[发明专利]一种基于红外光谱的定量分析方法、装置、设备以及存储介质

说明书

本发明公开了一种基于红外光谱的定量分析方法，所述方法包括：获取待检测样本的二维图谱，所述二维图谱包括红外光谱图；将所述二维图谱转换为三维图谱；将所述三维图谱输入预设定量模型中，输出所述待检测样本中的目标组分含量。本发明还公开了一种基于红外光谱的定量分析装置。采用本发明，可以准确的获取待检测样本中目标组分的含量。

技术领域

本发明涉及定量分析领域，特别是涉及一种基于红外光谱的定量分析方法、装置、设备以及存储介质。

背景技术

近红外光谱仪由于具有自身成本低、使用方便以及能够实现无损检测等优势，已经被应用到了诸如食品分析、药品分析和环境检测等领域。然而，近红外光谱图中常常会有信号重叠现象，且图谱中不仅包含目标组分的特征信息可能还会包含干扰信息。因此，为了从原始图谱中获得目标组分的特征信息，需要使用一些化学计量学方法。例如，为了提高所建立模型的质量，需要使用一些前处理技术用于减少图谱中的无关信息的干扰。然后，使用诸如偏最小二乘、遗传算法结合偏最小二乘、人工神经网络、最小二乘结合支持向量机回归、切比雪夫矩等提取前处理后的图谱中的有用信息用于建立模型。

在数据分析过程中，增加数据的维度来获取高维数据可以带来不同的益处。为了处理高维数据，化学计量学家们提出了二阶校正方法诸如平行因子分析、多维偏最小二乘、交替三线性分解、多元曲线分辨-交替最小二乘等方法。此外，如小波矩、切比雪夫矩等图像矩方法也在高维数据的分析中取得了成功的应用。使用上述这些方法时，分析数据中存在的干扰因素不会影响最终的定量分析结果。这些方法已经被成功地应用到了基于HPLC-PAD、EEM、LC-MS和不同温度下测定得到的NIR图谱组成的三维图谱对复杂样品中的多个目标组分的定量分析中。

目前，使用一阶校正方法，诸如偏最小二乘、主成分分析等基于近红外光谱数据对复杂体系进行定量分析时，往往会由于图谱中存在的干扰因素从而影响最终定量分析结果的准确性。

发明内容

为了解决上述问题，本发明的目的是提供一种基于红外光谱的定量分析方法，可以准确的获取待检测样本中目标组分的含量。

基于此，本发明提供了一种基于红外光谱的定量分析方法，所述方法包括：

获取待检测样本的二维图谱，所述二维图谱包括红外光谱图；

将所述二维图谱转换为三维图谱；

将所述三维图谱输入预设定量模型中，输出所述待检测样本中的目标组分含量。

其中，将所述二维图谱转换为三维图谱包括：

所述三维图谱的数据为矩阵；

所述矩阵的第一行为所述待检测样本的二维图谱；

所述矩阵的第二行为参考图谱，所述参考图谱为预设的二维图谱。

其中，所述参考图谱的选取过程包括：

获取所述待检测样本的若干个二维图谱；

获取所述两两二维图谱之间的相关系数；

计算所述二维图谱与其他其他二维图谱之间的相关系数的平均值；

选取参考图谱，其中，所述参考图谱与其他二维图谱之间的相关系数的平均值最大。

其中，获取所述两两二维图谱之间的相关系数包括：

其中，X和Y表示图谱X和图谱Y的图谱数据，N表示每条图谱的数据点数。

其中，所述定量模型的训练过程包括：

获取所述待检测样本的若干个三维图谱作为训练集；

使用所述多维偏最小二乘法基于所述训练集训练得到定量模型。