过程光谱

[font='times new roman'][size=16px][b]光谱选择[/b][/size][/font][font='times new roman'][size=16px][b]在流化床混合过程监测中的应用[/b][/size][/font][font='times new roman'][size=16px]异常光谱的出现，会使模型精度降低。由于混合过程中同一批次采集到的动态光谱差异非常明显，故对动态光谱进行选择是非常必要的。光谱选择中最困难的部分是如何有效、准确地滤除异常光谱，获得真实稳定的建模光谱。在本研究中，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]每[/size][/font][font='times new roman'][size=16px]3[/size][/font][font='times new roman'][size=16px] [/size][/font][font='times new roman'][size=16px]s[/size][/font][font='times new roman'][size=16px]自动采集一张光谱。在一个典型的混合过程中，收集了超过[/size][/font][font='times new roman'][size=16px]300[/size][/font][font='times new roman'][size=16px]张[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]，只有与取样时间相对应的光谱被记录下来并用于后续的光谱选择。整个取样过程约为[/size][/font][font='times new roman'][size=16px]2[/size][/font][font='times new roman'][size=16px]分钟，所以每个混合过程记录的校正集光谱矩阵约为[/size][/font][font='times new roman'][size=16px]40[/size][/font][font='times new roman'][size=16px]×[/size][/font][font='times new roman'][size=16px]125[/size][/font][font='times new roman'][size=16px]，其中[/size][/font][font='times new roman'][size=16px]40[/size][/font][font='times new roman'][size=16px]为获得的光谱数，[/size][/font][font='times new roman'][size=16px]125[/size][/font][font='times new roman'][size=16px]为[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]的波长通道数。记录每个样品取样起始对应的光谱序号，然后将对应取样时间自动采集的光谱用于光谱选择研究。光谱选择剔除了由于物料的理化因素和近红外测量因素导致的异常光谱，这使得建立的模型更精确、合理。本文研究了五种光谱选择方法，将其应用于原始光谱的选择，其原理及方法简述如下。[/size][/font][align=center][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009170818564814_6816_3890113_3.png[/img][/align][align=center][font='times new roman']同一批次采集的一簇动态光谱[/font][/align][font='times new roman'][size=16px]1 PCA[/size][/font][font='times new roman'][size=16px]法[/size][/font][font='times new roman'][size=16px]主成分分析[/size][/font][font='times new roman'][size=16px](PCA)[/size][/font][font='times new roman'][size=16px]是一种经典的离群点检测方法。一般情况下，如果样本位于置信区间[/size][/font][font='times new roman'][size=16px](95%)[/size][/font][font='times new roman'][size=16px]之外，根据[/size][/font][font='times new roman'][size=16px]PCA[/size][/font][font='times new roman'][size=16px]得分图，该样本被确定为异常样本。在本研究中，对同一批次对应取样时间采集的一簇动态光谱进行[/size][/font][font='times new roman'][size=16px]PCA[/size][/font][font='times new roman'][size=16px]分析[/size][/font][font='times new roman'][size=16px]，[/size][/font][font='times new roman'][size=16px]如图[/size][/font][font='times new roman'][size=16px]3-4a[/size][/font][font='times new roman'][size=16px]所示[/size][/font][font='times new roman'][size=16px]。[/size][/font][font='times new roman'][size=16px]将[/size][/font][font='times new roman'][size=16px]PCA[/size][/font][font='times new roman'][size=16px]得分图中置信区间[/size][/font][font='times new roman'][size=16px](95%)[/size][/font][font='times new roman'][size=16px]内的光谱选择出来用于后续的建模研究，[/size][/font][font='times new roman'][size=16px]95%[/size][/font][font='times new roman'][size=16px]置信线外的光谱被确定为异常光谱。[/size][/font][font='times new roman'][size=16px]2[/size][/font][font='times new roman'][size=16px] [/size][/font][font='times new roman'][size=16px]诊断图法[/size][/font][font='times new roman'][size=16px]引入[/size][/font][font='times new roman'][size=16px][i]F[/i][/size][/font][font='times new roman'][size=16px]残差和[/size][/font][font='times new roman'][size=16px]Hotelling[/size][/font][font='times new roman'][size=16px]′s[/size][/font][font='times new roman'][size=16px] [/size][/font][font='times new roman'][size=16px][i]T[/i][/size][/font][font='times new roman'][size=16px]2[/size][/font][font='times new roman'][size=16px]统计量来识别异常光谱，对每个批次取样时采集的一簇[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]进行诊断。[/size][/font][font='times new roman'][size=16px]Hotelling[/size][/font][font='times new roman'][size=16px]′s[/size][/font][font='times new roman'][size=16px] [/size][/font][font='times new roman'][size=16px][i]T[/i][/size][/font][font='times new roman'][size=16px]2[/size][/font][font='times new roman'][size=16px]分布的[/size][/font][font='times new roman'][size=16px]置信线[/size][/font][font='times new roman'][size=16px]设定为[/size][/font][font='times new roman'][size=16px]95%[/size][/font][font='times new roman'][size=16px]，[/size][/font][font='times new roman'][size=16px][i]F[/i][/size][/font][font='times new roman'][size=16px]检验的[/size][/font][font='times new roman'][size=16px]α[/size][/font][font='times new roman'][size=16px]残差控制在[/size][/font][font='times new roman'][size=16px]0.05[/size][/font][font='times new roman'][size=16px]以内。[/size][/font][font='times new roman'][size=16px][i]F[/i][/size][/font][font='times new roman'][size=16px]残差和[/size][/font][font='times new roman'][size=16px]Hotelling[/size][/font][font='times new roman'][size=16px]′s[/size][/font][font='times new roman'][size=16px] [/size][/font][font='times new roman'][size=16px][i]T[/i][/size][/font][font='times new roman'][size=16px]2[/size][/font][font='times new roman'][size=16px]阈值以外的光谱都被确定为异常光谱。[/size][/font][font='times new roman'][size=16px]3[/size][/font][font='times new roman'][size=16px] [/size][/font][font='times new roman'][size=16px]基线信息法[/size][/font][font='times new roman'][size=16px]在光谱采集过程中，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]工作距离、测量角度、粉末物理性质[/size][/font][font='times new roman'][size=16px]([/size][/font][font='times new roman'][size=16px]如密度等[/size][/font][font='times new roman'][size=16px])[/size][/font][font='times new roman'][size=16px]的变化会引起光谱不规则的基线漂移，这是光谱不稳定的主要因素之一。为了滤除异常光谱，本文采用了一种新的光谱离群点算法，即基线信息法对光谱进行选择，具体计算步骤如下：通过计算同一批次所有的建模光谱在每个变量点下吸光度值的标准偏差[/size][/font][font='times new roman'][size=16px](SD)[/size][/font][font='times new roman'][size=16px]，选择出吸光度[/size][/font][font='times new roman'][size=16px]SD[/size][/font][font='times new roman'][size=16px]值最小的变量点作为代表基线信息的变量点。然后，选择[/size][/font][font='times new roman'][size=16px]±[/size][/font][font='times new roman'][size=16px]1[/size][/font][font='times new roman'][size=16px]倍[/size][/font][font='times new roman'][size=16px]SD[/size][/font][font='times new roman'][size=16px]作为阈值，如果该变量点下光谱的吸光度值高于允许的最大吸光度值或偏离允许的最低吸光度值，则光谱将被作为异常光谱滤除，阈值范围内的光谱被选择出来用于后续建模研究。[/size][/font][font='times new roman'][size=16px]4[/size][/font][font='times new roman'][size=16px] [/size][/font][font='times new roman'][size=16px]光谱标准偏差法（[/size][/font][font='times new roman'][size=16px]SD[/size][/font][font='times new roman'][size=16px]o[/size][/font][font='times new roman'][size=16px]S[/size][/font][font='times new roman'][size=16px]）[/size][/font][font='times new roman'][size=16px]同一混合批次理想的建模光谱应该由一些高度相似的光谱组成，这意味着这些光谱的标准偏差应该趋近于零，[/size][/font][font='times new roman'][size=16px]SD[/size][/font][font='times new roman'][size=16px]oS[/size][/font][font='times new roman'][size=16px]确定光谱一致性的方法类似于计算移动块标准偏差（[/size][/font][font='times new roman'][size=16px]M[/size][/font][font='times new roman'][size=16px]oving [/size][/font][font='times new roman'][size=16px]B[/size][/font][font='times new roman'][size=16px]lock [/size][/font][font='times new roman'][size=16px]S[/size][/font][font='times new roman'][size=16px]tandard [/size][/font][font='times new roman'][size=16px]D[/size][/font][font='times new roman'][size=16px]eviation, MBSD[/size][/font][font='times new roman'][size=16px]）。每个批次取样时采集的一簇[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]被看作是一个矩阵（[/size][/font][font='times new roman'][size=16px]X[/size][/font][font='times new roman'][size=16px]），计算矩阵[/size][/font][font='times new roman'][size=16px]X[/size][/font][font='times new roman'][size=16px]的标准偏差为[/size][/font][font='times new roman'][size=16px]STD[/size][/font][font='times new roman'][size=16px]。使用留一法每次拿出一张光谱，然后计算剩余光谱的标准偏差为[/size][/font][font='times new roman'][size=16px]S[/size][/font][font='times new roman'][size=16px]。如果[/size][/font][font='times new roman'][size=16px]SSTD[/size][/font][font='times new roman'][size=16px]，则将剔除的一张光谱视为异常谱，以此类推，直至检测完所有的光谱。[/size][/font][font='times new roman'][size=16px]5[/size][/font][font='times new roman'][size=16px] [/size][/font][font='times new roman'][size=16px]向量夹角余弦距离法[/size][/font][font='times new roman'][size=16px]在本研究中，引用向量夹角余弦距离来评估光谱的相似度，并根据相似度来剔除异常光谱。光谱相似度计算基于同一批次所有的建模光谱与其平均光谱的夹角余弦距离所得。具体计算过程如下：每张光谱被视为一个多维向量，计算矩阵[/size][/font][font='times new roman'][size=16px]X[/size][/font][font='times new roman'][size=16px]中每张光谱与平均光谱的夹角余弦距离[/size][/font][font='times new roman'][size=16px]M[/size][/font][font='times new roman'][size=16px]，同一批次每张光谱与平均光谱夹角余弦距离的标准偏差[/size][/font][font='times new roman'][size=16px]SD[/size][/font][font='times new roman'][size=16px]被设置为阈值。当[/size][/font][font='times new roman'][size=16px]M[/size][/font][font='times new roman'][size=16px]大于[/size][/font][font='times new roman'][size=16px]1[/size][/font][font='times new roman'][size=16px]倍的[/size][/font][font='times new roman'][size=16px]SD[/size][/font][font='times new roman'][size=16px]时，光谱被拒绝，剩余的光谱被选择出来用于后续的建模研究。[/size][/font][font='times new roman'][size=16px][b]光谱选择结果分析[/b][/size][/font][font='times new roman'][size=16px]膨胀室中物料的动态特性使得一些光谱揭示了一些与[/size][/font][font='times new roman'][size=16px]API[/size][/font][font='times new roman'][size=16px]含量无关的信息，[/size][/font][font='times new roman'][size=16px]这些光谱应该被滤除来提高模型的稳定性。为了减少动态扰动因素的影响，获得相对准确的校正集光谱，提高近红外模型的预测能力，本文研究了[/size][/font][font='times new roman'][size=16px]5[/size][/font][font='times new roman'][size=16px]种光谱选择方法，用于检测校正集光谱。以第一个混合批次为例，光谱选择结果如图所示。[/size][/font][table][tr][td][align=center][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009170818565956_2913_3890113_3.png[/img][/align][/td][td][align=center][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009170818566806_3528_3890113_3.png[/img][/align][/td][/tr][tr][td][align=center][font='times new roman'][b]([/b][/font][font='times new roman'][b]a)[/b][/font][/align][/td][td][align=center][font='times new roman'][b]([/b][/font][font='times new roman'][b]b)[/b][/font][/align][/td][/tr][tr][td][align=center][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009170818567714_7150_3890113_3.png[/img][/align][/td][td][align=center][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009170818568661_4518_3890113_3.png[/img][/align][/td][/tr][tr][td][align=center][font='times new roman'][b]([/b][/font][font='times new roman'][b]c)[/b][/font][/align][/td][td][align=center][font='times new roman'][b]([/b][/font][font='times new roman'][b]d)[/b][/font][/align][/td][/tr][tr][td][align=center][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009170818569589_2625_3890113_3.png[/img][/align][/td][td][align=center][img]https://ng1.17img.cn/bbsfiles/images/2020/09/202009170818570537_2686_3890113_3.png[/img][/align][/td][/tr][tr][td][align=center][font='times new roman'][b]([/b][/font][font='times new roman'][b]e)[/b][/font][/align][/td][td][align=center][font='times new roman'][b]([/b][/font][font='times new roman'][b]f)[/b][/font][/align][/td][/tr][tr][td=2,1][align=center][font='times new roman']图[/font][font='times new roman'](a)-(e)[/font][font='times new roman']不同光谱选择方法对第一个批次混合过程中建模光谱选择的结果；[/font][font='times new roman'](f) [/font][font='times new roman']不同光谱选择方法处理后近红外模型[/font][font='times new roman']RMSECV[/font][font='times new roman']值[/font][/align][/td][/tr][/table][font='times new roman'][size=16px]图[/size][/font][font='times new roman'][size=16px]([/size][/font][font='times new roman'][size=16px]a[/size][/font][font='times new roman'][size=16px])[/size][/font][font='times new roman'][size=16px]为[/size][/font][font='times new roman'][size=16px]PCA[/size][/font][font='times new roman'][size=16px]光谱选择结果，由于光谱[/size][/font][font='times new roman'][size=16px]3[/size][/font][font='times new roman'][size=16px]，[/size][/font][font='times new roman'][size=16px]6[/size][/font][font='times new roman'][size=16px]超出了得分图[/size][/font][font='times new roman'][size=16px]95%[/size][/font][font='times new roman'][size=16px]的置信线，[/size][/font][font='times new roman'][size=16px]故光谱[/size][/font][font='times new roman'][size=16px]3[/size][/font][font='times new roman'][size=16px]，[/size][/font][font='times new roman'][size=16px]6[/size][/font][font='times new roman'][size=16px]被识别为异常光谱。[/size][/font][font='times new roman'][size=16px]PCA[/size][/font][font='times new roman'][size=16px]能够成功地移除某些远离中心的样本[/size][/font][font='times new roman'][size=16px](3[/size][/font][font='times new roman'][size=16px]，[/size][/font][font='times new roman'][size=16px]6)[/size][/font][font='times new roman'][size=16px]，避免了建模光谱的明显偏差，降低了干扰因素的影响。[/size][/font][font='times new roman'][size=16px]在使用诊断图进行选择光谱时，发现了三张异常光谱，如图[/size][/font][font='times new roman'][size=16px]([/size][/font][font='times new roman'][size=16px]b[/size][/font][font='times new roman'][size=16px])[/size][/font][font='times new roman'][size=16px]所示。诊断图显示了[/size][/font][font='times new roman'][size=16px][i]F[/i][/size][/font][font='times new roman'][size=16px]残差与[/size][/font][font='times new roman'][size=16px]Hotelling[/size][/font][font='times new roman'][size=16px]′s[/size][/font][font='times new roman'][size=16px] [/size][/font][font='times new roman'][size=16px][i]T[/i][/size][/font][font='times new roman'][size=16px]2[/size][/font][font='times new roman'][size=16px]统计量的关系，这代表了两种不同的离群点检测标准。如图[/size][/font][font='times new roman'][size=16px](b)[/size][/font][font='times new roman'][size=16px]所示，如果光谱位于蓝色置信区间之外，则将其识别为异常光谱。这类光谱在校正集中是“危险”的，会使模型变得不可靠。[/size][/font][font='times new roman'][size=16px]通过计算校正集光谱基线波段每个变量点下吸光度值的标准偏差，确定在波长[/size][/font][font='times new roman'][size=16px]1038[/size][/font][font='times new roman'][size=16px] [/size][/font][font='times new roman'][size=16px]nm[/size][/font][font='times new roman'][size=16px]处进行离群值检测，该变量点代表基线信息。基线信息选择方法结果如图[/size][/font][font='times new roman'][size=16px]([/size][/font][font='times new roman'][size=16px]c[/size][/font][font='times new roman'][size=16px])[/size][/font][font='times new roman'][size=16px]所示。该方法消除了不规则的基线漂移造成的异常光谱。用该方法检测出了[/size][/font][font='times new roman'][size=16px]6[/size][/font][font='times new roman'][size=16px]个异常光谱，与[/size][/font][font='times new roman'][size=16px]Margot[/size][/font][font='times new roman'][size=16px][color=#080000][44][/color][/size][/font][font='times new roman'][size=16px]的研究相比，本文提出的方法更合理，因为基线信息和吸光度阈值的选择具有显著的统计学意义。[/size][/font][font='times new roman'][size=16px]标准偏差光谱选择方法结果如图[/size][/font][font='times new roman'][size=16px]([/size][/font][font='times new roman'][size=16px]d[/size][/font][font='times new roman'][size=16px])[/size][/font][font='times new roman'][size=16px]所示，共观察到[/size][/font][font='times new roman'][size=16px]14[/size][/font][font='times new roman'][size=16px]条异常光谱。确定光谱一致性的方法类似于计算移动块光谱的标准偏差[/size][/font][font='times new roman'][size=16px][color=#080000][70][/color][/size][/font][font='times new roman'][size=16px]。[/size][/font][font='times new roman'][size=16px]余弦距离法进行光谱选择的结果如图[/size][/font][font='times new roman'][size=16px](e)[/size][/font][font='times new roman'][size=16px]所示，用此方法发现了[/size][/font][font='times new roman'][size=16px]9[/size][/font][font='times new roman'][size=16px]条异常光谱。余弦距离用于测量两个向量方向上的相似度，广泛应用于色谱指纹图谱的相似度评价[/size][/font][font='times new roman'][size=16px][color=#080000][71, 72][/color][/size][/font][font='times new roman'][size=16px]。该方法消除了由于干扰因素产生的具有不同矢量方向的异常光谱。[/size][/font][font='times new roman'][size=16px]最后，所有的混合批次采集的建模光谱都按照相同的程序进行处理，并建立[/size][/font][font='times new roman'][size=16px]PLS[/size][/font][font='times new roman'][size=16px]模型来评价这些光谱选择方法，结果如图[/size][/font][font='times new roman'][size=16px]([/size][/font][font='times new roman'][size=16px]f[/size][/font][font='times new roman'][size=16px])[/size][/font][font='times new roman'][size=16px]所示。可以发现，与原始数据相比，光谱选择后模型的预测能力都有一定程度的提高。与夹角余弦距离光谱选择方法相比，主成分分析光谱选择法、诊断图光谱选择法和基线信息光谱选择方法结果稍差，这可能是由于后者未能完全消除异常光谱。然而，由于成功地消除了干扰因素引起的异常光谱，其余两种方法可以显著降低模型的[/size][/font][font='times new roman'][size=16px]RMSECV[/size][/font][font='times new roman'][size=16px]值，提高模型的质量。余弦距离法处理后建立的模型与未经光谱选择处理的原始光谱建立的模型相比，[/size][/font][font='times new roman'][size=16px]RMSECV[/size][/font][font='times new roman'][size=16px]值减小了[/size][/font][font='times new roman'][size=16px]4.46%[/size][/font][font='times new roman'][size=16px]。[/size][/font]

[align=center]GS-1000直读光谱仪检测过程及数据分析[/align][align=center]西安国联质量检测技术股份有限公司[/align][align=center]品控部：权姝妮[/align] GS-1OOO型直读光谱仪用于检测钢铁和不锈钢类试样中元素所占的质量百分数。 以钢铁类材料为例ZG20Mn为例，具体过程如下：首先用三个标准样块对仪器进行完全标准化，标准化系数若接近1，说明仪器越稳定，可以进行下步了，若偏的超过1.5，说明仪器有问题，就要对仪器进行检查清洗激发台里的铅棒，透镜，观察激发的点，是否符合要求。仪器正常，进行下一步。1、先对试样进行粗测。举例：碳（C）测出结果为：0.20%；硅（Si）测出结果为：0.70%；锰（Mn）测出结果为：1.20%；2、根据测量数值选择最接近的数值作为控样，选择M20Mn标样，在控样分析中检测元素含量，激发两次，碳(C)测出结果为0.198％、0.196％；硅（Si）测出结果为0.708％、0.709％；锰（Mn）测出的结果为1.18％、1.20％，根据GB/T4336-2016《碳素钢和中低合金钢 多元素含量的测定 火花放电原子发射光谱法》中表4精密度数据，具体如下图示：[align=center][img=,690,153]http://ng1.17img.cn/bbsfiles/images/2017/09/201709050835_01_2904018_3.png[/img][/align]其中m为两次结果的平均值，由公式计算得出重复性限r，具体计算如下:[align=center][img=,690,196]http://ng1.17img.cn/bbsfiles/images/2017/09/201709050835_02_2904018_3.png[/img][/align]根据计算结果可以看出，重复性限满足上述要求，进行下步结果准确度的判定。计算结果如下：[align=center][img=,690,138]http://ng1.17img.cn/bbsfiles/images/2017/09/201709050835_03_2904018_3.png[/img][/align]设定标准样品M20Mn的标准值如下：U(C)0.195%；U(Si)0.703%；U（Mn）1.31%，[align=center][img=,690,180]http://ng1.17img.cn/bbsfiles/images/2017/09/201709050836_01_2904018_3.png[/img][/align]根据计算可以看出，结果的准确度满足要求，控制样品建立完毕，接下来可以检测试样了，选择控样分析，在分析中测量两次结果，用前面的方法计算重复性，重复性达到要求，计算平均值报出数据，试验结束。 以上就是做用直读光谱仪检测元素质量百分数的整个检测过程以及结合GB/T 4336-2016《碳素钢和中低合金钢 多元素含量的测定 火花放电原子发射光谱法》的一些过程和数据分析。

记一次电感耦合等离子体发射光谱仪的期间核查过程目的：为了验证电感耦合等离子体发射光谱仪在校准有校期内仪器性能的稳定性。核查内容：最小谱带宽度、检出限、重复性和稳定性。核查过程：1、标准溶液的配制和测定1.1配制锌、镍、锰、铬、铜和钡元素的混合标液，标液的锑度见下表： http://ng1.17img.cn/bbsfiles/images/2013/07/201307181831_452165_1827064_3.jpg1.2配制5mg/L的锰元素单标液；1.3仪器开机点火，稳定一段时间后，测工作曲线，工作曲线的相关系数要求大于0.999。 http://ng1.17img.cn/bbsfiles/images/2013/07/201307181833_452167_1827064_3.jpghttp://ng1.17img.cn/bbsfiles/images/2013/07/201307181833_452166_1827064_3.jpg2、检出限2.1重复测量10次空白溶液，以10次空白值标准偏差的3倍对应的浓度为检出限。2.2各元素检出限的要求： http://ng1.17img.cn/bbsfiles/images/2013/07/201307181834_452169_1827064_3.jpg2.3实测的数据： http://ng1.17img.cn/bbsfiles/images/2013/07/201307181834_452170_1827064_3.jpg3、最小谱带宽度3.1进5mg/L的锰标准溶液；3.2计算锰在257.610nm处谱线的半峰宽； http://ng1.17img.cn/bbsfiles/images/2013/07/201307181835_452171_1827064_3.jpghttp://ng1.17img.cn/bbsfiles/images/2013/07/201307181836_452172_1827064_3.jpg3.3半峰宽要求小于0.030nm;3.4实测结果：257.616nm-257.604nm=0.012nm4、重复性和稳定性4.1重复性4.1.1进工作曲线中第3点标准溶液，连续测量10次；4.1.2计算10次测量值的相对标准偏差（RSD）为重复性；4.2稳定性4.2.1在不少于2h内，每次间隔15min以上，进工作曲线中第3点标准溶液，重复测量6次；[font=宋

[align=center][b]基于血浆醇沉过程的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]定量模型转移方法学研究[/b][/align][align=center]王佳月，臧恒昌[/align][align=center]（山东大学药学院，济南，250012）[/align][b]摘要目的:[/b]在[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术（nearinfrared spectroscopy，[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]s）的使用过程中，建立近红外校正模型时往往需要测量大量样品的化学值或基础性质作为数据基础，投入大、成本高。本课题创新性的研究了这两个不同型号的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]器之间的近红外模型转移，对于生产和产品的快速无损检验有着重要的指导意义和参考价值。[b]方法:[/b]本研究以总蛋白、白蛋白和球蛋白为研究对象，模拟了8个批次生产血浆醇沉过程并用AntarisⅡ和Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700采集相应的光谱分别建立偏最小二乘法模型（partialleast squares regression，PLSR）。[b]结果:[/b]经过Antaris Ⅱ、Micro[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700及模型转移后的建模结果对比，发现经过模型转移后确有提高Micro[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700模型准确性的价值。[b]结论:[/b]建立转移模型后可提高产品利用率，减少资源浪费，省时省力。[b]关键词:[/b][url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]；血浆醇沉；模型转移[b] [/b][align=center][b]Study on quantitativeModel transfer Methodology of near Infrared Spectroscopy based on PlasmaAlcohol precipitation process[/b][/align][align=center]Liu-xiaohui, Zang-hengchang[/align][align=center]（Schoolof Pharmaceutical Sciences Shandong University, Jinan 250012）[/align][b]Abstract Objective: [/b]Inthe use of near infrared spectroscopy ([url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]), it is often necessary to measurethe chemical value or basic properties of a large number of samples as the databasis for the establishment of [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] correction model, which has the advantagesof large investment, high cost, large volume and high resolution. Therefore,this subject The [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] model transfer between these two different [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]spectrometers is studied innovatively, which has important guiding significanceand reference value for fast nondestructive testing of production and products.[b]Methods:[/b] In this study, total protein,albumin and globulin were used to simulate the alcohol-precipitation process ofplasma produced in 8 batches. The partial least squares regression model wasestablished by Antaris Ⅱ and Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700, respectively.[b]Results: [/b]By comparing the modeling results of Antaris Ⅱ Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700 and model transfer, it is found that the accuracy of Antaris [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700model can be improved after model transfer.[b]Conclusion:[/b]Thetransfer model can improve the product utilization, reduce the waste ofresources and save time and effort.[b]Keywords:[/b] near infrared spectroscopy plasmaalcohol precipitation model transfer近红外的模型转移技术[sup][/sup](calibrationtransfer technology)是在现代[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]分析技术的应用过程中为不断提高模型的适用性而发展起来的一项新技术，其目的是将在一台仪器上建立的校正模型稳健地移植到其它同类型或不同类型的仪器上使用，从而提高模型的适用性或提高同台仪器所建模型的精度。众所周知，在光谱采集过程中，仪器的稳定性存在多个影响因素，这些影响因素将直接影响到模型的适用性能。同时建立近红外校正模型时往往需要测量大量样品的化学值或基础性质作为数据基础，投入大、成本高，因此使用模型转移技术实现模型共享和有效利用非常必要[sup][/sup]。模型转移可克服样品在不同仪器上的量测信号(或光谱)间的不一致性，通过信号处理以消除仪器对量测信号的影响，不仅使已有模型具有较好的动态适应性,而且可以减少因重复建模造成的人力、物力、财力以及时间的浪费[sup][/sup]。基于此，本课题创新性的研究了两个不同型号的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]器之间的近红外模型转移，对于生产和产品的快速无损检验有着重要的指导意义和参考价值[sup][/sup]。[b]1材料与方法1.1主要仪器与原料1.1.1试剂[/b]血浆（山东泰邦生物制品有限公司）；无水乙醇（分析纯，国药集团化学试剂有限公司）；去离子水[b]1.1.2仪器和软件[/b][align=left][img=,570,241]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261813470297_8864_3389662_3.png!w570x241.jpg[/img][/align][b]1.2模型转移过程操作1.2.1醇沉过程[/b][sup][/sup]原料血浆在4 ℃条件下添加醋酸缓冲液调节血浆pH为5.95±0.05，称取此时血浆溶[url=https://insevent.instrument.com.cn/t/Yp][color=#3333ff]液质[/color][/url]量，根据质量计算所应添加的95 %乙醇体积。模拟生产工艺：醇沉过程在低温反应仪中进行，温度设定和实际生产反应温度一致，为 -4.5℃。每个批次取100 mL 血浆上清置于250 mL的圆底烧瓶中，当温度为0 ℃开始加乙醇,恒流泵加入无水乙醇的速度为0.875 mL/min。[b]1.2.2光谱采集[/b]采用Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700光谱仪的透射模块进行原始[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]的采集，将样品装载于内径为1 mm的比色皿中。光谱的扫描范围为960-1650 nm，积分时间为30000微秒，以空比色皿为参考，每张光谱扫描50次。每个样品采集3次光谱，取平均光谱为最终光谱。[b]1.2.3数据处理和模型的建立[/b]研究采用MATLAB 2015a数学软件以及PLS_Toolbox 1.95工具箱对光谱数据进行处理，建立醇沉过程中的总蛋白、白蛋白和球蛋白的含量测定的Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700的PLSR模型及模型转移。首先对光谱的分类方式进行考察，确定了以批次为划分的依据；其次，对Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700及Antaris Ⅱ的光谱进行预处理分析和波段的变量选择分析；最后对模型进行评价和验证。[b]2.反向分段标准化（piecewise reverse standardization, PRS）的模型转移算法2.1样品原始光谱[/b]本实验在实验室中平行进行8个批次的血浆醇沉过程，每个批次21个样品，共得168个样品。图4-2为168个原始[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]图，图4-3为两种仪器对比下的原始[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱[/color][/url]图。从图中可以看出谱峰重叠严重，受光谱漂移、噪声等背景干扰，很难辨析光谱之间的差异性和有效信息，因此只能借助数学的处理方法对光谱进行进一步的解析和提取分析。此外，本章是为了研究模型转移技术对是否会提高建模质量，参考指标依照原有的PLSR模型的依据，所以对全部的168个样品进行了建模，未进行PCA分析。[align=center][img=,552,656]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261814241196_5468_3389662_3.png!w552x656.jpg[/img][/align]图4-3中，在Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700原始光谱中在1150-1200 nm和1400-1500 nm出现两个强吸收峰，这两个峰是典型的水的O-H基团的峰位，反应了O-H键的一级倍频和合频的吸收峰，说明样品样品受水分影响较大，可能覆盖了此处其他基团的吸收，因此在选择光谱区间时应注意选择光谱的有效区间。[b]2.2 波长波数转化[/b]由于两种仪器的光源强度、分辨率等各方面均不相同，所以得到的两种原始光谱的强度差别较大，如图4-4（A）所示。但是图4-4（A）在1000-1600nm (6250-10000 cm[sup]-1[/sup])范围内，光谱的大体趋势是相同的，这就在一定程度上说明Antaris Ⅱ与Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700 反映了相同的蛋白信息。6000-5000 cm[sup]-1[/sup]区间处光谱之间出现较大的光谱波动，这可能与样品中加入乙醇有关。模型转移的算法按照3.2中提到的一样。首先将FT-[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]的波数转换成波长，然后在FT-[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]选择一个窗口宽度，建立窗口宽度中的光谱数据与Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700中光谱对应点的PLSR模型。[align=center][img=,519,536]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261815504330_8277_3389662_3.png!w519x536.jpg[/img][/align][b]2.3 窗口的选择[/b]窗口宽度在PRS模型转移算法中是重要的参数之一。所以，我们考察窗口7-21之间的奇数窗口宽度对模型转移结果的影响（由公式4-4计算）。Micro[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700的原始光谱矩阵与模型转移后的光谱矩阵相关系数，如表4-1所示，窗口宽度为7-19的相关系数完全相同。表4-2是在表4-1的两个矩阵的基础上对各个对应的波数转化前后的相关系数进行统计分析，结果发现，随着窗口宽度的增加，相关系数不断下降，均方差和方差不断增大，因此，最终选择窗口宽度为7。[align=center][img=,665,335]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261816292549_3883_3389662_3.png!w665x335.jpg[/img][/align][b]2.4 总蛋白模型转移2.4.1 光谱预处理[/b]表4-3为得到的在主仪器和辅仪器上以及模型转移后的PLSR建模结果，经过预处理后，模型的[i]R[sub]c[/sub][/i][sup]2[/sup]较无处理时建模明显提高，RMSEC下降，说明预处理可以提高模型的有效性。通过模型参数的比较发现，以RMSEC值作为模型的主要评价指标，综合其它各参数，选择最佳的预处理方法为二阶导数SG 15点平滑。建立的模型结果如图4-5所示。[align=center] [img=,667,621]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261816532595_4198_3389662_3.png!w667x621.jpg[/img][/align][b]2.4.2 建模结果[/b] 对模型转移后的光谱与原始Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700光谱进行拟合操作，蓝色部分为Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700的原始图谱，红色部分为模型转移后的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]光谱图，如图4-5所示，两者拟合情况很好。且两种图谱相比，模型转移后的样品图谱（红色部分）的波动差异明显比Micro[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700的样品间原始图谱（蓝色部分）小。对模型转移后的光谱建立PLSR模型，结果如图4-6所示。图中表示样品参考值和预测值的拟合程度，显示血浆醇沉过程中总蛋白含量参考值与近红外的预测值大致相同。[align=center][img=,511,288]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261818348299_3338_3389662_3.png!w511x288.jpg[/img][/align] [align=center][img=,500,727]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261819121599_843_3389662_3.png!w500x727.jpg[/img] [/align][align=center]图4-6模型转移预测结果图（A:主仪器建模结果；B：辅仪器建模结果；C：模型转移后建模结果）[/align] 结合表4-3和图4-6可知，通常情况下，辅仪器的建模结果略差于主仪器，辅仪器的RMSEC值高于主仪器而[i]R[sub]c[/sub][/i][sup]2[/sup]低于主仪器。对比预处理方法后，选择二阶导数+SG15点平滑作为最优的预处理方法。主仪器的RMSEC为1.735g/L，[i]R[sub]c[/sub][/i][sup]2[/sup]为0.9505，辅仪器的RMSEC为2.053g/L，[i]R[sub]c[/sub][/i][sup]2[/sup]为0.9290，经过模型转移后，RMSEC为1.765g/L，[i]R[sub]c[/sub][/i][sup]2[/sup]为0.9501。经过对比可知，模型的预测能力与辅仪器相比有提高，达到了实验预期目的。这可能是因为高精度的模型转移后提高了光谱的质量，所以模型质量有所提高。[b]2.5 白蛋白模型转移[/b]表4-4中对比了不同预处理条件下的主仪器、辅仪器及模型转移后的建模结果，以RMSEC及[i]R[sub]c[/sub][/i][sup]2[/sup]为模型的评价指标，经过对比，选择二阶导数+SG15点平滑为最优结果。从表中数据可知，总体而言，主仪器的建模结果是最优的，模型转移后的建模结果次之，辅仪器最次之。说明经过模型转移技术处理后，可以有效的提高模型的建模结果。[align=center] [img=,690,520]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261820204402_4424_3389662_3.png!w690x520.jpg[/img][/align]经过预处理后的样品光谱间差异被放大，重叠光谱中的信号被放大提取出来，因此，经过处理后的模型结果要明显优于无预处理的光谱建模结果。经过预处理后的模型转移的建模结果如图4-7所示，RMSEC为0.8323g/L，[i]R[sub]c[/sub][/i][sup]2[/sup]为0.9308。[align=center][img=,511,574]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261821074999_3303_3389662_3.png!w511x574.jpg[/img][/align][b]2.6球蛋白模型转移[/b] 通过表4-5中数据可得，主仪器、辅仪器的的最佳预处理方法为二阶导数+SG15点平滑，且LVs为3。模型转移后的最佳模型结果为SNV和MSC，但是其LVs为5。由于主成分数较大，考虑可能存在过拟合的情况出现。经过对比最终仍选择二阶导数+SG15点平滑。[align=center] [img=,657,613]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261821401692_6698_3389662_3.png!w657x613.jpg[/img][/align]图4-8表示的是最佳模型的建模结果对比图，其中A图为主仪器建模结果；B图为辅仪器建模结果；C图为模型转移后建模结果图。主仪器的建模结果RMSEC为1.082g/L，Rc2为0.9575，辅仪器的建模结果RMSEC为1.472g/L，Rc2为0.9156，模型转移后的的建模结果RMSEC为1.349g/L，Rc2为0.9360。经过模型转移后，其RMSECV值下降，Rc2值上升，这说明模型的校正集的误差减小而准确性增大，达到了实验目的。[img=,86,15]http://bbs.instrument.com.cn/xheditor/xheditor_skin/blank.gif[/img][align=center][img=,516,749]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261822204872_9822_3389662_3.png!w516x749.jpg[/img][/align][align=center]图4-9 最佳模型的建模结果对比图（A:主仪器建模结果；B：辅仪器建模结果；C：模型转移后建模结果）[/align][b]2.7 模型评价[/b]图4-10所示为56个验证集样品的参考值与预测值的结果图，由图中可以看出，总蛋白、白蛋白及球蛋白的含量预测值与参考值大致相同，但是有个别样品有较大差异，可能是由于预测准确度不够，光谱可能存在异常及参考方法不准确导致。[align=center][img=,523,339]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261823347459_4966_3389662_3.png!w523x339.jpg[/img][/align]为了进一步考察模型的预测能力，用双尾配对[i]t[/i]检验、F检验分别对总蛋白、白蛋白及球蛋白对模型转移后的验证集样品进行统计学分析。如表4-6、表4-7及表4-8中所示，通过模型转移后的模型预测结果与传统蛋白含量测定方法相对比，平均值和SD值都十分接近，且配对t检验得到的P值＞0.05，H=0，方差齐性检验F值＞0.5，说明不拒绝原假设，也就是说明在95%的置信限下，参考方法与[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]s预测的结果没有显著性差异，可以用[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]s法替代传统参考方法。[align=center] [img=,590,540]http://ng1.17img.cn/bbsfiles/images/2018/07/201807261825493451_6159_3389662_3.png!w590x540.jpg[/img][/align][b] 3结果与讨论[/b]本研究建立了总蛋白、白蛋白及球蛋白三种蛋白含量和两种不同型号不同波长点不同类型的[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]近红外光谱仪[/color][/url]器之间的模型转移技术的研究对比。为了考查和对比模型转移的结果，每种蛋白共建立了三个不同的模型体系（主、辅及模型转移后建立的模型），并对比了MSC、SNV、导数、SG平滑及互相组合产生的光谱预处理方法。研究中首次提出了PRS法用于血浆醇沉过程中的蛋白含量的测定模型转移。PRS是根据传统的PDS法进行反向思维，实现了由Antaris Ⅱ到Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700的波长点不对等的数据信息扩充问题，为模型转移方法的应用体系和技术突破提供了参考价值。此外，该技术还可以进一步实现在将实验室Antaris Ⅱ的光谱采集通过模型转移技术应用到到工厂在线Micro [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] 1700上，降低了建模成本，提高了模型的准确性。综上所述，本研究建立的模型转移算法在血浆醇沉体系中的应用是较为有效的，提高了Micro[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]1700仪器的准确性和线性决定系数，为其在线应用和设备改造提供了技术支持。该方法为实现血浆醇沉过程的在线含量监测提供了参考价值。[align=center][b]参考文献[/b][/align][align=center][b] [/b][/align]Feng B, Chen B, Yan H.Development of Micro-[url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] spectrometer detection system based on LabVIEW.Analytical Instrumentation, 2014. Sjö blom J, Svensson O, JosefsonM. An evaluation of orthogonal signal correction applied to calibrationtransfer of near infrared spectra. Chemometrics & Intelligent LaboratorySystems, 1998, 44(44):229-244. Liang C, Yuan H F, Zhao Z, etal. A new multivariate calibration model transfer method of near-infraredspectral analysis. Chemometrics & Intelligent Laboratory Systems, 2016,153:51-57. Bouveresse E, Massart D L,Dardenne P. Calibration transfer across near-infrared spectrometric instrumentsusing Shenk's algorithm: effects of different standardisation samples.Analytica Chimica Acta, 1994, 297(3):405-416. Folch‐Fortuny A, Vitale R, DenoordO E, et al. Calibration transfer between [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] spectrometers: New proposals and acomparative study. Journal of Chemometrics, 2017, 31(3):e2874. Pereira L S A, Carneiro M F,Botelho B G, et al. Calibration transfer from powder mixtures to intacttablets: A new use in pharmaceutical analysis for a known tool. Talanta,2016, 147:351-7. Pereira L S A, Carneiro M F,Botelho B G, et al. Calibration transfer from powder mixtures to intacttablets: A new use in pharmaceutical analysis for a known tool. Talanta,2016, 147:351. Brouckaert D, Uyttersprot J S,Broeckx W, et al. Calibration transfer of a Raman spectroscopic quantificationmethod for the assessment of liquid detergent compositions from at-linelaboratory to in-line industrial scale. Talanta, 2017, 179. Da S N, Cavalcanti C J,Honorato F A, et al. Standardization from a benchtop to a handheld [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url]spectrometer using mathematically mixed [url=https://insevent.instrument.com.cn/t/1p][color=#3333ff]NIR[/color][/url] spectra to determine fuel qualityparameters. Analytica Chimica Acta, 2016, 954:32-42. Yu R. Chemometrics:Research onBasic Algorithms and Their Applications. E. J. Cohn, W. L. Hughes Jr.,and J. H. Weare. Preparation and Properties of Serum and Plasma Proteins. XIII.Crystallization of Serum Albumins from Ethanol-Water Mixtures1,J. Am. Chem.Soc., 1947, 69 (7), 1753-1761. Oss C J V. On the mechanism ofthe cold ethanol precipitation method of plasma protein fractionation.Journal of Protein Chemistry, 1989, 8(5):661-668. Cohn E J, Strong L E, Hughes WL, et al. Preparation and Properties of Serum and Plasma Proteins. IV. A Systemfor the Separation into Fractions of the Protein and Lipoprotein Components ofBiological Tissues and Fluids1a,b,c,d. J AM CHEM SOC, 1946, 68(3):459-475. Farrugia A, Scaramuccia D. Thedynamics of contract plasma fractionation. Biologicals Journal of theInternational Association of Biological Standardization, 2017, 46:159.