CN102135496A - 基于多尺度回归的红外光谱定量分析方法和装置 - Google Patents
基于多尺度回归的红外光谱定量分析方法和装置 Download PDFInfo
- Publication number
- CN102135496A CN102135496A CN2010106013539A CN201010601353A CN102135496A CN 102135496 A CN102135496 A CN 102135496A CN 2010106013539 A CN2010106013539 A CN 2010106013539A CN 201010601353 A CN201010601353 A CN 201010601353A CN 102135496 A CN102135496 A CN 102135496A
- Authority
- CN
- China
- Prior art keywords
- infrared spectrum
- quantitative analysis
- spectrum
- model
- spectrum quantitative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明涉及基于多尺度回归的红外光谱定量分析方法和装置,包括数据信号线相连的光谱仪、预处理器、小波分解与重构处理器、偏最小二乘回归模型集成器;所述的红外光谱包括中红外和近红外光谱,即波长范围为:780nm-50000nm。通过小波分解和重构变换,实现了多模型的构建,克服了单模型方法对光谱信号信息提取的困难;通过对不同子模型单独确定因子数,实现了有效信息的充分提取,提高了红外光谱分析模型的预测精度和稳健性。
Description
技术领域
本发明涉及了一种红外光谱定量分析方法和装置,特别是基于多尺度回归的红外光谱定量分析方法和装置。
背景技术
由于光谱仪得到的光谱信号中既含有有用信息,同时也叠加着其它各种随机误差(背景和噪声)。因此,在利用偏最小二乘回归方法进行定量分析时,很难得到预测精度较高的模型。针对提高偏最小二乘回归模型的预测精度这一问题,大量的研究工作已被开展,目前主要包括光谱预处理方法和变量筛选方法研究,这些方法已经成功地用于光谱背景校正、噪声消除、无信息变量的消除。然而在利用上述方法进行信息提取时,常会面临有用信息提取不充分或提取的信息中包含有噪声的问题。因此,需要发明一种不需要对光谱信息进行提取,而是通过将光谱包含的信息进行分类,然后对分类后的光谱信息分别进行建模预测,最后对各个不同类的光谱信息的模型结果进行集成,这样既可以避免光谱信息提取的不准确,又可以提高光谱模型对最终结果的预测准确率。
小波变换已经成功地应用于光谱信号的预处理中,包括数据压缩、平滑滤噪、基线校正、重叠信号解析以及分析图象处理等领域。与其它预处理方法不同,小波变换具有“时频优势”。通过小波变换处理,一条光谱信号可以被分成不同频率的几个子信号,对这些子信号进行重构后,重构光谱所包含的信息几乎与原始光谱完全相同。最后,通过对不同频率下的重构子光谱信号分别建模预测,并对预测结果进行集成。
在本专利中,发明了一种基于小波分解与重构结合偏最小二乘回归方法的红外光谱定量分析方法和装置。克服了单一模型方法对光谱信息提取的难点,在分析复杂的光谱数据时,利用本发明中的方法和装置可以直接利用各尺度下重构光谱建立多个偏最小二乘子模型,这些子模型因子数可以依据子光谱包含的信息量更加灵活有效地进行选择,达到充分提取各个尺度下的有用信息的目的。
发明内容
在应用红外光谱分析技术对待测组分进行快速分析过程中,为了解决光谱信息提取的不准确的问题。本发明提供了一种基于多尺度回归的红外光谱定量分析方法和装置。该方法和装置充分利用的小波变换的多分辨分析的特点,实现了红外光谱信息的充分利用和合理分配。
实现上述技术方案的装置包括:经数据信号线相连的光谱仪、预处理器、小波分解与重构处理器、偏最小二乘回归模型集成器。
所述的红外光谱包括中红外和近红外光谱,即波长范围为:780 nm - 50000 nm。
所述的预处理器采取中心化和矢量归一化对光谱仪采集的原始信号进行处理。
所述的小波分解与重构处理器,具体包含的处理步骤如下:首先,在小波分解过程中,需要对分解尺度和小波基两个参数进行设定;其次对分解后各尺度下的近似或细节光谱成分进行重构,这样就把原始的光谱信号数据阵变换为与原始光谱信号数据阵维数相同的几个子光谱信号数据阵。
所述的偏最小二乘回归模型集成器,其具体操作如下:分别对经小波分解与重构处理器处理后得到的子光谱信号数据阵建立相应的偏最小二乘回归子模型(在每一个子模型中,主成分数可以选择不同的数值),利用已建立的子模型分别对测试集样品指标进行预测,分别得到相应的预测结果;最后对每一个子模型的预测结果进行加权,得到最终的样品指标的预测值。通过比较不同分解尺度和小波基下,模型的预测均方根误差(Root Mean Square Error of Prediction, RMSEP)值,确定合适的分解尺度、小波基和模型参数并保存,用于后续新样品红外光谱的预测分析。
由于本发明采用以上的技术方案,得到以下效果:
通过小波分解和重构变换,实现了多模型的构建,克服了单模型方法对光谱信号信息提取的困难;通过对不同子模型单独确定因子数,实现了有效信息的充分提取,提高了红外光谱分析模型的预测精度和稳健性。
附图说明
图1 多尺度回归的红外光谱定量分析方法和装置示意图;
图2 近红外光谱图;
图3 多尺度偏最小二乘回归方法操作示意图;
图4 分解尺度对多尺度偏最小二乘回归方法的影响
图5 小波分解与重构处理器操作示意图;
图6 红外光谱模型的预测值和参考值的相关图。
具体实施方式
具体实施方式结合下面实施实例进行说明。以梨的近红外光谱为例,对梨内部的糖度指标进行多尺度回归模型的构建。
图1为多尺度回归的红外光谱定量分析方法和装置示意图,图2为近红外光谱图,光谱范围为750 -1800 nm,每条光谱包括1051个数据点。将所有样品按照2:1的比例划分为校正集和测试集。
将所有样品进行小波分解,分解时我们这里选择db4小波基,分解尺度从1到20,图3所示为多尺度偏最小二乘回归方法操作示意图,从图中可以看出光谱经小波分解重构后,得到一系列与原始光谱维数相同的子光谱信号矩阵,所有的子光谱图谱差异较大,每一个子光谱矩阵包含的有用信息也存在差异。因此建模时,原始光谱只能选择一个主成分数,而多尺度偏最小二乘回归方法可以对子光谱矩阵选取不同的主成分数,使得信息提取更加灵活充分。
图4所示为分解尺度对多尺度偏最小二乘回归方法的影响,图中虚线表示采用传统偏最小二乘回归方法的预测均方根误差,实线表示测试集的预测均方根误差随小波分解尺度的变化曲线,从图中可知,当采用5尺度小波分解重构时,测试集的预测均方根误差最小。从而可以确定小波分解与重构处理器的分解尺度和小波基。
图5所示为小波分解与重构处理器操作示意图。对图中各个子光谱信号矩阵分别建立校正模型,相应的主成分数分别为7、4、5、3、2、4,而不经小波分解与重构处理器进行处理时,模型的主成分数为4,可见采用多尺度偏最小二乘回归分析方法更利于光谱信息的提取。
图6所示为红外光谱多尺度偏最小二乘回归模型预测值和参考值的相关图。从图中可知,得到了较好的预测结果。
本发明的效果是:通过采用多尺度偏最小二乘回归方法对红外光谱进行定量分析,有助于提取不同频率下光谱信号的有用信息,得到更加准确、稳定的预测结果。因此,该发明的方法和装置有望成为一种十分有应用前景的红外光谱分析方法。
Claims (1)
1.基于多尺度回归的红外光谱定量分析方法和装置,其特征在于:包括数据信号线相连的光谱仪、预处理器、小波分解与重构处理器、偏最小二乘回归模型集成器;
所述的红外光谱包括中红外和近红外光谱,即波长范围为:780 nm - 50000 nm;
所述的预处理器采取中心化和矢量归一化对光谱仪采集的原始信号进行处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106013539A CN102135496A (zh) | 2010-12-23 | 2010-12-23 | 基于多尺度回归的红外光谱定量分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010106013539A CN102135496A (zh) | 2010-12-23 | 2010-12-23 | 基于多尺度回归的红外光谱定量分析方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102135496A true CN102135496A (zh) | 2011-07-27 |
Family
ID=44295343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010106013539A Pending CN102135496A (zh) | 2010-12-23 | 2010-12-23 | 基于多尺度回归的红外光谱定量分析方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102135496A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435556A (zh) * | 2011-09-20 | 2012-05-02 | 湖南大学 | 用于复杂非均相混合物体系的准确光谱定量分析方法 |
CN103884670A (zh) * | 2014-03-13 | 2014-06-25 | 西安交通大学 | 基于近红外光谱的烟气成分定量分析方法 |
CN104574341A (zh) * | 2013-10-11 | 2015-04-29 | 中国林业科学研究院资源信息研究所 | 一种水果糖度的确定方法和装置 |
CN105842190A (zh) * | 2016-03-17 | 2016-08-10 | 浙江中烟工业有限责任公司 | 一种基于谱回归的近红外模型转移方法 |
CN109492707A (zh) * | 2018-11-28 | 2019-03-19 | 武汉轻工大学 | 光谱分析模型的构建方法、装置、设备及存储介质 |
CN114112978A (zh) * | 2021-12-13 | 2022-03-01 | 大连理工大学 | 原位红外光谱检测结晶过程溶液浓度的小波函数标定建模方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101806729A (zh) * | 2010-03-31 | 2010-08-18 | 中国人民解放军总后勤部油料研究所 | 一种润滑油在用油质量快速检测方法 |
CN101915744A (zh) * | 2010-07-05 | 2010-12-15 | 北京航空航天大学 | 物质成分含量的近红外光谱无损检测方法及装置 |
-
2010
- 2010-12-23 CN CN2010106013539A patent/CN102135496A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101806729A (zh) * | 2010-03-31 | 2010-08-18 | 中国人民解放军总后勤部油料研究所 | 一种润滑油在用油质量快速检测方法 |
CN101915744A (zh) * | 2010-07-05 | 2010-12-15 | 北京航空航天大学 | 物质成分含量的近红外光谱无损检测方法及装置 |
Non-Patent Citations (2)
Title |
---|
《化工时刊》 20080202 殷俊等 小波变换_偏最小二乘法用于苯胺_苯酚和苯甲酸的同时测定 第43-44、52页 1 第22卷, 第2期 * |
褚小立等: "小波变换结合多维偏最小二乘方法用于近红外光谱定量分析", 《分析化学研究简报》, vol. 34, 30 September 2006 (2006-09-30), pages 175 - 178 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102435556A (zh) * | 2011-09-20 | 2012-05-02 | 湖南大学 | 用于复杂非均相混合物体系的准确光谱定量分析方法 |
CN102435556B (zh) * | 2011-09-20 | 2013-09-04 | 湖南大学 | 用于复杂非均相混合物体系的准确光谱定量分析方法 |
CN104574341A (zh) * | 2013-10-11 | 2015-04-29 | 中国林业科学研究院资源信息研究所 | 一种水果糖度的确定方法和装置 |
CN104574341B (zh) * | 2013-10-11 | 2017-09-05 | 中国林业科学研究院资源信息研究所 | 一种水果糖度的确定方法和装置 |
CN103884670A (zh) * | 2014-03-13 | 2014-06-25 | 西安交通大学 | 基于近红外光谱的烟气成分定量分析方法 |
CN103884670B (zh) * | 2014-03-13 | 2016-01-20 | 西安交通大学 | 基于近红外光谱的烟气成分定量分析方法 |
CN105842190A (zh) * | 2016-03-17 | 2016-08-10 | 浙江中烟工业有限责任公司 | 一种基于谱回归的近红外模型转移方法 |
CN105842190B (zh) * | 2016-03-17 | 2018-12-11 | 浙江中烟工业有限责任公司 | 一种基于谱回归的近红外模型转移方法 |
CN109492707A (zh) * | 2018-11-28 | 2019-03-19 | 武汉轻工大学 | 光谱分析模型的构建方法、装置、设备及存储介质 |
CN109492707B (zh) * | 2018-11-28 | 2020-10-23 | 武汉轻工大学 | 光谱分析模型的构建方法、装置、设备及存储介质 |
CN114112978A (zh) * | 2021-12-13 | 2022-03-01 | 大连理工大学 | 原位红外光谱检测结晶过程溶液浓度的小波函数标定建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109493287B (zh) | 一种基于深度学习的定量光谱数据分析处理方法 | |
CN102135496A (zh) | 基于多尺度回归的红外光谱定量分析方法和装置 | |
CN110068544B (zh) | 物质识别网络模型训练方法及太赫兹光谱物质识别方法 | |
CN102305772A (zh) | 基于遗传核偏最小二乘法的近红外光谱特征波长筛选方法 | |
CN110907393B (zh) | 植物盐碱胁迫程度检测方法及装置 | |
CN107121407B (zh) | 基于pso-ricaelm的近红外光谱分析鉴别翠冠梨成熟度的方法 | |
CN113008805B (zh) | 基于高光谱成像深度分析的白芷饮片质量预测方法 | |
CN102072767A (zh) | 基于波长相似性共识回归红外光谱定量分析方法和装置 | |
CN104062262A (zh) | 一种基于近红外光谱的作物种子品种真实性鉴别方法 | |
CN107247033B (zh) | 基于快速衰减式淘汰算法和plsda鉴别黄花梨成熟度的方法 | |
CN104655583A (zh) | 一种基于傅里叶红外光谱的煤质快速识别方法 | |
CN105158200A (zh) | 一种提高近红外光谱定性分析准确度的建模方法 | |
CN104255118B (zh) | 基于近红外光谱技术的水稻种子发芽率快速无损测试方法 | |
CN105138834A (zh) | 基于近红外光谱波数k均值聚类的烟草化学值定量方法 | |
CN103743705A (zh) | 一种假高粱及其近似物种的快速检测方法 | |
CN114216877B (zh) | 茶叶近红外光谱分析中谱峰自动检测与重构方法及*** | |
CN115436343A (zh) | 异源激光诱导击穿光谱之间的迁移和标准化方法及*** | |
Huang et al. | Optimal wavelength selection for hyperspectral scattering prediction of apple firmness and soluble solids content | |
Wang et al. | Monitoring model for predicting maize grain moisture at the filling stage using NIRS and a small sample size | |
CN105651727B (zh) | 基于jade和elm的近红外光谱分析鉴别苹果货架期的方法 | |
Yang et al. | A quality detection method of corn based on spectral technology and deep learning model | |
Liu et al. | A novel wavelength selection strategy for chlorophyll prediction by MWPLS and GA | |
CN102072884A (zh) | 一种基于光谱技术的小麦叶片糖氮比快速检测方法 | |
CN104573739B (zh) | 广义模糊k调和均值聚类的生菜贮藏时间判定方法 | |
CN110658156A (zh) | 一种近红外光谱特征提取方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20110727 |