[發明專利]一種基于近紅外光譜技術分析物質濃度的方法及系統

在審

• 申請號: 202210140947.7
• 申請日: 2022-02-16
• 公開（公告）號: CN114611582A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 陳孝敬;黃光造;石文;袁雷明;陳熙;蔣成璽
• 申請（專利權）人: 溫州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/18;G06F17/16;G01N21/359
• 代理公司: 溫州名創知識產權代理有限公司 33258
• 代理人: 程嘉煒

本發明提供一種基于近紅外光譜技術分析物質濃度的方法，包括獲取原始域已知樣本和目標域已知樣本的近紅外光譜數據，以得到原始域已知樣本和目標域已知樣本的光譜矩陣和濃度矩陣；將原始域已知樣本和目標域已知樣本的光譜矩陣進行預處理；針對原始域已知樣本的近紅外光譜數據，計算海賽矩陣和各樣本的下降梯度；基于海賽矩陣和各樣本的下降梯度，計算原始域已知樣本對目標域已知樣本的影響力；根據影響力的情況進行子采樣，構建相應的PLS回歸模型；獲取目標域未知樣本的光譜數據，并基于PLS回歸模型，計算出目標域未知樣本的濃度向量矩陣，以實現濃度預測。實施本發明，通過解決傳統PLS建模中分布漂移的問題，使得分析結果更加準確。

技術領域

本發明涉及近紅外光譜識別技術領域，尤其涉及一種基于近紅外光譜技術分析物質濃度的方法及系統。

背景技術

近紅外光譜技術是一種簡單、快速、可靠的檢測技術。它綜合運用了光譜技術、計算機技術、模式識別等多個學科的研究成果，以其獨特的優勢在多個領域得到了日益廣泛的應用，并已逐漸得到大眾的普遍接受和官方的認可。

近紅外光譜分析是一種間接的分析方法，往往需要構造反映近紅外光譜數據和待分析樣本屬性關系的回歸模型。其中，偏最小二乘(PLS)回歸模型是最最常用的多元回歸模型。PLS不僅能對光譜矩陣進行處理，還能對濃度矩陣進行同樣的處理，因此能夠消除光譜矩陣以及濃度矩陣里的噪聲信息，取得較好的預測效果。其計算過程為，對光譜矩陣以及濃度矩陣進行分解，通過交互校驗法確定其最佳主成分數，最后建立光譜矩陣與濃度矩陣的數學模型關系。

隨著采集的數據增多或者異常樣本的混入，會導致校正集種的數據中的分布估計不同于驗證集中的數據。從而導致驗證集的模型不夠適合于校正集的數據，使得預測精度不夠理想。這里，將校正集的近光譜數據稱為源域數據，驗證集的近光譜數據稱為目標域數據。利用子采樣和影響函數，可以從校正集中選出一個和驗證集的分布最為接近的子集。然后，用這個子集進行建模得到適合于驗證集的模型。影響函數在評估樣本的影響力十分的方便，快速，不需要重復建模。在子集上建模得到的新模型能夠明顯提高預測性能。

因此，研究一種基于影響函數和PLS的子采樣建模方法對于近紅外光譜分析技術的成功應用有著重要意義。尤其是，基于近紅外光譜技術分析物質濃度時，通過解決傳統PLS建模中分布漂移的問題，使得分析結果更加準確。

發明內容

本發明實施例所要解決的技術問題在于，提供一種基于近紅外光譜技術分析物質濃度的方法及系統，通過解決傳統PLS建模中分布漂移的問題，使得分析結果更加準確。

為了解決上述技術問題，本發明實施例提供了一種基于近紅外光譜技術分析物質濃度的方法，包括以下步驟：

在采用近紅外光譜分析待測物質時，確定待測物質的原始域已知樣本及目標域已知樣本的近紅外光譜數據，并根據所述原始域已知樣本及所述目標域已知樣本的近紅外光譜數據，構建出所述原始域已知樣本的光譜矩陣和濃度向量矩陣，以及所述目標域已知樣本的光譜矩陣和濃度向量矩陣；

對所述原始域已知樣本及所述目標域已知樣本的光譜矩陣均進行預處理；

構造基于PLS的海賽矩陣以及所述海賽矩陣中各樣本的下降梯度；

基于所述海賽矩陣及對應的下降梯度，并結合所述原始域已知樣本及所述目標域已知樣本進行預處理后的光譜矩陣，以及所述原始域已知樣本及所述目標域已知樣本的濃度向量矩陣，計算出所述原始域已知樣本對所述目標域已知樣本的影響力；

根據所述影響力，對所述原始域已知樣本的光譜數據進行子采樣，以得到用于構建PLS回歸模型的最優模型參數，并根據所得到的最優模型參數，構建 PLS回歸模型；

獲取待測物質中目標域未知樣本的光譜數據，以構建所述目標域未知樣本的光譜矩陣，并將所述目標域未知樣本的光譜矩陣導入所述PLS回歸模型進行分析，得到所述目標域未知樣本的濃度向量矩陣，以實現所述目標域未知樣本的濃度預測。