一種校正不同光譜信息確定物質(zhì)信息誤差的方法
【專利摘要】本發(fā)明公開了一種校正不同光譜信息確定物質(zhì)信息誤差的方法，將物體樣品的光譜數(shù)據(jù)和m組光功率數(shù)據(jù)按物體種類錄入同一初級數(shù)據(jù)庫，運算服務(wù)器接收初級數(shù)據(jù)庫的數(shù)據(jù)將各物體樣品的光譜數(shù)據(jù)和光功率數(shù)據(jù)形成數(shù)據(jù)映射集合，從數(shù)據(jù)映射集合中，確定公式并將公式嵌入運算服務(wù)器中；將待檢測物體的新光譜數(shù)據(jù)、新光功率數(shù)據(jù)及其所需檢測的成分錄入數(shù)據(jù)庫和輸入至運算服務(wù)器，運算服務(wù)器根據(jù)輸入自動匹配公式，實現(xiàn)根據(jù)新光譜數(shù)據(jù)和新光功率數(shù)據(jù)計算出光功率為D時待檢測物體的光譜數(shù)據(jù)，運算服務(wù)器根據(jù)計算出的光譜數(shù)據(jù)和所需檢測的成分進行運算，實現(xiàn)根據(jù)計算出的光譜數(shù)據(jù)計算出待檢測物體化學(xué)數(shù)據(jù)。該方法誤差小，準確性高。
【專利說明】
一種校正不同光譜信息確定物質(zhì)信息誤差的方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于物質(zhì)檢測領(lǐng)域，特別是涉及利用光譜檢測化學(xué)成分的方法，具體是涉 及一種校正不同近紅外光源信息收集器的光譜信息確定物質(zhì)信息誤差的方法。
【背景技術(shù)】
[0002] 現(xiàn)代近紅外光譜儀器的控制及數(shù)據(jù)處理分析系統(tǒng)是儀器的重要組成部分。一般由 儀器控制、采譜和光譜處理分析兩個軟件系統(tǒng)和相應(yīng)的硬件設(shè)備構(gòu)成。前者主要功能是控 制儀器各部分的工作狀態(tài)，設(shè)定光譜采集的有關(guān)參數(shù)，如光譜測量方式、掃描次數(shù)、設(shè)定光 譜的掃描范圍等，設(shè)定檢測器的工作狀態(tài)并接受檢測器的光譜信號。光譜處理分析軟件主 要對檢測器所采集的光譜進行處理，實現(xiàn)定性或定量分析。對特定的樣品體系，近紅外光譜 特征峰的差別并不明顯，需要通過光譜的處理減少以至消除各方面因素對光譜信息的干 擾，再從差別甚微的光譜信息中提取樣品的定性或定量信息，這一切都要通過功能強大的 光譜數(shù)據(jù)處理分析軟件來實現(xiàn)。
[0003] 近紅外光譜分析技術(shù)分析速度快，是因為光譜測量速度很快，計算機計算結(jié)果速 度也很快的原因。但近紅外光譜分析的效率卻取決于儀器所配備的數(shù)據(jù)模型、數(shù)量，及運算 服務(wù)器與數(shù)據(jù)庫之間的工作方法，數(shù)據(jù)模型的準確度取決于建立數(shù)據(jù)模型基于建模時的數(shù) 據(jù)量的大小及運算規(guī)則。同時針對不同的光功率的光源照射裝置，其作用于相同物體后收 集的光譜數(shù)據(jù)各不相同，若直接將該光譜數(shù)據(jù)計算成物質(zhì)種類含量則誤差大，準確性不高。 因此，在針對某一確定常用光功率下的光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)建立數(shù)據(jù)模型后，有必要 針對不同光功率下的光譜數(shù)據(jù)校正成某一確定常用光功率值下的光譜數(shù)據(jù)，然后根據(jù)校正 后的光譜數(shù)據(jù)計算物體所含成分含量。
[0004] CN 101556242 B公開了一種用傅立葉紅外光譜鑒別微生物的方法，包括培養(yǎng)對照 微生物;采集對照微生物的紅外圖譜;在3000-2300cm _1和1300至700cm_1區(qū)間內(nèi)的一個或多 個譜段建立微生物鑒別模型；在上述相同的條件下培養(yǎng)待測微生物，采集待測微生物的紅 外圖譜，將紅外圖譜代入微生物鑒別模型中確定待測微生物的歸屬。
[0005] 目前的方法中，因為模型的建立按照圖譜的模式進行的，或者是按照局部數(shù)據(jù)進 行的，或者是在化學(xué)計量的基礎(chǔ)上進行匹配光譜數(shù)據(jù)，這些方法都存在建模后調(diào)整難度大， 且基礎(chǔ)數(shù)據(jù)不齊全，導(dǎo)致數(shù)據(jù)模型的校正和公式的更新和更換難度大，同時不能能通過對 公式的調(diào)整快速方便校正計算誤差。

【發(fā)明內(nèi)容】

[0006] 為解決上述技術(shù)問題，本發(fā)明提供了一種校正不同光譜信息確定物質(zhì)信息誤差的 方法，將物體樣品的m組光譜數(shù)據(jù)和各物體樣品相應(yīng)的m組光功率數(shù)據(jù)按物體種類錄入同一 數(shù)據(jù)庫形成多個初級數(shù)據(jù)庫，初級數(shù)據(jù)庫與運算服務(wù)器連接，運算服務(wù)器接收初級數(shù)據(jù)庫 的數(shù)據(jù)按物體樣品種類將各物體樣品的m組光譜數(shù)據(jù)和m組光功率數(shù)據(jù)形成數(shù)據(jù)映射集合， 從數(shù)據(jù)映射集合中，選取2-200個波長的吸光度數(shù)值與光功率數(shù)據(jù)進行對應(yīng)，確定2-200個 波長吸光度變化與光功率數(shù)據(jù)變化具有定性和定量關(guān)系的Z個公式，將Z個公式嵌入運算服 務(wù)器;將待檢測物體的新光譜數(shù)據(jù)、新光功率數(shù)據(jù)及其所需檢測的成分錄入數(shù)據(jù)庫和輸入 至運算服務(wù)器，運算服務(wù)器根據(jù)輸入的待檢測物體種類、新光譜數(shù)據(jù)和新光功率數(shù)據(jù)從Z個 公式中自動匹配公式，實現(xiàn)根據(jù)新光譜數(shù)據(jù)和新光功率數(shù)據(jù)計算出光功率為D時待檢測物 體的光譜數(shù)據(jù)，運算服務(wù)器根據(jù)計算出的光功率為D時待檢測物體的光譜數(shù)據(jù)和所需檢測 的成分進行運算，實現(xiàn)根據(jù)計算出的光譜數(shù)據(jù)計算出待檢測物體化學(xué)數(shù)據(jù);所述2-200個波 長選自700-2500nm中的波長值或波長范圍，其中，Z多l(xiāng)，m多50;所述物體樣品為食物類、農(nóng) 產(chǎn)品類、土壤類的一種或多種。
[0007] 優(yōu)選的，所述運算服務(wù)器根據(jù)計算出的光功率為D時待檢測物體的光譜數(shù)據(jù)和所 需檢測的成分進行運算的方法，包括如下步驟:將物體樣品在光功率D下得到的η組光譜數(shù) 據(jù)和各物體樣品相應(yīng)的η組化學(xué)檢測數(shù)據(jù)按物體種類錄入同一數(shù)據(jù)庫形成多個初級數(shù)據(jù) 庫，初級數(shù)據(jù)庫與運算服務(wù)器連接，運算服務(wù)器接收初級數(shù)據(jù)庫的數(shù)據(jù)按物體樣品種類將 各物體樣品的η組光譜數(shù)據(jù)和η組化學(xué)檢測數(shù)據(jù)形成數(shù)據(jù)映射集合，從數(shù)據(jù)映射集合中，選 取2-100個波長的吸光度數(shù)值與化學(xué)檢測數(shù)據(jù)進行對應(yīng)，確定2-100個波長吸光度變化與化 學(xué)檢測數(shù)據(jù)變化具有定性和定量關(guān)系的K個公式，將K個公式嵌入運算服務(wù)器;運算服務(wù)器 根據(jù)待檢測物體所需檢測的成分從K個公式中自動匹配公式進行運算，實現(xiàn)根據(jù)計算出的 光譜數(shù)據(jù)計算出待檢測物體化學(xué)數(shù)據(jù);所述2-100個波長選自700-2500nm中的波長值或波 長范圍，其中，化學(xué)檢測數(shù)據(jù)包括T種成分及其含量檢測，T多I，K>T，n多50;所述物體樣品 為食物類、農(nóng)產(chǎn)品類、土壤類的一種或多種。
[0008] 具體，本發(fā)明提供了一種校正不同近紅外光源信息收集器的光譜信息確定物質(zhì)信 息誤差的方法，該方法包括如下步驟：
[0009] 步驟I:用光功率為E的光源照射待檢測的物體樣SA1，然后收集物體樣品A1反射回 來的光譜，采用光譜分析設(shè)備確定所收集光譜的波長及吸光度，形成物體樣品六:的光譜數(shù) 據(jù)；
[0010] 步驟II:將物體樣品A1在步驟I中進行光源照射時的光功率E形成光功率數(shù)據(jù)；
[0011] 步驟III:將物體A1的光譜數(shù)據(jù)和光功率數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成數(shù)據(jù)映射Yl; [0012] 步驟IV:重復(fù)上述步驟I、步驟II和步驟III，對物體樣品如至4"+1進行m次重復(fù)，形 成m組光譜數(shù)據(jù)和對應(yīng)的m組光功率數(shù)據(jù)，將光譜數(shù)據(jù)和光功率數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成 物體樣品組數(shù)據(jù)映射的數(shù)據(jù)映射集合；
[0013] 步驟V:將上述數(shù)據(jù)庫中數(shù)據(jù)映射集合中的光譜數(shù)據(jù)選取2-200個波長的吸光度數(shù) 值與光功率數(shù)據(jù)進行對應(yīng)，確定2-200個波長吸光度變化與化學(xué)檢測數(shù)據(jù)變化具有定性和 定量關(guān)系的Z個公式;所述2-200個波長選自700-2500nm中的波長值或波長范圍；將上述步 驟的Z個公式嵌入運算服務(wù)器;其中，其中Z表示公式的數(shù)量，一般情況下1;
[0014] 步驟VI:對其他物體樣品重復(fù)步驟I至步驟V形成各物體樣品的Z個公式并嵌入運 算服務(wù)器；
[0015] 步驟VII:將待檢測物體的新光譜數(shù)據(jù)、新光功率數(shù)據(jù)及其所需檢測的成分錄入數(shù) 據(jù)庫和輸入至運算服務(wù)器，運算服務(wù)器根據(jù)輸入的待檢測物體種類、新光譜數(shù)據(jù)和新光功 率數(shù)據(jù)從Z個公式中自動匹配公式，實現(xiàn)根據(jù)新光譜數(shù)據(jù)和新光功率數(shù)據(jù)計算出光功率為D 時待檢測物體的光譜數(shù)據(jù)，運算服務(wù)器根據(jù)計算出的光功率為D時待檢測物體的光譜數(shù)據(jù) 和所需檢測的成分進行運算，實現(xiàn)根據(jù)計算出的光譜數(shù)據(jù)計算出待檢測物體化學(xué)數(shù)據(jù)；
[0016] 步驟珊:根據(jù)步驟I至步驟VII所形成的數(shù)據(jù)庫和運算服務(wù)器上的Z個公式，將數(shù)據(jù) 庫和運算服務(wù)器相連，同時設(shè)置數(shù)據(jù)庫的數(shù)據(jù)輸入端和數(shù)據(jù)輸出端、設(shè)置運算服務(wù)器的數(shù) 據(jù)輸入端和數(shù)據(jù)輸出端，形成物體的光譜數(shù)據(jù)模型，其中1。
[0017] 優(yōu)選的，所述步驟VII中運算服務(wù)器根據(jù)計算出的光功率為D時待檢測物體的光譜 數(shù)據(jù)和所需檢測的成分進行運算的方法包括以下步驟：
[0018] 步驟I:用光功率為D的光源照射待檢測的物體樣品也，然后收集物體樣品B1反射回 來的光譜，采用光譜分析設(shè)備確定所收集光譜的波長及吸光度，形成物體樣品也的光譜數(shù) 據(jù)；
[0019] 步驟II:對物體樣品B1進行化學(xué)分析，分析其T種成分及含量，形成物體樣品的化 學(xué)檢測數(shù)據(jù);T表示成分的數(shù)量，也就是做幾種成分的分析，當對物體分析蛋白質(zhì)和淀粉的 時候，則T為2，如果增加可溶性糖，則T為3。T大于等于1，一般情況不對最大數(shù)值做限定，只 要條件允許，可以對物體的成分做全分析，那樣T可能會達到20，甚至30;
[0020] 步驟III:將物體仏的光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成數(shù)據(jù)映射 Y1；
[0021] 步驟IV:重復(fù)上述步驟I、步驟II和步驟III，對物體樣品出至仏+1進行η次重復(fù)，形 成η組光譜數(shù)據(jù)和對應(yīng)的η組化學(xué)檢測數(shù)據(jù)，將光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)錄入同一數(shù)據(jù)庫， 形成物體樣品也的11組數(shù)據(jù)映射的數(shù)據(jù)映射集合；
[0022] 步驟V:將上述數(shù)據(jù)庫中數(shù)據(jù)映射集合中的光譜數(shù)據(jù)選取2-100個波長的吸光度數(shù) 值與化學(xué)檢測數(shù)據(jù)進行對應(yīng)，確定2-100個波長吸光度變化與化學(xué)檢測數(shù)據(jù)變化具有定性 和定量關(guān)系的K個公式;所述2-100個波長選自700-2500nm中的波長值或波長范圍；將上述 步驟的K個公式嵌入運算服務(wù)器;其中，其中K表示公式的數(shù)量，一般情況下K多1，為了單獨 分析多組分，K值要大于T值，也就是公式的數(shù)量一定大于成分的數(shù)量，有時為了同時進行多 組分分析，需要K值滿足如下關(guān)系式：
[0023]
[0024]其中C表示組合式的含義。
[0025]為了考慮對每個成分或者是多個成分組合的檢測準確，需要備用公式，也就是針 對異常數(shù)據(jù)，公式出現(xiàn)無法計算的情況，應(yīng)對備用公式進行運算，則此時考慮備用公式時，K 值則需要滿足如下關(guān)系式：
[0026；
[0027]其中C表示組合式的含義。
[0028] 步驟VI:對其他物體樣品重復(fù)步驟I至步驟V形成各物體樣品的K個公式并嵌入運 算服務(wù)器；
[0029] 步驟VII:采集物體新樣品Y的光譜數(shù)據(jù)，將其錄入數(shù)據(jù)庫和輸入至運算服務(wù)器的 同時，并在運算服務(wù)器中輸入待檢測物體種類Y及其需檢測的成分，運算服務(wù)器根據(jù)待檢測 物體種類Y及其需檢測的成分自動匹配公式，計算出物體種類Y中各成分的含量得到新樣品 化學(xué)數(shù)據(jù)；
[0030] 步驟珊:根據(jù)步驟I至步驟VII所形成的數(shù)據(jù)庫和運算服務(wù)器上的K個公式，將數(shù)據(jù) 庫和運算服務(wù)器相連，同時設(shè)置數(shù)據(jù)庫的數(shù)據(jù)輸入端和數(shù)據(jù)輸出端、設(shè)置運算服務(wù)器的數(shù) 據(jù)輸入端和數(shù)據(jù)輸出端，形成物體的光譜數(shù)據(jù)模型，其中T多1，K>T。
[0031] 優(yōu)選的，η大于等于100。11表示樣品檢測數(shù)量，η值越大，則光譜數(shù)據(jù)和化學(xué)檢測數(shù) 據(jù)的數(shù)量越大，會使得映射數(shù)據(jù)集合中的數(shù)據(jù)更好的支撐公式的建立，此處限定的η值是指 建立模型所需的最低樣品檢測量，最大檢測量不受限制，只要條件允許，可以將樣品檢測量 增加到1000以上，甚至是10000以上。待檢測物體所需檢測的成分為一種或多種。
[0032]優(yōu)選的，上述方法中，光譜的波長范圍為700-2500nm。優(yōu)選的，光譜的波長范圍為 800-1800nm，或光譜的波長范圍為1500-2500,或者是700-2500nm內(nèi)任意范圍的波長范圍。 [0033]優(yōu)選的，上述方法中，物體為化學(xué)組成成分基本相同但成分含量差異值在20%以 內(nèi)的同類物體。所述成分含量差異值是指各農(nóng)產(chǎn)品樣品中成分含量的絕對值與各農(nóng)產(chǎn)品樣 品中成分含量的平均值的比值的百分數(shù)。
[0034]優(yōu)選的，物體為食物類、農(nóng)產(chǎn)品類、土壤類等，優(yōu)選的為農(nóng)產(chǎn)品類，例如馬鈴薯塊 莖，小麥籽粒，西瓜、葉菜、蘋果等等。例如建立馬鈴薯的數(shù)據(jù)模型，則上述方法中，物體樣品 則均為馬鈴薯樣品，而不能選擇紅薯樣品。
[0035]優(yōu)選的，上述方法中，光譜數(shù)據(jù)為納米整數(shù)級波長的所有波長及吸光度的數(shù)據(jù)集 合。也就是說，光譜數(shù)據(jù)不僅僅是一個圖形或者是幾個波長數(shù)據(jù)，而是所選范圍內(nèi)的所有波 長的吸光度，哪怕某些波長的吸光度為零，也要記錄入光譜數(shù)據(jù)中。
[0036] 優(yōu)選的，上述方法中，光譜數(shù)據(jù)為波長為800-1800nm的1001個波長的波長和吸光 度的數(shù)據(jù)集合。
[0037] 優(yōu)選的，上述方法中，光譜數(shù)據(jù)為波長為1500-2500的1001個波長的波長和吸光度 的數(shù)據(jù)集合。
[0038] 優(yōu)選的，所述光功率D優(yōu)選為0.5-50W，進一步優(yōu)選為5-10W。
[0039] 本發(fā)明的化學(xué)測量數(shù)據(jù)也為化學(xué)計量數(shù)據(jù)，是指通過某些物質(zhì)的國家標準進行測 量獲得的化學(xué)數(shù)據(jù)。例如馬鈴薯中的淀粉含量，需要按照國家標準或者是行業(yè)標準進行測 量，也可以采用滿足國標測量精度的儀器進行測量。
[0040] 有益效果
[0041 ]與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果：
[0042] 1、能針對不同的光功率下得到的光譜數(shù)據(jù)校正成某一光功率數(shù)值(建立光譜-化 學(xué)檢測公式時的光功率為D時的數(shù)值)下的光譜數(shù)據(jù)，再根據(jù)校正的光譜數(shù)據(jù)計算出物質(zhì)成 分含量。相對于直接對不同的光功率下得到的光譜數(shù)據(jù)計算出物質(zhì)成分含量的方法誤差 小，結(jié)果準確性高。
[0043] 2、不僅將多種物質(zhì)的多組光譜數(shù)據(jù)與多組化學(xué)檢測數(shù)據(jù)按物質(zhì)的種類各自獨立 輸入數(shù)據(jù)庫中，按物質(zhì)種類對光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)進行映射，避免了目前僅僅將光譜 數(shù)據(jù)錄入化學(xué)檢測數(shù)據(jù)處理器中導(dǎo)致的數(shù)據(jù)不獨立的缺陷，難以達到公式更新和更換，阻 礙了公式的靈活變化，也避免運算服務(wù)器與數(shù)據(jù)庫之間數(shù)據(jù)調(diào)用的混亂，不僅能實現(xiàn)對各 物質(zhì)種類根據(jù)光譜數(shù)據(jù)計算化學(xué)成分含量，還且還能實現(xiàn)對同一種物質(zhì)不同成分的便捷檢 測，甚至還能對同種物質(zhì)某成分含量差異值低于20 %時的快捷檢測。
[0044]同時，各物質(zhì)用于建立數(shù)據(jù)模型的數(shù)據(jù)為最少50組光譜數(shù)據(jù)和50組相應(yīng)的化學(xué)檢 測數(shù)據(jù)，建立數(shù)據(jù)模型的數(shù)據(jù)基量越大建立的數(shù)據(jù)模型準確性越高。
[0045] 3、在數(shù)據(jù)庫中的數(shù)據(jù)映射集合中，從700-2500nm中選取2-100個波長數(shù)據(jù)，將2- 100 個波長數(shù)據(jù)下的吸光度數(shù)值與化學(xué)檢測數(shù)據(jù)進行對應(yīng)，確定2-100個波長吸光度變化與 化學(xué)檢測數(shù)據(jù)變化的定性和定量關(guān)系。因為數(shù)據(jù)庫中的波長數(shù)據(jù)全面，因此選取2-100個波 長數(shù)據(jù)與化學(xué)測量數(shù)據(jù)進行對應(yīng)和建立公式則更加便捷，2-100個波長數(shù)據(jù)可以進行變換， 摒棄了目前技術(shù)中單一波長段的選擇，形成不確定分析，對波長的定位不準確。此外，從 700-2500nm中選取2-100個波長數(shù)據(jù)提高了建立的數(shù)據(jù)模型的精確度，進一步減少了輸入 光譜數(shù)據(jù)后通過數(shù)據(jù)模型計算化學(xué)成分及含量數(shù)據(jù)的誤差。
[0046] 4、運算服務(wù)器承載的K個公式能根據(jù)輸入的待檢測物質(zhì)、和其需檢測的成分及待 檢測物質(zhì)的光譜數(shù)據(jù)自動匹配公式，快速計算出待檢測物質(zhì)需檢測成分的含量。由于根據(jù) 物質(zhì)的種類獨立設(shè)立數(shù)據(jù)庫及相應(yīng)映射數(shù)據(jù)庫，因此運算服務(wù)器與各物質(zhì)的數(shù)據(jù)庫的運算 也是獨立的，因此，運算服務(wù)器能根據(jù)待檢測物質(zhì)的種類、光譜數(shù)據(jù)、需檢測的成分能快速 準確的計算該物質(zhì)各成分的含量。
[0047] 在實現(xiàn)公式的獨立運算的同時，也保證了運算結(jié)果可以獨立的輸回數(shù)據(jù)庫中，而 且選擇波長數(shù)據(jù)時，沒有必要將全部波長數(shù)據(jù)進行比對，僅僅在服務(wù)器中比對2-100個波長 數(shù)據(jù)即可，比對效率高，又不影響原始光譜數(shù)據(jù)錄入到數(shù)據(jù)庫中。針對光譜數(shù)據(jù)和化學(xué)檢測 數(shù)據(jù)基量增大，及從700_2500nm中選取的2-100個波長數(shù)據(jù)，公式及公式的數(shù)量得到相應(yīng)的 完善和增加，也有利于進一步計算結(jié)果的準確性。
【具體實施方式】
[0048]實施例1校正不同近紅外光源信息收集器的光譜信息確定馬鈴薯物質(zhì)信息誤差 的方法
[0049] 材料:馬鈴薯塊莖，從馬鈴薯產(chǎn)品中隨機抽取160個馬鈴薯塊莖，橫向切割，光源照 射和光譜數(shù)據(jù)收集針對馬鈴薯橫切面。
[0050] 設(shè)備:具有不同光功率的光源照射裝置60個、光譜收集裝置和光譜分析設(shè)備為整 體設(shè)備或分體設(shè)備，市場購買得到。
[0051]用光功率為IOOmw光源照射裝置照射馬鈴薯塊莖，然后收集馬鈴薯塊莖反射回來 的近紅外光譜，光譜范圍為800-1800nm，采用近紅外光譜分析設(shè)備分析光譜吸光度，形成馬 鈴薯塊莖的800-1800nm的近紅外光譜數(shù)據(jù)，該光譜數(shù)據(jù)具有1001個光波吸光度數(shù)據(jù)。
[0052]將該光源照射裝置照射時的光功率IOOmw形成光功率數(shù)據(jù)；
[0053]將馬鈴薯塊莖的光譜數(shù)據(jù)和光功率數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成第1組數(shù)據(jù)映射； [0054]再抽取馬鈴薯樣品59組，對隨機抽取的59組馬鈴薯塊莖按照上述方法獨立進行處 理，不同的是采用的光源照射裝置的光功率不同，獲得59組光譜數(shù)據(jù)和對應(yīng)的59組光功率 數(shù)據(jù)，將光譜數(shù)據(jù)和光功率數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成馬鈴薯樣品光譜數(shù)據(jù)與光功率數(shù)據(jù) 的60組數(shù)據(jù)映射；
[0055]在上述馬鈴薯樣品數(shù)據(jù)庫中的60組數(shù)據(jù)映射中，光譜數(shù)據(jù)選取7個波長范圍的吸 光度數(shù)值（700-850nm，900-950nm，1000-1100nm，1200-1300nm，1400-1600nm，1650-2000nm， 2050-2300nm)，7個波長的吸光度數(shù)值統(tǒng)一與光功率數(shù)據(jù)進行對應(yīng)，確定7個波長吸光度變 化與光功率數(shù)據(jù)變化具有同步關(guān)系的7個光譜-光功率公式，將上述步驟的7個光譜-光功率 公式嵌入運算服務(wù)器。
[0056] 用光功率為7w的光源照射裝置照射馬鈴薯塊莖，然后收集馬鈴薯塊莖反射回來的 近紅外光譜，光譜范圍為800-1800nm，采用近紅外光譜分析設(shè)備分析光譜吸光度，形成馬鈴 薯塊莖的800-1800nm的近紅外光譜數(shù)據(jù)，該光譜數(shù)據(jù)具有1001個光波吸光度數(shù)據(jù)。
[0057] 對馬鈴薯塊莖進行化學(xué)分析，分析馬鈴薯塊莖的淀粉含量、維生素 C含量、纖維素 含量，形成馬鈴薯塊莖的化學(xué)檢測數(shù)據(jù)；
[0058] 將馬鈴薯塊莖的光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成第1組數(shù)據(jù)映射； [0059]再抽取馬鈴薯樣品99組，對隨機抽取的99組馬鈴薯塊莖按照上述方法獨立進行處 理，獲得99組光譜數(shù)據(jù)和對應(yīng)的99組化學(xué)檢測數(shù)據(jù)，將光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)錄入同一 數(shù)據(jù)庫，形成馬鈴薯樣品光譜數(shù)據(jù)與化學(xué)檢測數(shù)據(jù)的100組數(shù)據(jù)映射；
[0060] 在上述馬鈴薯樣品數(shù)據(jù)庫中的100組數(shù)據(jù)映射中，光譜數(shù)據(jù)選取4個波長范圍的吸 光度數(shù)值（1200-1300nm，1400-1600nm，1000-1100nm，2000-2300nm)，4 個波長的吸光度數(shù)值 統(tǒng)一與化學(xué)檢測數(shù)據(jù)進行對應(yīng)，確定4個波長吸光度變化與化學(xué)檢測數(shù)據(jù)變化具有同步關(guān) 系的4個光譜-化學(xué)檢測公式，將上述步驟的4個光譜-化學(xué)檢測公式嵌入運算服務(wù)器。
[0061] 將采集的新的馬鈴薯塊莖光譜數(shù)據(jù)和檢測新光譜數(shù)據(jù)時的光功率數(shù)據(jù)、及其所需 檢測的成分(淀粉含量、維生素 C含量、纖維素含量)錄入數(shù)據(jù)庫和輸入至運算服務(wù)器，運算 服務(wù)器根據(jù)輸入的待檢測物體種類馬鈴薯、新光譜數(shù)據(jù)和新光功率數(shù)據(jù)從7個光譜-光功率 公式中自動匹配公式，實現(xiàn)根據(jù)新光譜數(shù)據(jù)和新光功率數(shù)據(jù)計算出光功率為7w時馬鈴薯的 光譜數(shù)據(jù)，運算服務(wù)器根據(jù)計算出的光功率為7w時的馬鈴薯光譜數(shù)據(jù)和所需檢測的成分 (淀粉含量、維生素 C含量、纖維素含量)從4個光譜-化學(xué)檢測公式中自動匹配公式，實現(xiàn)根 據(jù)計算出的光譜數(shù)據(jù)計算出馬鈴薯中淀粉含量、維生素 C含量、纖維素含量。
[0062] 同時將馬鈴薯塊莖的淀粉含量、維生素 C含量、纖維素含量輸出到顯示端，并同時 輸入數(shù)據(jù)庫，并在數(shù)據(jù)庫中與新采集的光譜數(shù)據(jù)形成測試數(shù)據(jù)映射。
[0063] 根據(jù)上述步驟確定的數(shù)據(jù)庫和運算服務(wù)器上的7個光譜-光功率公式和4個光譜-化學(xué)檢測公式，將數(shù)據(jù)庫和運算服務(wù)器相連，同時設(shè)置數(shù)據(jù)庫的數(shù)據(jù)輸入端和數(shù)據(jù)輸出端、 設(shè)置運算服務(wù)器的數(shù)據(jù)輸入端和數(shù)據(jù)輸出端，分別形成馬鈴薯塊莖光功率數(shù)據(jù)模型和光譜 數(shù)據(jù)模型。
【主權(quán)項】
1. 一種校正不同光譜信息確定物質(zhì)信息誤差的方法，其特征在于，將物體樣品的m組光 譜數(shù)據(jù)和各物體樣品相應(yīng)的m組光功率數(shù)據(jù)按物體種類錄入同一數(shù)據(jù)庫形成多個初級數(shù)據(jù) 庫，初級數(shù)據(jù)庫與運算服務(wù)器連接，運算服務(wù)器接收初級數(shù)據(jù)庫的數(shù)據(jù)按物體樣品種類將 各物體樣品的m組光譜數(shù)據(jù)和m組光功率數(shù)據(jù)形成數(shù)據(jù)映射集合，從數(shù)據(jù)映射集合中，選取 2-200個波長的吸光度數(shù)值與光功率數(shù)據(jù)進行對應(yīng)，確定2-200個波長吸光度變化與光功率 數(shù)據(jù)變化具有定性和定量關(guān)系的Z個公式，將Z個公式嵌入運算服務(wù)器;將待檢測物體的新 光譜數(shù)據(jù)、新光功率數(shù)據(jù)及其所需檢測的成分錄入數(shù)據(jù)庫和輸入至運算服務(wù)器，運算服務(wù) 器根據(jù)輸入的待檢測物體種類、新光譜數(shù)據(jù)和新光功率數(shù)據(jù)從Z個公式中自動匹配公式，實 現(xiàn)根據(jù)新光譜數(shù)據(jù)和新光功率數(shù)據(jù)計算出光功率為D時待檢測物體的光譜數(shù)據(jù)，運算服務(wù) 器根據(jù)計算出的光功率為D時待檢測物體的光譜數(shù)據(jù)和所需檢測的成分進行運算，實現(xiàn)根 據(jù)計算出的光譜數(shù)據(jù)計算出待檢測物體化學(xué)數(shù)據(jù);所述2-200個波長選自700-2500nm中的 波長值或波長范圍，其中，Z多l(xiāng)，m多50;所述物體樣品為食物類、農(nóng)產(chǎn)品類、土壤類的一種或 多種。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述運算服務(wù)器根據(jù)計算出的光功率為D 時待檢測物體的光譜數(shù)據(jù)和所需檢測的成分進行運算的方法，包括如下步驟:將物體樣品 在光功率D下得到的η組光譜數(shù)據(jù)和各物體樣品相應(yīng)的η組化學(xué)檢測數(shù)據(jù)按物體種類錄入同 一數(shù)據(jù)庫形成多個初級數(shù)據(jù)庫，初級數(shù)據(jù)庫與運算服務(wù)器連接，運算服務(wù)器接收初級數(shù)據(jù) 庫的數(shù)據(jù)按物體樣品種類將各物體樣品的η組光譜數(shù)據(jù)和η組化學(xué)檢測數(shù)據(jù)形成數(shù)據(jù)映射 集合，從數(shù)據(jù)映射集合中，選取2-100個波長的吸光度數(shù)值與化學(xué)檢測數(shù)據(jù)進行對應(yīng)，確定 2-100個波長吸光度變化與化學(xué)檢測數(shù)據(jù)變化具有定性和定量關(guān)系的K個公式，將K個公式 嵌入運算服務(wù)器;運算服務(wù)器根據(jù)待檢測物體所需檢測的成分從K個公式中自動匹配公式 進行運算，實現(xiàn)根據(jù)計算出的光譜數(shù)據(jù)計算出待檢測物體化學(xué)數(shù)據(jù);所述2-100個波長選自 700-2500nm中的波長值或波長范圍，其中，化學(xué)檢測數(shù)據(jù)包括T種成分及其含量檢測，Τ>1， K多T，n多50;所述物體樣品為食物類、農(nóng)產(chǎn)品類、土壤類的一種或多種。3. -種校正不同光譜信息確定物質(zhì)信息誤差的方法，其特征在于，該方法包括如下步 驟： 步驟I:用光功率為E的光源照射待檢測的物體樣SA1，然后收集物體樣品A1反射回來的 光譜，采用光譜分析設(shè)備確定所收集光譜的波長及吸光度，形成物體樣SA1的光譜數(shù)據(jù)； 步驟II:將物體樣品A1在步驟I中進行光源照射時的光功率E形成光功率數(shù)據(jù)； 步驟III:將物體A1的光譜數(shù)據(jù)和光功率數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成數(shù)據(jù)映射Yl; 步驟IV:重復(fù)上述步驟I、步驟II和步驟III，對物體樣品A2至An+1進行m次重復(fù)，形成m組 光譜數(shù)據(jù)和對應(yīng)的m組光功率數(shù)據(jù)，將光譜數(shù)據(jù)和光功率數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成物體樣 品組數(shù)據(jù)映射的數(shù)據(jù)映射集合； 步驟V:將上述數(shù)據(jù)庫中數(shù)據(jù)映射集合中的光譜數(shù)據(jù)選取2-200個波長的吸光度數(shù)值與 光功率數(shù)據(jù)進行對應(yīng)，確定2-200個波長吸光度變化與化學(xué)檢測數(shù)據(jù)變化具有定性和定量 關(guān)系的Z個公式;所述2-200個波長選自700-2500nm中的波長值或波長范圍；將上述步驟的Z 個公式嵌入運算服務(wù)器； 步驟VI:對其他物體樣品重復(fù)步驟I至步驟V形成各物體樣品的Z個公式并嵌入運算服 務(wù)器； 步驟VII:將待檢測物體的新光譜數(shù)據(jù)、新光功率數(shù)據(jù)及其所需檢測的成分錄入數(shù)據(jù)庫 和輸入至運算服務(wù)器，運算服務(wù)器根據(jù)輸入的待檢測物體種類、新光譜數(shù)據(jù)和新光功率數(shù) 據(jù)從Z個公式中自動匹配公式，實現(xiàn)根據(jù)新光譜數(shù)據(jù)和新光功率數(shù)據(jù)計算出光功率為D時待 檢測物體的光譜數(shù)據(jù)，運算服務(wù)器根據(jù)計算出的光功率為D時待檢測物體的光譜數(shù)據(jù)和所 需檢測的成分進行運算，實現(xiàn)根據(jù)計算出的光譜數(shù)據(jù)計算出待檢測物體化學(xué)數(shù)據(jù)； 步驟珊:根據(jù)步驟I至步驟VII所形成的數(shù)據(jù)庫和運算服務(wù)器上的Z個公式，將數(shù)據(jù)庫和 運算服務(wù)器相連，同時設(shè)置數(shù)據(jù)庫的數(shù)據(jù)輸入端和數(shù)據(jù)輸出端、設(shè)置運算服務(wù)器的數(shù)據(jù)輸 入端和數(shù)據(jù)輸出端，形成物體的光譜數(shù)據(jù)模型，其中1。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟VII中運算服務(wù)器根據(jù)計算出的 光功率為D時待檢測物體的光譜數(shù)據(jù)和所需檢測的成分進行運算的方法包括以下步驟： 步驟I:用光功率為D的光源照射待檢測的物體樣品也，然后收集物體樣品B1反射回來的 光譜，采用光譜分析設(shè)備確定所收集光譜的波長及吸光度，形成物體樣品也的光譜數(shù)據(jù)； 步驟II:對物體樣品B1進行化學(xué)分析，分析其T種成分及含量，形成物體樣品的化學(xué)檢測 數(shù)據(jù)； 步驟III:將物體出的光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成數(shù)據(jù)映射Yl; 步驟IV:重復(fù)上述步驟I、步驟II和步驟III，對物體樣品出至仏+1進行η次重復(fù)，形成η組 光譜數(shù)據(jù)和對應(yīng)的η組化學(xué)檢測數(shù)據(jù)，將光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)錄入同一數(shù)據(jù)庫，形成物 體樣品也的11組數(shù)據(jù)映射的數(shù)據(jù)映射集合； 步驟V:將上述數(shù)據(jù)庫中數(shù)據(jù)映射集合中的光譜數(shù)據(jù)選取2-100個波長的吸光度數(shù)值與 化學(xué)檢測數(shù)據(jù)進行對應(yīng)，確定2-100個波長吸光度變化與化學(xué)檢測數(shù)據(jù)變化具有定性和定 量關(guān)系的K個公式;所述2-100個波長選自700-2500nm中的波長值或波長范圍；將上述步驟 的K個公式嵌入運算服務(wù)器； 步驟VI:對其他物體樣品重復(fù)步驟I至步驟V形成各物體樣品的K個公式并嵌入運算服 務(wù)器； 步驟VII:采集物體新樣品Y的光譜數(shù)據(jù)，將其錄入數(shù)據(jù)庫和輸入至運算服務(wù)器的同時， 并在運算服務(wù)器中輸入待檢測物體種類Y及其需檢測的成分，運算服務(wù)器根據(jù)待檢測物體 種類Y及其需檢測的成分自動匹配公式，計算出物體種類Y中各成分的含量得到新樣品化學(xué) 數(shù)據(jù)； 步驟Vi:根據(jù)步驟I至步驟VII所形成的數(shù)據(jù)庫和運算服務(wù)器上的K個公式，將數(shù)據(jù)庫和 運算服務(wù)器相連，同時設(shè)置數(shù)據(jù)庫的數(shù)據(jù)輸入端和數(shù)據(jù)輸出端、設(shè)置運算服務(wù)器的數(shù)據(jù)輸 入端和數(shù)據(jù)輸出端，形成物體的光譜數(shù)據(jù)模型，其中T多1，K>T。5. 根據(jù)權(quán)利要求1-4任一項所述的方法，其特征在于，η大于等于100;待檢測物體所需 檢測的成分為一種或多種;步驟VI中將其他物體樣品重復(fù)步驟I至步驟V形成各物體樣品的 K個公式并嵌入運算服務(wù)器時包括對物體樣品Y進行同樣的處理。6. 根據(jù)權(quán)利要求1-4任一項所述的方法，其特征在于光譜的波長范圍為700-2500nm。優(yōu) 選的，光譜的波長范圍為800-1800nm，或光譜的波長范圍為1500-2500。7. 根據(jù)權(quán)利要求1-4任一項所述的方法，其特征在于物體為化學(xué)組成成分基本相同但 成分含量差異值在20%以內(nèi)的同類物體;所述農(nóng)產(chǎn)品類包括但不限于糧食、水果、蔬菜等。8. 根據(jù)權(quán)利要求1-4任一項所述的方法，其特征在于光譜數(shù)據(jù)為納米整數(shù)級波長的所 有波長及吸光度的數(shù)據(jù)集合。9. 根據(jù)權(quán)利要求1-4任一項所述的方法，其特征在于光譜數(shù)據(jù)為波長為800-ISOOnm的 1001個波長的波長和吸光度的數(shù)據(jù)集合，或所述光譜數(shù)據(jù)為波長為1500-2500的1001個波 長的波長和吸光度的數(shù)據(jù)集合。10. 根據(jù)權(quán)利要求2、4、5、6、7、8、9任一項所述的方法，其特征在于T彡I，K彡T，優(yōu)選的，K 值滿足如下關(guān)系式：其中C表不組合式的含義。
【文檔編號】G01N21/359GK105891130SQ201610070764
【公開日】2016年8月24日
【申請日】2016年1月30日
【發(fā)明人】劉毅, 譚占鰲, 陳劍, 劉法安, 羅嘉駿, 朱偉根, 吳宜青, 韋毅可
【申請人】深圳市芭田生態(tài)工程股份有限公司