[发明专利]一种基于近红外-拉曼联用的植物油定性方法

说明书

本发明公开一种基于近红外‑拉曼联用的植物油定性方法，包括测样：测定同一样本的拉曼光谱和近红外光谱；选择数据：分别选择拉曼和近红外的可用波段范围，截取数据；求导：采用降噪‑高阶导数算法，分别对所截取的拉曼光谱和近红外光谱求取二阶导数谱；构造矩阵：以拉曼光谱R作为行向量，近红外光谱N作为列向量，点乘，构成矩阵RN＝R·N；根据矩阵RN，绘制RN的等高线图；根据待测样品的红外‑拉曼联用特征图与已知来源样品的标准谱图进行比对，根据待测样品与标准谱图的符合置信度进行评价，即可知晓待测样品的种类。本发明的红外‑拉曼联用特征图显著消除低频的基线和背景干扰，显著降低环境影响；指纹特性清晰便于分析。

技术领域

本发明涉及近红外-拉曼联用技术领域，尤其涉及一种基于近红外-拉曼联用的植物油定性方法。

背景技术

近红外光谱定量关系好，可以准确反映样品各组分的质量组成关系；不受荧光等外界激发光的影响；体现样品整体性质。但是存在分辨率差，即使信息全部存在于谱图中，也难以有效辨识。存在散射光抬升基线；组分加和性作为定性判断不是充分条件，掺杂或者配比条件下，不能给出充分判断。

拉曼光谱细节充分，可以给出样品中不同组分的指纹，即使相同基团在不同环境下的拉曼光谱也存在差异；分辨率高，可提供更多信息对结果做充分判断；提供样品独立性质。但是定量关系复杂，难以从单一谱图判断样本的同一性；荧光干扰大、细节组合数量大，造成完成定性的必要性判断难度大。

因此两种光谱从定性分析的可行性和完备性的充分必要判断而言，存在良好的互补关系。

2D图像比较于列表判断或者含量分布区-指纹区的分别对照，更为清晰直观，是一种较好的可视化表达方式。可以同时表达联用的信息的交互关系，同时展示样品的含量分布-基团指纹的交互关系，即：相同含量-不同指纹，或者相同指纹-不同含量都能够轻易地直接区分。

直接光谱具有符合传统认知的优点，但是，基线和背景的干扰对于谱图一致性判断和验证带来很大干扰。采用二阶导数处理后的谱图，可以显著消除低频的基线和背景干扰，显著降低测量环境的影响；同时，导数处理后有效提升了谱图的分辨率，提高重叠峰的识别能力，指纹特性更为清晰。

发明内容

为了解决上述相关领域中的不足，本发明提供一种基于近红外-拉曼联用的植物油定性方法。

本发明的一种基于近红外-拉曼联用的植物油定性方法是通过以下技术方案实现的：

一种基于近红外-拉曼联用的植物油定性方法，包括：

步骤1，测样：测定同一样本的拉曼光谱和近红外光谱，重复多次；

步骤2，选择数据：分别选择拉曼和近红外的特征响应波段范围，截取数据；

步骤3，求导：采用降噪-高阶导数算法，分别对所截取的拉曼光谱和近红外光谱求取二阶导数谱；

步骤4，构造矩阵：对步骤3得到的拉曼光谱的二阶导数谱和近红外光谱的二阶导数谱分别进行预处理，分别得到拉曼光谱R和近红外光谱N；然后，以拉曼光谱R作为行向量，近红外光谱N作为列向量，点乘，构成矩阵RN＝R·N；

步骤5，根据步骤4得到的矩阵RN，绘制该矩阵RN的等高线图，即得到红外-拉曼联用特征图；

步骤6，根据待测样品的红外-拉曼联用特征图与已知来源样品的标准谱图进行比对，根据待测样品与标准谱图的符合置信度进行评价，即可知晓待测样品的种类。

优选地，步骤4中所述预处理是将二阶导数谱的峰翻转为正值，保留谱图大于0的部分，或大于体系噪声部分的峰。

优选地，所述求取二阶导数谱是将各次测量光谱降噪-求导后，再进行累加，然后即可得到该样本的近红外或拉曼二阶导数谱。