[發(fā)明專利]一種基于近紅外提高鑒別結(jié)果的定性分析方法

有效

• 申請?zhí)枺?/td>: 201410599230.4
• 申請日: 2014-10-30
• 公開（公告）號: CN104374738A
• 公開（公告）日: 2015-02-25
• 發(fā)明（設(shè)計(jì)）人: 張麗萍;李衛(wèi)軍;董肖莉;覃鴻
• 申請（專利權(quán)）人: 中國科學(xué)院半導(dǎo)體研究所
• 主分類號: G01N21/359
• 分類號: G01N21/359
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 任巖

技術(shù)領(lǐng)域

本發(fā)明涉及近紅外定性鑒別領(lǐng)域，特別是一種基于近紅外提高鑒別結(jié)果的定性分析方法。?

背景技術(shù)

近紅外光譜(Near?Infrared?Spectrum，NIR)是介于可見光(Vis)和中紅外(MIR)之間的電磁輻射波，美國材料檢測協(xié)會(huì)(ASTM)將近紅外光譜區(qū)定義為780～2526nm的區(qū)域，是人們在吸收光譜中發(fā)現(xiàn)的第一個(gè)非可見光區(qū)。近紅外光譜區(qū)與有機(jī)分子中含氫基團(tuán)(O-H、N-H、C-H)振動(dòng)的合頻和各級倍頻的吸收區(qū)一致，通過掃描樣品的近紅外光譜，可以得到樣品中有機(jī)分子含氫基團(tuán)的特征信息，而且利用近紅外光譜技術(shù)分析樣品具有方便、快速、高效、準(zhǔn)確和成本較低，不破壞樣品，不消耗化學(xué)試劑，不污染環(huán)境等優(yōu)點(diǎn)，因此該技術(shù)受到越來越多人的青睞。?

隨著分析技術(shù)的快速發(fā)展，基于近紅外光譜的各類檢測技術(shù)雖然得到了廣泛的應(yīng)用，但是基本都是在定量分析中的應(yīng)用，在定性分析應(yīng)用中較少。而目前較為需求的則是近紅外光譜的定性分析鑒別技術(shù)，例如在食品安全領(lǐng)域，要鑒別作物種子的品種真實(shí)性，以保障農(nóng)民的生產(chǎn)利益；檢測奶粉中是否含有某些特殊物質(zhì)以確保食用安全；在藥品安全領(lǐng)域中，檢測藥物中是否含有某一種成分，以確保用藥安全等。可見近紅外光譜定性分析技術(shù)，會(huì)在更多的領(lǐng)域得到發(fā)展，同時(shí)也會(huì)在更多領(lǐng)域發(fā)揮越來越重要的作用。?

在實(shí)際應(yīng)用近紅外定性分析過程中，以往的實(shí)驗(yàn)結(jié)果都是在采集條件較為理想的數(shù)據(jù)集上得到的，而在實(shí)際應(yīng)用中，采集的實(shí)驗(yàn)數(shù)據(jù)往往會(huì)包含很多不確定信息，這些不確定信息可能影響整個(gè)定性分析模型的性能，從而影響定性鑒別分析的結(jié)果準(zhǔn)確性。?

針對該問題，有人提出了模型傳遞的思想，它是用于解決多臺相同型?號儀器之間的模型共用問題。除了不同儀器之間的差別，同一臺儀器長時(shí)間的光譜偏移同樣面臨著模型適用性的問題，由于相同物質(zhì)不同品種間成分相差較小，光譜相互交疊，因此這種差異對定性分析的影響甚至比定量分析更為嚴(yán)重，嚴(yán)重時(shí)甚至完全不能正確識別。?

實(shí)際應(yīng)用近紅外光譜進(jìn)行定性分析時(shí)，很多方法在特征提取時(shí)都用到了線性鑒別分析(LDA)，由于LDA方法提取的數(shù)據(jù)維數(shù)必須比類別數(shù)小1，因此如果在定性分析中使用LDA算法，當(dāng)類別數(shù)較少的時(shí)候，則限定了LDA提取數(shù)據(jù)的維數(shù)，很可能導(dǎo)致有用信息的丟失，甚至算法完全失效。小樣本問題是是線性鑒別分析最大的問題。因此本發(fā)明使用了正交線性鑒別分析(OLDA)方法，使本發(fā)明所提出來的定性鑒別分析不僅能用于多分類問題，還能用于二分類問題。?

針對目前近紅外定性分析和模型適用性等的現(xiàn)狀與諸多不足，本發(fā)明提出一種基于近紅外提高鑒別結(jié)果的定性分析方法。?

發(fā)明內(nèi)容

(一)要解決的技術(shù)問題?

有鑒于此，本發(fā)明的主要目的是為了提供一種簡單可行、快速高效，并且能提高定性分析鑒別結(jié)果的一種基于近紅外提高鑒別結(jié)果的定性分析方法。?

(二)技術(shù)方案?

為達(dá)到上述目的，本發(fā)明提供了一種基于近紅外提高鑒別結(jié)果的定性分析方法，該方法包括：?

步驟1：采集樣本的近紅外光譜數(shù)據(jù)，并確定建模集和測試集；?

步驟2：對建模集和測試集依次進(jìn)行預(yù)處理、偏最小二乘特征提取和正交線性鑒別特征提取；?

步驟3：采用直接模型傳遞方法計(jì)算建模集和測試集之間的光譜變換矩陣，并校正剩余測試集；?

步驟4：建立定性分析模型；?

步驟5：利用建立的定性分析模型對剩余測試集進(jìn)行定性鑒別。?

上述方案中，步驟1中所述采集樣本的近紅外光譜數(shù)據(jù)，是采用近紅外光譜儀在不同時(shí)間采集樣本的近紅外光譜數(shù)據(jù)。所述確定建模集和測試集，是將在同一天采集的光譜數(shù)據(jù)作為建模集，建模集是用來建立定性分析模型的原始建模數(shù)據(jù)；將不同采集日期采集的近紅外光譜數(shù)據(jù)作為不同的測試集，測試集是用來鑒別種子品種真實(shí)性的原始測試數(shù)據(jù)。?

上述方案中，步驟2中所述對建模集和測試集依次進(jìn)行預(yù)處理、偏最小二乘特征提取和正交線性鑒別特征提取，具體包括：?

步驟21：對建模集和測試集的原始數(shù)據(jù)用相同的預(yù)處理方法及相同的參數(shù)進(jìn)行預(yù)處理；?

步驟22：對經(jīng)過預(yù)處理之后的建模集數(shù)據(jù)進(jìn)行偏最小二乘特征提取，得到偏最小二乘特征矩陣，以利用該矩陣將數(shù)據(jù)變換到偏最小二乘空間；?

步驟23：利用得到的偏最小二乘特征矩陣，將經(jīng)過預(yù)處理之后的建模集和測試集數(shù)據(jù)變換到偏最小二乘空間中；?

步驟24：對經(jīng)過偏最小二乘特征提取之后的建模集數(shù)據(jù)進(jìn)行正交線性鑒別分析特征提取，得到正交線性鑒別分析特征矩陣；?