[发明专利]一种成分含量检测模型构建的方法

说明书

本发明公开一种成分含量检测模型构建的方法，其包括选取第一组分X、第二组分Y以及载体Z；分别配制第一组分X与载体Z的多个XZ梯度样以及第二组分Y与载体Z的多个YZ梯度样；利用多个XZ梯度样和多个YZ梯度样配制多个XYZ混合样；分别测定各XZ梯度样、YZ梯度样和XYZ混合样的近红外吸收光谱以及对单个XYZ混合样的光谱分别与多个XZ梯度样和多个YZ梯度样根据光谱曲线特征进行优化搜索，得到最优组合近似解，以得到该XYZ混合样中X、Y含量。本发明通过基于光谱曲线特征的遗传算法优化搜索解耦技术，实现对样本成分光谱的解耦，从而预测出各成分含量，样本建模简单，整体建模精度高，分类建模难度低，预测准确性与重复性好。

技术领域

本发明属于光谱分析技术领域，具体地说，是涉及一种基于光谱曲线特征的优化搜索解耦技术进行成分含量检测模型构建的方法。

背景技术

近红外光谱是指介于可见光(Vis)和中红外之间的电磁波，波长范围为780～2526nm。近红外光谱信息来源于分子经光照射后，对光子的吸收。通过吸收光子，分子的运动状态从基态跃迁到高能态的激发态，而被吸收的光子，其能量是量子化的，等于分子动能的两种能量级之差，否则不能被吸收。因此，不同成分的物质在近红外区域都有特定的吸收波长段，这就为近红外光谱定量分析提供了基础。但由于分子振动的倍频与合频能级跃迁所需能量间距离散，导致近红外光谱谱峰宽。而相同分子振动倍频与合频形式多样，致使近红外光谱谱峰较多。当检测对象成分复杂时，各成分的近红外光谱吸收峰会发生大量重叠，光谱信息共线性严重，成分间的相互干扰，使得近红外光谱定量分析的建模与预测难度增大。

通常来说，一条近红外光谱通常包括几百甚至上千个波长点的吸光度信息，其中大部分信息高度相关，为冗余变量。常用的办法是通过采用基于化学计量学的方法进行变量优选，在压缩数据和优化模型的同时，可减少冗余信息的影响，提高运算速度和模型性能。然而，当几种成分的特征吸收峰距离较近时，通过近红外光谱优选方法也难以有效解决。所以，同样的样品，采用不同的优选算法组合，或者同样的算法组合，选取不同的参数，结果往往不尽相同，有的甚至矛盾，这使得近红外光谱处理方法方面的报道很多，但通常仅适用于研究者自身的试验条件和试验对象，通用性不强，难以形成统一标准，也严重影响了近红外光谱分析方法的应用推广。

发明内容

本发明的目的是解决现有技术中因检测对象成分复杂，导致各组分吸收光谱大量重叠，光谱共线性严重，使得近红外光谱分析困难的问题，提供一种基于光谱曲线特征的优化搜索解耦技术的成分含量检测模型构建的方法，建立了样本集不同成分的含量梯度谱图库，通过对测试样本的光谱与样本集中成分含量梯度谱图库的光谱曲线特征进行优化搜索，得到与测试样本最优匹配谱图，从而得到该成分的含量。

为了实现上述目的，本发明的成分含量检测模型构建的方法包括如下步骤：

S10：选取第一组分X、第二组分Y以及载体Z；

S20：分别配制第一组分X与载体Z的多个XZ梯度样以及第二组分Y与载体Z的多个YZ梯度样；

S30：利用多个XZ梯度样和多个YZ梯度样配制多个XYZ混合样；

S40：分别测定各XZ梯度样、YZ梯度样和XYZ混合样的近红外吸收光谱；

S50：对单个XYZ混合样的光谱分别与多个XZ梯度样和多个YZ梯度样根据光谱曲线特征进行优化搜索，得到最优组合近似解，以得到该XYZ混合样中X、Y含量。

上述的方法的一实施例中，所述S10中，载体Z可与第一组分X和第二组分Y分别均匀混合，且该载体Z对第一组分X和第二组分Y在近红外光谱段不产生严重影响，或其影响可量化并测量。

上述的方法的一实施例中，所述S20中，按照第一组分X、第二组分Y的检测范围和检测精度列出各自的质量含量的梯度表，将第一组分X和载体Z、第二组分Y和载体Z分别按照梯度表配制XZ梯度样和YZ梯度样。