[发明专利]一种假定标样的在线近红外光谱模型的转移方法

说明书

本发明提供了一种假定标样的在线近红外光谱模型的转移方法，对于在线连续生产的工况，近红外模型建立是一项耗时耗资的任务，为减少建模工作量，提出一种假定标样的模型转移方法：首先建立主光谱仪器(已有模型仪器)模型，对从光谱仪器(待转移模型仪器)采集少数组样品近红外光谱，根据理化指标相等或相近在主仪器近红外光谱集中找到对应的光谱，作为假定标样，通过主成分分析降维和直接标准化算法，求得转移矩阵，使得从光谱仪的光谱转化成与主光谱仪相似的光谱，实现在从光谱仪现场不建立模型的情况下，主光谱仪所建立的模型可在线应用于从光谱仪，解决了在实际工业生产中，难以同时在主从仪器上获得同一个样本(标准标样)光谱的问题。

技术领域

本发明涉及在线测量过程控制技术领域，具体而言，涉及一种假定标样的在线近红外光谱模型的转移方法。

背景技术

近年来，近红外光谱分析技术发展十分迅速，被广泛应用于农业，化工，食品，制药等多个领域。近红外光谱法具有快速、低消耗、无破坏性、几乎无需样品预处理等优点，可以代替传统的化学分析方法,离线或在线取样测量。但建立近红外预测模型时，需要大量样本的光谱数据和化学成分指标作为模型建立的数据基础，因此，建模过程十分费时并且花费巨大，建模过程结束后，还须不断地从各个流程环节入手，对模型进行循环优化和维护，以提高模型的动态适应性，确保模型长期有效。另外，由于原定量分析模型包含了当下条件的样品状态、测量方式、仪器性能和环境背景等信息，在较长时间间隔之后，仪器的工作环境(如温度、湿度等)变化或生产场地的变化，同一个样品采集的光谱会发生吸光度差异和波长漂移，进而造成预测结果的偏差；在实际应用中，由于仪器之间的硬件差异或测量条件的差异，即使是同一台仪器，关键部件的更换或随着时间的推移，一台仪器上建立的模型往往也不能直接用于另一台仪器，进而影响了近红外光谱预测模型的精度。近红外光谱受测量仪器或测量条件的影响较大，模型转移对近红外光谱技术的实际应用尤为重要。按照是否可以在主仪器(已有模型仪器)和从仪器(待转移模型仪器)上采集一一对应的标准光谱，模型转移可分为有标样模型转移和无标样模型转移。但在实际工业生产中，近红外设备已安装在生产线中，因此难以获得在主仪器和从仪器上均采集相同样品的光谱作为标准标样，而使用目前无标样算法在实际生产过程中模型转移预测效果差。为解决这一问题，本发明使用有标样模型算法：直接标准化(DS)法，结合PCA降维，在无法获取标准标样的情况下，创新的使用与从仪器样品化学值相同或相近的主仪器光谱作为假定标样进行有标样转移，解决工业生产过程中无法采集一一对应的标准标样，并且无标样算法预测效果差的问题，实现工业上模型的在线转移。为工业上难以获取一一对应的标准标样的模型转移过程提供了新的思路，实现不同仪器及配件间的模型共享。随着仪器小型化、便携式的发展，和在线近红外光谱仪的广泛应用，模型转移在未来会变得愈加必不可少，节省人力财力物力。

发明内容

为了弥补以上不足，本发明提供了一种方法是对建立的定量分析模型，通过主成分分析降维与直接标准化法(Principal Component Analysis-Direct Standardization，以下简称PCA-DS方法)，实现不同设备或不同使用环境下的模型转移。

本发明是这样实现的：

一种假定标样的在线近红外光谱模型的转移方法，包括以下步骤：

步骤(1)原环境下，主光谱仪采集在线生产样品的近红外光谱数据，同时用容器收集样品液并送与理化室做化学值检测得到待测指标的化学值，共计m组数据。

步骤(2)将步骤(1)收集到的光谱数据和化学值对应整理，并使用spxy方法选择建立定量模型所用的训练数据，训练数据和验证数据比例7:3为最佳。