[發(fā)明專利]果品近紅外光譜波長選擇和快速定量分析方法及裝置

無效

• 申請?zhí)枺?/td>: 201010601104.X
• 申請日: 2010-12-23
• 公開（公告）號: CN102128805A
• 公開（公告）日: 2011-07-20
• 發(fā)明（設(shè)計(jì)）人: 劉燕德;郝勇
• 申請（專利權(quán)）人: 華東交通大學(xué)
• 主分類號: G01N21/35
• 分類號: G01N21/35
• 代理公司: 江西省專利事務(wù)所 36100
• 代理人: 楊志宇

技術(shù)領(lǐng)域

本發(fā)明涉及涉及了一種水果品質(zhì)的近紅外光譜快速準(zhǔn)確定量分析的方法和裝置，特別是果品的近紅外光譜進(jìn)行波長選擇和快速定量分析方法及裝置。

背景技術(shù)

隨著近紅外光譜分析方法和化學(xué)計(jì)量學(xué)方法的發(fā)展，近紅外光譜分析技術(shù)在食品和農(nóng)產(chǎn)品品質(zhì)檢測中的應(yīng)用日趨廣泛。近紅外光譜分析方法以其快速、無損、準(zhǔn)確以及測量和分析過程綠色等優(yōu)點(diǎn)成為產(chǎn)品在線檢測和快速分析首選的檢測手段。近紅外光譜分析技術(shù)的應(yīng)用關(guān)鍵是如何有效的從待測對象復(fù)雜、重疊、變動背景的光譜中提取相關(guān)信息。近紅外光譜的波長范圍為750-2500?nm?,每個(gè)波長對應(yīng)的光譜均是某個(gè)因素或多個(gè)因素共同作用結(jié)果的反應(yīng)。因此，在近紅外光譜建模過程進(jìn)行波長優(yōu)化選擇是提取有效果光譜信息的關(guān)鍵。波長選擇不但可以簡化模型,更重要的是能將不相關(guān)或非線性變量進(jìn)行剔除,增強(qiáng)校正模型的預(yù)測能力。因此波長選擇對于近紅外光譜分析具有重要意義。波長選擇的實(shí)質(zhì)是搜尋波長點(diǎn)，即建模變量的最優(yōu)組合，使得所建預(yù)測模型的預(yù)測誤差最小。

對于果品的近紅外光譜而言，一條光譜包含有維生素C、糖分以及各種多酚類物質(zhì)的吸收或反射信息，而且各組分的譜帶重疊嚴(yán)重，用單波長數(shù)據(jù)建立某一組分的校正模型會產(chǎn)生較大的誤差，然而，直接從光譜中選取波峰或波谷的吸收值作為組分的特征波長幾乎是不現(xiàn)實(shí)的。因此，在利用化學(xué)計(jì)量學(xué)方法對果品近紅外光譜數(shù)據(jù)建立光譜預(yù)測模型時(shí)，需要確定特征組分的相關(guān)波長點(diǎn)，從而減小建模和預(yù)測運(yùn)算時(shí)間，以及剔除信噪比較低的光譜點(diǎn)，從而提高模型的預(yù)測精度。

發(fā)明內(nèi)容

本發(fā)明提供了一種果品近紅外光譜波長選擇和快速定量分析方法及裝置；該裝置和方法是根據(jù)光譜儀采集的光譜信號攜帶有待分析目標(biāo)物信息的特點(diǎn)，結(jié)合快速的線性和非線性計(jì)量方法對紅外光譜進(jìn)行準(zhǔn)確快速定量分析。

近紅外光譜分析技術(shù)用于果品內(nèi)部品質(zhì)快速分析過程中，為了克服建模波長冗余、運(yùn)算時(shí)間長以及噪聲信息引入模型的缺點(diǎn)，本發(fā)明提供了一種基于蒙特卡羅無信息變量消除方法的波長選擇方法和裝置，用于提高果品近紅外光譜預(yù)測模型的穩(wěn)健性和精度。

實(shí)現(xiàn)上述技術(shù)方案的裝置包括：經(jīng)數(shù)據(jù)信號線相連的光譜儀、預(yù)處理器、波長篩選器、偏最小二乘回歸分析器。

所述的近紅外光譜的波長范圍為：780?nm?-?2500?nm；

所述的預(yù)處理器采取中心化和矢量歸一化對光譜儀采集的原始信號進(jìn)行處理；

所述中的波長選擇器的核心算法是采用基于蒙特卡羅技術(shù)的無信息變量消除方法，該方法采用蒙特卡洛技術(shù)計(jì)算變量的穩(wěn)定性值。通過選擇變量的穩(wěn)定性值大小來確定保留的變量，該方式簡單方便。詳細(xì)的算法步驟如下：

（1）?所有的樣本被隨機(jī)分成校正集和測試集。為保證預(yù)測樣本的理化值全部被訓(xùn)練集樣本的理化值所涵蓋，使得預(yù)測結(jié)果更為準(zhǔn)確，三個(gè)具有最高理化值的樣本和三個(gè)具有最低理化值的樣本都放進(jìn)訓(xùn)練集里；

（2）利用蒙特卡羅技術(shù)，從校正集里隨機(jī)選取一定數(shù)目（N_t）個(gè)樣本建構(gòu)PLS子模型，該步驟被重復(fù)M次。然后，計(jì)算出PLS回歸系數(shù)距陣(M×p)?，根據(jù)公式

進(jìn)一步計(jì)算得到每個(gè)變量的穩(wěn)定性值向量(1×p)；

（3）根據(jù)上述步驟得到的穩(wěn)定性值，保留一定數(shù)目（N_j）的有用信息變量，用來建立PLS回歸模型。實(shí)際計(jì)算中，采用從高到低排列所有變量的穩(wěn)定性數(shù)值，設(shè)定第N_j個(gè)變量的穩(wěn)定性值為閾值（cutoff?value），低于此閾值的穩(wěn)定性值所對應(yīng)的變量被移除。最佳N_j數(shù)值的選擇采用交叉驗(yàn)證均方根誤差（RMSECV）來選擇。其中，N_j就是通過波長篩選器處理后保留的變量數(shù)；

所述的偏最小二乘回歸分析器，是采用偏最小二乘回歸方法，對經(jīng)波長篩選器處理后輸出的變量矩陣建立預(yù)測模型并計(jì)算預(yù)測均方根誤差（RMSEP）和預(yù)測相關(guān)系數(shù)（R）并保存；通過對不同保留波長數(shù)目下偏最小二乘回歸模型的RMSEP和R進(jìn)行比較，并進(jìn)行誤差分析，選取最佳的保留數(shù)目。最后將上述優(yōu)化后的波長點(diǎn)保存，并用于后續(xù)水果樣品品質(zhì)的近紅外光譜預(yù)測分析。

由于本發(fā)明采用以上的技術(shù)方案，得到以下效果：