[发明专利]一种近红外光谱测定水稻秸秆发酵中有机质含量的方法

摘要

本发明公开了一种近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，涉及发酵监测与光谱学分析领域。利用化学分析法测定水稻秸秆发酵物料样品中有机质含量，并测定其近红外光谱数据，通过PLSR建立不同变换下全波段光谱与有机质含量的关系模型，选择最佳光谱变换形式；在所选择的最佳光谱变换下采用联合区间偏最小二乘法siPLS对有机质的敏感波段进行选择；基于敏感波段的反射率运用PLSR回归，通过交叉验证获得精度最优的关系光谱模型；对未知有机质含量的水稻秸秆发酵物料样品测定其近红外光谱数据并进行最佳光谱变换后代入最佳关系光谱模型，可直接得到其有机质的含量。本发明具有精度优、操作简单快速、成本低的优点。

主权项

1.一种近红外光谱测定水稻秸秆发酵过程中有机质含量的方法，其特征在于，包括以下步骤：步骤1、收集一组发酵周期内不同阶段水稻秸秆发酵物料样品，每个样品均分为两份，其中一份按照标准方法对发酵样品进行有机质含量的检测，得到该组水稻秸秆发酵物料样品的有机质含量数据，另一份进行近红外光谱数据测试，得到与其有机质含量对应的该组水稻秸秆发酵物料样品在不同光谱波段下的反射率数据；步骤2、将步骤1中所述水稻秸秆发酵物料样品的有机质含量数据及与有机质含量数据对应的在不同光谱波段下的反射率数据，运用Rank‑KS法选取三分之二作为模型建立的校正集样本，剩余的作为验证集样本；步骤3、对步骤2所述校正集样本中水稻秸秆发酵物料样品在不同光谱波段下的反射率数据进行光谱变换，并利用偏最小二乘法(PLSR)分别将其原始光谱及光谱变换后的数据建立全波段光谱与其对应的有机质含量数据的关系光谱模型，从所述关系光谱模型中选择模型精度最佳的光谱变换方式作为最佳光谱变换；步骤4、将步骤3所述最佳光谱变换的全波段光谱范围分别划分为20和30个不同间隔区域，利用联合区间偏最小二乘回归法(siPLS)，分别将水稻秸秆发酵物料样品在所述不同间隔区域下各子区间的反射率作为输入变量与其对应的有机质含量数据建立对应的PLSR关系光谱模型，基于最小交互验证均方根误差(RMSECV)对所述不同间隔区域下各子区间所建立的PLSR关系光谱模型进行评价比较，以所述PLSR关系光谱模型的精度最优为筛选标准，分别筛选出所述不同有机质含量的水稻秸秆发酵物料样品的最敏感波段；步骤5、将步骤4所述不同有机质含量的水稻秸秆发酵物料样品的最敏感波段下的反射率数据作为自变量，与其对应的有机质含量数据运用PLSR法分别进行关系光谱模型的构建，运用交叉验证得出精度最优的关系光谱模型作为最佳关系光谱模型；步骤6、对待测水稻秸秆发酵物料样品进行近红外光谱数据检测，并进行步骤3所述最佳光谱变换，再将其输入步骤5所述最佳关系光谱模型中，得到该待测发酵样品的有机质含量数值。