【技术实现步骤摘要】
基于近红外光谱相关性分析检测样品理化性质的方法
本专利技术涉及光谱信息分析
,尤其涉及一种基于近红外光谱相关性分析检测样品理化性质的方法。
技术介绍
基于样品的近红外光谱检测该样品的理化性质具有较高的灵敏度,能够实现快速、无损、定性、定量的检测,在地质、冶金、工业、农业、医药卫生、环境、航天等多个领域都有广泛的应用。在基于样品的近红外光谱检测该样品的理化性质时,通常都是先获取待测样品的原始近红外光谱数据集,将该待测样品的原始近红外光谱数据集输入检测模型中进行理化性质检测,进而得到该样品的理化性质。然而,由于近红外光谱通常都是由宽带、弱带、非特异带和重叠带组成的,因此,通过光谱测量仪器获取的待测样品的原始近红外光谱数据集中除了有待测样品本身的波长数据外,还存在大量的与待测样品不相关的波长数据。由于待测样品的原始近红外光谱数据集中存在大量的与待测样品不相关的波长数据,使待测样品的原始近红外光谱数据集并不能真实的表征待测样品,导致该原始近红外光谱数据集输入检测模型后,得到的待测样品的理化性质也并不准确。
技术实现思路
鉴于上述问题,本专利技术实施例的目的是提供一种基于近红外光谱相关性分析检测样品理化性质的方法,旨在基于样品的近红外光谱数据检测该样品的理化性质时,能够提高检测结果的准确性。第一方面,本专利技术实施例提供一种基于近红外光谱相关性分析检测样品理化性质的方法,所述方法包括:获得待测样品的原始近红外光谱数据集,所述待测样品的原始近红外光谱数据集中包括所述待测样品本身的波长数据和与所述待测样品不相关的波长数据;对所述原始近红外光谱数据集中的波长数据进行重要 ...
【技术保护点】
1.一种基于近红外光谱相关性分析检测样品理化性质的方法,其特征在于,所述方法包括:获得待测样品的原始近红外光谱数据集,所述待测样品的原始近红外光谱数据集中包括所述待测样品本身的波长数据和与所述待测样品不相关的波长数据;对所述原始近红外光谱数据集中的波长数据进行重要多元相关性分析,去除所述原始近红外光谱数据集中的与所述待测样品不相关的波长数据,得到新近红外光谱数据集;将所述新近红外光谱数据集输入预先生成的检测模型进行理化性质检测,得到所述待测样品的理化性质,所述检测模型用于检测波长数据对应的理化性质。
【技术特征摘要】
1.一种基于近红外光谱相关性分析检测样品理化性质的方法,其特征在于,所述方法包括:获得待测样品的原始近红外光谱数据集,所述待测样品的原始近红外光谱数据集中包括所述待测样品本身的波长数据和与所述待测样品不相关的波长数据;对所述原始近红外光谱数据集中的波长数据进行重要多元相关性分析,去除所述原始近红外光谱数据集中的与所述待测样品不相关的波长数据,得到新近红外光谱数据集;将所述新近红外光谱数据集输入预先生成的检测模型进行理化性质检测,得到所述待测样品的理化性质,所述检测模型用于检测波长数据对应的理化性质。2.根据权利要求1所述的方法,其特征在于,所述对所述原始近红外光谱数据集中的波长数据进行重要多元相关性分析,去除所述原始近红外光谱数据集中的与所述待测样品不相关的波长数据,得到新近红外光谱数据集,包括:计算所述原始近红外光谱数据集中的每个波长数据的重要多元相关系数,并删除重要多元相关系数小于预设重要多元相关系数的波长数据,得到所述新近红外光谱数据集。3.根据权利要求2所述的方法,其特征在于,所述计算所述原始近红外光谱数据集中的每个波长数据的重要多元相关系数,并删除重要多元相关系数小于预设重要多元相关系数的波长数据,得到所述新近红外光谱数据集,包括:计算第N-1近红外光谱数据集中的每个波长数据的重要多元相关系数,并删除重要多元相关系数小于预设重要多元相关系数的波长数据,得到第N近红外光谱数据集,所述N为大于或等于1的正整数,当所述N为1时,所述第N-1近红外光谱数据集为所述原始近红外光谱数据集;对N个近红外光谱数据集进行交叉验证,从所述N个近红外光谱数据集中选择交叉验证均方根误差最小的近红外光谱数据集作为所述新近红外光谱数据集,所述N个近红外光谱数据集是从第1近红外光谱数据集至所述第N近红外光谱数据集的近红外光谱数据集。4.根据权利要求3所述的方法,其特征在于,所述计算第N-1近红外光谱数据集中的每个波长数据的重要多元相关系数,并删除重要多元相关系数小于预设重要多元相关系数的波长数据,得到第N近红外光谱数据集前,所述方法还包括:按照预设比例,采集所述第N-1近红外光谱数据集中的波长数据,得到第N-1近红外光谱数据子集;所述计算第N-1近红外光谱数据集中的每个波长数据的重要多元相关系数,并删除重要多元相关系数小于预设重要多元相关系数的波长数据,得到第N近红外光谱数据集,包括:计算所述第N-1近红外光谱数据子集中的每个波长数据的重要多元相关系数,并删除重要多元相关系数小于预设重要多元相关系数的波长数据,得到第N近红外光谱数据集。5.根据权利要求4所述的方法,其特征在于,所述计算所述第N-1近红外光谱数据子集中的每个波长数据的重要多元相关系数,并删除重要多元相关系数小于预设重要多元相关系数的波长数据,得到第N近红外光谱数据集,包括:计算所述第N-1近红外光谱数据子集中的每个波长数据的重要多元相关系数,并删除重要多元相关系数小于预设重要多元相关系数的波长数据,得到删除波长数据后的第N-1近红外光谱数据子集;计算删除波长数据后的第N-1近红外光谱数据子集中的每个波长数据的权重,并删除权重小于预设权重的波长数据,得到所述第N近红外光谱数据集。6.根据权利要求1至5中任一项所述的方法,其特征在于,所述将所述新近红外光谱数据集输入预先生成的检测模型进行理化性质检测,得到所述待测样品的理化性质前,所述方法还包括:获得待训练样品的原始近红外光谱数据集和所述待训练样品的的理化性质,所述待训练样品的原始近红外光谱数据集中包括所述待训练样品本身的波长数据和与所述待训练样品不相关的波长数据;...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。