l个目标校正波段中波长点的数量；
ηlk表示第l个目标校正波段中第k个波长点校正后的吸光度值，δlk表示第l个目标校正波段中第k个波长点初始的吸光度值，校正的标准温度设置为t0，温度为t。
本发明提供的一种基于温度校正的近红外光谱分析装置，包括：
数据采集模块：用于获取不同温度下待测物质的多个样本的初始近红外光谱数据，以及初始近红外光谱数据时的各个温度及各个样本的目标成分信息，得到初始数据集；
预处理模块：用于对获取的不同温度下待测物质的多个样本的初始近红外光谱数据进行预处理；
目标校正波段选择模块：用于选取预处理后待测物质任一样本在不同温度下的近红外光谱数据的温度漂移波段，作为目标校正波段；
特征波长点选择模块：用于在每个目标校正波段中，选取一个可代表目标校正波段整体变化规律的特征波长点；
拟合函数模块：用于得到特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数；
回归模型模块：用于根据预处理后待测物质的多个样本在不同温度下的近红外光谱数据与温度建立回归模型；
温度敏感度计算模块：用于基于回归模型构建影响力函数，利用所述影响力函数计算同一波长点对应的吸光度的温度敏感度；
校正模块：用于根据特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数、同一波长点对应的吸光度的温度敏感度，对目标校正波段中各个波长点对应的吸光度进行校正，得到校正后的数据集；
目标成分信息检测模块：用于将校正后的数据集划分为训练集和测试集，并对预先建立的近红外光谱在线检测模型进行训练，通过完成训练的近红外光谱在线检测模型，测定待测产品的目标成分信息。
本发明的上述技术方案相比现有技术具有以下有益效果：
本发明提出一种基于温度校正的近红外光谱分析方法及装置，利用影响力函数这一分析方法，充分考虑了近红外光谱在温度变化的情况下的漂移特性，针对特定漂移波段，从光谱自身的数学规律出发，根据特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数、同一波长点对应的吸光度的温度敏感度，对漂移波段中各个波长点对应的吸光度进行校正，提高了光谱温度校正的针对性和精确度，尽可能地减小了温度对近红外光谱建模的干扰，增强了近红外光谱监测模型的准确性。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
图1是本发明的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
参照图1所示，本发明实施例一提供了一种基于温度校正的近红外光谱分析方法,包括以下步骤：
步骤S1：获取不同温度下待测物质的多个样本的初始近红外光谱数据，并记录采集初始近红外光谱数据时的各个温度及各个样本的目标成分信息，得到初始数据集；
预设温度范围与多个温度采样点，根据所设温度范围，依次获取待测物质的多个样本在所设温度采样点下的初始近红外光谱数据；
初始数据集为：
A＝(xnm,yn,sm),n＝1,2,...,N，m＝1,2,...,M；
其中，N表示待测物质的样本个数，M表示温度的个数，xnm表示待测物质的第n个样本在采集初始近红外光谱数据温度为sm时的初始近红外光谱数据，yn表示待测物质第n个样本的目标成分信息，sm表示第m个温度步骤S2：对获取的不同温度下待测物质的多个样本的初始近红外光谱数据进行预处理；
包括：Savitzky-Golay平滑滤波，用于提高近红外光谱的平滑性，并降低了噪音对近红外光谱数据的干扰；
多重散射校正，有效的消除了由于散射效应和颗粒大小差异引起的光谱基线漂移和幅度变化。
步骤S3：选取预处理后待测物质任一样本在不同温度下的近红外光谱数据的温度漂移波段，作为目标校正波段；
所述温度漂移波段的同一波长点在不同温度下对应的吸光度差值大于预设偏差范围，且随温度的单向升高或单向降低，同一波长点在不同温度下对应的吸光度单向增加或单向减少。
步骤S4：在每个目标校正波段中，选取一个可代表目标校正波段整体变化规律的特征波长点，得到特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数；
包括：在各个目标校正波段中，选择不同温度下对应的吸光度与多个温度之间关系能够拟合为二次型函数的波长点作为该目标校正波段的特征波长点。特征波长点的吸光度与采集初始近红外光谱数据时的温度的拟合函数为：
κlα(t)＝αt2+βt+γ,l＝1,2,...,f，
其中t表示温度，f为目标校正波段数量，κlα(t)表示在温度为t时，第l个目标校正波段中特征波长点的吸光度。
步骤S5：根据预处理后待测物质的多个样本在不同温度下的近红外光谱数据与温度建立回归模型，回归模型如下：
其中x为预处理后不同采集初始近红外光谱数据时的温度下待测物质的多个样本的近红外光谱数据输入，s为采集初始近红外光谱数据时的温度输出，为权重矩阵。
步骤S6：基于回归模型构建影响力函数，利用所述影响力函数计算同一波长点对应的吸光度的温度敏感度；影响力函数的计算过程如下：
其中，N表示待测物质的样本个数，M表示温度的个数，xnm表示待测物质的第n个样本在采集初始近红外光谱数据温度为sm时的初始近红外光谱数据，yn表示待测物质第n个样本的目标成分信息，sm表示第m个温度；
表示将预处理后的待测物质的多个样本在不同温度下的近红外光谱数据通过回归模型加权计算值的总和；
表示将预处理后的待测物质的多个样本在不同温度下的近红外光谱数据中第j个波长点的吸光度设置为0后，通过回归模型加权计算值的总和；为回归模型中的权重矩阵，Γj表示第j个波长点吸光度的温度敏感度，
表示矩阵的逆矩阵。
步骤S6：在每个目标校正波段中，选取一个可代表目标校正波段整体变化规律的特征波长点，得到特征波长点吸光度与采集初始近红外光谱数据时的温度对应关系的拟合函数；
在各个目标校正波段中，选择不同温度下对应的吸光度与多个温度之间关系能够拟合为二次型函数的波长点作为该目标校正波段的特征波长点。
由于分别对目标校正波段中所有波长点吸光度数据进行主成分分析，其第一主元随采集初始近红外光谱数据时的温度变化的数学规律拟合为二次型，则选择的特征波长点吸光度与采集初始近红外光谱数据时的温度变化拟合的数学规律也需为二次型。
特征波长点的吸光度与采集初始近红外光谱数据时的温度的拟合函数为：
κlα(t)＝αt2+βt+γ,l＝1,2,...,f
其中t表示采集初始近红外光谱数据时的温度，f为目标校正波段数量，κlα(t)表示为在温度为t时，第l个目标校正波段中特征波长点的吸光度。
步骤S7：根据特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数、同一波长点对应的吸光度的温度敏感度，对目标校正波段中各个波长点对应的吸光度进行校正，得到校正后的数据集，包括：
包括：
将目标校正波段l中的波长点设置为wlk,k＝1,2,...,q，q为第l个目标校正波段中波长点的数量；
ηlk表示第l个目标校正波段中第k个波长点校正后的吸光度值，δlk表示第l个目标校正波段中第k个波长点初始的吸光度值，校正的标准温度设置为t0，温度为t。
步骤S8：将校正后的光谱数据集划分为训练集和测试集；
步骤S9：将校正后的数据集划分为训练集和测试集，并对预先建立的近红外光谱在线检测模型进行训练，通过完成训练的近红外光谱在线检测模型，测定待测产品的目标成分信息。
本实施例二选择双酚a作为待测物质，通过双酚a近红外光谱在线检测模型测定双酚a的粘度；
共有43个双酚a样品，并使用化学测定法测量了43个双酚a样品对应的粘度，近红外光谱分析采用Brook MPA分析仪，近红外光谱分析范围为4500cm-1到12000cm-1，最小光谱扫描分辨率为2cm-1。预设温度范围在20℃到70℃，设有9个温度采样点，得到了43个双酚a样品在所设9个温度采样点下的初始近红外光谱数据。
选取的目标校正波段分别为5874-5893cm-1、5897-5932cm以及5959-5994cm-1三个波段，这些波段处主要表现为C-H基团的一级倍频，显然温度变化引起了C-H基团振动变化，且选取的这三个波段中各个波长点的吸光度在温度持续上升或降低时，表现为单向的增加或减少。
5874-5893cm-1、5897-5932cm-1两个目标校正波段的波长点吸光度随采集初始近红外光谱数据时的温度升高而增加，5959-5994cm-1目标校正波段随采集初始近红外光谱数据时的温度升高而减小，设置25℃为校正的标准温度；
三个目标校正波段选取的特征波长点分别为5894cm-1、5912cm-1、5973cm-1三个波长点，三个点的吸光度在20-70℃下的吸光度值皆能拟合成一个二次型的曲线。利用主成分分析法分别对三个目标校正波段中所有波长点进行特征提取，提取后的第一主元在采集初始近红外光谱数据时的温度变化下也遵从二次型的分布，根据这一结果可以确定选取的特征波长点的有效性。
基于预处理后不同采集初始近红外光谱数据时的温度下43个双酚a样本近红外光谱数据与各个温度进行PLS建模得到了双酚a回归模型。
基于双酚a回归模型，利用影响力函数分别计算出选取的5874-5893cm-1、5897-5932cm以及5959-5994cm-1三个波段中25个波长点吸光度的温度敏感度。
根据选取的三个特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数、同一波长点对应的吸光度的温度敏感度，对三个目标校正波段中各个波长点对应的吸光度进行校正，得到校正后的数据集。
考虑到可能存在很多粘度相同、光谱波形相似的双酚a样本，为确保训练集、测试集样本的随机性，划分数据集前将数据集随机打乱，划分的比例为8：2。
对训练集进行PLS建模，并设置均方根误差RMSE、决定系数r2为模型评价指标，其中：
其中表示回归预测值，表示所有实际观测值的均值。
表1
由表1光谱校正前后所建立近红外光谱在线检测模型在训练集和测试集的表现可以看出，本实施例二经过温度校正的双酚a近红外光谱数据所建立的模型，在训练集和测试集的表现都明显优于校正之前；
通过该双酚a近红外光谱在线检测模型，能够更加精准地测定出双酚a的粘度。
本发明实施例三提供的一种基于温度校正的近红外光谱分析装置，包括：数据采集模块：用于获取不同温度下待测物质的多个样本的初始近红外光谱数据，以及初始近红外光谱数据时的各个温度及各个样本的目标成分信息，得到初始数据集；
预处理模块：用于对获取的不同温度下待测物质的多个样本的初始近红外光谱数据进行预处理；
目标校正波段选择模块：用于选取预处理后待测物质任一样本在不同温度下的近红外光谱数据的温度漂移波段，作为目标校正波段；
特征波长点选择模块：用于在每个目标校正波段中，选取一个可代表目标校正波段整体变化规律的特征波长点；
拟合函数模块：用于得到特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数；
回归模型模块：用于根据预处理后待测物质的多个样本在不同温度下的近红外光谱数据与温度建立回归模型；
温度敏感度计算模块：用于基于回归模型构建影响力函数，利用所述影响力函数计算同一波长点对应的吸光度的温度敏感度；
校正模块：用于根据特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数、同一波长点对应的吸光度的温度敏感度，对目标校正波段中各个波长点对应的吸光度进行校正，得到校正后的数据集；
目标成分信息检测模块：用于将校正后的数据集划分为训练集和测试集，并对预先建立的近红外光谱在线检测模型进行训练，通过完成训练的近红外光谱在线检测模型，测定待测产品的目标成分信息。
本领域内的技术人员应明白，本申请的实施例可提供为方法、装置、或计算机程序物质。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序物质的形式。
本申请是参照根据本申请实施例的方法、设备(装置)、和计算机程序物质的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，上述实施例仅仅是为清楚地说明所作的举例，并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于温度校正的近红外光谱分析方法，其特征在于，包括以下步骤：
获取不同温度下待测物质的多个样本的初始近红外光谱数据，并记录采集初始近红外光谱数据时的各个温度及各个样本的目标成分信息，得到初始数据集；对获取的不同温度下待测物质的多个样本的初始近红外光谱数据进行预处理；选取预处理后待测物质任一样本在不同温度下的近红外光谱数据的温度漂移波段，作为目标校正波段；
在每个目标校正波段中，选取一个可代表目标校正波段整体变化规律的特征波长点，得到特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数；
根据预处理后待测物质的多个样本在不同温度下的近红外光谱数据与温度建立回归模型，基于回归模型构建影响力函数，利用所述影响力函数计算同一波长点对应的吸光度的温度敏感度；
根据特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数、同一波长点对应的吸光度的温度敏感度，对目标校正波段中各个波长点对应的吸光度进行校正，得到校正后的数据集；
将校正后的数据集划分为训练集和测试集，并对预先建立的近红外光谱在线检测模型进行训练，通过完成训练的近红外光谱在线检测模型，测定待测产品的目标成分信息。
2.根据权利要求1所述的一种基于温度校正的近红外光谱分析方法，其特征在于：获取不同温度下待测物质的多个样本的初始近红外光谱数据，并记录采集初始近红外光谱数据时的温度及样本目标成分信息，得到初始数据集，包括：
预设温度范围与多个温度采样点，根据所设温度范围，依次获取待测物质的多个样本在所设温度采样点下的初始近红外光谱数据；
初始数据集为：
A＝(xnm,yn,sm),n＝1,2,...,N，m＝1,2,...,M；
其中，N表示待测物质的样本个数，M表示温度的个数，xnm表示待测物质的第n个样本在采集初始近红外光谱数据温度为sm时的初始近红外光谱数据，yn表示待测物质第n个样本的目标成分信息，sm表示第m个温度。
3.根据权利要求1所述的一种基于温度校正的近红外光谱分析方法，其特征在于：对获取的所有初始近红外光谱数据进行光谱数据预处理，包括：对获取的所有初始近红外光谱数据进行Savitzky-Golay平滑滤波与多重散射校正。
4.根据权利要求1所述的一种基于温度校正的近红外光谱分析方法，其特征在于：所述温度漂移波段的同一波长点在不同温度下对应的吸光度差值大于预设偏差范围，且随温度的单向升高或单向降低，同一波长点在不同温度下对应的吸光度单向增加或单向减少。
5.根据权利要求1所述的一种基于温度校正的近红外光谱分析方法，其特征在于：在每个目标校正波段中，选取一个可代表目标校正波段整体变化规律的特征波长点，包括：
在各个目标校正波段中，选择不同温度下对应的吸光度与多个温度之间关系能够拟合为二次型函数的波长点作为该目标校正波段的特征波长点。
6.根据权利要求1所述的一种基于温度校正的近红外光谱分析方法，其特征在于：特征波长点的吸光度与采集初始近红外光谱数据时的温度的拟合函数为：
κlα(t)＝αt2+βt+γ,l＝1,2,...,f，
其中t表示温度，f为目标校正波段数量，κlα(t)表示在温度为t时，第l个目标校正波段中特征波长点的吸光度。
7.根据权利要求1所述的一种基于温度校正的近红外光谱分析方法，其特征在于：所述将预处理后不同采集初始近红外光谱数据时的温度下待测物质的多个样本的近红外光谱数据与采集初始近红外光谱数据时的温度建立回归模型，回归模型如下：
其中x为预处理后待测物质的多个样本在不同温度下的近红外光谱数据，s为各个温度，为权重矩阵，sT表示矩阵s的转置矩阵，xT表示矩阵x的转置矩阵。
8.根据权利要求1所述的一种基于温度校正的近红外光谱分析方法，其特征在于：利用影响力函数计算波长点吸光度的温度敏感度，包括：影响力函数的计算过程如下：
其中，N表示待测物质的样本个数，M表示温度的个数，xnm表示待测物质的第n个样本在采集初始近红外光谱数据温度为sm时的初始近红外光谱数据，yn表示待测物质第n个样本的目标成分信息，sm表示第m个温度；
表示将预处理后的待测物质的多个样本在不同温度下的近红外光谱数据通过回归模型加权计算值的总和；
表示将预处理后的待测物质的多个样本在不同温度下的近红外光谱数据中第j个波长点的吸光度设置为0后，通过回归模型加权计算值的总和；为回归模型中的权重矩阵，Γj表示第j个波长点吸光度的温度敏感度，表示矩阵的逆矩阵。
9.根据权利要求1所述的一种基于温度校正的近红外光谱分析方法，其特征在于：根据特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数、同一波长点对应的吸光度的温度敏感度，对目标校正波段中各个波长点对应的吸光度进行校正，得到校正后的数据集，包括：
将目标校正波段l中的波长点设置为wlk,k＝1,2,...,q，q为第l个目标校正波段中波长点的数量；
ηlk表示第l个目标校正波段中第k个波长点校正后的吸光度值，δlk表示第l个目标校正波段中第k个波长点初始的吸光度值，校正的标准温度设置为t0，温度为t。
10.一种基于温度校正的近红外光谱分析装置，其特征在于：
数据采集模块：用于获取不同温度下待测物质的多个样本的初始近红外光谱数据，以及初始近红外光谱数据时的各个温度及各个样本的目标成分信息，得到初始数据集；
预处理模块：用于对获取的不同温度下待测物质的多个样本的初始近红外光谱数据进行预处理；
目标校正波段选择模块：用于选取预处理后待测物质任一样本在不同温度下的近红外光谱数据的温度漂移波段，作为目标校正波段；
特征波长点选择模块：用于在每个目标校正波段中，选取一个可代表目标校正波段整体变化规律的特征波长点；
拟合函数模块：用于得到特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数；
回归模型模块：用于根据预处理后待测物质的多个样本在不同温度下的近红外光谱数据与温度建立回归模型；
温度敏感度计算模块：用于基于回归模型构建影响力函数，利用所述影响力函数计算同一波长点对应的吸光度的温度敏感度；
校正模块：用于根据特征波长点不同温度下对应的吸光度与多个温度之间的拟合函数、同一波长点对应的吸光度的温度敏感度，对目标校正波段中各个波长点对应的吸光度进行校正，得到校正后的数据集；
目标成分信息检测模块：用于将校正后的数据集划分为训练集和测试集，并对预先建立的近红外光谱在线检测模型进行训练，通过完成训练的近红外光谱在线检测模型，测定待测产品的目标成分信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410790585.5A CN118896928A (zh) | 2024-06-19 | 2024-06-19 | 一种基于温度校正的近红外光谱分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410790585.5A CN118896928A (zh) | 2024-06-19 | 2024-06-19 | 一种基于温度校正的近红外光谱分析方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN118896928A true CN118896928A (zh) | 2024-11-05 |
Family
ID=93268543
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410790585.5A Pending CN118896928A (zh) | 2024-06-19 | 2024-06-19 | 一种基于温度校正的近红外光谱分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118896928A (zh) |
-
2024
- 2024-06-19 CN CN202410790585.5A patent/CN118896928A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105300923B (zh) | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 | |
| CN101915744B (zh) | 物质成分含量的近红外光谱无损检测方法及装置 | |
| CN102590129B (zh) | 近红外检测花生中氨基酸含量的方法 | |
| US20210247367A1 (en) | Workflow-based model optimization method for vibrational spectral analysis | |
| CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
| CN107958267B (zh) | 一种基于光谱线性表示的油品性质预测方法 | |
| CN110726694A (zh) | 光谱变量梯度集成遗传算法的特征波长选择方法和系统 | |
| CN108169165B (zh) | 基于太赫兹光谱和图像信息融合的麦芽糖混合物定量分析方法 | |
| CN104020127A (zh) | 一种利用近红外光谱快速测量烟叶中无机元素的方法 | |
| Westerhaus et al. | Quantitative analysis | |
| US11592398B2 (en) | Augmented Raman analysis of a gas mixture | |
| US10330613B2 (en) | Method and device for the automatable determination of the limit of quantification and the relative error when quantifying the concentration of a substance to be investigated in a test sample | |
| CN104596979A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶纤维素的方法 | |
| CN104596975A (zh) | 近红外漫反射光谱技术测定造纸法再造烟叶木质素的方法 | |
| CN107991265A (zh) | 一种基于信息融合的小麦粉粉质参数快速检测方法 | |
| CN105223140A (zh) | 同源物质的快速识别方法 | |
| CN112179871A (zh) | 一种酱类食品中己内酰胺含量无损检测的方法 | |
| CN105259136B (zh) | 近红外校正模型的无测点温度修正方法 | |
| CN115420707A (zh) | 一种污水近红外光谱的化学需氧量评估方法及系统 | |
| CN103760130A (zh) | 近红外光谱测定复方麝香注射液中吐温-80含量的方法 | |
| CN112651173B (zh) | 一种基于跨域光谱信息的农产品品质无损检测方法及可泛化系统 | |
| CN110210005A (zh) | 一种无参考值的光谱波数选择方法 | |
| CN114112978A (zh) | 原位红外光谱检测结晶过程溶液浓度的小波函数标定建模方法 | |
| CN111896497B (zh) | 一种基于预测值的光谱数据修正方法 | |
| CN114611582A (zh) | 一种基于近红外光谱技术分析物质浓度的方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication |