[发明专利]基于可见-近红外光谱的复合肥中水分含量快速检测方法

摘要

本发明公开了一种基于可见‑近红外光谱的复合肥中水分含量快速检测方法，其特征是通过采集复合肥生产线上不同批次的样品，采集复合肥样品光谱数据和测定其水分含量，利用Kennard‑Stone法划分样品集，获得校正集和验证集，采用连续小波变换对样品光谱进行预处理，并通过小波系数与复合肥样品含水量的相关性分析对小波参数进行优化，再使用连续投影算法提取特征波长，最后使用回归算法建立校正模型。本发明方法快速、无损、准确，可实现复合肥中水分含量的实时在线检测，为复合肥生产过程中质量监控提供技术支持。

主权项

1.一种基于可见‑近红外光谱的复合肥中水分含量快速检测方法，其特征是包括如下步骤：步骤1、样品采集：采集复合肥生产线上不同批次的样品，并对样品进行编号封存，防止受潮，获得样品集；步骤2、复合肥样品光谱采集和水分含量测定：将样品装入样品杯内，表面压平；利用可见‑近红外光谱仪测量样品的漫反射光谱，至少三次重复测量，取多次漫反射光谱的平均光谱作为样品的可见‑近红外光谱；通过采集获得样品集中每个样品的可见‑近红外光谱；在完成可见‑近红外光谱采集后，按国标GB/T8576‑2010规定的真空烘箱法测定每个样品的水分含量，获得样品的水分测定值；步骤3、针对样品集进行校正样品集和验证样品集的划分：采用Kennard‑Stone法，通过计算各个样品吸光度之间的欧式距离，选择出样品集中能够代表整个样品分布的样品作为校正样品集，剩余的样品作为验证样品集；步骤4、采用连续小波变换对采集获得的样品的可见‑近红外光谱进行处理：连续小波变换过程中的小波基函数和小波分解尺度参数的选择：将校正样品集按选定的小波基函数进行多尺度分解，获得不同分解尺度的小波系数，将小波系数与样品的水分测定值进行相关分析，生成相关系数图，从所述相关系数图中获得最优分解尺度范围；针对所述最优分解尺度范围，利用偏最小二乘回归法对各小波基函数和各分解尺度进行回归分析，获得最优小波基函数和最优小波分解尺度参数；步骤5、提取特征波长：采用连续投影算法，通过光谱数据投影映射选取经过优化连续小波变换后数据中的少数波长，即光谱的特征波长，获得样品的光谱有效信息数据；步骤6、建立校正模型：利用经过特征波长提取的校正样品集和样品的水分测定值，通过回归算法建立校正模型；步骤7、验证校正模型：利用验证样品集对校正模型进行验证，采用模型的评价指标对建立的校正模型进行评价；模型的评价指标包括决定系数R2、预测均方根误差RMSEP和相对分析误差RPD；决定系数R2和相对分析误差RPD越大，预测均方根误差RMSEP越小，则模型的预测能力越强；步骤8、测定未知样品：首先采集获得未知样品的可见‑近红外光谱；针对未知样品的可见‑近红外光谱进行与校正样品集相同的连续小波变换和特征波长提取；然后将所述特征波长对应的光谱有效信息数据输入校正模型，利用所述校正模型获得未知样品中水分含量结果，实现复合肥中水分含量的快速检测。