[发明专利]物质成分含量的近红外光谱无损检测方法及装置

权利要求书

1.一种物质成分含量的近红外光谱无损检测方法，其特征在于，该检测方法包括：

A、利用近红外光谱仪采集大量被测样品的近红外光谱数据，构成校正样本集；

B、采用标准分析方法测定校正样本集中样本待测组分的化学含量的真值；

C、对所述近红外光谱数据进行预处理，以去除噪声、基线或其他干扰待测物质成分信息的无用信号；

D、对上述经预处理后的校正集样本的光谱数据进行基于自模型混合物分析的校正集样本优选；

E、用优选出的校正样本集建立基于核函数变换的非线性偏最小二乘校正模型；

F、用所构造的基于核函数变换的非线性偏最小二乘校正模型，检测未知样本的物质成分含量。

2.根据权利要求1所述的物质成分含量的近红外光谱无损检测方法，其特征在于，步骤C所述对所述近红外光谱数据进行预处理，进一步包括小波变换过程，包括：

C1、选择小波基和小波分解层数，将所述光谱矩阵X的每条信号进行小波分解；其中光谱矩阵X的每一行中各元素代表一个样本在各个波长下的吸光度值；

C2、对光谱信号在小波域内的低频段小波系数置零来实现基线校正，利用较高频段小波系数阈值处理来实现噪声去除；

C3、用分解后去噪和基线校正后的第N层低频和高频系数进行信号重构，重构的各条光谱信号组成新的光谱矩阵X_new。

3.根据权利要求1所述的物质成分含量的近红外光谱无损检测方法，其特征在于，步骤C所述对所述近红外光谱数据进行预处理，进一步包括微分处理过程，具体为：选择微分窗口宽度g及微分阶次；并对所述光谱数据进行一阶微分去除与波长无关的漂移，或进一步进行二阶微分处理去除与波长相关的漂移。

4.根据权利要求1所述的物质成分含量的近红外光谱无损检测方法，其特征在于，步骤D所述的基于自模型混合物分析的校正集样本优选方法，包括：

D1、将光谱矩阵X_new进行转置得到则矩阵每一列各元素代表一个样本在各个波长下的吸光度值；

D2、计算光谱矩阵中各列向量即样本i的纯度值p_i，1，其计算公式为：

p_i，1＝σ_i/(μ_i+α)

其中，μ_i为均值、σ_i为标准差、α为补偿因子；

D3、根据步骤D2求得的各列向量i的p_i，1值，判断p_i，1值的大小，将具有最大p_i，1值的第i个列向量作为选出的第一个样本；

D4、选择第k(k≥2)个样本，具体为：根据下列公式计算矩阵中列向量i的长度l_i，

其中，d_i，j为光谱矩阵中第i行第j列元素，由得到关系矩阵C＝D(l)D(l)^T/n，根据下列公式计算关系权函数ρ_i，k；

ρi,k=ci,ici,p1···ci,pk-1cp1,icp1,p1···cp1,pk-1························cpk-1,i······cpk-1,pk-1]]>

其中，k表示待确定的第k个样本，p_k-1表示目前已经选定了的第(k-1)个样本在C矩阵中所在列向量的标号，p₁表示通过步骤D3已选择的第一个样本在C矩阵中所在列向量的标号；则纯度值p_i，k为：

p_i，k＝ρ_i，k(σ_i/(μ_i+α))；将具有最大p_i，k值的第i个列向量作为选出的第k个样本；

D5、重复上述步骤D4，并通过依次迭代选择的样本建立多元校正模型，交互验证评价模型的性能，将具有最小预测均方根误差RMSEP时选取的样本个数作为最优的样本个数，所述RMSEP计算公式为：其中，为预测值，y为参考值，n为样本个数；

D6、用优选出的一定个数的样本组成新的最优的校正样本集。