红外处理方法

【专家讲座】：第六讲：红外光谱数据处理【讲座时间】：2015年11月30日 14:00【主讲人】：周群 （多年来一直从事红外、拉曼光谱的研究工作。主要研究领域为二维相关光谱，分子光谱法与文物鉴定，中药及食品的宏观质量控制。）【会议简介】内容提要：常见的红外光谱数据处理方法的原理、应用与注意事项，包括透过率与吸光度相互转换、波长与波数相互转换、基线校正/归一化/平滑/插值等谱图优化方法、差谱/导数/去卷积/曲线拟合等信息提取方法、峰位置/峰高度/峰面积等光谱参数计算方法。-------------------------------------------------------------------------------1、报名条件：只要您是仪器网注册用户均可报名，通过审核后即可参会。2、报名并参会用户有机会获得100元手机充值卡一张哦~3、报名截止时间：2015年11月30日 13:304、报名参会：http://www.instrument.com.cn/webinar/meeting/meetingInsidePage/17315、报名及参会咨询：QQ群—379196738http://ng1.17img.cn/bbsfiles/images/2017/10/2015042911235201_01_2507958_3.jpg

[align=center][size=14px][b]光谱选择方法[/b][/size][size=14px][b]:[/b][/size][size=14px][b]一种处理动态光谱和在线近红外建模的新优化方法[/b][/size][/align]摘要[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术在流化床造粒中得到了广泛的应用。然而，在实践中仍有一些不足需要克服。在建模过程中有效的光谱选择一直是一个难题。在本研究中，引入了一种新的近红外传感器和余弦距离方法来解决这一问题，从而使流化过程“可视化”。在膨胀室的侧面固定一个近红外传感器来获取[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]。然后基于余弦距离法选择有效谱以减小动态干扰的影响。最后，研究了光谱预处理和光谱选择方法，建立了偏最小二乘(PLS)模型来监测含水率。结果表明，含水率模型的预测均方根误差为0.124%，大大低于未进行有效光谱选择处理时的预测均方根误差。结果表明，在有效的光谱选择处理的帮助下，近红外传感器可以更准确地实时确定临界质量属性。它比工艺参数控制更容易理解制造过程。前言流化床造粒技术近年来在固体剂型的制造中得到了广泛的应用[1,2]。因为它可以使最终产品具有更好的流动性、均匀性和更少的制造过程中的交叉污染的机会[3,4]。而流化床造粒是一个封闭的过程，物料的流化状态是剧烈的、不可见的。要知道这些材料的物理化学性质是困难的。只有在生产过程的最后，分析人员才能对产品的质量进行测试，以决定产品是否合格。因此，流化床造粒的制造过程很难及时了解。过程分析技术(PAT)是由美国食品和药物管理局(FDA)在2004年提出的。其主要思想是利用各种过程分析工具对关键质量属性(CQAs)进行测量，以动态调整过程参数，保证最终产品的质量[5-7]。在目前的技术水平下，许多过程分析工具如成像方法[8]、微波共振(MR)方法[9]、空间滤波测速(SFV)方法[10]、光学相干层析成像(OCT)方法[11]、声发射(AE)方法[12]等都被用来尝试使过程可视化。[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]([url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]S)是一种广泛使用的PAT工具，用于过程监测，如农业、食品、土壤、医学诊断和制药等许多领域[13-18]。研究人员为[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术在流化床上的应用做了大量的工作。Markovic和他的同事利用漫反射光谱建立了偏最小二乘(PLS)模型来预测剩余溶剂含量、颗粒大小、筛分和涂层[19]的数量。Hudovornik等[20]还将[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]法应用于涂层工艺中。对含水率和涂层厚度这两个CQAs进行了在线准确预测。Otsuka等在实验室规模的流化床造粒机[1]中，利用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]([url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]S)对醋氨酚配方颗粒在混合、造粒和干燥过程中的含水量和D50进行了预测。[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]技术的成功应用对[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]提出了更高的要求。随着近红外技术在实际生产中的应用越来越广泛，动态光谱选择成为一个重要的问题。在流化床造粒的实际应用中，由于样品(即颗粒)的动态特性，如工作距离、测量角度和颗粒物理性质(如密度)的变化，对稳定的光谱测量提出了特殊的挑战[21-23]。这种动态特性使线性谱有时不稳定，它包含一些与空气、振动和物质密度等有关的信息。为了改善近红外动态过程监测的性能，已经做了一些努力。Lee和同事[24]用平均法对线性近红外模型进行了优化。该方法是基于[25]平均聚类方案可以大大降低动态扰动影响的理论提出的。Manel的研究中记录了每个采样时间对应的光谱，并取其平均值作为相应的标准光谱，以减少异常光谱[26]的影响。玛格特和同事通过限制光谱在特定区域的吸光度来识别异常光谱。如果吸光度超出规定的范围[27]，线谱被拒绝。上述方法在一定程度上减小了干扰信息的影响，但未具体消除异常谱。光谱选择仍然是非常必要的。因此，本研究引入了一种新型的微智能[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]来实现流化床造粒的实时监测。在化学计量学的帮助下，研究了五种光谱选择方法，并将其应用于实时[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]，结合预处理和可变选择方法提高[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]模型的预测能力。该研究为动态谱的处理提供了一种新的方法，可以建立一个精度更高的PLS模型。2 材料和方法2.1 材料2.1.1 样品原料药对乙酰氨基酚购自山东昌达生物科技有限公司。玉米淀粉由山东聊城华阳制药辅料有限公司提供。以安徽山河制药辅料有限公司为原料制备了微晶纤维素和粘合剂羟丙基甲基纤维素。乳糖由镇江市富康生物工程有限公司提供。2.1.2 软件使用Matlab 2016b (Mathworkers Inc.， USA)和Unscramber 10.1 (CAMO, Norway)软件对[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]进行处理。采用Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] Pro v2.3 (VIAVI, USA)进行在线光谱采集和监测。2.2 制粒过程这里使用的所有批次都是在实验室规模的流化床上生产的。(lgl002，山东SMA制药有限公司)本研究使用的标准配方如下。本研究使用的标准配方如下。对乙酰氨基酚(100克，5%w/w)，玉米淀粉(500克，26%w/w)，微晶纤维素(740克，38%w/w)，乳糖(600克，31%w/w)，羟丙基甲基纤维素(3% w/v)。在完全相同的条件下，对5批75个在线动态校准样品进行了重复，建立了近红外定量模型。另外，我们分别进行了两次造粒操作来验证我们的校准模型，然后进行了另外两组测试来评估校准模型的在线监测性能。设备最初预热15分钟至35℃。整个制粒过程约为60min。每个制粒过程的实验条件如下:进风温度为50-60℃。雾化压力为0.4巴。喷淋率为14ml /min，排风机开度为50%。将粉末在膨胀室中搅拌混合5min，然后将粘结剂溶液喷入粉末混合物中40min，再将颗粒干燥15min。2.3 光谱采集原始光谱由微型便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url](micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] PAT U spectrometer, VIAVI, USA)直接采用漫反射模块采集，如图1所示。为了避免温度对光谱仪的影响，将PAT-U光谱仪连接到一个耐热金属探针上。然后将探头固定在膨胀室的一侧，该一侧距离底屏15cm，垂直于采样口。详细信息如图1所示。每2秒自动在线获取[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]，范围从908.1 nm到1676.0 nm，平均扫描100次。在制粒和干燥过程中，每4分钟用玻璃取样瓶抽取约6克样品，供参考分析。2.4 水分含量测定采用[28]干燥损失法(LOD)测定样品中水分含量。2.5 PLS模型建立了水分含量的PLS模型，利用主成分分析法识别光谱异常值。然后研究了不同的预处理方法来消除不相关的信息。为了进一步提高模型的预测能力，介绍了相关系数[31]法、竞争自适应重加权采样[32]法和逆区间偏最小二乘[33]法等波长选择方法并进行了比较。采用交叉验证均方根误差(RMSECV)、校准均方根误差(RMSEC)和校准决定系数(R2c)对模型进行评价。最后，利用两个外部独立批量样本验证了模型在预测均方根误差(RMSEP)方面的预测能力。并将所建立的模型应用于在线监测。3 结果和讨论3.1 [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 光谱分析首先，制备了5批样品，用于造粒干燥过程中水分含量的标定模型研究。采集的原始光谱如图2a所示。在1200 nm和1500 nm附近可以发现两个主峰。在1200 nm左右的较弱峰可以归因于CH伸展的第二泛音[34,35]。在1500nm左右的强峰被指定为OH stretch[36]的第一泛音。虽然OH拉伸带为水分含量的测定提供了有价值的化学信息，但需要引入化学计量方法从重叠的光谱波段中挖掘出隐藏的信息。3.2 模型的建立与评价3.2.1 异常点的剔除主成分分析(PCA)是一种通过选择相关临界极限，推导置信椭圆来检测离群点的经典方法。在分数图中，样品的位置越近，它们的光谱越相似。一般来说，根据PCA得分图，如果样本的位置在置信椭圆(95%)之外，则被认定为异常样本。PCA能够成功地从定标集中去除部分不同的样本，去除异常值可以避免预测值的明显偏差，提高了模型的准确性和鲁棒性。在本研究中，经过光谱选择，利用PCA方法通过计算杠杆值来检测离群值(图5)，图5给出了基于前两个主成分的主成分分析图。根据PCA得分图，样本4,5和69由于其位置在置信椭圆(95%)之外而被识别为异常点。3.2.2 光谱预处理为了尽量减少或消除光散射的畸变效应，以及基线漂移和随机噪声引起的不必要的系统变化，本研究采用了不同的预处理方法。采用Savitzky-Golay (SG)平滑、均值中心、SNV、MSC、一阶导数(FD)和二阶导数(SD)等预处理方法对建立含水量模型的原始光谱进行了转换。然后建立PLS模型对预处理方法进行评价。在此过程中，使用交叉验证(LOOCV)来选择潜在变量(LV)。模型参数见表1。如表1所示，SNV、FD、SG平滑(宽度7，多项式阶2)和均值中心的预处理组合应用于谱具有最好的预测能力。RMSEC、RMSECV、R2c、R2cv分别为0.1562%、0.1731%、0.965、0.957。3.2.3 波段选择采用CC和RiPLS方法进行波长选择，以提高模型的准确性和鲁棒性。在选择过程中，采用RMSECV对PLS模型进行评价。不同波长选择方法下PLS模型的结果如表2所示。结果表明，RiPLS在1063 ~ 1676 nm范围内(区间为25)最优，这与水体中O-H的首次泛音和O-H基团的变形有关。3.3.3模型的验证利用外部数据集(28个样本)对建立的PLS模型进行验证，结果如图6所示。结果表明，PLS模型的R2p、RMSEP分别为0.907和0.123%，表明该模型具有良好的预测能力。进一步对近红外预测数据和参考值进行配对t检验。配对t检验结果见表4。结果表明，两种方法测得的结果无显著差异，说明[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]法在线监测含水率是可行的。4 结论采用一种新型的微近红外传感器来验证微水含量过程监测的可行性。为提高预测能力，提出并研究了不同的光谱选择方法。余弦距离法是一个非常普遍的光谱选择工具。此外，光谱预处理和变量选择方法对模型预测能力的提高也很重要。配对t检验发现，近红外法与参照法无显著差异。本研究可为利用便携式近红外微传感器在中试规模和工业流化床上进行造粒在线监测提供参考。目前的研究表明，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]法有潜力取代传统的测量方法来实时监测造粒过程。此外，可将CQA与关键工艺参数联系起来，实现固体制剂的智能化生产。[font='times new roman'][size=16px][b]Figure captions[/b][/size][/font][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009031735568480_8928_3890113_3.jpeg[/img][font='times new roman'][size=10px][color=#000000]Fig. 1.[/color][/size][/font][font='times new roman'][size=10px][color=#000000] A. The system of the fluid bed set-up used for granulating. B denotes the position of the [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] probe[/color][/size][/font][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009031735570564_3740_3890113_3.png[/img][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009031735573045_5112_3890113_3.png[/img][font='times new roman'][size=10px]Fig. 2.[/size][/font][font='times new roman'][size=10px] (a) The raw spectra of the five granulation batches to establish the moisture content calibration model (b) The raw spectra to establish the moisture content calibration model and the raw spectra of two granulation batches to validate the calibration model[/size][/font][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009031735574291_4532_3890113_3.png[/img][font='times new roman'][size=10px]Fig. 3.[/size][/font][font='times new roman'][size=10px] (a)-(e) Results of different spectral selection methods for the sampling point corresponding to 10 minute in the granulation process (f) RMSEP values of [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] models with different spectral selection methods[/size][/font][align=left][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009031735575570_6351_3890113_3.png[/img][/align][font='times new roman'][size=10px]Fig. 4.[/size][/font][font='times new roman'][size=10px] The trend of the reference data in the granulation process corresponds to the green part of the figure, and the trend of the reference data in the granulation process corresponds to the green part of the figure[/size][/font][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009031735576547_447_3890113_3.png[/img][font='times new roman'][size=10px]Fig. 5.[/size][/font][font='times new roman'][size=10px] Score plot of PCA for outlier detection. The ellipse is corresponding to 95% confidence[/size][/font][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009031735577592_9791_3890113_3.png[/img][font='times new roman'][size=10px]Fig. 6.[/size][/font][font='tahoma'][size=12px] [/size][/font][font='times new roman'][size=10px]The validation for the models of moisture content[/size][/font][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009031735578230_2865_3890113_3.png[/img][font='times new roman'][size=10px]Fig. 7.[/size][/font][font='times new roman'][size=10px] Monitoring results of in-line quantitative model of water content[/size][/font][font='times new roman'][size=13px] [/size][/font][align=left][/align][font='times new roman'][size=10px]Table [/size][/font][font='times new roman'][size=10px]1[/size][/font][font='times new roman'][size=10px].[/size][/font][font='times new roman'][size=10px] Results of di[/size][/font][font='times new roman'][size=10px]ff[/size][/font][font='times new roman'][size=10px]erent spectral pretreatment methods for in-line [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] quantitative model[/size][/font][table][tr][td][align=center][font='times new roman'][size=10px][color=#000000]Pre-method[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]RMSEC (%)[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]RMECV (%)[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000][i]R[/i][/color][/size][/font][font='times new roman'][size=10px][color=#000000][i]2[/i][/color][/size][/font][font='times new roman'][size=10px][color=#000000][i]c[/i][/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000][i]R[/i][/color][/size][/font][font='times new roman'][size=10px][color=#000000][i]2[/i][/color][/size][/font][font='times new roman'][size=10px][color=#000000][i]cv[/i][/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]LVs[/color][/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px][color=#000000]SNV[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1601[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1822[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.9[/color][/size][/font][font='times new roman'][size=10px][color=#000000]66[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.9[/color][/size][/font][font='times new roman'][size=10px][color=#000000]60[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]7[/color][/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px][color=#000000]MSC+Mean[/color][/size][/font][font='times new roman'][size=10px][color=#000000] [/color][/size][/font][font='times new roman'][size=10px][color=#000000]center[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1606[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1973[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.[/color][/size][/font][font='times new roman'][size=10px][color=#000000]963[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.[/color][/size][/font][font='times new roman'][size=10px][color=#000000]946[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]7[/color][/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px][color=#000000]SNV+Mean[/color][/size][/font][font='times new roman'][size=10px][color=#000000] [/color][/size][/font][font='times new roman'][size=10px][color=#000000]center[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1665[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.2013[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.9[/color][/size][/font][font='times new roman'][size=10px][color=#000000]60[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.9[/color][/size][/font][font='times new roman'][size=10px][color=#000000]45[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]6[/color][/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px][color=#000000]FD +SG7+Mean[/color][/size][/font][font='times new roman'][size=10px][color=#000000] [/color][/size][/font][font='times new roman'][size=10px][color=#000000]center[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1504[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1815[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.9[/color][/size][/font][font='times new roman'][size=10px][color=#000000]68[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.9[/color][/size][/font][font='times new roman'][size=10px][color=#000000]56[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]5[/color][/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px][color=#000000]SD +SG3+Mean[/color][/size][/font][font='times new roman'][size=10px][color=#000000] [/color][/size][/font][font='times new roman'][size=10px][color=#000000]center[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1671[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1878[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.9[/color][/size][/font][font='times new roman'][size=10px][color=#000000]60[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.943[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]5[/color][/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px][color=#000000]MSC+FD+SG7+Mean[/color][/size][/font][font='times new roman'][size=10px][color=#000000] [/color][/size][/font][font='times new roman'][size=10px][color=#000000]center[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1557[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1736[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.96[/color][/size][/font][font='times new roman'][size=10px][color=#000000]6[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.95[/color][/size][/font][font='times new roman'][size=10px][color=#000000]9[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]4[/color][/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px][color=#000000]SNV+ FD+SG7+Mean[/color][/size][/font][font='times new roman'][size=10px][color=#000000] [/color][/size][/font][font='times new roman'][size=10px][color=#000000]center[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1562[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.1731[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.96[/color][/size][/font][font='times new roman'][size=10px][color=#000000]5[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]0.95[/color][/size][/font][font='times new roman'][size=10px][color=#000000]7[/color][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000000]4[/color][/size][/font][/align][/td][/tr][/table][font='times new roman'][size=10px]Table [/size][/font][font='times new roman'][size=10px]2.[/size][/font][font='times new roman'][size=10px] The[/size][/font][font='times new roman'][size=10px] [/size][/font][font='times new roman'][size=10px]results of PLS model[/size][/font][font='times new roman'][size=10px]s[/size][/font][font='times new roman'][size=10px] with di[/size][/font][font='times new roman'][size=10px]ff[/size][/font][font='times new roman'][size=10px]erent [/size][/font][font='times new roman'][size=10px]w[/size][/font][font='times new roman'][size=10px]avelength selection methods[/size][/font][table][tr][td][align=center][font='times new roman'][size=10px]Wavelength Selection[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]RMSEC (%)[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]RMECV (%)[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][i]R[/i][/size][/font][font='times new roman'][size=10px][i]2[/i][/size][/font][font='times new roman'][size=10px][i]c[/i][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][i]R[/i][/size][/font][font='times new roman'][size=10px][i]2[/i][/size][/font][font='times new roman'][size=10px][i]cv[/i][/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px][color=#000033]W[/color][/size][/font][font='times new roman'][size=10px][color=#000033]avelength[/color][/size][/font][font='times new roman'][size=10px] [/size][/font][font='times new roman'][size=10px](nm)[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]LVs[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]RiPLS10[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1578[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1780[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.96[/size][/font][font='times new roman'][size=10px]5[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.95[/size][/font][font='times new roman'][size=10px]7[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]908-1274 1342-1676[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]4[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]RiPLS15[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1419[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1675[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.9[/size][/font][font='times new roman'][size=10px]71[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.9[/size][/font][font='times new roman'][size=10px]60[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]908-1366 1466-1676[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]6[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]RiPLS20[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1510[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1680[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.9[/size][/font][font='times new roman'][size=10px]68[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.96[/size][/font][font='times new roman'][size=10px]0[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]1032-1676[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]4[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]RiPLS25[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1510[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1671[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.9[/size][/font][font='times new roman'][size=10px]68[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.9[/size][/font][font='times new roman'][size=10px]59[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]1063-1676[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]4[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]RiPLS30[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1514[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1727[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.9[/size][/font][font='times new roman'][size=10px]68[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.95[/size][/font][font='times new roman'][size=10px]8[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]908-1274 1466-1676[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]6[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]CC-0.15[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1556[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1703[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.96[/size][/font][font='times new roman'][size=10px]6[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.958[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]908-1453 1521-1676[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]4[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]CC-0.20[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1557[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1724[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.96[/size][/font][font='times new roman'][size=10px]6[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.96[/size][/font][font='times new roman'][size=10px]0[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]908-1416 1614-1676[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]4[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]CC-0.25[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1715[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1877[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.958[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.95[/size][/font][font='times new roman'][size=10px]5[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]908-1404 1658-1676[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]4[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]CC-0.30[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1502[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1727[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.96[/size][/font][font='times new roman'][size=10px]8[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.95[/size][/font][font='times new roman'][size=10px]8[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]908-1391 1670-1676[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]5[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]CC-0.35[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1504[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.1716[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.96[/size][/font][font='times new roman'][size=10px]8[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.9[/size][/font][font='times new roman'][size=10px]60[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]908-1385[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]5[/size][/font][/align][/td][/tr][/table][font='times new roman'][size=10px]Table [/size][/font][font='times new roman'][size=10px]4[/size][/font][font='times new roman'][size=10px].[/size][/font][font='times new roman'][size=10px] The results of paired [/size][/font][font='times new roman'][size=10px][i]t[/i][/size][/font][font='times new roman'][size=10px]-[/size][/font][font='times new roman'][size=10px]test[/size][/font][table][tr][td=1,2][align=center][font='times new roman'][size=10px]Methods[/size][/font][/align][/td][td=1,2][align=center][font='times new roman'][size=10px]Samples[/size][/font][/align][/td][td=1,2][align=center][font='times new roman'][size=10px]Mean[/size][/font][font='times new roman'][size=10px] ([/size][/font][font='times new roman'][size=10px]%[/size][/font][font='times new roman'][size=10px])[/size][/font][/align][/td][td=1,2][align=center][font='times new roman'][size=10px]SD[/size][/font][font='times new roman'][size=10px] ([/size][/font][font='times new roman'][size=10px]%[/size][/font][font='times new roman'][size=10px])[/size][/font][/align][/td][td=2,1][align=center][font='times new roman'][size=10px][i]t[/i][/size][/font][font='times new roman'][size=10px][i]-[/i][/size][/font][font='times new roman'][size=10px] test[/size][/font][font='times new roman'][size=10px] ([/size][/font][font='times new roman'][size=10px]0.05[/size][/font][font='times new roman'][size=10px])[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]H[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]P[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px]LOD[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]28[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]2.43[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.41[/size][/font][/align][/td][td=1,2][align=center][font='times new roman'][size=10px]0[/size][/font][/align][/td][td=1,2][align=center][font='times new roman'][size=10px]0.532[/size][/font][/align][/td][/tr][tr][td][align=center][font='times new roman'][size=10px][url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]S[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]28[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]2.41[/size][/font][/align][/td][td][align=center][font='times new roman'][size=10px]0.45[/size][/font][/align][/td][/tr][/table]

[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析必须借助于各种相应的数学模型，分析的关键是建立预测效果优秀的数学模型。数学模型预测样品的效果决定于建模所用数据，以及（用算法）对建模数据中信息的充分提取。ＮＩＲ分析大致有一半的误差来自于建模数据。因此优化建模数据在ＮＩＲ分析中具有特殊的意义。　　[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析需要从样品复杂的光谱中提取有关的信息，这些信息包括两部分：样品光谱中关于待测量的定性或定量信息，以及与待测量信息重叠在一起的、确定的、因此是可以通过模型加以校正的背景信息；由于分析过程必须把背景的信息加以校正后才能提取待测量的信息，因此待测量信息和能确定的背景信息这两部分信息合在一起都是[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析需要的有效信息。另外，每个光谱数据除了包含有效信息以外还包含测量误差等不确定的、难以校正的、干扰测定的无效信息或称干扰信息，分析过程根据这两部分有效信息通过数学处理消除干扰信息，才能完成分析。　　建模过程应用的光谱数据越多，得到的有效信息就可能越多，预测误差减少、预测准确度也得以提高。这就使模型在不同时间与空间的稳定性得以提高；另一方面，建模过程中每引入一个光谱数据的同时会带来影响提取有效信息的干扰信息，使模型的预测误差增加、测定准确度下降。组成建模数据的两个部分：建模样品光谱的数目与每个光谱包含的数据点（谱区的前处理都应符合“少而精”，且有一个最佳值，即有效信息率最高点。优化建模数据的目标就是确定或接近该最佳点，使数学模型的预测效果达到或接近最佳值。优秀的软件应能辅助确定数学模型的最佳参数。　　建模数据也就是建立数学模型所用校正样品集。校正样品集包括直接用于建立模型的建模样品集与检验模型的检验样品集。现代ＮＩＲ分析包括一系列优化校正样品集光谱的技术，包括建模集与检验集的分割，优化校正样品集总体的样品组成以及优化各样品的光谱两个方面，如对建模样品集光谱的各种前处理方法，优化选择用于建立数学模型的谱区以及优化选择各种ＮＩＲ定量分析算法的最佳参数等等多种多样的处理技术，由上节可知这些前处理技术的本质都是压缩和恢复，目标都是提高建模数据的有效信息率。　　[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析建模数据的各种前处理技术，以及这些技术针对解决的问题见下图。[img]http://ng1.17img.cn/bbsfiles/images/2008/06/200806161740_93295_1604460_3.jpg[/img]

[b][size=18px][font=宋体]1[/font][font=宋体]、背景介绍[/font][/size][/b][font=宋体] 随着微机电技术的发展，近几年，便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]被广泛应用于食品、饮料、医药、煤炭等各个领域，相较于传统的大型傅里叶变换光谱分析系统，其具有结构简单、成本低廉、携带方便、结果实时可见等优势，目前已成为光谱领域的热门产品。但是便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]易受光源、检测器、使用方法、环境条件等影响，使得采集的光谱数据稳定性差，精度低，进而造成预测结果不稳定、预测准确率低等问题。[/font][font=宋体] 为了解决上述问题，提升便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析结果的稳定性及准确性，目前行业内[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]数据建模优化工作，主要集中于数据源筛选、预处理算法优化、模型筛选算法优化等基于PLS算法的单模型建模优化工作，此类建模算法主要适用于高精度的傅里叶[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]。对于自身硬件分辨率较低的便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]，适用性较差。因此本帖在基于PLS算法建模的基础上，提出多模型加权预测的方法，以特定准则选取相对稳定、准确率较高的若干个光谱模型，结合模型自身系数进行加权预测的方式来提升便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]整体性能，进而提升便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]的预测稳定性及准确率。[/font][b][size=18px][font=宋体]2[/font][font=宋体]、方法解析[/font][/size][font=宋体]2.1[/font][font=宋体]样本集合划分[/font][/b][font=宋体] 使用便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]采集400个待测样品，采用Kennard Stone（K-S）算法对样本进行划分，将样本划分为训练集（200个）、验证集（100个）、盲测集（100个）、避免人为划分样本的主观性。[/font][b][font=宋体]2.2[/font][font=宋体]光谱预处理[/font][/b][font=宋体] 便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]采用常规的单一预处理方式效果不佳，本贴采用双预处理嵌套的方式对样品进行处理，其中第一级、第二级预处理均可设置不同的预处理参数，通过不同预处理方式，预处理参数的设置可以获取多种预处理结果。[/font][align=center][img=双预处理嵌套,690,325]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042103332831_7122_5075516_3.png!w690x325.jpg[/img][/align][b][font=宋体]2.3[/font][font=宋体]光谱建模[/font][/b][font=宋体] [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]定量分析建模方法包括多元线性回归（[/font][font='Times New Roman',serif]MLR[/font][font=宋体]）、主成分回归（[/font][font='Times New Roman',serif][url=https://insevent.instrument.com.cn/t/jp][color=#3333ff]PCR[/color][/url][/font][font=宋体]）、偏最小二乘回归（[/font][font='Times New Roman',serif]PLS[/font][font=宋体]）、人工神经网络（[/font][font='Times New Roman',serif]ANN[/font][font=宋体]）和支持向量机（[/font][font='Times New Roman',serif]SVM[/font][font=宋体]）等。其中，[/font][font='Times New Roman',serif]PLS[/font][font=宋体]算法应用最为广泛，选用[/font][font='Times New Roman',serif]PLS[/font][font=宋体]算法进行建模。通过多种预处理结果、不同[/font][font='Times New Roman',serif]PLS[/font][font=宋体]主成分数选择组合建立多个光谱定量分析模型，若设定一级预处理为[/font][font='Times New Roman',serif]M[/font][font=宋体]种，二级预处理为[/font][font='Times New Roman',serif]N[/font][font=宋体]种，[/font][font='Times New Roman',serif]PLS[/font][font=宋体]主成分数选择为[/font][font='Times New Roman',serif]T[/font][font=宋体]种，则通过不同排列组合可以建立合计[/font][font='Times New Roman',serif]M*N*T[/font][font=宋体]个光谱定量分析模型。[/font][align=center][img=多种建模方式,690,198]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042104079253_7276_5075516_3.png!w690x198.jpg[/img][/align][b][font=宋体]2.4[/font][font=宋体]光谱模型选择[/font][/b][font=宋体] 基础模型一：在上述建立的大量光谱定量分析模型中，选择光谱模型最通用的两大表征系数，即模型相关系数（[/font][font='Times New Roman',serif]R2[/font][font=宋体]值）以及均方根误差（[/font][font='Times New Roman',serif]RMSECV[/font][font=宋体]值）进行基础模型筛选，选择模型相关系数最大的模型为基础模型[/font][font='Times New Roman',serif]A[/font][font=宋体]，模型均方根误差最小的模型为基础模型[/font][font='Times New Roman',serif]B。[/font][font=宋体] 基础模型二：在基础模型一中引入验证集，通过训练集建立的多个光谱模型对验证集进行预测，将预测值与验证集标定值进行计算，获取偏差值，选择偏差值最小的光谱模型为基础模型[/font][font='Times New Roman',serif]C。[/font][align=center][img=基础模型C,690,264]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042104332526_3725_5075516_3.png!w690x264.jpg[/img][/align][font=宋体] 基础模型三：在基础模型二中引入准确率，在近红外快检的实际应用中，对于预测偏差值在一定阈值范围内的样本定义为准确预测样本，若超出阈值则为预测错误样本，选择准确率最高的光谱模型为基础模型[/font][font='Times New Roman',serif]D。[/font][align=center][img=基础模型D,690,235]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042104460652_3475_5075516_3.png!w690x235.jpg[/img][/align][b][font=宋体]2.5[/font][font=宋体]权重系数计算[/font][/b][font=宋体] 光谱模型不同，对盲测样本的预测能力不同，结合光谱模型的模型相关系数（[/font][font='Times New Roman',serif]R2[/font][font=宋体]值）或者均方根误差（[/font][font='Times New Roman',serif]RMSECV[/font][font=宋体]值）计算各个模型的预测权重，以模型相关系数为例：[/font][align=center][font='Times New Roman',serif]Ti=Ri/(R1+R2+R3+R4)[/font][/align][font=宋体] 其中，[/font][font='Times New Roman',serif]R1[/font][font=宋体]为基础模型[/font][font='Times New Roman',serif]A[/font][font=宋体]的模型相关系数，[/font][font='Times New Roman',serif]R2[/font][font=宋体]为基础模型[/font][font='Times New Roman',serif]B[/font][font=宋体]的模型相关系数，依此类推。[/font][font='Times New Roman',serif]Ti[/font][font=宋体]为各个基础模型对应权重系数。[/font][b][font=宋体]2.6[/font][font=宋体]多模型加权预测[/font][/b][font=宋体] 分别采用光谱基础模型[/font][font='Times New Roman',serif]A[/font][font=宋体]、[/font][font='Times New Roman',serif]B[/font][font=宋体]、[/font][font='Times New Roman',serif]C[/font][font=宋体]、[/font][font='Times New Roman',serif]D[/font][font=宋体]对盲测集[/font][font='Times New Roman',serif]100[/font][font=宋体]个样本进行预测，以盲测集单个样本为例，四个光谱模型对应获取四个预测值[/font][font='Times New Roman',serif]a[/font][font=宋体]、[/font][font='Times New Roman',serif]b[/font][font=宋体]、[/font][font='Times New Roman',serif]c[/font][font=宋体]、[/font][font='Times New Roman',serif]d [/font][font=宋体]，结合权重系数计算最终单一预测值[/font][font='Times New Roman',serif]S[/font][font=宋体]：[/font][align=center][font=宋体][/font][/align][align=center][font='Times New Roman',serif]S=a*T1+b*T2+c*T3+d*T4[img=多模型加权预测,690,212]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042106560595_5692_5075516_3.png!w690x212.jpg[/img][/font][/align][b][size=18px][font=宋体]3[/font][font=宋体]、实际应用[/font][/size][font=宋体]3.1[/font][font=宋体]硬件信息[/font][/b][font=宋体] 硬件设备为四川长虹研发的[/font][font='Times New Roman',serif]PV800-III[/font][font=宋体]便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]，光谱仪波段范围为[/font][font='Times New Roman',serif]1350nm-2150nm[/font][font=宋体]，采样间隔为[/font][font='Times New Roman',serif]6nm[/font][font=宋体]，尺寸为[/font][font='Times New Roman',serif]Φ100mm×76.8mm[/font][font=宋体]，重量约[/font][font='Times New Roman',serif]750g。[/font][b][font=宋体]3.2[/font][font=宋体]样本采集：[/font][/b][font=宋体] 采集[/font][font='Times New Roman',serif]400[/font][font=宋体]个酒醅样品，其中酒醅水分、淀粉、酸度等理化指标均由车间经验丰富化验员按常规化学方法测定所得。[/font][b][font=宋体]3.3[/font][font=宋体]分析对比[/font][/b][font=宋体] 结合酒醅常用的光谱预处理算法及[/font][font='Times New Roman',serif]PLS[/font][font=宋体]单模型建模算法对本应用中酒醅数据进行建模，通过多种预处理组合优化，有效剔除光谱数据中的大量无用信息，并结合[/font][font='Times New Roman',serif]PLS[/font][font=宋体]算法，将高维光谱数据进行有效降维，提升光谱数据的有效性及准确度。最后以[/font][font='Times New Roman',serif]RMSECV[/font][font=宋体]作为模型筛选指标，利用筛选的最优模型对[/font][font='Times New Roman',serif]100[/font][font=宋体]条未知样本进行模型外验证，图[/font][font='Times New Roman',serif]a~c[/font][font=宋体]依次给出了传统单模型水分、酸度、淀粉[/font][font='Times New Roman',serif]3[/font][font=宋体]个指标的模型外预测分布情况，图中横坐标为标定值，纵坐标为预测值，黄色区域为模型允许的误差范围（水分、淀粉允许误差为绝对偏差[/font][font='Times New Roman',serif]±1[/font][font=宋体]，酸度允许误差范围为绝对偏差[/font][font='Times New Roman',serif]±0.3[/font][font=宋体]），采用基于多模型加权预测的近红外定量分析方法对上述酒醅光谱数据进行建模，利用筛选的多个光谱模型对相同的[/font][font='Times New Roman',serif]100[/font][font=宋体]条未知样本进行加权预测，图[/font][font='Times New Roman',serif]d~f[/font][font=宋体]依次依次给出了多模型加权预测方法水分、酸度、淀粉[/font][font='Times New Roman',serif]3[/font][font=宋体]个指标的模型外预测分布情况。[/font][img=酒醅定量分析,690,318]https://ng1.17img.cn/bbsfiles/images/2023/09/202309042105316390_239_5075516_3.png!w690x318.jpg[/img][font=宋体] 多模型加权预测方法相较于传统单模型预测方法，各指标准确率均有不同幅度提升，3个指标准确率平均提升约11%。各指标准确率均达到了企业车间应用要求。[/font][b][size=18px][font=宋体]4[/font][font=宋体]、结论[/font][/size][/b][font=宋体] 利用便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]，分别以传统单模型建模方法、多模型加权预测方法进行酿酒车间酒醅各成分光谱建模，并对[/font][font='Times New Roman',serif]100[/font][font=宋体]个未知样本进行模型外预测分析。结果表明，基于多模型加权预测的近红外定量分析方法，可以有效弥补便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]在采样精度、稳定性等方面的不足。相较于单模型建模预测结果，多模型加权预测方法将酒醅样本各成分预测准确率平均提升了约[/font][font='Times New Roman',serif]11%[/font][font=宋体]，甚至可有效逼近大型傅里叶光谱仪设备预测效果，是一种可以在便携式[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]快检领域推广应用的实用方法。[/font]