一种基于近红外光谱的饲料品质控制方法技术

本发明专利技术涉及一种基于近红外光谱的饲料品质控制方法，包括以下步骤：建模步骤：利用企业设定浓度范围的原料和产品，建立对应的预测模型，所述的预测模型包括原料预测模型和产品预测模型；原料品质控制步骤：利用原料预测模型得到原料的特征光谱，采集特征光谱中的相关信息，进行原料产地鉴别、同类未知样品检验、原料异常判定和/或原料稳定性判定；产品品质控制步骤：利用产品预测模型，对饲料中每个混合单位及产出产品取样扫描并比对，实时监控产品品质。与现有技术相比，本发明专利技术具有减少预测模型建模时间、动态调整模型宽度和适应性、提高饲料品质控制的有效性，同时匹配度高、适用性广、提高近红外检测仪使用价值等优点。

【技术实现步骤摘要】
一种基于近红外光谱的饲料品质控制方法
本专利技术涉及饲料品质检测领域，尤其是涉及一种基于近红外光谱的饲料品质控制方法。
技术介绍
近红外光谱技术测定样品中的化学组成和物化性质具有高效、环保等优点，近年饲料企业也广泛使用近红外的快捷检测方式完善其品质控制。为方便用户更高效的使用近红外分析仪，近红外仪器商提供近红外网络化管理服务，即利用互联网、服务器或其他方式将多台近红外分析仪连接成整体的数据分析系统，但仍存在一些预测模型不全及数据光谱利用不足等问题。中国专利CN201510490572.7公开了一种利用近红外技术在线控制饲料生产的方法，利用近红外技术在线控制饲料生产，近红外光谱仪通过近红外探头检测进料斗内饲料原料成分的近红外光谱信息和营养成分的含量信息并传送至装有配方系统的计算机，计算机软件根据所得信息判断饲料原料的质量，并根据判断结果对饲料原料进行分级使用。该方法利用近红外光谱分析技术能够实现对饲料生产过程涉及到的原料、过程产品以及终产品的现场无损快速分析，但是其预测模型是根据配方系统中根据可当作饲料原料的配方的近红外光谱信息建立的，这样的建模方法需要大量的样品数据，对于单个企业而言样品收集难并且检验化验工作压力极大，且其只对饲料原料质量和原料营养价值进行分析，而没有给出利用近红外光谱的其他品质控制方法，不能适用于多种不同饲料企业的品质控制。目前基本是单个指标或是单个产品预测模型的建立，在建立预测模型的过程中需要收集的样品非常多，虽然模型适用性比较广，但是其检验化验工作量非常大，结合目前形势，一般企业原料多样、品种配方多变是其普遍现象，因此需要配备的实验室检测能力也是相当高的。这有违目前大多数配备近红外检测仪的初衷，目前提供的建模方法对于企业来说工作量巨大，一般很难在短时间内让价格较高的近红外检测仪投入到品质控制中，缺少企业对近红外检测仪价值最大化的方法。因此，如何提高近红外饲料检测仪工作效率和价值是如今饲料企业需要解决的技术问题。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种减少建模时间的基于近红外光谱的饲料品质控制方法。本专利技术的目的可以通过以下技术方案来实现：一种基于近红外光谱的饲料品质控制方法，包括以下步骤：建模步骤：利用企业设定浓度范围的原料和产品，建立对应的预测模型，所述的预测模型包括原料预测模型和产品预测模型；原料品质控制步骤：利用原料预测模型得到原料的特征光谱，采集特征光谱中的相关信息，进行原料产地鉴别、同类未知样品检验、原料异常判定和/或原料稳定性判定；产品品质控制步骤：利用产品预测模型，对饲料中每个混合单位及产出产品取样扫描并比对，实时监控产品品质。所述的定标软件采用WinISI定标软件。进一步地，所述的建模步骤具体包括：S101：对仪器商提供的已有原料预测模型进行模型验证，并根据验证结果进行模型扩展；S102：收集建模所需的原料样品和产品样品，并将原料样品和产品样品按设定要求进行编号和粉碎处理；S103：对经过处理的原料样品和产品样品扫描，获取光谱并输入定标软件；S104：定标软件根据光谱数据筛选出符合设定浓度范围的样品，并将这部分样品进行湿化学检测；S105：定标软件将光谱数据与湿化学检测结果结合，通过不同的数学处理评价选择最优的处理方式，建立预测模型；S106：定期对建立的预测模型进行模型验证，根据验证结果进行模型扩展。进一步优选地，所述的模型验证具体包括：选取5-10个不同浓度的样品，对对应预测模型的预测准确性进行验证，后期可以逐渐动态调整模型宽度和适应性；所述的模型扩展具体包括：对验证结果不理想的预测模型扩展指标浓度范围，并重新进行原料收集、检验化验、扫描和定标。其中验证结果不理想的预测模型是指扫描报警或预测结果与扫描值超出允许误差的预测模型，这个允许误差是行业标准。进一步优选地，所述的步骤S104中，筛选出符合设定浓度范围的样品的数量范围为30-50个。进一步优选地，所述的数学处理评价包括定标标准偏差及定标相关系数、交互验证标准偏差和交互验证相关系数；所述的处理方式包括散射校正方法和导数数学处理，所述的散射校正方法包括标准化、去偏差、标准化和去偏差、多元散射校正以及不做处理，所述的导数数学处理包括一阶导数和二阶导数；所述的通过不同的数学处理评价选择最优的处理方式具体包括：通过选择不同的散射校正方法和不同的导数数学处理，选出标准差最小且相关系数最大的一种方式，作为最优的处理方式。进一步地，所述的原料产地鉴别具体包括：S201：收集样品源产地可靠的原料样品，结合镜检确定样品产地特征；S202：扫描待检测的原料样品，通过预测模型采集其特征光谱；S203：定标软件通过聚类分析，只利用光谱数据计算得分并生成产地三维图；S204：根据产地三维图统计各样品间的差异，获取特征光谱集，鉴别未知原料产地；所述的同类未知样品检验具体包括：S211：收集已知来源及指标梯度的同一类原料样品，并采集其特征光谱；S212：定标软件通过聚类分析，只利用光谱数据计算得分并生成分类三维图；S213：根据分类三维图统计各指标梯度样品间的差异，获取特征光谱集，检验同类未知样品。进一步优选地，所述的步骤S203和步骤S212中，所述的聚类分析采用PCA方式。进一步地，所述的原料异常判定具体包括：S221：收集已知来源的原料样品，并采集其特征光谱；S222：定标软件利用步骤S221中采集的特征光谱，进行数学处理后，获取其特征光谱集；S223：采集未知样品的特征光谱，并采用步骤S222中的光谱处理方式得到比对光谱；S224：将比对光谱与特征光谱集进行比对，鉴别未知原料是否异常；所述的原料稳定性判定具体包括：S231：对每批次的原料样品进行扫描并采集其特征光谱；S232：定标软件利用步骤S231中采集的特征光谱，进行数学处理后，获取其特征光谱集；S233：比对每批次原料样品的特征光谱集，判定原料稳定性。进一步优选地，所述的步骤S222和步骤S232中，所述的定标软件采用去散射和标准化以及一阶导数数学处理后，获取特征光谱集。进一步地，所述的产品预测模型包括颗粒预测模型和粉料预测模型。对于颗粒饲料，其是由各种原料粉料混合后通过调制和制粒得到颗粒料，同产品有粉料和颗粒两种形态，在混合单位取出的是粉料，在出料口取出的是颗粒料，因此当产品为颗粒饲料时，需要同时建立颗粒预测模型和粉料预测模型，以提高预测数据准确性。与现有技术相比，本专利技术具有以下优点：1)本方法利用企业自身的原料、产品浓度范围建模，生成适合各自企业的预测模型，减少建模参与样品和实验室工作量，建立的预测模型适用于各自企业，使企业能够用最短的时间建立适合的预测模型并投入品质控制工作，匹配度高、适用性广；2)本方法通本文档来自技高网...

【技术保护点】
1.一种基于近红外光谱的饲料品质控制方法，其特征在于，包括以下步骤：/n建模步骤：利用企业设定浓度范围的原料和产品，建立对应的预测模型，所述的预测模型包括原料预测模型和产品预测模型；/n原料品质控制步骤：利用原料预测模型得到原料的特征光谱，采集特征光谱中的相关信息，进行原料产地鉴别、同类未知样品检验、原料异常判定和/或原料稳定性判定；/n产品品质控制步骤：利用产品预测模型，对饲料中每个混合单位及产出产品取样扫描并比对，实时监控产品品质。/n

【技术特征摘要】
1.一种基于近红外光谱的饲料品质控制方法，其特征在于，包括以下步骤：
建模步骤：利用企业设定浓度范围的原料和产品，建立对应的预测模型，所述的预测模型包括原料预测模型和产品预测模型；
原料品质控制步骤：利用原料预测模型得到原料的特征光谱，采集特征光谱中的相关信息，进行原料产地鉴别、同类未知样品检验、原料异常判定和/或原料稳定性判定；
产品品质控制步骤：利用产品预测模型，对饲料中每个混合单位及产出产品取样扫描并比对，实时监控产品品质。


2.根据权利要求1所述的一种基于近红外光谱的饲料品质控制方法，其特征在于，所述的建模步骤具体包括：
S101：对仪器商提供的已有原料预测模型进行模型验证，并根据验证结果进行模型扩展；
S102：收集建模所需的原料样品和产品样品，并将原料样品和产品样品按设定要求进行编号和粉碎处理；
S103：对经过处理的原料样品和产品样品扫描，获取光谱并输入定标软件；
S104：定标软件根据光谱数据筛选出符合设定浓度范围的样品，并将这部分样品进行湿化学检测；
S105：定标软件将光谱数据与湿化学检测结果结合，通过不同的数学处理评价选择最优的处理方式，建立预测模型；
S106：定期对建立的预测模型进行模型验证，根据验证结果进行模型扩展。


3.根据权利要求2所述的一种基于近红外光谱的饲料品质控制方法，其特征在于，所述的模型验证具体包括：选取5-10个不同浓度的样品，对对应预测模型的预测准确性进行验证；
所述的模型扩展具体包括：对验证结果不理想的预测模型扩展指标浓度范围，并重新进行原料收集、检验化验、扫描和定标。


4.根据权利要求2所述的一种基于近红外光谱的饲料品质控制方法，其特征在于，所述的步骤S104中，筛选出符合设定浓度范围的样品的数量范围为30-50个。


5.根据权利要求2所述的一种基于近红外光谱的饲料品质控制方法，其特征在于，所述的数学处理评价包括定标标准偏差及定标相关系数、交互验证标准偏差和交互验证相关系数；
所述的处理方式包括散射校正方法和导数数学处理，所述的散射校正方法包括标准化、去偏差、标准化和去偏差、多元散射校正以及不做处理，所述的导数数学处理包括一阶导数和二阶导数；
所述的通过不同的数学处理评价选择最优的处理方式具体包括：通过选...

【专利技术属性】
技术研发人员：吴海英，杨伟春，曾诚，仲伟迎，周通，吴有林，
申请(专利权)人：江苏傲农生物科技有限公司，广州傲农生物科技有限公司，福建傲农生物科技集团股份有限公司，
类型：发明
国别省市：江苏;32