CN111307751B - 茶叶近红外光谱分析中谱图基线校正方法、系统、检测方法 - Google Patents
茶叶近红外光谱分析中谱图基线校正方法、系统、检测方法 Download PDFInfo
- Publication number
- CN111307751B CN111307751B CN202010191859.0A CN202010191859A CN111307751B CN 111307751 B CN111307751 B CN 111307751B CN 202010191859 A CN202010191859 A CN 202010191859A CN 111307751 B CN111307751 B CN 111307751B
- Authority
- CN
- China
- Prior art keywords
- error
- baseline
- fitting
- tea
- coefficient
- 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.)
- Active
Links
- 238000012937 correction Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 241001122767 Theaceae Species 0.000 title claims abstract 21
- 238000002329 infrared spectrum Methods 0.000 title claims description 22
- 238000001514 detection method Methods 0.000 title abstract description 8
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000004497 NIR spectroscopy Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009499 grossing Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 229910001316 Ag alloy Inorganic materials 0.000 claims 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 claims 1
- 244000269722 Thea sinensis Species 0.000 description 47
- 235000013616 tea Nutrition 0.000 description 44
- 238000011156 evaluation Methods 0.000 description 4
- 235000009569 green tea Nutrition 0.000 description 4
- 238000004445 quantitative analysis Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 2
- 238000012845 near infrared spectroscopy analysis Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 description 1
- 150000001413 amino acids Chemical class 0.000 description 1
- 229960001948 caffeine Drugs 0.000 description 1
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 150000008442 polyphenolic compounds Chemical class 0.000 description 1
- 235000013824 polyphenols Nutrition 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
本发明公开了茶叶近红外光谱分析中谱图基线校正方法、系统及茶叶检测方法，包括：获取原始数据并进行初始化，拟合基线；计算原始数据和拟合基线之间的差值，得到校正误差；根据校正误差大小确定基线区间和特征区间；根据权重函数计算指数权重，基于误差导数计算变化趋势，并结合平衡系数确定更新权重系数；根据所计算的权重系数进行基线更新；计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T,则转输出，否则循环。自适应导数加权函数能够同时分析校正误差大小及变化趋势，因此能够根据误差自身特性进行权重更新，从而能够避免权重更新不及时、不准确等问题。
Description
技术领域
本发明属于光谱分析基线校正领域，具体内容涉及茶叶近红外光谱分析中谱图基线校正方法、系统、检测方法。
背景技术
茶叶目前是我国最重要的饮品之一。茶叶品质等级划分与其内含的茶多酚、咖啡碱、氨基酸等多种指标相关。长期以来，人们对于茶叶加工中各个工序质量的掌握主要依赖感官审评，缺乏量化的加工评价标准，对于加工后产品质量的判别主要是采用感官审评的方法，缺乏一种对主要化学成分和外部形态特点兼顾的、数字化快速评价方法。随着我国进出口贸易的不断开展及人民物质需求的不断提高，对于产业等级划分和品质鉴别提出更加精细的分析要求，现有的基于经验的鉴别方法已经不适用大规模、高精度的分析要求。近红外光谱作为光谱学的一个重要分支，具有检测过程无污染、成本低、检测周期短等特点，已在茶叶相关产业分析中得到广泛应用，但在实际分析过程中，由于检测环境、仪器性能及人为操作等因素产的干扰，使获得所采集的光谱数据存在基线。根据比尔-朗伯定律，分析模型的性能取决于建模数据的有效性，基线的存在将破坏数据特征，因此在定量分析之前需要对光谱数据进行必要的基线校正操作。
目前应用较广的基线校正方法主要有导数、多项式拟合、稀疏表示和惩罚最小二乘方法。其中应用最广的是基于惩罚最小法的基线校正方法，该方法虽然能够逐点迭代更新权值，但并未考虑迭代过程中的误差变化趋势，并且当被校正基线含有多个相连特征峰时，容易产生由权重更新不及时而导致的欠拟合现象，从而导致校正结果不准确。针对含有多个重叠峰的茶叶近红外光谱数据，如何有效地移除基线对于茶叶定性、定量分析过程至关重要。
发明内容
本发明所要解决的技术问题在于针对含有多个重叠峰的茶叶近红外光谱数据，如何有效地移除基线对于茶叶定性、定量分析的影响。
本发明通过以下技术手段实现解决上述技术问题：
茶叶近红外光谱分析中谱图基线校正方法，包括以下步骤：
步骤一：采集茶叶样本，获取茶叶近红外光谱数据，形成原始数据；
步骤二：数据获取及参数初始化模块；获取原始数据，并初始化自适应导数加权惩罚最小二乘基线校正方法参数，所需初始化参数包含：平滑系数λ，迭代次数T,平衡系数α，拟合基线差分矩阵D，权重系数W，以及相对拟合误差系数δ；
步骤三：计算拟合基线；根据惩罚最小二乘法，基于权重系数计算拟合基线；
步骤四：校正误差；计算原始数据和拟合基线之间的差值，得到校正误差；
步骤五：区间确认；根据校正误差大小确定基线区间和特征区间，差值小于等于0区间为特征区间，大于0的区间为基线区间；
步骤六：计算权重系数；根据权重函数计算指数权重，基于误差导数计算趋势变化，并结合平衡系数确定更新权重系数；
步骤七：更新拟合基线；根据所计算的权重系数进行基线更新；
步骤八：终止条件判断；计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T，则转至步骤九，否则转至步骤三；
步骤九：输出校正数据；利用拟合基线，确定最终的茶叶校正数据。
相比于其它基于惩罚最小二乘的基线校正方法，本发明同时考虑了校正误差大小及其变化趋势，因此在迭代校正过程中能够基于校正误差及其变化趋势准确地更新权重系数，从而实现快速、精确的基线校正分析。
进一步的，所述步骤二中的自适应导数加权惩罚小二乘法如下：
J＝(y-z)TW(y-z)+λzTDTDz (1)
其中，差分矩阵D一般取二阶差分，表示为:
所述校正基线z的计算公式如下：
z＝(W+λDTD)-1Wy (2)。
进一步的，所述步骤六中的加权函数表示如下：
所述式(3)中
表示基于校正误差的指数权重，d-表示校正误差中所有负数变量之和，
表示第i个变量的校正误差，α为平衡系数，
表示第i个变量的校正误差导数。
进一步的，所述步骤八中的相对拟合误差判断条件表示如下：
所述式(4)中y表示原始茶叶数据，zt-1表示经过t-1次迭代后获得拟合基线，δ表示设定的相对误差系数。
相对应的，本发明还提供了茶叶近红外光谱分析过程中的谱图基线校正系统，包括茶叶样本采集模块：采集茶叶样本，获取茶叶近红外光谱数据，形成原始数据；
数据获取及参数初始化模块：获取原始数据，并对自适应导数加权惩罚最小二乘基线校正方法参数进行初始化，所需初始化参数包含：平滑系数λ，迭代次数T，平衡系数α，拟合基线差分矩阵D，权重系数W，以及相对拟合误差系数δ；
计算拟合基线模块：根据惩罚最小二乘法，基于权重系数计算拟合基线；
校正误差模块：计算原始数据和拟合基线之间的差值，得到校正误差；
区间确认模块：根据校正误差大小确定基线区间和特征区间；
计算权重系数模块：根据权重函数计算指数权重，基于误差导数计算变化趋势，并结合平衡系数确定更新权重系数；
更新拟合基线模块：根据所计算的权重系数进行基线更新；
终止条件判断模块：计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T，则重新判断，否则重新调用计算拟合基线模块进行拟合基线计算；
输出校正数据模块：利用拟合基线，确定最终的茶叶校正数据。
进一步的，所述自适应导数加权惩罚小二乘法如下：
J＝(y-z)TW(y-z)+λzTDTDz (5)
其中y表示原始茶叶光谱数据，z为拟合基线，W表示权重系数，(·)T表示转置，λ表示平滑系数，差分矩阵D一般取二阶差分，表示为：
所述校正基线z的计算公式如下：
z＝(W+λDTD)-1Wy (6)
进一步的，所述加权函数表示如下：
所述式(7)中
表示基于校正误差的指数权重，d-表示校正误差中所有负数变量之和，
表示第i个变量的校正误差，α为平衡系数，
表示第i个变量的校正误差导数。
进一步的，所述步骤七中的相对误差判断条件表示如下：
所述式(8)中y表示原始茶叶数据，zt-1表示经过t-1次迭代后获得拟合基线，δ表示设定的相对误差系数。
相对应的，本发明还提供一种茶叶糖分预测方法，基于上述的茶叶校正数据，对茶叶进行糖分预测；具体为，当采用airPLS时，权重更新公式可表示为：
其中dt表示校正误差中所有负数变量之和；
当采用arPLS时，权重更新公式可表示为：
其中m-和σ-分别表示校正误差中所有负数变量之和dt的均值和标准差；
糖分预测定量分析指标为决定系数，具体表示为：
其中，yi表示真实值，
表示预测值，
为样本均值，np表示预测集样本数。
本发明的优点在于：
1)自适应导数加权函数能够同时分析校正误差大小及变化趋势，因此能够根据误差自身特性进行权重更新，从而能够避免权重更新不及时、不准确等问题；
2)平衡参数α的引入能够提供更加广泛的参数选择，因而能够减少平滑参数寻优过程；
3)基于误差的导数加权策略能够实现多重叠峰近红外光谱数据的基线校正，有利于扩大茶叶检测等级精度及市场贸易。
附图说明
图1为本发明实施例1茶叶近红外光谱分析中谱图基线校正方法总体流程图；
图2为本发明实施例1茶叶近红外光谱分析中谱图基线校正方法中茶叶光谱数据；
图3为本发明实施例1茶叶近红外光谱分析中谱图基线校正方法中茶叶拟合基线；
图4为本发明实施例1茶叶近红外光谱分析中谱图基线校正方法中茶叶拟合特征峰；
图5为本发明实施例1茶叶近红外光谱分析中谱图基线校正方法中不同基线校正方法分析结果对比。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
如图1所示，本实施例提供茶叶近红外光谱分析中谱图基线校正方法，具体为：
步骤一：数据获取及参数初始化；采集绿茶光谱数据为
(图2)，糖分含量数据为
初始化参数设置为：平滑系数λ＝104，迭代次数T＝30，平衡系数α＝60，权重系数W0＝[1,1,...,1]及相对拟合误差系数δ＝10-3，拟合基线差分矩阵：
步骤二：计算拟合基线；基于分析数据和初始化参数建立惩罚最小二乘优化函数：
J＝(y-z)TW(y-z)+λzTDTDz (12)
进一步对式(12)求偏导，获得基于权重系数计算拟合基线得拟合基线计算公式：
z＝(W+λDTD)-1Wy (13)
步骤三：校正误差；计算原始数据和拟合基线之间的差值：
式中t表示迭代次数，i表示分析数据点；
步骤四：区间确认；根据校正误差大小di，确定基线区间(di＞0)和特征区间(di≤0)：
步骤五：计算权重系数；基于校正误差计算权重：
步骤六：更新拟合基线；根据所计算的权重系数进行基线更新；
步骤七：终止条件判断；计算原始数据和拟合基线的相对拟合误差及当前迭代次数，满足条件则终止，否则返回步骤二进行循环；
步骤八：输出校正数据；最终所得拟合基线和校正数据分别如图3和4所示；
步骤九：基于校正特征峰数据进行茶叶糖分预测，并与常用基线校正方法airPLS和arPLS进行对比，二者不同之处在于权重更新公式，其中airPLS权重更新公式可表示为：
其中dt表示校正误差中所有负数变量之和；
arPLS权重更新公式可表示为：
其中m-和σ-分别表示校正误差中所有负数变量之和dt的均值和标准差；
糖分预测定量分析指标为决定系数，具体表示为：
其中，yi表示真实值，
表示预测值，
为样本均值，np表示预测集样本数，在本发明中np＝36，对比结果如图5所示。通过对比可知，本发明所述方法能够实现高精度绿茶近红外光谱数据基线校正。
实施例2
与实施例1相对应，本实施例提供茶叶近红外光谱分析过程中的谱图基线校正系统，包括：
茶叶样本采集模块：采集茶叶样本，获取茶叶近红外光谱数据，形成原始数据；数据获取及参数初始化模块：采集绿茶光谱数据为
(图2)，糖分含量数据为
初始化参数设置为：平滑系数λ＝104，迭代次数T＝30，平衡系数α＝60，权重系数W0＝[1,1,...,1]，以及相对拟合误差系数δ＝10-3，拟合基线差分矩阵
计算拟合基线模块：根据惩罚最小二乘法，基于权重系数所计算的拟合基线；
校正误差模块：计算原始数据和拟合基线之间的差值；
区间确认模块：根据校正误差大小确定基线区间和特征区间；
计算权重系数模块：基于校正和式(3)计算权重；
更新拟合基线模块：根据所计算的权重系数进行基线更新；
终止条件判断模块：计算原始数据和拟合基线的相对拟合误差及当前迭代次数，满足条件则终止，否则进行循环；
输出校正茶叶数据模块：最终所得拟合基线和校正数据分别如图3和4所示；
预测模块：基于校正特征峰数据进行茶叶糖分预测，并与常用基线校正方法airPLS和arPLS进行对比，二者不同之处在于权重更新公式，其中airPLS权重更新公式可表示为：
arPLS权重更新公式可表示为：
糖分预测定量分析指标为决定系数，具体表示为：
其中，yi表示真实值，
表示预测值，
为样本均值，np表示预测集样本数，在本发明中np＝36，对比结果如图5所示。通过对比可知，本发明所述方法能够实现高精度绿茶近红外光谱数据基线校正。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.茶叶近红外光谱分析中谱图基线校正方法，其特征在于：包括以下步骤：
步骤一：采集茶叶样本，获取茶叶近红外光谱数据，形成原始数据；
步骤二：数据获取及参数初始化；获取原始数据并对自适应导数加权惩罚最小二乘基线校正方法参数进行初始化，所需初始化参数包含：平滑系数λ，迭代次数T,平衡系数α，拟合基线差分矩阵D，权重系数W及相对拟合误差系数δ；
步骤三：计算拟合基线；根据惩罚最小二乘法，基于权重系数计算拟合基线；
步骤四：校正误差；计算原始数据和拟合基线之间的差值，得到校正误差；
步骤五：区间确认；根据校正误差大小确定基线区间和特征区间；
步骤六：计算权重系数；根据权重函数计算指数权重，基于误差导数计算变化趋势，并结合平衡系数确定更新权重；加权函数表示如下：
所述式(3)中
表示基于校正误差的指数权重，d-表示校正误差中所有负数变量之和，
表示第i个变量的校正误差，α为平衡系数，
表示第i个变量的校正误差导数；
步骤七：更新拟合基线；根据所计算的权重系数进行基线更新；
步骤八：终止条件判断；计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T,则转至步骤九，否则转至步骤三；
相对拟合误差判断条件表示如下：
式中y表示所采集的茶叶光谱数据，zt-1表示经过t次迭代获得的基线，δ表示用户设定的相对误差系数；
步骤九：输出校正数据；利用拟合基线，确定最终的茶叶校正数据。
2.根据权利要求1所述的茶叶近红外光谱分析中谱图基线校正方法，其特征在于：所述步骤二中的自适应导数加权惩罚小二乘法如下：
J＝(y-z)TW(y-z)+λZ TDTDz (1)
其中,y为采集的茶叶光谱数据；()T为矩阵的转置；差分矩阵D表示为:
所述拟合基线z的计算公式如下：
z＝(W+λDTD)-1Wy (2) 。
3.根据权利要求1所述的茶叶近红外光谱分析中谱图基线校正方法，其特征在于：还包括步骤九，对茶叶进行糖分预测；具体为，
当采用airPLS时，权重更新公式表示为：
当采用arPLS时，权重更新公式表示为：
其中m-和σ-分别表示校正误差中所有负数变量之和dt的均值和标准差；
糖分预测定量分析指标为决定系数，具体表示为：
其中，yi表示真实值，
表示预测值，
为样本均值，np表示预测集样本数。
4.茶叶近红外光谱分析过程中的谱图基线校正系统，其特征在于：包括：
茶叶样本采集模块：采集茶叶样本，获取茶叶近红外光谱数据，形成原始数据；
数据获取及参数初始化模块：获取原始数据并对自适应导数加权惩罚最小二乘基线校正方法参数进行初始化，所需初始化参数包含：平滑系数λ，迭代次数T,平衡系数α，拟合基线差分矩阵D，权重系数W及相对拟合误差系数δ；
计算拟合基线模块：根据惩罚最小二乘法，基于权重系数计算拟合基线；
校正误差模块：计算原始数据和拟合基线之间的差值，得到校正误差；
区间确认模块：根据校正误差大小确定基线区间和特征区间；
计算权重系数模块：根据权重函数计算指数权重，基于误差导数计算变化趋势，并结合平衡系数确定更新权重系数；加权函数表示如下：
所述式(3)中
表示基于校正误差的指数权重，d-表示校正误差中所有负数变量之和，
表示第i个变量的校正误差，α为平衡系数，
表示第i个变量的校正误差导数；
更新拟合基线模块：根据所计算的权重系数进行基线更新；
终止条件判断模块：计算原始数据和拟合基线的相对拟合误差及当前迭代次数，如果相对拟合误差小于设定误差系数δ或当前迭代次数大于设定迭代次数T,则重新判断，否则重新调用计算拟合基线模块进行拟合基线计算；
相对拟合误差判断条件表示如下：
式中y表示所采集的茶叶光谱数据，zt-1表示经过t次迭代获得的基线，δ表示用户设定的相对误差系数；
输出校正数据模块：利用拟合基线，确定最终的茶叶校正数据。
5.根据权利要求4所述的茶叶近红外光谱分析过程中的谱图基线校正系统，其特征在于：所述自适应导数加权惩罚小二乘法如下：
J＝(y-z)TW(y-z)+λzTDTDz (1)
其中,y为采集的茶叶光谱数据；()T为矩阵的转置；差分矩阵D表示为:
所述拟合基线z的计算公式如下：
z＝(W+λDTD)-1Wy (2)。
6.根据权利要求4所述的茶叶近红外光谱分析过程中的谱图基线校正系统，其特征在于：还包括预测模块，具体为，
当采用airPLS时，权重更新公式表示为：
当采用arPLS时，权重更新公式表示为：
其中m-和σ-分别表示校正误差中所有负数变量之和dt的均值和标准差；
糖分预测定量分析指标为决定系数，具体表示为：
其中，yi表示真实值，
表示预测值，
为样本均值，np表示预测集样本数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010191859.0A CN111307751B (zh) | 2020-03-18 | 2020-03-18 | 茶叶近红外光谱分析中谱图基线校正方法、系统、检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010191859.0A CN111307751B (zh) | 2020-03-18 | 2020-03-18 | 茶叶近红外光谱分析中谱图基线校正方法、系统、检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111307751A CN111307751A (zh) | 2020-06-19 |
| CN111307751B true CN111307751B (zh) | 2021-09-03 |
Family
ID=71158786
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010191859.0A Active CN111307751B (zh) | 2020-03-18 | 2020-03-18 | 茶叶近红外光谱分析中谱图基线校正方法、系统、检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111307751B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111879725B (zh) * | 2020-08-24 | 2022-02-01 | 四川长虹电器股份有限公司 | 一种基于权重系数的光谱数据修正方法 |
| CN112102898B (zh) * | 2020-09-22 | 2022-09-23 | 安徽大学 | 一种醋醅固态发酵过程谱图模态辨识方法及系统 |
| CN113673409A (zh) * | 2021-08-16 | 2021-11-19 | 点靓纳谱(上海)生物医药科技有限公司 | 一种用于光谱分析的自动收敛光谱校正方法及装置 |
| CN114216877B (zh) * | 2021-12-14 | 2023-03-10 | 安徽大学 | 茶叶近红外光谱分析中谱峰自动检测与重构方法及系统 |
| CN114295580B (zh) * | 2021-12-29 | 2023-07-11 | 四川启睿克科技有限公司 | 一种基于近红外光谱快速判别花椒品质的方法 |
| 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 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103018194A (zh) * | 2012-12-06 | 2013-04-03 | 江苏省质量安全工程研究院 | 基于背景估计的非对称最小二乘基线校正方法 |
| CN103389281A (zh) * | 2012-05-09 | 2013-11-13 | 云南天士力帝泊洱生物茶集团有限公司 | 一种基于近红外光谱技术的普洱茶聚类分析方法 |
| CN105115938A (zh) * | 2015-07-29 | 2015-12-02 | 北京航空航天大学 | 一种饲料原料中三聚氰胺掺假定量检测方法 |
| CN107478599A (zh) * | 2017-10-16 | 2017-12-15 | 北京航空航天大学 | 一种饲料原料中非法添加物三聚氰胺甲醛树脂的检测方法 |
| CN108051394A (zh) * | 2018-02-07 | 2018-05-18 | 武汉轻工大学 | 基于近红外光谱的芝麻油掺伪检测方法 |
| CN108844939A (zh) * | 2018-03-14 | 2018-11-20 | 西安电子科技大学 | 基于非对称加权最小二乘的拉曼光谱检测基线校正方法 |
-
2020
- 2020-03-18 CN CN202010191859.0A patent/CN111307751B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103389281A (zh) * | 2012-05-09 | 2013-11-13 | 云南天士力帝泊洱生物茶集团有限公司 | 一种基于近红外光谱技术的普洱茶聚类分析方法 |
| CN103018194A (zh) * | 2012-12-06 | 2013-04-03 | 江苏省质量安全工程研究院 | 基于背景估计的非对称最小二乘基线校正方法 |
| CN105115938A (zh) * | 2015-07-29 | 2015-12-02 | 北京航空航天大学 | 一种饲料原料中三聚氰胺掺假定量检测方法 |
| CN107478599A (zh) * | 2017-10-16 | 2017-12-15 | 北京航空航天大学 | 一种饲料原料中非法添加物三聚氰胺甲醛树脂的检测方法 |
| CN108051394A (zh) * | 2018-02-07 | 2018-05-18 | 武汉轻工大学 | 基于近红外光谱的芝麻油掺伪检测方法 |
| CN108844939A (zh) * | 2018-03-14 | 2018-11-20 | 西安电子科技大学 | 基于非对称加权最小二乘的拉曼光谱检测基线校正方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111307751A (zh) | 2020-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111307751B (zh) | 茶叶近红外光谱分析中谱图基线校正方法、系统、检测方法 | |
| CN117349683B (zh) | 基于光谱数据的汽车配件涂装色差异常检测系统 | |
| CN110503156B (zh) | 一种基于最小相关系数的多变量校正特征波长选择方法 | |
| CN114216877B (zh) | 茶叶近红外光谱分析中谱峰自动检测与重构方法及系统 | |
| CN116337783A (zh) | 一种气体分析仪的多点标定方法和系统 | |
| CN113076692B (zh) | 一种反演叶片氮素含量的方法 | |
| CN113686811A (zh) | 一种基于双传感器的光谱数据处理方法 | |
| CN109145403B (zh) | 一种基于样本共识的近红外光谱建模方法 | |
| CN107860764A (zh) | 一种发射光谱背景动态校正的方法 | |
| CN110969238A (zh) | 一种校准用电数据的方法及装置 | |
| CN116202975A (zh) | 一种水体参数预测方法、存储介质及终端设备 | |
| CN114354667A (zh) | 一种基于x射线荧光光谱的元素定量分析方法和系统 | |
| CN111579526B (zh) | 一种表征近红外仪器差异和校正的方法 | |
| CN113984708A (zh) | 一种化学指标检测模型的维护方法和装置 | |
| CN110455902B (zh) | 一种环境检测多标样快速校准的方法 | |
| CN113984833A (zh) | 一种环境温度等效及加速试验方法 | |
| CN111781163A (zh) | 土壤粒度对离散近红外波段检测土壤参数影响的消除方法 | |
| CN110501294A (zh) | 一种基于信息融合的多元校正方法 | |
| CN111289516B (zh) | 植物叶片氨基酸含量检测方法及装置 | |
| CN112414966A (zh) | 基于仿射变化的近红外光谱多目标标定迁移方法 | |
| CN116046717A (zh) | 一种样本集中异常样本的识别方法 | |
| CN114813631B (zh) | 小麦品种纯度检测方法、装置和电子设备 | |
| CN117132843B (zh) | 野山参、林下山参、园参原位鉴别方法、系统及相关设备 | |
| CN117694575A (zh) | 一种基于检测、配比、修正、调整的数字化烟草配方设计方法 | |
| CN114689187A (zh) | 一种基于多传感器光谱数据的波长点筛选方法 |
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 |