[发明专利]一种针对光谱标准化情况的评价方法

说明书

本发明提供了一种针对光谱标准化情况的评价方法，包括如步骤1，计算得分矩阵：从主机光谱X_m中分解出主成分载荷矩阵P_m和主成分得分矩阵T_m，进而通过从机光谱X′_t以及P_m，计算得到从机的主成分得分矩阵T′_t；步骤2，计算主成分得分误差率：通过T_m和T′_t计算主成分得分误差率PCSER；最终通过PCSER值的大小判断光谱标准化的好坏，PCSER的数值越小则光谱标准化越好。本发明光谱标准化评价方法，能够根据偏最小二乘法建立的校正模型，评价光谱之间的差异性，提高光谱的相似度，从而实现不同仪器间的模型共享；此外相比传统的评价手段，本发明评价方法无需完整地执行完一整套模型预测工作，因此能够节省大量时间成本。

技术领域

本发明属于光谱分析技术领域，具体涉及一种针对光谱标准化情况的评价方法。

背景技术

近红外光谱分析技术具有快速、准确和绿色的优点，广泛应用于食品、药品等领域。但是近红外光谱分析模型在使用过程中，由于检测条件、检测环境或仪器设备发生变化时，近红外光谱的吸光度会出现差异，进而导致建成的分析模型失效，而重新建立模型又需要耗费大量的人力、物力。

针对上述问题，当前普遍采用光谱标准化方法来予以应对。光谱标准化即对同一样品在不同仪器或不同条件所采集的光谱数据进行校正，以此消除测量过程中由于仪器、环境等外在因素不同所造成的差异性，使得不同条件下采集的光谱可以适用同一个模型，实现模型共享。

然而目前对于光谱标准化工作执行的好坏情况，缺乏一个较好的评价方法。当前应用中，通常只有等到将标准化后的光谱，实际输入至光谱分析模型中，进而通过模型输出预测结果 (相当于测量值)，并将预测结果与真实结果(也即真实值)相比较，通过测量值与真实值之间的误差大小，来间接性反推光谱标准化的好坏。此种评价方法无法做到事前评价，需要将所有工作完整地执行一遍才可知道好坏，因而所需花费的时间较长；同时除了标准化之外，影响最终预测误差的因素还有很多，也即预测误差的大小并不能一定指明标准化的好坏。

发明内容

针对现有技术中存在的不足，本发明提供了一种针对光谱标准化情况的评价方法，用以解决光谱标准化的评判问题。

本发明通过以下技术手段实现上述技术目的。

一种针对光谱标准化情况的评价方法，包括如下步骤：

步骤1，计算得分矩阵：从主机光谱X_m中分解出主成分载荷矩阵P_m和主成分得分矩阵T_m，将从机光谱X′_t以及所述P_m代入公式X＝TP^T+E_X，其中E_X为残差矩阵，计算得到从机的主成分得分矩阵T′_t；

步骤2，计算主成分得分误差率：将所述T_m和所述T′_t代入下述公式，计算主成分得分误差率PCSER：

其中T_m,i为T_m中第i个主成分的得分率，T′_t,i为T′_t中第i个主成分的得分率，W_i为第i个主成分在光谱分析模型中的贡献率，n为主成分的数量。

进一步地，通过PCSER值的大小判断光谱标准化的好坏，PCSER的数值越小则光谱标准化越好。

进一步地，基于主成分分析法对主机光谱X_m进行分解。

进一步地，测试多组数据，并在多个PCSER结果之中取均值PCSERave或最大值PCSERmax。