CN107976417A - 一种基于红外光谱的原油种类识别方法 - Google Patents
一种基于红外光谱的原油种类识别方法 Download PDFInfo
- Publication number
- CN107976417A CN107976417A CN201610920271.8A CN201610920271A CN107976417A CN 107976417 A CN107976417 A CN 107976417A CN 201610920271 A CN201610920271 A CN 201610920271A CN 107976417 A CN107976417 A CN 107976417A
- Authority
- CN
- China
- Prior art keywords
- crude oil
- score
- identified
- vector
- spectrum
- 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
- 239000010779 crude oil Substances 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 89
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 53
- 238000001228 spectrum Methods 0.000 claims abstract description 97
- 238000002835 absorbance Methods 0.000 claims abstract description 41
- 230000010076 replication Effects 0.000 claims description 2
- 239000003921 oil Substances 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 5
- 230000003595 spectral effect Effects 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 2
- UFWIBTONFRDIAS-UHFFFAOYSA-N Naphthalene Chemical compound C1=CC=CC2=CC=CC=C21 UFWIBTONFRDIAS-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008033 biological extinction Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 125000002915 carbonyl group Chemical group [*:2]C([*:1])=O 0.000 description 1
- 230000006315 carbonylation Effects 0.000 description 1
- 238000005810 carbonylation reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 125000005842 heteroatom Chemical group 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
Classifications
-
- 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
- G01N21/3577—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing liquids, e.g. polluted water
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种基于红外光谱的原油种类识别方法,包括如下步骤测定各种类型原油样品的中红外光谱和近红外光谱,对其进行二阶微分处理,取每个原油样品下述五个特征谱区的吸光度在X轴和Y轴的极坐标投影得分,所述的五个特征谱区为:W1=1650~1800cm‑1,W2=4000~4500cm‑1,W3=4500~5000cm‑1,W4=5000~5500cm‑1,W5=5500~6000cm‑1,并由极坐标投影得分建立原油光谱识别数据库,再通过测定待识别原油在上述五个特征谱区的吸光度在X轴和Y轴的极坐标投影得分,计算待识别原油的识别向量与各原油样品向量之间的距离,将距离最小值与设定的阈值对比,若小于阈值,则其对应的原油与待识别原油为同一种类原油,若不小于设定的阈值,则原油光谱库中没有与待识别原油相同的原油。该法有效提高原油样品识别速度和识别准确率。
Description
技术领域
本发明为一种原油种类的快速识别方法,具体地说,是一种用红外光谱快速识别原油种类的方法。
背景技术
CN101995389A公开了一种由近红外光谱快速识别原油种类的方法,该法将移动窗口概念(Moving Window)与传统的相关系数结合,提出了一种用于原油近红外光谱快速识别的方法—移动窗口相关系数法。该法可以准确地对原油品种进行识别,并能给出不同原油近红外光谱之间详细的差异信息,为解析谱图提供有力帮助。
该法存在的主要问题是数学计算量大,耗费较长的计算时间,对于一个包含上千条原油光谱的数据库,识别一种原油往往需要2~5分钟,限制了该方法的应用。另外,该法使用处于近红外光谱的特征区间的吸光度识别原油种类,而近红外光谱主要包含含氢基团的信息,不包含杂原子例如羰基化学键的信息,其识别原油种类的准确性受到限制。
发明内容
本发明目的是提供一种基于红外光谱的原油种类识别方法,该法可通过测定原油的红外光谱,由原油红外光谱库识别其种类,有效提高原油样品识别速度和识别准确率。
本发明提供的基于红外光谱的原油种类识别方法,包括如下步骤:
(1)测定各种类型原油样品的近红外光谱和中红外光谱,对其进行二阶微分处理,取每个原油样品下述五个特征谱区的吸光度建立原油光谱数据库,所述的五个特征谱区为:W1=1650~1800cm-1,W2=4000~4500cm-1,W3=4500~5000cm-1,W4=5000~5500cm-1,W5=5500~6000cm-1,
(2)计算原油光谱数据库中每个原油样品的上述五个特征谱区的吸光度在X轴和Y轴的极坐标投影得分,并由极坐标投影得分向量建立原油光谱识别数据库,
(3)测定待识别原油的近红外光谱和中红外光谱,对其进行二阶微分处理,计算其上述五个特征谱区的吸光度在X轴和Y轴的极坐标投影得分,构成待识别原油的识别向量,
(4)计算待识别原油的识别向量与原油光谱识别库中各原油样品得分向量之间的距离,将距离最小值与设定的阈值对比,若距离最小值小于阈值,则距离最小值对应的原油与待识别原油为同一种类原油,若距离最小值不小于设定的阈值,则原油光谱库中没有与待识别原油相同的原油。
本发明方法选取原油在中红外和近红外谱区的五个特征谱区的吸光度,以待识别原油样品在特征谱区的吸光度在X、Y轴的极座标投影得分为变量,由已知原油样品极座标投影得分向量建立的数据库,通过库样品与待识别原油的红外光谱的极座标投影得分向量之间的距离,对其种类进行识别。由于引入了中红外和近红外谱区的光谱信息,并用极座标得分建库和进行光谱识别,可减少识别过程的计算量,提高识别速度和识别准确度。
附图说明
图1为原油样品的中红外光谱图。
图2为原油样品的近红外光谱图。
具体实施方式
本发明方法将中红外光谱与近红外光谱融合,取中红外光谱1650~1750cm-1、近红外光谱4000~4500cm-1、4500~5000cm-1、5000~5500cm-1和5500~6000cm-1的谱区为特征谱区,分别计算这五个特征谱区的吸光度的极坐标投影得分,建立已知原油样品在五个特征谱区吸光度的极坐标投影得分数据库,作为原油光谱识别库,再以待识别原油样品在五个特征谱区吸光度的极坐标投影得分向量为特征变量,通过与库样品得分向量之间的欧式距离来识别原油的种类。本发明方法由于在近红外信息中融合了中红外光谱中的羰基信息,并通过极座标投影得分转换吸光度信息,使得识别原油样品的计算过程更为简便和快速,识别准确性更高,实用性更强。
本发明方法(1)步为收集各种类型原油样品,测定其中红外光谱和近红外光谱,进行二阶微分处理后,选取五个特征谱区的吸光度建立原油光谱数据库。
本发明方法(2)步计算原油光谱数据库中每个样品的特征谱区吸光度在X、Y轴的极座标投影得分,共计10个极座标投影得分,将10个极座标投影得分组成得分向量,再将每个样品对应的得分向量组成原油光谱识别数据库。
本发明方法按式①、②计算原油样品特征谱区的吸光度在X轴、Y轴的极坐标投影得分,
式①、②中,PCxWp表示原油样品特征光谱区Wp的吸光度在X轴的极坐标投影得分,PCyWp表示原油样品特征光谱区Wp的吸光度在Y轴的极坐标投影得分,n为原油样品在特征光谱区Wp采集吸光度的波长点数,Ii+1为原油样品在特征光谱区Wp第i+1个波长点处的吸光度,i=0,1,2,…,n-1,p为五个特征谱区的序号,p为1~5。
对于每个原油样品,分别按式①、②逐一计算五个特征谱区吸光度在X、Y轴的极坐标投影得分,计算时p取1~5的数,分别代表W1~W5特征谱区,当p=1时,即计算1650~1800cm-1谱区的吸光度在X、Y轴的极坐标投影得分。每个原油样品共有10个极坐标投影得分,按一定顺序排列后,组成原油样品的极座标投影得分向量(简称得分向量),将每个原油样品的得分向量组成矩阵PCm×10,为原油光谱识别数据库,其维数为m×10,m为原油光谱识别库中原油样品的个数。所述极坐标投影得分向量中得分的排列顺序为任意的,可先取X轴的极坐标投影得分,再排Y轴的极坐标投影得分,也可相反,或按特征谱区波段顺序排列X、Y轴的极坐标投影得分。如按 的顺序排列。
(3)步为测定待识别原油样品的中红外光谱和近红外光谱,并由此构成识别向量,测定待识别原油样品的方法与(2)步方法保持一致,构成识别向量的极坐标投影得分变量的排列顺序与(2)步建立的原油光谱识别库样品的极坐标投影得分向量的得分排列顺序相同。
本发明方法计算原油样品吸光度的极坐标投影得分所述的波长点数(n)为在该特征谱区按波长点采集吸光度的数目。在1650~1800cm-1特征谱区,n优选80~90;在4000~4500cm-1、4500~5000cm-1、5000~5500cm-1和5500~6000cm-1特征谱区,n优选200~300。
(4)步中,优选采用式③计算待识别原油的识别向量与原油光谱识别数据库中各原油样品得分向量之间的欧式距离,
式③中,dj为待识别原油样品的识别向量与原油光谱识别数据库中第j个原油样品得分向量之间的距离;pci为待测原油样品的第i个极坐标投影得分变量,PCj,i为原油光谱识别数据库中第j个原油样品的第i个极坐标投影得分变量。
所述方法(4)步为待识别原油与原油光谱识别数据库中原油样品是否相同的判断方法,方法是计算待识别原油的识别向量与原油光谱识别数据库中各原油样品得分向量之间的距离,取距离最小值与阈值对比,距离最小值小于阈值则识别成功,即认为距离最小值对应的原油样品与待识别原油为同种原油,距离最小值不小于阈值,则识别不成功,原油光谱识别数据库中没有与待识别原油相同的原油样品。
所述阈值(dv)的确定方法为:选取一个原油样品,重复测定三次中红外光谱和近红外光谱,对每次测定的光谱均进行二阶微分处理,计算其W1=1650~1800cm-1,W2=4000~4500cm-1,W3=4500~5000cm-1,W4=5000~5500cm-1,W5=5500~6000cm-1五个特征谱区的吸光度在X轴和Y轴的极坐标投影得分,将10个极坐标投影得分构成得分向量pv,按式④计算任意两次测定光谱所得的得分向量之间的欧式距离dr,取最大的dr值作为阈值,
式④中,pvj和pvj′分别为由两次重复测定的红外光谱所得的得分向量的第j个极坐标投影得分。
本发明方法适用于由已知的原油样品快速识别未知原油,通过测定原油的红外光谱,计算其极座标投影得分,判断是否与已知的原油样品相同,以利用原油样品的性质对未知原油进行快速测评。
下面通过实例进一步详细说明本发明,但本发明并不限于此。
实例中,原油的近红外光谱采用ThermoAntarisII傅立叶变换近红外光谱仪测定,光谱范围3800~10000cm-1,分辨率8cm-1,累积扫描次数64次,透射方式测量。
中红外光谱采用测定,光谱范围400~4000cm-1,分辨率4cm-1,累积扫描次数64次,ATR(衰减全反射)方式测量。
实例1
(1)建立原油光谱数据库
收集有代表性的原油样品771种,原油品种基本覆盖了世界主要原油产区。测定原油样品的中红外光谱和近红外光谱,分别见图1、图2,分别对其进行二阶微分,取中红外光谱1650~1800cm-1,近红外光谱4000~4500cm-1、4500~5000cm-1、5000~5500cm-1、5500~6000cm-1谱区的吸光度建立原油光谱数据库。
(2)建立原油光谱识别数据库
按式①、②计算原油光谱数据库中每个原油样品在1650~1800cm-1,4000~4500cm-1、4500~5000cm-1、5000~5500cm-1、5500~6000cm-1谱区吸光度的极坐标投影得分,计算1650~1800cm-1谱区吸光度的极座标投影得分时,n=85,计算4000~4500cm-1、4500~5000cm-1、5000~5500cm-1、5500~6000cm-1谱区吸光度的极座标投影得分时,n=250。将各原油样品的10个极坐标投影得分按 的顺序组成每个样品的向量。将每个原油样品的向量构成原油光谱识别矩阵PC771×10,为原油光谱识别数据库,771为原油光谱数据库中原油样品的个数。
(3)建立待识别原油的光谱识别向量
按与建立原油光谱数据库相同的条件测定待识别原油样品X的中红外光谱和近红外光谱,分别对其进行二阶微分,选取中红外光谱1650~1800cm-1谱区、近红外光谱4000~4500cm-1、4500~5000cm-1、5000~5500cm-1、5500~6000cm-1谱区的吸光度,按式①、②计算待识别原油样品的极坐标投影得分,计算1650~1800cm-1谱区吸光度的极座标投影得分时,n=85,计算4000~4500cm-1、4500~5000cm-1、5000~5500cm-1、5500~6000cm-1谱区吸光度的极座标投影得分时,n=250。将10个极坐标投影得分按 的顺序构成待识别原油的识别向量pc10。
(4)计算阈值dv
阈值dv的确定方法为:选取一个原油样品,分别重复测定三次中红外光谱和近红外光谱,对每次测定的光谱均进行二阶微分处理,取1650~1800cm-1,4000~4500cm-1、4500~5000cm-1、5000~5500cm-1、5500~6000cm-1谱区的吸光度,按式①、②计算出这三次重复测定光谱的10个极坐标投影得分,按建立原油光谱识别数据库得分向量的顺序将这10个极坐标投影得分构成得分向量pv,按式④计算任意两次测定光谱的得分向量之间的欧式距离(dr)值,取最大的dr值为0.0027,即阈值dv=0.0027。
(5)识别待识别原油的种类
按式③计算待识别原油样品X的识别向量pc10与原油光谱识别矩阵PC771×10中每一个原油样品之间的欧式距离,其中j=1,2,…,771。得到的最小的欧式距离为d169,d169=0.0019,该值小于阈值0.0027,说明待识别原油X与光谱数据库中的第169号原油样品为同一种类原油,为一种石蜡基原油,识别时间为8秒。
实例2
按实例1(3)步的方法测定另一种待识别原油的中红外光谱和近红外光谱,并计算其特征谱区吸光度的极座标投影得分,构成待识别原油的识别向量,再按(5)步方法计算其与原油光谱识别矩阵PC771×10中每一个原油样品之间的欧式距离,得到的最小的欧式距离为d574,d574=0.0022,该值小于阈值0.0027,说明待识别原油与光谱数据库中的第574号原油样品为同一种类原油,为一种环烷基原油,识别时间为8秒。
实例3
按实例1(3)步的方法测定另一种待识别原油的中红外光谱和近红外光谱,并计算其特征谱区吸光度的极座标投影得分,构成待识别原油的识别向量,再按(5)步方法计算其与原油光谱识别矩阵PC771×10中每一个原油样品之间的欧式距离,得到的最小的欧式距离为d332,d332=0.0011,该值小于阈值0.0027,说明待识别原油与光谱数据库中的第332号原油样品为同一种类原油,为一种中间基原油,识别时间为8秒。
Claims (7)
1.一种基于红外光谱的原油种类识别方法,包括如下步骤:
(1)测定各种类型原油样品的中红外光谱和近红外光谱,对其进行二阶微分处理,取每个原油样品下述五个特征谱区的吸光度建立原油光谱数据库,所述的五个特征谱区为:W1=1650~1800cm-1,W2=4000~4500cm-1,W3=4500~5000cm-1,W4=5000~5500cm-1,W5=5500~6000cm-1,
(2)计算原油光谱数据库中每个原油样品的上述五个特征谱区的吸光度在X轴和Y轴的极坐标投影得分,并由极坐标投影得分向量建立原油光谱识别数据库,
(3)测定待识别原油的中红外光谱和近红外光谱,对其进行二阶微分处理,计算其上述五个特征谱区的吸光度在X轴和Y轴的极坐标投影得分,构成待识别原油的识别向量,
(4)计算待识别原油的识别向量与原油光谱识别数据库中各原油样品得分向量之间的距离,将距离最小值与设定的阈值对比,若距离最小值小于阈值,则距离最小值对应的原油与待识别原油为同一种类原油,若距离最小值不小于设定的阈值,则原油光谱库中没有与待识别原油相同的原油。
2.按照权利要求1所述的方法,其特征在于分别按式①、②计算原油样品特征谱区的吸光度在X轴、Y轴的极坐标投影得分,
式①、②中,PCxWp表示原油样品特征光谱区Wp的吸光度在X轴的极坐标投影得分,PCyWp表示原油样品特征光谱区Wp的吸光度在Y轴的极坐标投影得分,n为原油样品在特征光谱区Wp采集吸光度的波长点数,Ii+1为原油样品在特征光谱区Wp第i+1个波长点处的吸光度,i=0,1,2,…,n-1,p为五个特征谱区的序号,p为1~5。
3.按照权利要求2所述的方法,其特征在于(3)步测定待识别原油样品的中红外光谱和近红外光谱的方法与(2)步方法保持一致,构成识别向量的极坐标投影得分变量排列顺序与(2)步建立的原油光谱识别库样品的极坐标投影得分向量的变量排列顺序相同。
4.按照权利要求2所述的方法,其特征在于在1650~1800cm-1特征谱区间,n为80~90。
5.按照权利要求2所述的方法,其特征在于在4000~4500cm-1、4500~5000cm-1、5000~5500cm-1和5500~6000cm-1特征谱区间,n为200~300。
6.按照权利要求1所述的方法,其特征在于(4)步中,采用式③计算待识别原油的识别向量与原油光谱识别库中各原油样品向量之间的欧式距离,
式③中,dj为待识别原油样品的识别向量与原油光谱识别数据库中第j个原油样品得分向量之间的距离;pci为待测原油样品的第i个极坐标投影得分变量,PCj,i为原油光谱识别数据库中第j个原油样品的第i个极坐标投影得分变量。
7.按照权利要求1所述的方法,其特征在于(4)步所述阈值(dv)的确定方法为:选取一个原油样品,重复测定三次中红外光谱和近红外光谱,对每次测定的光谱均进行二阶微分处理,计算其在W1=1650~1800cm-1,W2=4000~4500cm-1,W3=4500~5000cm-1,W4=5000~5500cm-1,W5=5500~6000cm-1五个特征谱区的吸光度在X轴和Y轴的极坐标投影得分,将10个极坐标投影得分构成得分向量pv,按式④计算任意两次测定光谱所得的得分向量之间的欧式距离dr,取最大的dr值作为阈值,
式④中,pvj和pvj′分别为由两次重复测定的红外光谱所得的得分向量的第j个极坐标投影得分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610920271.8A CN107976417B (zh) | 2016-10-21 | 2016-10-21 | 一种基于红外光谱的原油种类识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610920271.8A CN107976417B (zh) | 2016-10-21 | 2016-10-21 | 一种基于红外光谱的原油种类识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107976417A true CN107976417A (zh) | 2018-05-01 |
CN107976417B CN107976417B (zh) | 2020-05-19 |
Family
ID=62004630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610920271.8A Active CN107976417B (zh) | 2016-10-21 | 2016-10-21 | 一种基于红外光谱的原油种类识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107976417B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109283153A (zh) * | 2018-11-26 | 2019-01-29 | 佛山市海天(高明)调味食品有限公司 | 一种酱油定量分析模型的建立方法 |
CN110763651A (zh) * | 2018-07-26 | 2020-02-07 | 中国石油化工股份有限公司 | 一种适合生产润滑油基础油的原油调配方法 |
CN111426648A (zh) * | 2020-03-19 | 2020-07-17 | 甘肃省交通规划勘察设计院股份有限公司 | 一种红外谱图的相似度确定方法及系统 |
CN113390824A (zh) * | 2021-07-09 | 2021-09-14 | 河北建筑工程学院 | 基于近红外光谱的物质类别识别方法及终端设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006350448A (ja) * | 2005-06-13 | 2006-12-28 | National Institute Of Advanced Industrial & Technology | カメラ運動の平滑化処理方法 |
CN105388123A (zh) * | 2014-09-04 | 2016-03-09 | 中国石油化工股份有限公司 | 一种由近红外光谱预测原油性质的方法 |
CN105424641A (zh) * | 2014-09-04 | 2016-03-23 | 中国石油化工股份有限公司 | 一种原油种类的近红外光谱识别方法 |
US20160123872A1 (en) * | 2014-10-29 | 2016-05-05 | Chevron U.S.A. Inc. | Method and system for nir spectroscopy of mixtures to evaluate composition of components of the mixtures |
CN105740648A (zh) * | 2016-01-21 | 2016-07-06 | 江南大学 | 一种基于人工蜂群与粒子群混合算法的蛋白质耐热温度的多元线性回归计算方法 |
-
2016
- 2016-10-21 CN CN201610920271.8A patent/CN107976417B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006350448A (ja) * | 2005-06-13 | 2006-12-28 | National Institute Of Advanced Industrial & Technology | カメラ運動の平滑化処理方法 |
CN105388123A (zh) * | 2014-09-04 | 2016-03-09 | 中国石油化工股份有限公司 | 一种由近红外光谱预测原油性质的方法 |
CN105424641A (zh) * | 2014-09-04 | 2016-03-23 | 中国石油化工股份有限公司 | 一种原油种类的近红外光谱识别方法 |
US20160123872A1 (en) * | 2014-10-29 | 2016-05-05 | Chevron U.S.A. Inc. | Method and system for nir spectroscopy of mixtures to evaluate composition of components of the mixtures |
CN105740648A (zh) * | 2016-01-21 | 2016-07-06 | 江南大学 | 一种基于人工蜂群与粒子群混合算法的蛋白质耐热温度的多元线性回归计算方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110763651A (zh) * | 2018-07-26 | 2020-02-07 | 中国石油化工股份有限公司 | 一种适合生产润滑油基础油的原油调配方法 |
CN110763651B (zh) * | 2018-07-26 | 2022-02-08 | 中国石油化工股份有限公司 | 一种适合生产润滑油基础油的原油调配方法 |
CN109283153A (zh) * | 2018-11-26 | 2019-01-29 | 佛山市海天(高明)调味食品有限公司 | 一种酱油定量分析模型的建立方法 |
CN109283153B (zh) * | 2018-11-26 | 2021-02-26 | 佛山市海天(高明)调味食品有限公司 | 一种酱油定量分析模型的建立方法 |
CN111426648A (zh) * | 2020-03-19 | 2020-07-17 | 甘肃省交通规划勘察设计院股份有限公司 | 一种红外谱图的相似度确定方法及系统 |
CN113390824A (zh) * | 2021-07-09 | 2021-09-14 | 河北建筑工程学院 | 基于近红外光谱的物质类别识别方法及终端设备 |
CN113390824B (zh) * | 2021-07-09 | 2022-09-27 | 河北建筑工程学院 | 基于近红外光谱的物质类别识别方法及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107976417B (zh) | 2020-05-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107976417A (zh) | 一种基于红外光谱的原油种类识别方法 | |
CN105388123B (zh) | 一种由近红外光谱预测原油性质的方法 | |
JP2019095447A (ja) | 近赤外分光計に基づく食用油の多元混入同定方法 | |
CN105630743B (zh) | 一种光谱波数的选择方法 | |
CN109142317A (zh) | 一种基于随机森林模型的拉曼光谱物质识别方法 | |
CN101692052B (zh) | 基于超光谱图像技术的名优茶真伪鉴别方法及装置 | |
CN105334279B (zh) | 一种高分辨质谱数据的处理方法 | |
CN112539785B (zh) | 一种基于多维度特征信息的烟叶等级识别系统及方法 | |
WO2016183921A1 (zh) | 珍珠分级方法 | |
CN110243806A (zh) | 拉曼光谱下基于相似度的混合物组分识别方法 | |
CN104713835A (zh) | 一种烟叶颜色在线数值化识别方法 | |
CN104132896A (zh) | 一种快速鉴别掺假肉的方法 | |
CN105023027A (zh) | 基于多次反馈机制的现场鞋底痕迹花纹图像检索方法 | |
CN103743698A (zh) | 一种采用近红外光谱对茶叶感官审评的方法 | |
CN107402192A (zh) | 一种快速分析香精香料质量稳定性的方法 | |
CN105761272A (zh) | 一种成像光谱混合像元中纯物质数量确定方法 | |
CN106528665A (zh) | Aoi设备测试文件查找方法和系统 | |
CN107976416A (zh) | 一种由红外光谱预测原油性质的方法 | |
CN106485049B (zh) | 一种基于蒙特卡洛交叉验证的nirs异常样本的检测方法 | |
CN102298780A (zh) | 一种彩色图像阴影检测方法 | |
CN104568639A (zh) | 一种水果糖度的确定方法和装置 | |
CN107991279A (zh) | 光谱比对判定装置、方法以及药品真伪判定系统 | |
CN115587988A (zh) | 基于数字图像处理的分辨烟叶成熟度高低的方法 | |
Gay et al. | Fruit color assessment for quality grading purposes | |
CN107389620A (zh) | 一种准确快速测定樱桃番茄果实表面光泽度的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |