[发明专利]一种基于局部区域的近红外光谱信号标准正态校正方法

摘要

本发明涉及一种基于局部区域的近红外光谱信号标准正态校正方法，步骤如下1）利用近红外光谱仪采集待测样品的近红外光谱数据；2）采用等分的方式对全谱区域进行分隔，将全谱分为N等分，根据N数值的不同进行多次划分；3）对每一次划分，计算每个子波段的校正参数，并利用算得的参数对该谱段进行校正4）对每一次划分，对校正后的全谱进行PLS建模，并计算模型的交叉验证根均方误差；5）确定最优的分隔数Nopt；6）确定最优的训练集模型；7）对测试集光谱进行Nopt等分，对每个子波段进行校正，带入步骤6）中的模型进行感兴趣成分含量的预测。本发明可以有效的抑制近红外光谱中的散射等干扰因素，提高了模型的预测精度。

主权项

一种基于局部区域的近红外光谱信号标准正态校正方法，其特征在于该方法包括以下的步骤：1）利用近红外光谱仪采集待测样品的近红外光谱数据，同时利用其它方法测得待测样品感兴趣成分的含量；2）采用等分的方式对全谱区域进行分隔，将全谱分为N等分，根据N数值的不同进行多次划分；N的最大值为10，即步骤2）中将全谱分别等分为2‑10个子波段；3）对每一次划分，计算每个子波段的校正参数，并利用算得的参数对子波段进行校正，每个子波段的校正系数分别由该波段的均值和标准差确定；其中mij为第i个样本光谱Xi在j子段的均值， Sij为第i个样本光谱Xi在j子段的标准差；步骤3）中的校正公式为；；4）对每一次划分，对校正后的全谱进行PLS建模，PLS算法为非线性迭代偏最小二乘算法，并计算模型的交叉验证根均方误差，RMSECV的计算方法为5折交叉验证；5）确定最优的分隔数Nopt，其定义为最小RMSECV所对应的分隔数；6）确定最优的训练集模型，其定义为最小RMSECV所对应的PLS模型；7）对测试集光谱进行Nopt等分，对每个子波段进行校正，带入步骤6）中的模型进行感兴趣成分含量的预测。