[发明专利]基于OPLS和PDS的红外光谱测量仪器标定迁移方法

说明书

本发明涉及机器学习模块下的迁移学习技术领域，提供一种基于OPLS和PDS的红外光谱测量仪器标定迁移方法。首先采集源域数据集和目标域数据集，并对其进行中心化处理，得到中心化处理后的源域数据集和目标域数据集；然后基于OPLS算法，对中心化处理后的源域数据集进行去正交化处理，求出正交部分的得分矩阵、载荷矩阵，提取源域潜结构；接着基于PLS算法对源域潜结构建立标定模型，使用得分矩阵、载荷矩阵对中心化处理后的目标域数据集进行去正交化处理，提取目标域潜结构，并基于PDS算法使目标域潜结构映射到源域潜结构；最后，对被测对象的物质浓度变量进行预测。本发明能够提高标定迁移的精度和效率，且建模过程简单。

技术领域

本发明涉及机器学习模块下的迁移学习技术领域，特别是涉及一种基于OPLS和PDS的红外光谱测量仪器标定迁移方法。

背景技术

近红外光谱(NIRS)分析技术具备仪器操作简单、分析数据速度快、成本较低、不污染样品等优势，已在各领域得到了普遍应用。在生产过程中，使用近红外光谱分析技术进行建模，由于测量条件和仪器硬件性能往往并不稳定，会导致已有的标定模型失效。

标定迁移是通过将从光谱数据迁移到主光谱数据空间，从而满足不同测量状态或测量仪器下实现主光谱模型对从光谱数据预测需要的方法。标定迁移可以避免重复建模，减少重建模型的代价。已有的标定迁移方法如MSC、SBC等存在着预测精度不高、测量过程较复杂、限制应用场合等问题。

发明内容

针对现有技术存在的问题，本发明提供一种基于OPLS和PDS的红外光谱测量仪器标定迁移方法，能够提高标定迁移的精度和效率，且建模过程简单。

本发明的技术方案为：

一种基于OPLS和PDS的红外光谱测量仪器标定迁移方法，其特征在于，包括下述步骤：

步骤1：将红外光谱测量主仪器对应到源域、将红外光谱测量从仪器对应到目标域，使用红外光谱测量主仪器、红外光谱测量从仪器采集每个样本的光谱，分别得到主光谱、从光谱，对主光谱、从光谱分别在波长范围内间隔anm提取光谱数据，并采集每个样本的物质浓度变量值，得到源域数据集{X_s,Y}和目标域数据集{X_m}；

其中，X_s＝(X_s1,X_s2,...,X_si,…,X_sI)^T，X_si＝(x_si1,x_si2,…,x_sij,…,x_siJ)，X_m＝(X_m1,X_m2,…,X_mi,…,X_mI)^T，X_mi＝(x_mi1,x_mi2,…,x_mij,…,x_miJ)，x_sij、x_mij分别为第i个样本的第j个主光谱数据、从光谱数据，i＝1,2,…,I，j＝1,2,…,J，I为样本总数，J为提取的光谱数据点总数；Y＝(Y₁,Y₂,…,Y_i,...,Y_I)^T，Y_i＝(y_i1,y_i2,...,y_ik,...,y_iK)，y_ik为第i个样本的第k个物质浓度变量的值，k＝1,2,...,K，K为物质浓度变量总数；

步骤2：对源域数据集和目标域数据集进行中心化处理，得到中心化处理后的源域数据集{X_{s_center},Y_center}和目标域数据集{X_{m_center}}；