详情

原文传递一种近红外光谱测定水稻秸秆发酵中有机质含量的方法

专利名称：	一种近红外光谱测定水稻秸秆发酵中有机质含量的方法
摘要：	本发明公开了一种近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，涉及发酵监测与光谱学分析领域。利用化学分析法测定水稻秸秆发酵物料样品中有机质含量，并测定其近红外光谱数据，通过PLSR建立不同变换下全波段光谱与有机质含量的关系模型，选择最佳光谱变换形式；在所选择的最佳光谱变换下采用联合区间偏最小二乘法siPLS对有机质的敏感波段进行选择；基于敏感波段的反射率运用PLSR回归，通过交叉验证获得精度最优的关系光谱模型；对未知有机质含量的水稻秸秆发酵物料样品测定其近红外光谱数据并进行最佳光谱变换后代入最佳关系光谱模型，可直接得到其有机质的含量。本发明具有精度优、操作简单快速、成本低的优点。
专利类型：	发明专利
国家地区组织代码：	上海;31
申请人：	上海交通大学
发明人：	申广荣;吴裕;支月娥;刘璐;张周逸林;张靖颖
专利状态：	有效
申请日期：	2019-07-12T00:00:00+0800
发布日期：	2019-10-01T00:00:00+0800
申请号：	CN201910630142.9
公开号：	CN110296956A
代理机构：	上海旭诚知识产权代理有限公司
代理人：	郑立
分类号：	G01N21/359(2014.01);G;G01;G01N;G01N21
申请人地址：	200240 上海市闵行区东川路800号
主权项：	1.一种近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，其特征在于，包括以下步骤：步骤1、收集一组发酵周期内不同阶段水稻秸秆发酵物料样品，每个样品均分为两份，其中一份按照标准方法对发酵样品进行有机质含量的检测，得到该组水稻秸秆发酵物料样品的有机质含量数据，另一份进行近红外光谱数据测试，得到与其有机质含量对应的该组水稻秸秆发酵物料样品在不同光谱波段下的反射率数据；步骤2、将步骤1中所述水稻秸秆发酵物料样品的有机质含量数据及与有机质含量数据对应的在不同光谱波段下的反射率数据，运用Rank-KS法选取三分之二作为模型建立的校正集样本，剩余的作为验证集样本；步骤3、对步骤2所述校正集样本中水稻秸秆发酵物料样品在不同光谱波段下的反射率数据进行光谱变换，并利用偏最小二乘法(PLSR)分别将其原始光谱及光谱变换后的数据建立全波段光谱与其对应的有机质含量数据的关系光谱模型，从所述关系光谱模型中选择模型精度最佳的光谱变换方式作为最佳光谱变换；步骤4、将步骤3所述最佳光谱变换的全波段光谱范围分别划分为20和30个不同间隔区域，利用联合区间偏最小二乘回归法(siPLS)，分别将水稻秸秆发酵物料样品在所述不同间隔区域下各子区间的反射率作为输入变量与其对应的有机质含量数据建立对应的PLSR关系光谱模型，基于最小交互验证均方根误差(RMSECV)对所述不同间隔区域下各子区间所建立的PLSR关系光谱模型进行评价比较，以所述PLSR关系光谱模型的精度最优为筛选标准，分别筛选出所述不同有机质含量的水稻秸秆发酵物料样品的最敏感波段；步骤5、将步骤4所述不同有机质含量的水稻秸秆发酵物料样品的最敏感波段下的反射率数据作为自变量，与其对应的有机质含量数据运用PLSR法分别进行关系光谱模型的构建，运用交叉验证得出精度最优的关系光谱模型作为最佳关系光谱模型；步骤6、对待测水稻秸秆发酵物料样品进行近红外光谱数据检测，并进行步骤3所述最佳光谱变换，再将其输入步骤5所述最佳关系光谱模型中，得到该待测发酵样品的有机质含量数值。 2.如权利要求1所述的近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，其特征在于，步骤1所述一组水稻秸秆发酵物料样品的数量不小于60个，所述标准方法为分析手册中检测有机质含量的化学分析方法。 3.如权利要求1所述的近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，其特征在于，步骤1所述近红外光谱数据测试采用高光谱地物波谱仪，每个样品重复测试不小于5次后取平均值，得到所述水稻秸秆发酵物料样品的光谱波长与反射率数据。 4.如权利要求1所述的近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，其特征在于，步骤3所述模型精度最佳的评判基准为模型的决定系数显著提高幅度，标准差变小程度。 5.如权利要求4所述的近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，其特征在于，步骤3所述最佳光谱变换为线性基线校正(LBC)变换。 6.如权利要求5所述的近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，其特征在于，步骤4所述最敏感波段为20个间隔区域下的1018.26-1051.36nm和1440.21-1645.19nm以及30个间隔区域下的1019.89-1042.15nm和1513.56-1649.15nm。 7.如权利要求6所述的近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，其特征在于，步骤5所述最佳关系光谱模型为所述20个间隔区域下的1018.26-1051.36nm和1440.21-1645.19nm对应的反射率作为自变量与其对应的有机质含量数据建立的关系光谱模型。 8.如权利要求1所述的近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，其特征在于，步骤5所述最佳关系光谱模型可以通过步骤2所述验证集样本评价。 9.如权利要求8所述的近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，其特征在于，所述通过验证集样本评价步骤为所述验证集样本的光谱波段对应的反射率数据进行步骤3所述最佳光谱变换，以步骤4所述最优波段区间对应的反射率作为输入变量，通过步骤5所述最佳关系光谱模型，得到所述验证集样本有机质含量的预测值，并与其实测值进行比较，对所述最佳关系光谱模型进行精度评价。 10.如权利要求9所述的近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，其特征在于，所述预测值与实测值的比较通过以有机质含量实测值为X轴，预测值为Y轴或预测值为X轴，实测值为Y轴，做散点图并添加趋势线，所述趋势线斜率越接近1，所述预测值与实测值越接近，说明所述最佳关系光谱模型进行精度越高。
所属类别：	发明专利