专利名称：一种纤维类物料不同分光方式近红外光谱差异的校正方法
技术领域：
本发明涉及一种光谱差异校正方法，特别是关于一种有效校正纤维类农作物物料不同分光方式近红外光谱仪之间光谱响应差异的方法。
背景技术：
基于有机分子倍频与合频吸收光谱的近红外分析技术，由于其无前处理、无污染、 无破坏性、方便快捷和可进行多组分同时测定等优点，已在多个领域获得了广泛应用。近年来，国内外大量相关研究报道也已表明，近红外分析技术可成功用于纤维类农作物原料及相关开发利用产品的物料特性分析。基于纤维类农作物物料理化特性与光谱数据建立多元校正模型是纤维类农作物类物料近红外分析的基础，而可长期适用和共享的模型是其广泛应用的前提。但是，由于不同因素条件下所获取样本光谱响应的差异性，模型的适用性已成为影响近红外分析技术发展的主要问题之一。其中，仪器条件的不同是影响模型共享和导致模型预测能力下降的重要因素之一，确定并有效校正其光谱响应差异是解决此类问题的核心。
发明内容
针对上述问题，本发明的目的是提供一种可有效校正纤维类农作物物料不同分光方式近红外光谱仪之间光谱响应差异的方法。本发明所述的纤维类农作物物料包括但不限于秸秆、牧草、稻壳、花生壳、麸糠、木屑等农作物及其副产品。为实现上述目的，本发明采取以下技术方案本发明提供一种纤维类农作物物料不同分光方式近红外光谱差异的校正方法，主要包括以下步骤1)选择两台不同分光方式近红外光谱仪，并获取纤维类农作物物料光谱响应数据；2)对两台仪器所获取的光谱数据进行匹配；3)划分样品的验证集和校正集，以及选取标样集；4)分析校正前两组近红外光谱响应数据的差异，并分析光谱响应差异引起的预测结果的差异性；5)对两组近红外光谱矩阵和化学值进行全局中心化处理，利用处理后的光谱矩阵和对应化学值矩阵进行正交运算，确定光谱主成分矩阵，求出校正权重矢量和载荷矢量，并应用于目标光谱矩阵的校正；6)分析校正后两组近红外光谱响应差异与相应预测结果。优选地，对步骤1)两种仪器条件下准确获取的纤维类农作物物料近红外光谱响应数据进行规范。
优选地，设定分辨率高的近红外光谱仪为源仪器，分辨率低的近红外光谱仪为目标仪器，以源仪器光谱数据为基准，将目标仪器光谱数据格式向其转换。优选地，步骤2、的数据匹配采用三次样条插值和not-a-knot边界条件。优选地，步骤幻的划分方式为根据所有样品目标参数含量，等间隔取样作为验证集样品，其余作为校正集样品；然后以相同的方式从校正集样品中等间隔取样作为标样集样品。优选地，在步骤4)中，分别求取两台光谱仪验证集的原始光谱与一阶导数处理后光谱的差异光谱，并计算光谱平均差异ADS值进行量化分析；ADS值越大，光谱差异性越大；利用源仪器校正模型，对两组验证集光谱进行预测，根据预测标准差RMSEP和系统偏差bias分析光谱响应差异引起的预测结果的差异性，所得两组RMSEP和bias值越接近，预测结果的差异性越小，反之，差异性越大； 式中，nv为验证集样品数，N为光谱波长点总数目，S、和S、分别为第i个样品在目标仪器和源仪器所测定光谱λ波长处的吸光度值；
权利要求
1.一种纤维类农作物物料不同分光方式近红外光谱差异的校正方法，主要包括以下步骤1)选择两台不同分光方式近红外光谱仪，并获取纤维类农作物物料光谱响应数据；2)对两台仪器所获取的光谱数据进行匹配；3)划分样品的验证集和校正集，选取标样集；4)分析校正前两组近红外光谱响应数据的差异，并分析光谱响应差异引起的预测结果的差异性；5)对两组近红外光谱矩阵和化学值进行全局中心化处理，利用处理后的光谱矩阵和对应化学值矩阵进行正交运算，确定光谱主成分矩阵，求出校正权重矢量和载荷矢量，并应用于目标光谱矩阵的校正；6)分析校正后两组近红外光谱响应差异与相应预测结果。
2.根据权利要求1所述的纤维类农作物物料不同分光方式近红外光谱差异的校正方法，其特征在于，对步骤1)两种仪器条件下准确获取的纤维类农作物物料近红外光谱响应数据进行规范。
3.根据权利要求1或2所述的纤维类农作物物料不同分光方式近红外光谱差异的校正方法，其特征在于，设定分辨率高的近红外光谱仪为源仪器，分辨率低的近红外光谱仪为目标仪器，以源仪器光谱数据为基准，将目标仪器光谱数据格式向其转换。
4.根据权利要求1或2所述的纤维类农作物物料不同分光方式近红外光谱差异的校正方法，其特征在于，步骤2、的数据匹配采用三次样条插值和not-a-knot边界条件。
5.根据权利要求1或2所述的纤维类农作物物料不同分光方式近红外光谱差异的校正方法，其特征在于，步骤幻的划分方式为根据所有样品目标参数含量，等间隔取样作为验证集样品，其余作为校正集样品；然后以相同的方式从校正集样品中等间隔取样作为标样集样品。
6.根据权利要求1或2所述的纤维类农作物物料不同分光方式近红外光谱差异的校正方法，其特征在于，在步骤4)中，分别求取两台光谱仪验证集的原始光谱与一阶导数处理后光谱的差异光谱，并计算光谱平均差异ADS值进行量化分析；ADS值越大，光谱差异性越大；利用源仪器校正模型，对两组验证集光谱进行预测，根据预测标准差RMSEP和系统偏差 bias分析光谱响应差异引起的预测结果的差异性，所得两组RMSEP和bias值越接近，预测结果的差异性越小，反之，差异性越大；
7.根据权利要求1或2所述的纤维类农作物物料不同分光方式近红外光谱差异的校正方法，其特征在于，在步骤幻中，对两台仪器标样集近红外光谱矩阵和化学值进行全局中心化处理，利用处理后的光谱矩阵和对应样品的化学值矩阵进行正交运算z = X 标样-Y标样(Yt标样Y标样)^1Yt标样X标样，对ZZt进行主成分分析，取前f个需要正交处理的主成分矩阵T，分别计算求出正交信号校正权重矩阵W = X^T1T和载荷矩阵P = XwtT/(TtT)；用校正权重矩阵W和载荷矩阵P分别对源仪器校正集、验证集和目标仪器验证集的光谱矩阵 X 进行校正 XiR1= X-XWPt0
8.根据权利要求1或2所述的纤维类农作物物料不同分光方式近红外光谱差异的校正方法，其特征在于，在步骤6)中，再次求取校正后源仪器和目标仪器验证集光谱的差异光谱，计算ADS值，并采用校正后的源仪器光谱建立校正模型，对目标仪器验证集光谱进行预测；对校正前后的差异光谱、光谱平均差异ADS值、预测标准差RMSEP和系统偏差bias进行对比分析。
全文摘要
本发明涉及一种纤维类农作物物料不同分光方式近红外光谱差异的校正方法，包括如下步骤1)选择两台不同分光方式近红外光谱仪，并获取纤维类农作物物料光谱响应数据；2)对两组近红外光谱矩阵进行数据匹配；3)划分样品的验证集和校正集，选取标样集；4)分析两组近红外光谱响应的差异，并分析相应预测结果的差异性；5)对两组近红外光谱矩阵和化学值进行全局中心化处理，确定光谱主成分矩阵，求出校正权重矢量和载荷矢量，并应用于两组近红外光谱矩阵的校正；6)分析校正后两组近红外光谱响应差异与相应预测结果，并与校正前结果进行比较分析。通过本法的方法校正后，两组光谱数据的差异显著减小。
文档编号G01N21/35GK102313712SQ20111014293
公开日2012年1月11日 申请日期2011年5月30日 优先权日2011年5月30日
发明者刘贤, 杨增玲, 肖卫华, 陈龙健, 韩鲁佳, 黄光群 申请人:中国农业大学