CN105300923A - 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 - Google Patents
一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 Download PDFInfo
- Publication number
- CN105300923A CN105300923A CN201510808346.9A CN201510808346A CN105300923A CN 105300923 A CN105300923 A CN 105300923A CN 201510808346 A CN201510808346 A CN 201510808346A CN 105300923 A CN105300923 A CN 105300923A
- Authority
- CN
- China
- Prior art keywords
- temperature
- near infrared
- spectrum
- temperature compensation
- measuring point
- 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.)
- Granted
Links
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012937 correction Methods 0.000 title claims abstract description 12
- 230000008569 process Effects 0.000 title abstract description 6
- 238000001228 spectrum Methods 0.000 claims abstract description 48
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 12
- 230000000704 physical effect Effects 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000002715 modification method Methods 0.000 claims description 9
- 238000004611 spectroscopical analysis Methods 0.000 claims description 8
- 229920002521 macromolecule Polymers 0.000 claims description 5
- 238000013480 data collection Methods 0.000 claims description 3
- 101000802640 Homo sapiens Lactosylceramide 4-alpha-galactosyltransferase Proteins 0.000 claims 1
- 102100035838 Lactosylceramide 4-alpha-galactosyltransferase Human genes 0.000 claims 1
- 230000005856 abnormality Effects 0.000 claims 1
- 238000012417 linear regression Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 claims 1
- 238000009529 body temperature measurement Methods 0.000 abstract 1
- 238000000513 principal component analysis Methods 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 18
- 229920000642 polymer Polymers 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 238000000053 physical method Methods 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001066 destructive effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000001845 vibrational spectrum Methods 0.000 description 1
- 238000009941 weaving Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0286—Constructional arrangements for compensating for fluctuations caused by temperature, humidity or pressure, or using cooling or temperature stabilization of parts of the device; Controlling the atmosphere inside a spectrometer, e.g. vacuum
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0275—Details making use of sensor-related data, e.g. for identification of sensor parts or optical elements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/85—Investigating moving fluids or granular solids
- G01N21/8507—Probe photometers, i.e. with optical measuring part dipped into fluid sample
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/121—Correction signals
- G01N2201/1211—Correction signals for temperature
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Abstract
本发明涉及一种近红外光谱分析仪在线应用时的无测点温度补偿模型修正方法,包括在不同温度水平下采集各个样品的近红外光谱,对采集的光谱针对温度和待测物性参数分别做预处理以及主元分析,再将所得光谱进行合并产生新的光谱数据,用偏最小二乘对其建模以获取当前时刻的测量值,最后构造在线递归算法,完成具有无测点温度补偿功能的近红外在线测量。本发明将温度作为分离的隐含因素变量参与到近红外建模过程中,因而在使用近红外测量时,可以依赖模型本身对温度的适应性完成不同温度下的物性测量,不需要直接温度测量信息和相关计算,使得所建立的模型具有更好的通用性。所发明的在线递归算法具有对样品温度和其它测量条件变化的较佳的适应性。
Description
技术领域
本发明涉及近红外光谱分析仪在线应用时,无测点温度补偿模型修正方法。适用于受环境温度影响的物性参数,如流体粘度、物质密度、成分浓度、食品品质、农产品成分、药品有效成分含量、汽油油品质量等的在线实时检测。
背景技术
近红外光谱技术是综合光谱学、化学计量学和计算机应用等多学科交叉的现代分析技术,它无辐射、无污染、无破坏性、可以同时测定多种成份,被成功应用到农业、食品、石油化工、纺织、医药等行业。同时,一方面为了给生产和质检部门提供较全面、实时的样品信息,另一方面为实现计算机在线监测与实时控制的目的,近红外光谱分析仪的在线实时自动分析检测,为生产过程提供了广阔的使用空间,对提高企业的经济效益和社会效益有重要的意义。
然而当近红外光谱分析仪实时在线应用时,测量结果会受环境因素影响。研究表明,温度的变化会产生振动光谱的偏移,使得特定温度下近红外光谱的测量结果,仅适用于该温度下的样品品质分析,而对于样品品质的在线分析效果不理想,此缺点大大限制了近红外光谱分析仪实时在线测量技术的应用。为了克服在线应用时温度对光谱的影响,一些方法被陆续提出,如剔除受温度影响的光谱、选取对温度影响不敏感的波段建立分析模型、在模型中加温度修正项等等。这些方法可以克服温度变化对在线测量带来的干扰,但目前还没有通用的规则来判断何种情况下使用何种方法,而要根据具体问题进行选择。因此,研究温度适应性强、精度高、鲁棒性好、更为通用的实时在线测量技术,成为近红外技术能否有效在线应用的关键。
发明内容
本发明提出的方法,针对在线物性测量时,温度变化对近红外测量有较大的影响,建立具有温度补偿机制的在线递归算法。提供一种温度适应性强、精度高、鲁棒性好的近红外光谱分析仪在线应用时无测点温度补偿模型修正方法。
本发明为实现上述目的,采用如下技术方案:
本发明步骤分为三个部分。第一部分,建模数据的实验设计和光谱收集;第二部分,近红外光谱的预处理和校正模型的建立;第三部分,构造在线的递归算法,完成具有无测点温度补偿功能的近红外在线测量。
建模数据的实验设备包括,(1)可对样品温度进行调节的样品池;(2)可显示温度变化的温度测量器;(3)近红外光谱收集仪器;(4)不对样品温度产生明显影响的光学探头;(5)和近红外光谱收集仪器连接的计算机记录装置。
本发明实验和数据收集步骤如下:
实验步骤一:确认样品在线条件下最大和最小温度值。把温度范围分为多个水平值。每个温度水平一般要大于温度测量仪器分辨率5倍,以达到有效区分精度。
实验步骤二:在物性参数测量所规定的一个标准温度下,对所有样品物性参数取得原始标准数据。
实验步骤三:在不同温度水平下分别收集所有样品近红外光谱数据。温度值作为一个隐含因素,所以温度值本身的精确记录不是必须的。
温度作为分离的隐含因素变量在线修正算法实施步骤如下:
步骤一:对近红外光谱进行以温度模式为目标的预处理。将原始近红外光谱做一阶导数或二阶导数运算,产生一阶导数光谱或者二阶导数光谱。此处导数阶次可能随物性参数的特性而有所不同。例如,对高分子高粘度样品,以二阶导数为较佳。对低粘度样品以一阶导数为较佳。
步骤二:对上面产生的导数光谱做主元分析(PCA),剔除统计异常值,使得整个导数光谱数据的主元模式都在一个统计可信度之内。
步骤三:对原始近红外光谱进行以待测物性参数模式为目标的预处理。这些预处理包括一种或几种以下算法的叠加运算:一阶导数,二阶导数,最大-最小标准化,基础底线校正,散射校正,常数偏置校正,等等。此处预处理算法的确定以待测物性参数而异。
步骤四:对上面产生的预处理后光谱做主元分析(PCA),剔除统计异常值,使得整个预处理后的光谱数据主元模式都在一个统计可信度之内。
步骤五:将以上形成的以温度为目标的导数光谱和以物性待测参数为目标的预处理后的光谱进行合并。
步骤六:以待测物性参数在一个规定温度的原始分析值作为预测变量,预处理后光谱波数和导数光谱波数作为自变量。用偏最小二乘算法(PLS)物性参数校正模型:
P=B1y1+B2y2+…Bnyn+A1x1+A2x2+…Anxn
此处,P是物性变量规定温度下的测量值,Bi,Ai,i=1,2,…n是回归系数,yi,xi分别是预处理后光谱和导数光谱在波数i=1,2,…n处的数值。
步骤七:在线获取新的近红外光谱数据集,利用下述方法构成递归修正算法:
(1)以上述步骤六所得结果作为当前值P(k)
(2)计算下一步测量:Pr(k+1)=P(k)+K[L(k-1)-P(k-1)]
(3)将当前修正后的预测值,Pr(k)赋值给上一时刻的测量值P(k-1),重复以上步骤,做递归赋值运算。
此处Pr(k)是当前的具有温度补偿的近红外物性测量修正值,P(k-1)是上一步没有修正的近红外物性测量值,L(k-1)是上次计算所用的实际物性参数值,K为修正因子或低阶滤波器。
上述步骤七中,修正因子或低阶滤波器,可以是更较一般的统计判断和逻辑判断,或者是两者的结合。
上述步骤七中,在每一步计算时,所用物性参数校正模型可以是由更新的光谱数据重新产生。整个计算算法构成递归的形式。
本发明把温度作为分离的隐含因素变量参与到近红外建模过程中,因而在使用近红外测量时,可以依赖模型本身对温度的适应性完成不同温度下的物性测量,不需要直接温度测量信息和相关计算,使得所建立的模型具有更好的通用性。所发明的递归算法具有对样品温度和其它测量条件变化的较佳的适应性。
附图说明
图1为无测点温度补偿实验装置示意图。
图2为一种高分子聚合物在不同温度的原始光谱图。
图3为一种高分子聚合物的基于二阶导数局部光谱图。
图4为一种高分子聚合物的主元素模式图。
图5为一种高分子聚合物的合并光谱图。
图6为一种高分子聚合物的一阶导数预处理局部光谱图。
图7为一种高分子聚合物主元分析和模式异常点示意图。
图8为一种高分子聚合物的合并光谱PCA模式图。
图9为合并光谱产生的粘度模型图。
图10为合并光谱模型使用的波数图。
图11为具有无测点温度补偿的在线递归实施结果比较图。
图12为无测点温度补偿方法递归实施步骤框图。
具体实施方式
以下以一种高分子化合物的粘度测量为例,说明具体实施方法。这个示例不构成对本发明方法的范围限制。
整个实施步骤框图如图12所示。
步骤1:采集具有代表性的样品,要保证样品的待测物性参数可以覆盖测量要求的范围。样品总数在40-60个。
步骤2:利用图1所示的实验室设备,分别在24℃、35℃、50℃、60℃、70℃五个不同温度水平下采集各个样品的近红外光谱,同时记录实验条件如温度等。采集的原始光谱见图2。
步骤3:对所采集的光谱做以温度为目标的预处理和主元分析(PCA)。产生导数光谱数据。示例中,对高分子高粘性样品进行了二阶导数处理和主元素分析。二阶导数预处理是在一阶导数的基础上,对温度信息敏感的光谱进行再提取,有效地减少温度和物性参数在建模波数的重叠。处理效果如图3所示,经过处理后的光谱消除了由于光源老化,探头震动以及探头与样品接触度等因素带来的光谱上下漂移,同时又保留了温度对光谱峰值和形状影响的有效信息。主元素模式如图4所示,在图4所示的PCA模式图中,有一个点(代表一段光谱)和其他所有点有很大的距离,此点为奇异点,在建模时予以剔除,使得整个预处理后的光谱数据主元模式都在一个统计可信度之内。
步骤4:对原始光谱进行以待测物性参数模式为目标的预处理和主元分析(PCA)。产生预处理光谱数据。示例中,对高分子样品进行了一阶导数预处理和主元分析。使用一阶导数预处理原因如步骤3中所述。预处理光谱如图6所示,主元素模式如图7所示,图7中有一个奇异点,应予以剔除,不再参与建模。
步骤5:将上面产生的导数光谱和预处理光谱合并,产生合并光谱数据。图5是不同温度下的合并光谱。在图5中的合并光谱中,左半部分即一阶导数部分,提供了有效的物性建模光谱信息;右半部分即二阶导数部分,提供了温度补偿作用的光谱信息。
步骤6:对上面产生的合并光谱做主元分析(PCA),剔除统计异常值,使得整个合并光谱数据的主元模式都在一个统计可信度之内。图8是合并光谱的PCA模式图,图8中有一个奇异点,应予以剔除,不再参与建模。
步骤7:以待测物性参数原始分析值作为预测变量,以合并光谱波数作为自变量。用偏最小二乘算法(PLS)建立当时时刻的物性参数预测模型:
P=B1y1+B2y2+…Bnyn+A1x1+A2x2+…Anxn
此处,P是当前时刻物性变量规定温度下的测量值,Bi,Ai,i=1,2,…n是回归系数,yi,xi分别是预处理后光谱和导数光谱在波数i=1,2,…n处的数值。
步骤8:在线获取10个新的光谱数据集,并同时获取对应的实验室原始数据。
步骤9:计算过去10个样品的误差E(k)=L(k)-P(k),并形成一个误差时间序列
E(k-1),E(k-2),…E(k-10)。
步骤10:对上述误差时间序列做低通动态滤波运算,取得一步预测值,记为B。
步骤11:计算粘度校正测量值:Pr=P+B
此处P是当前具有温度补偿的近红外物性测量值。
步骤12:将当前的修正值Pr(k)赋值给上一时刻的测量值P(k-1),做递归赋值运算。
重复以上步骤8-12。
图9是合并光谱产生的粘度模型,图10是模型使用的波数,图11是不同算法的结果比较示例。选择图10中所示的波段范围,一阶导数光谱波长选择两段,分别为8909-7683cm-1及7598-4758cm-1,二阶导数光谱波长选择为6078-4528cm-1,用以建模得到图9,从图9可以看出复合光谱模型预测值与实测值的相关性为0.99,模型精度R2为0.98。图11是本发明提出的无测点温度补偿算法与固定在50度温度下建模算法的比较,从图中可以看出固定温度模型的测量结果对温度变化有较大的敏感性,而本发明方法建立的模型,对温度有较佳的补偿效果,同时因为递归算法的特点,整体实时测量可以较好地符合真实分析数据。
Claims (6)
1.一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法,其特征在于,包括以下步骤:
步骤一:获取多个样品物性参数的原始标准数据,并在不同温度下采集各个样品的近红外光谱;
步骤二:对步骤一中所采集的近红外光谱做以温度为目标的导数运算和主元分析,剔除异常值,产生导数光谱;对步骤一中所采集的近红外光谱做以待测物性参数为目标的预处理和主元分析,产生预处理光谱;
步骤三:将步骤二产生的导数光谱和预处理光谱进行光谱合并,产生合并光谱数据;
步骤四:对步骤三中产生的合并光谱数据做剔除统计异常值处理;
步骤五:以待测物性参数原始标准数据作为预测变量,以合并光谱波数作为自变量,建立物性参数预测模型,获取当前时刻规定温度下的测量值;
步骤六:在线获取新的近红外光谱数据集,利用在线递归修正算法对物性参数测量值进行更新。
2.根据权利要求1所述的红外光谱分析仪在线应用时无测点温度补偿模型修正方法,其特征在于:所述步骤一中采集样品近红外光谱的温度范围覆盖实时物性参数测量温度范围;多个样品待测物性参数覆盖测量要求的范围。
3.根据权利要求1所述的红外光谱分析仪在线应用时无测点温度补偿模型修正方法,其特征在于:所述步骤二中导数运算对于高分子高粘度样品的近红外光谱,进行二阶导数运算;对于低粘度样品的近红外光谱进行一阶导数运算。
4.根据权利要求1所述的红外光谱分析仪在线应用时无测点温度补偿模型修正方法,其特征在于:所述步骤二中以待测物性参数为目标的预处理包括一种或几种以下算法的叠加运算:一阶导数,二阶导数,最大-最小标准化,基础底线校正,散射校正,常数偏置校正。
5.根据权利要求1所述的红外光谱分析仪在线应用时无测点温度补偿模型修正方法,其特征在于:所述步骤五中所述物性参数预测模型建立方法采用偏最小二乘算法进行温度为隐含变量的线性回归。
6.根据权利要求1所述的红外光谱分析仪在线应用时无测点温度补偿模型修正方法,其特征在于:所述步骤六中所述在线递归修正算法为:
Pr(k+1)=P(k)+K[L(k-1)-P(k-1)]
其中Pr(k)是当前时刻具有温度补偿的测量修正值,P(k-1)是上一时刻的测量值,L(k-1)是上次计算所用的实际物性参考值,K为修正因子或低阶滤波器。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510808346.9A CN105300923B (zh) | 2015-11-19 | 2015-11-19 | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 |
PCT/CN2015/096374 WO2017084118A1 (zh) | 2015-11-19 | 2015-12-04 | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 |
US15/571,033 US10317280B2 (en) | 2015-11-19 | 2015-12-04 | Method for correcting measuring-point-free temperature compensation model during online application of near infrared spectrum analyzer |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510808346.9A CN105300923B (zh) | 2015-11-19 | 2015-11-19 | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105300923A true CN105300923A (zh) | 2016-02-03 |
CN105300923B CN105300923B (zh) | 2018-02-13 |
Family
ID=55198433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510808346.9A Active CN105300923B (zh) | 2015-11-19 | 2015-11-19 | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10317280B2 (zh) |
CN (1) | CN105300923B (zh) |
WO (1) | WO2017084118A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105699255A (zh) * | 2016-03-15 | 2016-06-22 | 山东万圣博科技股份有限公司 | 一种快速检测聚对苯二甲酰对苯二胺树脂分子量的方法 |
CN106546558A (zh) * | 2016-11-07 | 2017-03-29 | 江南大学 | 一种基于特征波段的近红外在线检测模型的更新方法 |
CN106872397A (zh) * | 2016-12-29 | 2017-06-20 | 深圳市芭田生态工程股份有限公司 | 一种基于已有校正模型快速检测农产品化学组分的方法 |
CN113030012A (zh) * | 2021-04-02 | 2021-06-25 | 山东大学 | 基于多级偏最小二乘算法的光谱分析方法及系统 |
CN114397268A (zh) * | 2022-01-18 | 2022-04-26 | 无锡迅杰光远科技有限公司 | 流体用的光谱分析系统以及流体分析方法 |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110514614A (zh) * | 2019-05-05 | 2019-11-29 | 贵州中烟工业有限责任公司 | 一种用于制丝物料油渍污染在线检测方法 |
CN110646324A (zh) * | 2019-10-25 | 2020-01-03 | 陕西中烟工业有限责任公司 | 一种烟用香精香料相对密度测定方法 |
CN113125375A (zh) * | 2019-12-30 | 2021-07-16 | 北京中医药大学 | 一种智能制造提取过程沸腾时间检测方法 |
CN111579528B (zh) * | 2020-06-30 | 2022-06-21 | 四川长虹电器股份有限公司 | 一种微型近红外光谱仪的校准方法 |
CN112113927B (zh) * | 2020-08-31 | 2022-10-04 | 中国计量大学 | 一种中红外甲烷传感器的测试系统及数据补偿方法 |
CN112666038B (zh) * | 2021-01-22 | 2023-02-28 | 山东大学 | 一种基于近红外光谱表征吸湿过程的方法 |
CN113030010A (zh) * | 2021-03-11 | 2021-06-25 | 贵州省生物技术研究所(贵州省生物技术重点实验室、贵州省马铃薯研究所、贵州省食品加工研究所) | 一种基于逐步缩短步长优中选优的近红外光谱特征波数的筛选方法 |
CN113566973B (zh) * | 2021-07-23 | 2022-12-09 | 无锡英菲感知技术有限公司 | 一种温度修正方法及组件,一种红外测温探测器 |
CN113624717B (zh) * | 2021-09-14 | 2023-07-11 | 四川启睿克科技有限公司 | 基于近红外光谱数据预测样品成分的模型建立及使用方法 |
CN113933263B (zh) * | 2021-10-11 | 2023-07-25 | 四川启睿克科技有限公司 | 基于指标拟合的近红外光谱模型建立方法 |
CN114184576A (zh) * | 2021-10-19 | 2022-03-15 | 北京蓝星清洗有限公司 | 一种基于分子光谱流程工业在线测量方法及系统 |
CN114324158B (zh) * | 2021-12-21 | 2023-08-22 | 四川启睿克科技有限公司 | 一种近红外光谱数据异常点校正方法 |
CN116735527B (zh) * | 2023-06-09 | 2024-01-05 | 湖北经济学院 | 一种近红外光谱优化方法、装置、系统以及存储介质 |
CN117056676B (zh) * | 2023-08-21 | 2024-03-19 | 国家卫星海洋应用中心 | 一种用于全向波高谱校正的数据预处理方法、装置及设备 |
CN116973348B (zh) * | 2023-09-20 | 2023-12-05 | 恒天益科技(深圳)有限公司 | 一种紫外光度法cod在线的水质分析方法及其系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103528952A (zh) * | 2013-10-25 | 2014-01-22 | 中国科学院合肥物质科学研究院 | 一种开放光路式气体分析仪通量校正测量装置及测量方法 |
CN104251824A (zh) * | 2014-09-26 | 2014-12-31 | 南京农业大学 | 一种多光谱作物生长传感器温度补偿模型的构建方法 |
CN104990886A (zh) * | 2014-11-10 | 2015-10-21 | 中国科学院合肥物质科学研究院 | 一种傅里叶变换红外光谱仪波数漂移的校正方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1993024823A1 (en) * | 1992-05-27 | 1993-12-09 | Ashland Oil, Inc. | An improved indirect method for determining oxygenate content using near-infrared absorption spectra |
US6341257B1 (en) * | 1999-03-04 | 2002-01-22 | Sandia Corporation | Hybrid least squares multivariate spectral analysis methods |
DE60031427T2 (de) * | 1999-08-31 | 2007-09-20 | NIR Diagnostics Inc., Campbellville | Verfahren zum kalibrieren einer spektroskopievorrichtung |
WO2005050176A1 (ja) * | 2003-11-10 | 2005-06-02 | Zaidanhozin Sinsangyosozokenkyukiko | 可視光・近赤外分光分析方法及びその装置 |
CN101561325B (zh) * | 2009-04-23 | 2010-10-06 | 浙江大学 | 聚合物本体温度的检测方法 |
CN102954946B (zh) * | 2011-08-30 | 2016-01-20 | 中国石油化工股份有限公司 | 由红外光谱测定原油硫含量的方法 |
CN104713846A (zh) * | 2015-02-03 | 2015-06-17 | 贵州省烟草科学研究院 | 一种利用近红外光谱快速检测烟草淀粉含量的建模方法 |
-
2015
- 2015-11-19 CN CN201510808346.9A patent/CN105300923B/zh active Active
- 2015-12-04 WO PCT/CN2015/096374 patent/WO2017084118A1/zh active Application Filing
- 2015-12-04 US US15/571,033 patent/US10317280B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103528952A (zh) * | 2013-10-25 | 2014-01-22 | 中国科学院合肥物质科学研究院 | 一种开放光路式气体分析仪通量校正测量装置及测量方法 |
CN104251824A (zh) * | 2014-09-26 | 2014-12-31 | 南京农业大学 | 一种多光谱作物生长传感器温度补偿模型的构建方法 |
CN104990886A (zh) * | 2014-11-10 | 2015-10-21 | 中国科学院合肥物质科学研究院 | 一种傅里叶变换红外光谱仪波数漂移的校正方法 |
Non-Patent Citations (3)
Title |
---|
XUEDIAN ZHANG 等: ""Influence and correction of temperature on optical measurement for fat and protein contents in a complex food model system", 《INFRARED PHYSICS & TECHNOLOGY》 * |
YANG YAO 等: "Assessing the temperature influence on the soluble solids content of watermelon juice as measured by visible and near-infrared spectroscopy and chemometrics", 《JOURNAL OF FOOD ENGINEERING》 * |
王韬 等: "PLS 回归法建立适应温度变化的近红外光谱定量分析模型", 《中国农业大学学报》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105699255A (zh) * | 2016-03-15 | 2016-06-22 | 山东万圣博科技股份有限公司 | 一种快速检测聚对苯二甲酰对苯二胺树脂分子量的方法 |
CN106546558A (zh) * | 2016-11-07 | 2017-03-29 | 江南大学 | 一种基于特征波段的近红外在线检测模型的更新方法 |
CN106872397A (zh) * | 2016-12-29 | 2017-06-20 | 深圳市芭田生态工程股份有限公司 | 一种基于已有校正模型快速检测农产品化学组分的方法 |
CN113030012A (zh) * | 2021-04-02 | 2021-06-25 | 山东大学 | 基于多级偏最小二乘算法的光谱分析方法及系统 |
CN114397268A (zh) * | 2022-01-18 | 2022-04-26 | 无锡迅杰光远科技有限公司 | 流体用的光谱分析系统以及流体分析方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2017084118A1 (zh) | 2017-05-26 |
CN105300923B (zh) | 2018-02-13 |
US20190049297A1 (en) | 2019-02-14 |
US10317280B2 (en) | 2019-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105300923B (zh) | 一种近红外光谱分析仪在线应用时无测点温度补偿模型修正方法 | |
CN102262076B (zh) | 基于谱线组合的激光诱导击穿光谱元素浓度测量方法 | |
CN105486658B (zh) | 一种具有无测点温度补偿功能的近红外物性参数测量方法 | |
CN104062256B (zh) | 一种基于近红外光谱的软测量方法 | |
CN102879353B (zh) | 近红外检测花生中蛋白质组分含量的方法 | |
CN109324013B (zh) | 利用高斯过程回归模型构建原油性质近红外快速分析方法 | |
CN107703097B (zh) | 利用近红外光谱仪构建快速预测原油性质的模型的方法 | |
CN101413885A (zh) | 一种快速定量蜂蜜品质的近红外光谱方法 | |
CN109324014B (zh) | 一种自适应的原油性质近红外快速预测方法 | |
CN107817223A (zh) | 快速无损实时预测原油性质模型的构建方法及其应用 | |
CN107958267B (zh) | 一种基于光谱线性表示的油品性质预测方法 | |
CN101929951A (zh) | 一种牛奶中掺羊奶的近红外光谱判别方法 | |
CN105334185A (zh) | 基于光谱投影判别的近红外模型维护方法 | |
CN105784672A (zh) | 一种基于双树复小波算法的毒品检测仪标准化方法 | |
CN106560699A (zh) | 用于武夷岩茶产地鉴别的联合检测方法 | |
CN105466885B (zh) | 基于无测点温度补偿机制的近红外在线测量方法 | |
CN106525755A (zh) | 基于近红外光谱技术的油砂pH值测试方法 | |
CN105259136B (zh) | 近红外校正模型的无测点温度修正方法 | |
CN116985183A (zh) | 一种近红外光谱分析仪质量监测管理方法及系统 | |
CN105954228A (zh) | 基于近红外光谱的油砂中金属钠含量的测量方法 | |
CN111141809B (zh) | 一种基于非接触式电导信号的土壤养分离子含量检测方法 | |
CN107356556A (zh) | 一种近红外光谱定量分析的双集成建模方法 | |
CN105300924A (zh) | 温度影响下近红外校正模型的无测点补偿建模方法 | |
CN105259135B (zh) | 适用于实时在线的无测点温度补偿近红外测量方法 | |
CN112861413A (zh) | 基于近红外光谱主成分和神经网络的生物质水含量测量与建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220330 Address after: Room 201, Jinjiang Zhongchuang space, No. 189, Tongjiang Road, Binjiang Town, Taixing City, Taizhou City, Jiangsu Province, 225400 Patentee after: Jiangsu Chuhong Big Data Technology Co.,Ltd. Address before: No. 1800 road 214122 Jiangsu Lihu Binhu District City of Wuxi Province Patentee before: Jiangnan University |
|
TR01 | Transfer of patent right |