本发明专利技术涉及一种基于近红外光谱快速测定制浆材抽出物含量的方法，其步骤为：a.将制浆材去皮，切削成规格相近的木片；b.经充分平衡水分后，利用近红外光谱仪采集各制浆材木片样品的原始近红外光谱数据；c.对原始近红外光谱数据进行预处理；d.从各制浆材木片样品中取样粉碎得到木粉；e.用化学方法测定木粉抽出物含量，并将所有制浆材木片样品按含量梯度法分为训练集和验证集；f.采用LASSO算法将训练集中样品抽出物含量实测值与其近红外光谱数据对应建立预测模型；g.用建立的预测模型对验证集木片样品的近红外光谱数据进行预测确定其抽出物含量预测值，评价模型的预测能力。此法有高效、无损的优点。
【技术实现步骤摘要】
： 本专利技术是一种制浆材抽出物含量的测定方法，尤其是一种基于近红外光谱的快速 测定制浆材抽出物含量的方法。
技术介绍
： 制浆材抽出物含量对制浆造纸过程中的相关工艺及参数存在着较大影响：如冷热 水抽出物与纸浆得率和成浆质量存在一定关系；苯醇抽出物会阻碍药液的浸透且易使纸浆 着色；1% NaOH抽出物与原料变质和腐朽程度相关，根据其含量可预见原料在碱法制浆中 的纸浆得率情况。而制浆材因树种和生长情况的不同，抽出物含量存在着显著差异，因此在 实际生产过程中，有必要实现制浆材抽出物含量的实时快速测定，以便及时调整制浆工艺 参数。但传统抽出物含量分析过程用药多，耗时长，无法满足实时测定和在线分析的需求。 近红外光谱（Near-infrared Spectroscopy, NIR)是分子振动的倍频与合频光谱， 能够反映含氢基团X_H(X = 0, C，N，S)的吸收信息。而制浆材原料化学成分中含有大量的 含氢基团，因此近红外光谱可用于制浆材化学成分的分析；此外近红外光在样品内部会发 生反射、折射、衍射、吸收并与样品内部分子相互作用，从而负载着样品的成分与结构信息， 可用于分析制浆材的物理性质。近红外光谱技术作为一种光谱测量分析手段，具有快速无 损的优势，近年来在制浆材原料分类、材性测定、纤维形态分析等方面取得了较多成果。
技术实现思路
： 本专利技术为解决制浆造纸工业中测定制浆材抽出物含量用药多、耗时长的问题，提 供了，能够快速无损地测定制 浆材抽出物含量。 本专利技术采用了如下技术方案：一种基于近红外光谱技术快速测定制浆材抽出物含 量的方法，步骤是： 第一步，将适龄制衆材去皮，切削成规格相近的制衆材木片样品； 第二步，经充分平衡水分后，利用近红外光谱仪采集各制浆材木片样品的原始近 红外光谱数据，扫描范围为1600~2400nm，分辨率为8cm S 第三步，对原始近红外光谱数据进行预处理； 第四步，从各制浆材木片样品中取样粉碎得到木粉； 第五步，用化学法测定木粉抽出物含量，并将所有制浆材木片样品按含量梯度法 分为训练集和验证集； 第六步，采用LASSO算法将训练集中样品抽出物含量实测值与其近红外光谱数据 对应建立预测模型； 第七步，用建立的预测模型对验证集木片样品的近红外光谱数据进行预测确定其 抽出物含量预测值，评价模型预测能力。 第一步中所述制浆材木片样品包括桉木、杨木、相思。 第一步中所述制衆材木片样品规格约20mmX 10mmX2mm。 第二步中所述近红外光谱数据为利用近红外光谱仪采用漫反射方式获得的吸光 度值。 第二步中所述近红外光谱仪采集是在制浆材木片样品采集光谱后倒出，重新混合 采样，每种制浆材木片样品以此方法采集3次光谱，取平均光谱数据作为样品的原始近红 外光谱数据。 第三步中预处理的方法为多元散射校正。 第四步中所述木粉粒径在0. 25mm~0. 38mm之间。 第五步中所述抽出物为冷水抽出物、热水抽出物、苯醇抽出物和1% wt的NaOH抽 出物。 第六步中所述预测模型为制浆材包括桉木、杨木、相思建立的数学预测模型，其过 程主要为：用化学计量学软件加载训练集光谱数据，通过LASSO算法和交互验证，确定最优 调整参数μ，根据μ值确定抽出物含量预测模型。 第七步中所述模型预测能力用决定系数R2val、预测均方根误差RMSEP、相对分析误 差RPD、绝对偏差AD综合评价。 有益效果 本专利技术优点在于按步骤备料和采集近红外光谱数据，通过建好的预测模型可以快 速、无损地测定制浆材木片中的抽出物含量，这与制浆造纸工业生产线上对制浆材原料木 片抽出物含量快速测定的实际要求相吻合。为制浆造纸工业中实现实时测定与在线分析以 便及时调整制浆工艺参数提供了可能。【附图说明】： 图1为采用本方法建立的冷水抽出物预测模型的预测情况。 图2为采用本方法建立的热水抽出物预测模型的预测情况。 图3为采用本方法建立的苯醇抽出物预测模型的预测情况。 图4为采用本方法建立的1 % wtNaOH抽出物预测模型的预测情况。【具体实施方式】： -种基于近红外光谱快速测定制浆材抽出物含量的方法。其步骤如下：a.将适龄 制浆材去皮，切削成规格相近约20mmX 10mmX 2mm的木片；b.经充分平衡水分后，利用近红 外光谱仪采集各制浆材木片样品的原始近红外光谱数据，扫描范围为1600~2400nm，分辨 率为8cm Sc.对原始近红外光谱数据进行预处理；d.从各制浆材木片样品中取样粉碎并截 取能通过40目（0.38mm)而不能通过60目（0.25mm)的木粉；e.用常规化学方法测定木粉 抽出物含量，并将所有木片样品按含量梯度法分为训练集和验证集；f.采用LASS0算法将 训练集中样品抽出物含量实测值与其近红外光谱数据对应建立预测模型；g.用建立的预 测模型对验证集木片样品的近红外光谱数据进行预测确定其抽出物含量预测值，评价模型 预测能力。 所述步骤a中制浆材样品包括桉木、杨木、相思，木片样品规格约 20mmX10mmX 2mm〇 所述步骤b中近红外光谱数据为利用近红外光谱仪在扫描范围为1600~2400nm， 分辨率为8cm 1的条件下采用漫反射方式获得的吸光度值。样品采集光谱后倒出，重新混合 采样，每个样品以此方法采集3次光谱，取其平均光谱数据作为样品的原始近红外光谱数 据。 所述步骤c中对原始光谱数据进行的预处理方法为多元散射校正 所述步骤d中木粉能通过40目（0· 38mm)而不能通过60目（0· 25mm)。 所述步骤e中抽出物为冷水抽出物、热水抽出物、苯醇抽出物和1 % NaOH抽出物， 将样品分为训练集和验证集的方法为含量梯度法。 所述步骤f中预测模型为制浆材包括桉木、杨木、相思建立的数学预测模型，其过 程主要为：用化学计量学软件加载训练集光谱数据，通过LASSO算法和交互验证，确定最优 调整参数μ，根据μ值确定抽出物预测模型。当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于近红外光谱技术快速测定制浆材抽出物含量的方法，其特征是，步骤是：第一步，将适龄制浆材去皮，切削成规格相近的制浆材木片样品；第二步，经充分平衡水分后，利用近红外光谱仪采集各制浆材木片样品的原始近红外光谱数据，扫描范围为1600～2400nm，分辨率为8cm‑1；第三步，对原始近红外光谱数据进行预处理；第四步，从各制浆材木片样品中取样粉碎得到木粉；第五步，用化学法测定木粉抽出物含量，并将所有制浆材木片样品按含量梯度法分为训练集和验证集；第六步，采用LASSO算法将训练集中样品抽出物含量实测值与其近红外光谱数据对应建立预测模型；第七步，用建立的预测模型对验证集木片样品的近红外光谱数据进行预测确定其抽出物含量预测值，评价模型预测能力。
【技术特征摘要】
【专利技术属性】
技术研发人员：房桂干，吴珽，梁龙，崔宏辉，邓拥军，
申请(专利权)人：中国林业科学研究院林产化学工业研究所，
类型：发明
国别省市：江苏;32
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。