[发明专利]基于太赫兹技术的葡萄糖与小麦混合物定量分析方法

权利要求书

1.基于太赫兹技术的葡萄糖与小麦混合物定量分析方法，其特征在于：包括以下步骤：

S1、获取不同浓度葡萄糖与小麦混合物的THz光谱特征：

选择浓度分别为1％、3％、5％、10％、20％、30％和40％的葡萄糖与小麦的混合物作为检测样品，采用THz-TDS系统先测量出一个参考光谱，并对所有样品进行测量，经计算得到其平均时域光谱、频域光谱、吸收系数和折射率四种THz光谱特征；

S2、对四种THz光谱特征进行数据预处理：

采用百分位滤波器进行数据预处理，选用25个窗口点数的50％百分位滤波对四种THz光谱数据进行平滑处理，消除光谱中幅度异常的信号；

S3、将预处理后的四种THz光谱特征进行数据融合：

设其中一个样品的THz时域光谱、频域光谱、吸收系数、折射率分别为：

z_k1＝{z_k1，1，z_k1，2，...，z_k1，s1}，z_k2＝{z_k2，1，z_k2，2，...，z_k2，s2}，

z_k3＝{z_k3，1，z_k3，2，...，z_k3，s3}，z_k4＝{z_k4，1，z_k4，2，...，z_k4，s4}，

将四种THz光谱特征进行数据融合，构成融合模型的第k个输入向量，表示为：z_k＝[z_k1，z_k2，z_k3，z_k4]^T；

S4、对S3中融合后的样本THz光谱特征数据进行随机选取光谱数据集：

将葡萄糖与小麦混合物样本融合后所测得的数据集按照7∶3的比例随机划分为校正集和预测集；

S5、将S3中融合后四种THz光谱特征的数据输入PLS回归模型中构建定量分析模型：

S51、将变量矩阵设为Y＝(y_ij)_n×m和自变量X＝(x_ij)_n×p，并分解为特征向量的形式：Y＝UQ+F，X＝TP+E，式中U为Y的特征因子矩阵，Q为Y的载荷矩阵，F为Y的残差矩阵；T为X的特征因子矩阵，P为X的载荷矩阵，E为X的残差矩阵；

S52、根据S51中特征向量的相关性分解矩阵Y和X，构建回归模型：U＝TB+E_d，式中E_d为随机误差矩阵，B为d维的对角回归系数矩阵；

S53、融合后的葡萄糖与小麦混合物样本的THz光谱特征为z_k，由S51、S52得出预测样本的含量为：y＝z_k(UX)′BQ；

S54、根据S53中得出的葡萄糖与小麦混合物样本含量，计算出样本含量的真实值和预测值，确定出拟合系数R，计算公式为：式中R表示模型的拟合程度；

S55、根据S3中得出的预测集或校正集中的真实值和预测值，选用校正集均方根误差RMSEC和预测集均方根误差RMSEP作为葡萄糖与小麦混合物定量分析的评价指标，计算公式为：

其中，y_pi为预测集或校正集中的预测值，y_ti为预测集或校正集中的真实值，n_c为校正集的样本数量，n_p为预测集的样本数量；RMSEC和RMSEP越小，模型的误差越小，模型性能越优。