近红外分析模型优化研究研讨.pptVIP

1) 波长范围：1000-2500nm 2) 波长准确度：0.2nm 3) 波长重复性：0.05nm 4) 光谱分辨率：10.0±0.1nm 5) 杂散光：0.10% 6) 吸光度噪声：50 uAU 7）吸光度线性：斜率1±0.05，截距0.05； 来源于仪器 A 波长准确性、稳定性 B 仪器分辨率一致性 C 吸光度一致性 来源于操作方法 A 样品选择的代表性 B 化验分析的准确性 C 样品状态（温度、均匀程度、颗粒、颜色等） 保证近红外分析结果准确性的方法 模型优化前提---仪器分辨率一致性 模型优化前提---仪器波长准确性 模型优化前提---仪器吸光度一致性 模型优化之一：建模样品的选择 数据如此之多，如何挑选代表性数据开发模型？ 提供了多种方法： A 通过光谱数据的分布情况选择数据（K-S、PCA-MD） B 通过化验值数据的分布情况选择数据 C 随机选择数据 模型优化之一：建模样品的选择 样品的性质值分布一般都比较集中 过多上述样品对模型开发无益 根据样品分布情况找出有代表性样品 模型优化之二：光谱预处理 预处理的目的：消除干扰、增强有效信号 方法：SNV，降低不同温度下样品光谱差异 模型优化之三：有效信号段选择 目的：克服近红外光谱吸收带重叠造成的影响，提取有效信息区间 方法 相关系数法 手动选择方法 模型优化之四：剔除异常样本 光谱存在异常的样本剔除（采用马氏距离方法） 化验值存在异常的样本剔除（学生残差或分析误差） 模型优化之五：确定合适的模型参数 确定合适的建模方法（PLS 或者 ANN） 确定合适的因子数（PLS方法） 依据：1 SECV或者SEV值与化验分析误差统计结果相当 2 PRESS值最小 近红外分析粮油示例----菜籽含油量模型 近红外分析粮油示例----菜籽含油量模型 结论 国家奖答辩 * 1、公司介绍 2、企业标准化工作情况 国家奖答辩 * 1、公司介绍 2、企业标准化工作情况 * FOCUSED PHOTONICS INC * 汇报纲要 硬件和软件平台 模型优化方法研究 公司总人数约 1400 余人 拥有 420 余人研发团队 60% 硕博士 40% 本科 聚光科技：留学归国人员创办的高新技术企业 注册资金：4亿元人民币 共承担了40多项国家和省部级研究项目 国家科技进步二等奖2次 申请授权专利203项；软件著作权85项 起草仪表行业中国唯一1项国际标准，起草国家标准6项 国家863计划重点项目2个 科技部中小企业创新基金 浙江省重大机电专项重点项目 浙江省重大科技专项重点项目 等多个科研项目 近红外事业部 承担的科研项目 自主研制成功近红外光谱仪核心部件 自主开发完成新一代化学计量学软件 取得专利13项 产品多次获BCEIA金奖、自主创新奖 相继开发完成多款近红外分析仪器 取得的成绩 饲料、食品、粮食近红外分析仪 SupNIR-2700 油脂油料近红外分析仪 SupNIR-2600 近红外仪器产品 近红外分析仪指标参数 近红外分析测量软件---预测、建模、联网三合一 全中文显示 自定义报表 数据库存储 自动预测 自动报警 近红外分析化学计量学软件 符合ASTM标准 方法丰富 可定性定量分析 可一键建模 近红外分析网络化软件 C/S结构 IE远程登录 远程管理监控仪器 满足集中管理要求 汇报纲要 硬件和软件平台 模型优化方法研究 影响近红外分析结果的因素 仪器分辨率一致性保证方法 光学调整基础上进行仪器分辨率自适应调整 仪器波长准确性保证方法 标准物质以0.1nm步长检测波长准确性，可保证仪器波长准确性0.2nm 仪器吸光度一致性保证方法 标准物质光谱调整，实现吸光度一致性 模型优化前 优化前：RC=0.990 SEC=0.561 RP=0.982 SEP=0.575 优化后：RC=0.991 SEC=0.428 RP=0.987 SEP=0.464 模型优化后 优化过程 优化方法中采用了SNV，相关系数选择波段，同时采用马氏距离和学生残差剔除异常样品优化模型 10台近红外仪器采用同一模型检测油菜籽 同一组样品预测含油值与化验值的平均误差统计如下 模型优化前结果 模型优化后结果 通过分辨率调节、波长调节和吸光度调节可实现仪器较好的一致性 模型优化后可有效提高近红外检测准确性和检测结果一致性