基于近红外光谱的物质类别识别方法及终端设备技术

本发明专利技术适用于近红外光谱分析技术领域，提供了一种基于近红外光谱的物质类别识别方法及终端设备，上述方法包括：确定待测样本的近红外光谱曲线在多个预设波长处对应的第一特征点；确定每相邻两个第一特征点之间连线的斜率，并将每相邻两个第一特征点之间连线的斜率形成目标特征向量；分别计算目标特征向量与多个预设种类分别对应的标准特征向量之间的距离，确定最小距离对应的预设种类为待测样本的种类。由于近红外光谱曲线的变化趋势反映了物质内部成分的变化，而特征点之间的斜率反应了这种变化趋势，因此本发明专利技术根据特征点之间的斜率作为确定物质的类别的参数，可以准确识别物质的类别，数据量小，计算过程简单。计算过程简单。计算过程简单。

【技术实现步骤摘要】
基于近红外光谱的物质类别识别方法及终端设备


[0001]本专利技术属于近红外光谱分析
，尤其涉及一种基于近红外光谱的物质类别识别方法及终端设备。

技术介绍

[0002]近红外光谱是近年来发展起来的一种高新分析技术，具有简便、快速、低成本、无污染、对样品无破坏等有点，能快速实现物品种类的识别。
[0003]现有技术中，基于近红外光谱的物质种类的识别多从纯数学的角度，按照方差最大化的方向提取光谱特征，数据量较大，计算过程复杂。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供了一种基于近红外光谱的物质类别识别方法及终端设备，以解决现有技术中基于近红外光谱的物质种类的识别所处理的数据量大，计算过程复杂的问题。
[0005]本专利技术实施例的第一方面提供了一种基于近红外光谱的物质类别识别方法，包括：
[0006]获取待测样本在预设波段内的近红外光谱曲线，并确定待测样本的近红外光谱曲线在多个预设波长处对应的第一特征点；
[0007]确定每相邻两个第一特征点之间连线的斜率，并将每相邻两个第一特征点之间连线的斜率形成目标特征向量；其中，相邻两个第一特征点为波长相邻的两个第一特征点；
[0008]分别计算目标特征向量与多个预设种类分别对应的标准特征向量之间的距离，确定最小距离对应的预设种类为待测样本的种类。
[0009]本专利技术实施例的第二方面提供了一种基于近红外光谱的物质类别识别装置，包括：
[0010]特征点确定模块，用于获取待测样本在预设波段内的近红外光谱曲线，并确定待测样本的近红外光谱曲线在多个预设波长处对应的第一特征点；
[0011]目标特征向量确定模块，用于确定每相邻两个第一特征点之间连线的斜率，并将每相邻两个第一特征点之间连线的斜率形成目标特征向量；其中，相邻两个第一特征点为波长相邻的两个第一特征点；
[0012]识别模块，用于分别计算目标特征向量与多个预设种类分别对应的标准特征向量之间的距离，确定最小距离对应的预设种类为待测样本的种类。
[0013]本专利技术实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如本专利技术实施例第一方面提供的基于近红外光谱的物质类别识别方法的步骤。
[0014]本专利技术实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如本专利技术实施例第一方面提供的基于
近红外光谱的物质类别识别方法的步骤。
[0015]本专利技术实施例提供了一种基于近红外光谱的物质类别识别方法，包括：确定待测样本的近红外光谱曲线在多个预设波长处对应的第一特征点；确定每相邻两个第一特征点之间连线的斜率，并将每相邻两个第一特征点之间连线的斜率形成目标特征向量；分别计算目标特征向量与多个预设种类分别对应的标准特征向量之间的距离，确定最小距离对应的预设种类为待测样本的种类。近红外光谱曲线的变化趋势反映了物质内部成分的变化，而第一特征点之间的斜率反应了这种变化趋势，本专利技术实施例根据上述特征，通过第一特征点之间的斜率确定目标特征向量并与各个标准特征向量比对，进而准确识别物质的类别，数据量小，计算过程简单。
附图说明
[0016]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0017]图1是本专利技术实施例提供的基于近红外光谱的物质类别识别方法的实现流程示意图；
[0018]图2是多个预设种类的实验样本的近红外光谱曲线图；
[0019]图3是本专利技术实施例提供的近红外光谱变化趋势示意图；
[0020]图4是本专利技术实施例提供的基于近红外光谱的物质类别识别装置的示意图；
[0021]图5是本专利技术实施例提供的终端设备的示意图。
具体实施方式
[0022]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本专利技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本专利技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本专利技术的描述。
[0023]为了说明本专利技术的技术方案，下面通过具体实施例来进行说明。
[0024]参考图1，本专利技术实施例提供了一种基于近红外光谱的物质类别识别方法，包括：
[0025]S101：获取待测样本在预设波段内的近红外光谱曲线，并确定待测样本的近红外光谱曲线在多个预设波长处对应的第一特征点。
[0026]近红外光(Near Infrared，NIR)是介于可见光和中红外光之间的电磁波，按ASTM(美国试验和材料检测协会)定义是指波长在780～2526nm范围内的电磁波。红外光谱曲线图是分子能选择性吸收某些波长的红外线，而引起分子中振动能级和转动能级的跃迁，检测红外线被吸收的情况可得到物质的红外吸收光谱，又称分子振动光谱或振转光谱。近红外区域的吸收基本上均为红外区基准振动的倍频或合频振动所引起的，特别是以由氢原子相关联的O
‑
H、N
‑
H、C
‑
H等官能基的吸收为主。
[0027]近红外光应用于物质的分析所使用的波长域根据待测物的特征和测定目的可分为三个区域：
[0028]1、1800～2500nm，在这个范围的吸收，由C＝O在1900nm第二倍频所引起的吸收外，其他全可以归类为O
‑
H、N
‑
H、C
‑
H及C＝O的合频。包括了水、脂肪、蛋白质及碳水化合物等主要成分的有关吸收波长；
[0029]2、1100～1800nm，在这个范围的吸收，水的O
‑
H在1150、1450和1790nm的倍频吸收，C
‑
H在1600
‑
1800nm区域的第一倍频和1100
‑
1400nm区域的第二倍频，N
‑
H在1400
‑
1600nm区域的第一倍频。与1800
‑
2500nm波长带相似，存在各主要成分的吸收带；
[0030]3、800～1100nm，在这个范围的吸收，水的O
‑
H在960nm处的合频吸收，C
‑
H在800～900nm区域的第三倍频吸收，N
‑
H在1000～1100nm区域的第二倍频。在这个区域的吸收比较弱。
[0031]由以上可知，不同波长对于不同物质的反射率呈现一定的规律，由于物质的近红外光谱曲线具有“指纹”效应，不同物不同谱，相同物质应当具有相似的光谱结构，仅因为物质浓度的变化引起相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于近红外光谱的物质类别识别方法，其特征在于，包括：获取待测样本在预设波段内的近红外光谱曲线，并确定所述待测样本的近红外光谱曲线在多个预设波长处对应的第一特征点；确定每相邻两个第一特征点之间连线的斜率，并将每相邻两个第一特征点之间连线的斜率形成目标特征向量；其中，所述相邻两个第一特征点为波长相邻的两个第一特征点；分别计算所述目标特征向量与多个预设种类分别对应的标准特征向量之间的距离，确定最小距离对应的预设种类为所述待测样本的种类。2.如权利要求1所述的基于近红外光谱的物质类别识别方法，其特征在于，在所述获取待测样本在预设波段内的近红外光谱曲线，并确定所述待测样本的近红外光谱曲线在多个预设波长处对应的第一特征点之前，所述方法还包括：获取多个预设种类的实验样本在预设波段内的近红外光谱曲线；根据多个预设种类的实验样本的近红外光谱曲线，确定所述多个预设波长；针对每个预设种类，根据该预设种类的实验样本的近红外光谱曲线及所述多个预设波长，确定该预设种类对应的标准特征向量。3.如权利要求2所述的基于近红外光谱的物质类别识别方法，其特征在于，所述根据多个预设种类的实验样本的近红外光谱曲线，确定所述多个预设波长，包括：针对每个预设种类，确定该预设种类的实验样本的近红外光谱曲线中的各个极值点为中间特征点；根据各个预设种类对应的近红外光谱曲线中的中间特征点，确定所述多个预设波长。4.如权利要求3所述的基于近红外光谱的物质类别识别方法，其特征在于，所述根据各个预设种类对应的近红外光谱曲线中的中间特征点，确定所述多个预设波长，包括：查找第一波长；其中，各个预设种类对应的近红外光谱曲线中均存在第一波长对应的中间特征点；所述第一波长为多个；将多个第一波长作为多个预设波长；其中，所述第一波长的数量与所述预设波长的数量一致。5.如权利要求3所述的基于近红外光谱的物质类别识别方法，其特征在于，所述根据各个预设种类对应的近红外光谱曲线中的中间特征点，...

【专利技术属性】
技术研发人员：李鸿强，卢海博，魏东，刘继文，马宏，武小云，葛泰，葛成鹏，邹其，王翊同，乔海明，黄智鸿，李民赞，
申请(专利权)人：河北建筑工程学院，
类型：发明
国别省市：