详情

原文传递基于近红外光谱分析的白芷中掺滑石粉的定量检测方法

专利名称：	基于近红外光谱分析的白芷中掺滑石粉的定量检测方法
摘要：	本发明提出基于近红外光谱分析的白芷中掺滑石粉的定量检测方法，包括：配置N组含有不同浓度梯度待测物作为测试样本，以待测物的浓度作为测试样本的真值Y，采集测试样本的近红外光谱，获得N组测试样本的漫反射吸光度X；对N组测试样本采用进行异常光谱数据剔除，再将样品集划分为校正集和验证集；对校正集的光谱进行预处理，得到校正集预处理光谱的漫反射吸光度Xp；采用移动窗口法结合遗传算法对浓度真值Y和校正集预处理光谱漫反射吸光度Xp进行分析，筛选待测物的近红外光谱特征波长；采用偏最小二乘支持向量机对浓度真值Y和滑石粉的近红外光谱特征波长进行分析，建立待测物的定量预测模型；对预测模型进行验证，得到所述预测模型的预测准确度。
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：	黄梅珍;徐永浩;陈秀莲;富雨超;陈晓帆
专利状态：	有效
申请日期：	2019-01-15T00:00:00+0800
发布日期：	2019-05-24T00:00:00+0800
申请号：	CN201910037219.1
公开号：	CN109799207A
代理机构：	上海恒慧知识产权代理事务所(特殊普通合伙)
代理人：	徐红银
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：	1.一种基于近红外光谱分析的白芷中掺滑石粉的定量检测方法，其特征在于：包括： S1：近红外光谱采集：配置N组含有不同浓度梯度含量滑石粉的白芷作为测试样本，以所述滑石粉的浓度作为所述测试样本的真值Y，采集所述测试样本的近红外光谱，获得N组所述测试样本的漫反射吸光度X； S2：异常光谱数据剔除和样品集划分：对步骤S1得到的N组所述测试样本的漫反射吸光度X采用马氏距离检测异常光谱数据，剔除所述异常光谱数据，然后采用Kennard-Stone法将剔除异常光谱数据后的样品集划分为校正集和验证集； S3：光谱预处理：对步骤S2得到的所述校正集光谱进行预处理，得到所述校正集预处理光谱的漫反射吸光度Xp； S4：筛选近红外光谱特征波长：采用移动窗口法结合遗传算法对步骤S1得到的所述浓度真值Y和步骤S3得到的所述校正集预处理光谱漫反射吸光度Xp进行分析，筛选滑石粉的近红外光谱特征波长； S5：建立滑石粉的定量预测模型：采用偏最小二乘支持向量机对步骤S1得到的浓度真值Y和步骤S4得到的近红外光谱特征波长进行分析，建立滑石粉浓度的定量预测模型，用所述预测模型进行滑石粉的定量检测。 2.根据权利要求1所述的一种基于近红外光谱分析的白芷中掺滑石粉的定量检测方法，其特征在于：配备N组所述测试样本步骤包括：配制N组含有不同浓度梯度的滑石粉的白芷测试样本，将所述白芷研磨成粉末状，在所述白芷中掺入不同浓度的滑石粉进行混合，形成N组含有不同浓度梯度的滑石粉的白芷测试样本。 3.根据权利要求1所述的一种基于近红外光谱分析的白芷中掺滑石粉的定量检测方法，其特征在于：所述预处理包括平滑、一阶求导、标准正态变量变换中的一种或多种组合。 4.根据权利要求1所述的一种基于近红外光谱分析的白芷中掺滑石粉的定量检测方法，其特征在于：具有以下一种或多种特征： -采用近红外光谱仪采集所述测试样本的漫反射光谱，测量过程中所述近红外光谱仪的波长范围为900-1700nm； -采用积分球采集样本表面漫反射光谱； -以聚四氟乙烯白板作为参比； -光源采用钨灯。 5.根据权利要求1所述的一种基于近红外光谱分析的白芷中掺滑石粉的定量检测方法，其特征在于：采集所述测试样本的近红外光谱包括：采用近红外光谱仪采集所述测试样本的漫反射光谱，以白板作参比，得到漫反射吸光度，分别采集N组所述测试样本中每组样本M个不同位置的光谱，获得M幅光谱的原始数据，取平均值作为单个所述测试样本的漫反射吸光度，获得N组所述测试样本的漫反射吸光度为X。 6.根据权利要求1所述的一种基于近红外光谱分析的白芷中掺滑石粉的定量检测方法，其特征在于：所述异常光谱数据剔除和样品集划分，包括：采用马氏距离检测异常光谱数据，取N组所述测试样本原始光谱数据的平均值作为样本中心，分别计算各个所述测试样本与所述样本中心之间的马氏距离；以N组所述测试样本马氏距离的平均值加上3倍标准差作为阈值，超出所述阈值作为异常光谱数据被剔除，剩余样本的数量为N’形成样品集；然后采用Kennard-Stone法对所述样品集进行划分，Kennard-Stone法是计算N’个样本之间的欧式距离，所述欧式距离最大的样本被选择进入校正集，然后计算其余样本与已选样本的所述欧式距离，选择所述欧式距离最大的样本进入校正集，循环往复，直到选择出所要求的校正集样本的数量；由Kennard-Stone法划分得到所述校正集样本数量为N1，所述验证集样本数量为N2。 7.根据权利要求1所述的一种基于近红外光谱分析的白芷中掺滑石粉的定量检测方法，其特征在于：所述筛选近红外光谱特征波长，包括：对所述校正集预处理后的光谱数据，首先采用移动窗口法在全光谱中定位特征区间，将固定大小的光谱区间以窗口的形式沿全波段渐进移动，以所述窗口对应的光谱数据建立偏最小二乘模型，选出交叉验证均方根误差RMSECV值相对较小的区间作为所述特征区间，将所述特征区间合并组成新数据集，在所述新数据集上采用遗传算法选出特征波长点。 8.根据权利要求7所述的一种基于近红外光谱分析的白芷中掺滑石粉的定量检测方法，其特征在于：所述遗传算法包括：在引入优化参数形成的编码串联群体中，按照所选择的适应度函数并通过遗传中的选择、交叉和变异对个体进行筛选，产生更适应环境的个体，最终使种群进化到搜索空间中最优区域；所述适应度函数为所述交叉验证均方根误差的倒数。 9.根据权利要求1-8任一项所述的一种基于近红外光谱分析的白芷中掺滑石粉的定量检测方法，其特征在于：在S5之后，还包括S6： S6：预测模型的验证：对步骤S2划分出的样品验证集按照步骤S3的方法进行预处理，得到所述验证集的预处理光谱，提取出步骤S4得到的特征波长对应的漫反射吸光度，将此代入步骤S5的预测模型，得到验证集中样本的滑石粉浓度预测值，与对应的实际值进行比较，得到模型的预测准确度。 10.根据权利要求9所述的一种基于近红外光谱分析的白芷中掺滑石粉的定量检测方法，其特征在于：以所述验证集绝对系数R2、预测均方根误差、校正均方根误差作为所述预测模型的评价指标，分析所述预测模型的预测精度。
所属类别：	发明专利