一种油品快检中特征谱段确定方法和辛烷含量检测系统技术方案

本发明专利技术公开了一种油品快检中特征谱段确定方法和辛烷含量检测系统，涉及化学计量学和分析化学领域，采用变量重要性投影算法筛选决定汽柴油理化性质指标的特征谱段，对VIP数值大于1的光谱点进行一阶导数处理，选取导数数值在前10％部分的光谱作为本发明专利技术确定的特征谱段，再进行建模分析，计算待测指标含量。本发明专利技术通过对近红外光谱图进行采集和分析，仅通过统计方法确定特征谱段，降低了对操作人员的技术水平、背景知识的要求，使整个操作过程更便捷、更具有普遍适用性；且该过程为确定的步骤和计算方法，当近红外光谱图确定后，不同的操作人员也会得到同样的分析结果，并不涉及人为因素的影响，提高盲样预测分析的准确性。提高盲样预测分析的准确性。提高盲样预测分析的准确性。

【技术实现步骤摘要】
一种油品快检中特征谱段确定方法和辛烷含量检测系统


[0001]本专利技术涉及化学计量学和分析化学领域，尤其是涉及一种油品快检中特征谱段确定方法和系统。

技术介绍

[0002]多年来，成品油常规实验室检测一直是市场监管部门主要的质量检测方式，在成品油质量监管工作中发挥了重要作用。但是，随着环保政策的不断变化和成品油标准的频繁升级，常规实验室检测逐步暴露出检测周期过长、行政资源投入较大、震慑力度不强等突出问题，制约了油品质量监管效能提升，需要进一步提升油品质量检测能力。
[0003]波长选择是近红外光谱用于油品检测的关键步骤。适当的波长选择可以去除光谱中的无效信息和干扰变量，获得更好的模型预测性能，提高模型解释能力。
[0004]迄今为止，已经开发了多种近红外波长选择方法。比如间隔偏最小二乘法、连续投影算法、变量重要性投影算法和竞争自适应抽样方法等，这些技术是利用统计筛选的方法获取与性质指标相关性较大的光谱变量，在一定程度上可以提高数据模型的稳定性和准确性。但是这些方法也不能解决由于环境因素或仪器性能因素造成的光谱变量与性质指标之间的“假相关”问题。因此，上述方法在油品的快速分析中没有得到广泛应用。
[0005]传统的变量重要性投影方法只根据VIP指数筛选特定变量，这有可能由于仪器或者环境等因素而引入“误选”的无关变量。
[0006]公开号为CN115372309A的申请文件公开了一种关联有效特征谱段选择方法及油品指标含量快检方法，特征谱段选择方法步骤包括根据近红外光谱图选择特征谱段，再采用变量重要性投影算法，筛选出VIP值大于1的特征谱段，两种方法选出的特征谱段的交集作为做种选出的特征谱段，可以有效的提高盲样预测分析的准确性。但是，这种方法需要通过对近红外光谱图进行分析，这就要求操作人员具有一定的化学基础理论知识，对油品的化学结构有充分的了解，并且，针对同一个近红外光谱图，不同的操作人员筛选出的特征谱段也会不同，检测结果容易受到操作人员的主观影响。
[0007]因此，对于解决由于环境因素或仪器性能因素造成的光谱变量与性质指标之间的“假相关”问题，仍需进行不断地研究和分析。

技术实现思路

[0008]针对上述问题，本专利技术提出建立根据统计方法筛选特征谱段的方法，并将其应用于油品快速检测中。
[0009]本专利技术提出了一种油品快检中特征谱段确定方法，包括如下步骤：
[0010]步骤S1：油品中添加预定量的待测物质，制备成样品；
[0011]步骤S2：采集所述样品的近红外光谱图；
[0012]步骤S3：对所述近红外光谱图进行光谱预处理；
[0013]步骤S4：计算光谱预处理后的所有光谱点的VIP值；
[0014]步骤S5：对所述VIP值大于1的光谱点进行导数处理；
[0015]步骤S6：根据所述导数处理的结果，确定特征谱段。
[0016]进一步的，所述步骤S3中光谱预处理方法为一阶导数滤波拟合法。
[0017]进一步的，所述步骤S6具体包括：按导数数值从大到小排序，选取导数数值在前10％的部分，该部分对应的光谱即为确定的特征谱段。
[0018]一种油品中辛烷含量检测系统，使用如上任一项所述的油品快检中特征谱段确定方法，包括如下模块：
[0019]样品制备模块：用于油品中添加预定量的辛烷，制备成样品；
[0020]近红外光谱图采集模块：与所述样品制备模块连接，用于采集所述样品的近红外光谱图；
[0021]光谱预处理模块：与所述近红外光谱图采集模块连接，用于对所述近红外光谱图进行光谱预处理；
[0022]特征谱段确定模块：与所述光谱预处理模块连接，用于计算光谱预处理后的所有光谱点的VIP值，对所述VIP值大于1的光谱点进行导数处理，根据所述导数处理的结果，确定特征谱段；
[0023]样品检测模块：与所述特征谱段确定模块连接，用于根据所述特征谱段，对油品中辛烷值进行检测。
[0024]进一步的，所述光谱预处理方法为一阶导数滤波拟合法。
[0025]进一步的，对所述特征谱段进行导数处理，按导数数值从大到小排序，选取导数数值在前10％的部分，该部分对应的光谱即为确定的特征谱段。
[0026]进一步的，确定出的特征谱段为4003.497～4666.890cm
‑1、5397.779～5970.533cm
‑1、8167.057～8392.688cm
‑1。
[0027]与现有技术相比较，本专利技术的有益效果在于：
[0028]其一，本专利技术通过对样品采集近红外光谱图，并且在对近红外光谱图进行分析时，仅通过统计方法确定特征谱段，降低了对操作人员的技术水平、背景知识的要求，使整个操作过程更便捷、更具有普遍适用性；
[0029]其二，本专利技术在对近红外光谱图进行处理时，仅进行了VIP值计算、求导，该过程为确定的步骤和计算方法，当近红外光谱图确定后，不同的操作人员也会得到同样的分析结果，并不涉及人为因素的影响，提高盲样预测分析的准确性。
[0030]其三，本专利技术对传统变量重要性投影算法筛选特征谱段的VIP指数范围进行了进一步提取，大大提高了建模分析准确率。
附图说明
[0031]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0032]图1是油品快检中特征谱段确定方法流程图；
[0033]图2是油品中辛烷含量检测系统流程图。
具体实施方式
[0034]下面将结合附图对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。
[0035]针对由于环境因素或仪器性能因素造成的光谱变量与性质指标之间的“假相关”问题，本专利技术提出一种基于统计方法筛选近红外光谱特征谱段的油品快检方法，包括制备样品，采集近红外光谱，基于统计方法初步筛选特征谱段，光谱预处理，确定特征谱段，划分校正集和预测集，构建校正模型，检测预测集样品，采用变量重要性投影算法筛选决定汽柴油理化性质指标的特征谱段，对VIP数值大于1的光谱点进行一阶导数处理，选取导数数值在前10％部分的光谱作为本专利技术确定的特征谱段，再进行建模分析，计算待测指标含量。本专利技术可以筛选出决定汽柴油理化性质指标最为相关的特征谱段，提高盲样预测分析的准确性。
[0036]实施例1
[0037]如图1所示，本专利技术提出了一种油品快检中特征谱段确定方法，以测量油品中辛烷含量为例，具体包括如下步骤：
[0038]步骤S1：油品中添加预定量的辛烷，制备成样品。
[0039]步骤S2：采集所述样品的近红外光谱图。
[0040]在室温和40％湿度环境条件下，采用近红外光谱仪采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种油品快检中特征谱段确定方法，其特征在于，包括如下步骤：步骤S1：油品中添加预定量的待测物质，制备成样品；步骤S2：采集所述样品的近红外光谱图；步骤S3：对所述近红外光谱图进行光谱预处理；步骤S4：计算光谱预处理后的所有光谱点的VIP值；步骤S5：对所述VIP值大于1的光谱点进行导数处理；步骤S6：根据所述导数处理的结果，确定特征谱段。2.根据权利要求1所述的一种油品快检中特征谱段确定方法，其特征在于，所述步骤S3中光谱预处理方法为一阶导数滤波拟合法。3.根据权利要求1所述的一种油品快检中特征谱段确定方法，其特征在于，所述步骤S6具体包括：按导数数值从大到小排序，选取导数数值在前10％的部分，该部分对应的光谱即为确定的特征谱段。4.一种油品中辛烷含量检测系统，使用如权利要求1
‑
3中任一项所述的油品快检中特征谱段确定方法，其特征在于，包括如下模块：样品制备模块：用于油品中添加预定量的辛烷，制备成样品；近红外光谱图采集模块：与所述样品制备模块连接，用于采集所述样品的近...

【专利技术属性】
技术研发人员：杜彪，郝璐，李轲，龚丽，张正东，张佩玉，付家煜，徐晓雯，卢小新，李琪，刘帆，
申请(专利权)人：中国计量科学研究院，
类型：发明
国别省市：