CN105181640A - 一种利用近红外光谱技术快速测定制浆材水分含量的方法 - Google Patents

Abstract

本发明涉及一种利用近红外光谱技术快速测定制浆材水分含量的方法，其步骤为：a.采集制浆材木片样品；b.采用喷水密封待其充分平衡的方法人为控制木片样品水分含量区间，并用含量梯度法将样品分为训练集和验证集；c.样品水分含量平衡后取样烘干确定样品水分含量的实测值；d.将样品取出后迅速利用近红外光谱仪采集其原始近红外光谱数据；e.对原始近红外光谱数据进行预处理；f.采用化学计量学方法将训练集中样品水分含量实测值与其近红外光谱数据对应建立预测模型；g.用建立的制浆材水分含量预测模型对验证集样品近红外光谱数据进行预测确定模型性能。它解决了现有制浆造纸工业中无法实时确定生产线上制浆材木片水分含量的问题。

Description

一种利用近红外光谱技术快速测定制浆材水分含量的方法

技术领域：

本发明是一种制浆材水分含量的测定方法，尤其是一种结合近红外光谱技术的快速测定制浆材水分含量的方法。

背景技术：

近红外光谱产生于共价化学键的非谐能级振动，是倍频与组合频产生的吸收光谱，主要反映含氢基团(C-H、O-H、N-H等)的振动信息。其波长范围为780～2500nm，具有较强的穿透力，与样品内部分子发生反射、折射、衍射、吸收等作用，负载样品的成分与结构信息。由于含氢基团倍频与合频的跃迁几率低且相互耦合，近红外光谱往往吸收强度弱，灵敏度较低，吸收带较宽且重叠严重，无法精确区分谱带归属，故而难以直接从谱图中读取有用的信息。二十世纪下半叶光电技术、电子技术飞速发展，人们利用计算机数据处理技术和化学计量学的方法对其进行处理和解析。通常样品的近红外光谱与样品的性质、化学成分含量等参数之间存在内在联系，通过数学算法可计算出两者之间联系，然后通过两者联系建立样品的预测模型，通过模型可以判断未参与建模样品的性质。常用的建模方法可分为：偏最小二乘回归(PLS)、主成分回归(PCA)、人工神经网络(ANN)等，其中偏最小二乘法是近红外光谱建立定量模型中主流的建模方法。国内外近年通过近红外光谱结合化学计量学方法在木材、农作物、烟草、化学药品等的定量分析方面做了较多研究。与其它分析测定手段相比，近红外光谱技术具有如下优点：

(1)分析过程简单无损，无需经过繁琐的预处理和化学反应。

(2)分析速度快、效率高。光谱的采集往往在一分钟内完成，而通过已建立的模型可以同时对样品的多个材性参数进行测定。

(3)分析精度高，范围广。随着数据的积累，模型不断优化，得以提高分析精度、拓展分析范围。

(4)便于远程分析和在线分析。由于近红外光在光纤中有着良好的传导性能，利用外置探头和光纤传导技术，可实现远程分析；也可将近红外分析系统做成分析模块，在测量现场灵活组装，从而实现实时在线分析。

在我国制浆造纸工业生产中，制浆材原料来到生产线时水分含量有着显著差异，这影响着磨浆能耗和制浆得率，故而有必要实现水分含量的快速测定以便及时调整制浆工艺。但水分含量的传统测定方法依赖长时间烘干，不符合快速测定的实际要求。

结合近红外光谱技术测定制浆材水分含量，速度快、效率高，能够满足制浆造纸工业中快速测定的需求，为制浆材材性的实时检测和在线分析提供了可能。

发明内容：

本发明为解决制浆造纸工业中制浆材水分含量无法实时确定的问题，提供了一种利用近红外光谱技术快速测定制浆材水分含量的方法，能够快速高效地测定制浆材水分含量。

本发明采用了如下技术方案：一种利用近红外光谱技术快速测定制浆材水分含量的方法，步骤是：

第一步，采集制浆材木片样品；

第二步，采用喷水密封待样品水分充分平衡的方法来控制木片样品水分含量区间，并用含量梯度法将样品分为训练集和验证集；

第三步，样品水分含量平衡后取样烘干确定样品水分含量的实测值；

第四步，将样品取出后迅速利用近红外光谱仪采集原始近红外光谱数据；

第五步，对原始近红外光谱数据进行预处理；

第六步，采用化学计量学方法将训练集中样品水分含量实测值与其近红外光谱数据对应建立预测模型；

第七步，用建立的制浆材水分含量预测模型对验证集样品近红外光谱数据进行预测确定模型性能。

所述制浆材包括桉木、相思木、杨木。

所述木片规格为20mm×10mm×2mm。

所述采用喷水密封待样品水分充分平衡的方法具体步骤为：设定目标水分含量，对木片样品定量喷水后封存，放置15天后，每隔一天取样测定水分含量，待两次测定值之差小于0.1％，即样品水分含量已平衡，此时水分含量值在设定值附近区间内。

原始近红外光谱数据为利用近红外光谱仪在扫描范围为1600～2400nm，分辨率为8cm^-1的条件下采用漫反射方式获得的吸光度值。

所述采集原始近红外光谱数据的具体方法是：样品采集光谱，然后倒出，重新混合采样，每个样品以此方法采集3次光谱，取平均光谱数据作为样品的原始近红外光谱数据。

所述预处理方法为一阶导数。

所述建立预测模型过程主要为：用化学计量学软件加载训练集光谱数据，通过偏最小二乘法和交互验证，确定预测残差平方和PRESS最小时对应的主成分数，根据该主成分数所建模型即为最佳制浆材水分含量预测模型。

所述模型预测能力用决定系数R² _val、预测均方根误差RMSEP、相对分析误差RPD、绝对偏差AD综合评价，以预测均方根误差RMSEP和绝对偏差AD为主要评价标准。

有益效果：

较好地控制了制浆材样品的水分含量并采集了相应水分含量下的近红外光谱数据，通过建好的预测模型可以快速高效地测定制浆材木片的水分含量，这满足了制浆造纸生产线上需要快速测定制浆材水分含量的实际需求。

附图说明：

图1为不同水分含量的样品的近红外光谱。

图2为经一阶导数预处理后的样品近红外光谱。

图3为PRESS值随主成分变化图。

图4为采用本方法建立的水分含量预测模型的预测情况。

具体实施方式：

一种结合近红外光谱技术快速测定制浆材水分含量的方法。其步骤如下：a.采集制浆材木片样品；b.采用喷水密封待其充分平衡的方法人为控制木片样品水分含量区间，并用含量梯度法将样品分为训练集和验证集；c.样品水分含量平衡后取样烘干确定样品水分含量的实测值；d.将样品取出后迅速利用近红外光谱仪采集其原始近红外光谱数据；e.对原始近红外光谱数据进行预处理；f.采用化学计量学方法将训练集中样品水分含量实测值与其近红外光谱数据对应建立预测模型；g.用建立的制浆材水分含量预测模型对验证集样品近红外光谱数据进行预测确定模型性能。

所述步骤a中制浆材包括桉木、相思木、杨木，木片规格约20mm×10mm×2mm。

所述步骤b中人为控制木片样品水分含量的方法具体步骤如下：人为设定目标水分含量，对木片样品定量喷水后封存，放置约15天后，每隔一天取样测定水分含量，待两次测定值之差小于0.1％，认为样品水分含量已平衡，此时水分含量值在设定值附近区间内。

所述步骤d中近红外光谱数据为利用近红外光谱仪在扫描范围为1600～2400nm，分辨率为8cm^-1的条件下采用漫反射方式获得的吸光度值。样品采集光谱后倒出，重新混合采样，每个样品以此方法采集3次光谱，取其平均光谱数据作为样品的原始近红外光谱数据。

所述步骤e中预处理方法为一阶导数。

所述步骤f中的预测模型为制浆材包括桉木、杨木、相思木建立的数学预测模型，其过程主要为：用化学计量学软件加载训练集光谱数据，通过偏最小二乘法和交互验证，确定预测残差平方和(PRESS)最小时对应的主成分数，根据该主成分数所建模型即为最佳制浆材水分含量预测模型。

所述步骤g中模型预测能力用决定系数(R² _val)、预测均方根误差(RMSEP)、相对分析误差(RPD)、绝对偏差(AD)综合评价，因数据分布较宽影响决定系数(R² _val)和相对分析误差(RPD)，故而以预测均方根误差(RMSEP)和绝对偏差(AD)为主要评价标准。

实施例1

采集制浆材包括桉木、杨木、相思木(约20mm×10mm×2mm)作为样品，共采集217个样品，为使样品水分含量呈梯度分布，人为设定目标水分含量，对木片样品定量喷水后封存，放置约15天后，每隔一天取样测定水分含量，待两次测定值之差小于0.1％，认为样品水分含量已平衡，此时水分含量值在设定值附近区间内。以含量梯度法将其中175个样品作为训练集，42个作为验证集。精确测定样品的水分含量实测值，其数据分布见表1。

表1训练集样品水分含量的分布情况

使用近红外光谱仪在在扫描范围为1600～2400nm，分辨率为8cm^-1的条件下采集全部训练集和验证集样品的原始近红外光谱数据，并对其进行一阶导数预处理。在Matlab7.0中加载训练集光谱数据，通过偏最小二乘法和交互验证，确定当PRESS值最小时主成分数为10，据此建立水分含量预测模型。模型预测验证集样品的决定系数(R_val ²)和相对分析误差(RPD)较大，模型相关性较好。预测均方根误差(RMSEP)为1.14％，绝对偏差(AD)范围为-1.99％～1.88％，符合制浆造纸工业的误差控制要求。

利用建立好的预测模型对未知的制浆材近红外光谱数据进行分析，即可快速确定其水分含量，其准确程度满足制浆造纸工业需求。

本发明的实例中水分含量的实测值与模型预测值情况见表2。

表2水分含量实测值与模型预测值

Claims (9)

1.一种利用近红外光谱技术快速测定制浆材水分含量的方法，其特征是，步骤是：

第一步，采集制浆材木片样品；

第二步，采用喷水密封待样品水分充分平衡的方法来控制木片样品水分含量区间，并用含量梯度法将样品分为训练集和验证集；

第三步，样品水分含量平衡后取样烘干确定样品水分含量的实测值；

第四步，将样品取出后迅速利用近红外光谱仪采集原始近红外光谱数据；

第五步，对原始近红外光谱数据进行预处理；

第六步，采用化学计量学方法将训练集中样品水分含量实测值与其近红外光谱数据对应建立预测模型；

第七步，用建立的制浆材水分含量预测模型对验证集样品近红外光谱数据进行预测确定模型性能。

2.根据权利要求1所述的利用近红外光谱技术快速测定制浆材水分含量的方法，其特征是：所述制浆材包括桉木、相思木、杨木。

3.根据权利要求1所述的利用近红外光谱技术快速测定制浆材水分含量的方法，其特征是：所述木片规格为20mm×10mm×2mm。

4.根据权利要求1所述的利用近红外光谱技术快速测定制浆材水分含量的方法，其特征是：所述采用喷水密封待样品水分充分平衡的方法具体步骤为：设定目标水分含量，对木片样品定量喷水后封存，放置15天后，每隔一天取样测定水分含量，待两次测定值之差小于0.1%，即样品水分含量已平衡，此时水分含量值在设定值附近区间内。

5.根据权利要求1所述的利用近红外光谱技术快速测定制浆材水分含量的方法，其特征是：原始近红外光谱数据为利用近红外光谱仪在扫描范围为1600～2400nm，分辨率为8cm^-1的条件下采用漫反射方式获得的吸光度值。

6.根据权利要求1所述的利用近红外光谱技术快速测定制浆材水分含量的方法，其特征是：所述采集原始近红外光谱数据的具体方法是：样品采集光谱，然后倒出，重新混合采样，每个样品以此方法采集3次光谱，取平均光谱数据作为样品的原始近红外光谱数据。

7.根据权利要求1所述的利用近红外光谱技术快速测定制浆材水分含量的方法，其特征是：所述预处理方法为一阶导数。

8.根据权利要求1所述的利用近红外光谱技术快速测定制浆材水分含量的方法，其特征是：所述建立预测模型过程主要为：用化学计量学软件加载训练集光谱数据，通过偏最小二乘法和交互验证，确定预测残差平方和PRESS最小时对应的主成分数，根据该主成分数所建模型即为最佳制浆材水分含量预测模型。

9.根据权利要求1所述的利用近红外光谱技术快速测定制浆材水分含量的方法，其特征是：所述模型预测能力用决定系数R² _val、预测均方根误差RMSEP、相对分析误差RPD、绝对偏差AD综合评价，以预测均方根误差RMSEP和绝对偏差AD为主要评价标准。