[发明专利]基于近红外光谱技术的模式识别方法

说明书

本发明公开了一种近红外光谱技术的模式识别方法，采用傅里叶近红外漫反射光谱技术进行检测样品进行建模数据采集，对采集的建模数据运用因子化建模结合一阶导数+5点平滑的预处理建立定性分析模型，采用Ward’s algorithm聚类算法结合二阶导数+SNV+5点平滑预处理建立聚类分析模型；采用PLS法建立定量分析模型，通过定向分析模型、聚类分析模型和定量分析模型进行模式识别实现分类判断。

技术领域

本发明涉及模式识别技术领域，更具体的说是涉及一种基于近红外光谱技术的模式识别方法。

背景技术

目前，采用近红外光谱进行物质组分分析、检验和分类的方向研究不断加深，近红外光指波数在12000～4000cm^-1范围内的一种电磁波，可以对检测样品中的-CH，-OH，-NH，C＝C，C＝O等化学键振动(伸缩振动，弯曲振动，摇摆振动，剪刀振动等)及光谱叠加吸收，形成稳定而复杂的吸收光谱，光谱的特性与样品的组分存在特定关系，同时，可以实现全光谱或者多个子光谱的定性分析、定量分析及在线分析等。

但是，由于对于多组分的复杂样品，其近红外光谱不是各组分单独光谱的简单叠加，需要利用“化学计量学”技术从复杂的光谱中提取出有效信息，此种方法常被用于营养成分检验及分类，对于目前日常生活中经常出现的造假和掺假的行为，消费者希望出现一种简便鉴别技术，能够快速对产物成分进行分析，对产物产地进行溯源，保证购买质量。

因此，如何采用近红外光谱技术结合模型算法进行物质组分分析，实现物质产地溯源是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于近红外光谱技术的模式识别方法，采用近红外光谱技术进行鉴别样品的采样，利用采集的参考物的光谱数据建立定性分析模型或聚类分析模型或定量分析模型，实现对产物不同状态下的建模，通过待鉴别样品的光谱数据输入模型，从而获得鉴别结果，判断出待鉴别样品的真实产地与标志产地是否一致。

为了实现上述目的，本发明采用如下技术方案：

一种基于近红外光谱技术的模式识别方法，具体识别方法过程如下：

步骤1：采用傅里叶近红外漫反射光谱技术进行采样，获取样品原始光谱；

步骤2：对所述原始光谱进行预处理，得到建模光谱；

步骤3：对所述建模光谱进行特征提取，建立识别模型；

步骤4：将待识别光谱数据输入识别模型，获得判别结果。

优选的，所述步骤1中，利用TENSOR II型傅里叶变换近红外光谱仪进行所述样品的所述原始光谱的采集；利用OPUS 7.5软件对所述样品进行扫描，进行检查信号、保存峰位、扫描背景单通道光谱、测量样品单通道光谱操作来消除外接信息的干扰，提高采集数据的精度；还设置有压样器，通过所述压样器将所述样品表面处理平整和压实来提升近红外光纤的漫反射次数，更多的提取有效信息，测量样品单通道采集样品光谱，再利用所述近红外光谱进行所述原始光谱的采集。

优选的，所述步骤2中的预处理方式为矢量归一化、一阶导数+平滑法、一阶导数+SNV+平滑、二阶导数+平滑法或二阶导数+SNV+平滑法。

优选的，所述步骤2中采用二阶导数+SNV+5点平滑法进行所述原始光谱的预处理，所述步骤3中采用Ward’s algorithm聚类算法建立聚类分析模型。

优选的，所述步骤2中采用一阶导数+5点平滑法进行所述原始光谱的预处理，所述步骤3中采用因子化法建立定性分析模型。

优选的，所述步骤3中采用偏最小二乘法，建立的定量分析模型。