CN119510347A 一种近红外光谱快速检测系统与实时分析方法 （南京简智仪器设备有限公司）

一种近红外光谱快速检测系统与实时分析本发明公开了一种近红外光谱快速检测系数与红外光谱信息相关联的特征向量信息作为析评估模块用于将实时采集的环境参数信息和2环境参数及光谱信息采集模块：用于通过传感器采集样品所处的环过红外光谱采集装置对样品进行红外光谱信数据处理模块：用于对采集到的环境参数信息以及红外光谱信息智能评估模型构建及优化模块：用于通过融合神经网络估模型，以处理后的获得的表征环境参数与红外光谱信息相关联的特征向量信息作为输实时分析评估模块：用于将实时采集的环境参数信结果反馈与优化模块：用于根据红外光谱信息的评估结果2)湿度传感器：根据检测环境的湿度范围以及对湿度分辨率的要求选择湿度传感器，3)光照强度传感器：根据检测环境中的光35.如权利要求4所述的近红外光谱快速检测系统，其特征在于，所述数据处理模块包根据环境温度、湿度和光照强度传感器存在的误差类型和误差程度根据红外光谱数据的特点选择Daubechies小波基函数对红外光谱数据进行去噪处理；首先根据红外光谱数据的基线形态选择多项式拟合阶数，通过获4其中x是原始的红外光谱数据值，xmin和xmax分别是该光谱数据在所有波长点上的最小对标准化后的数据矩阵计算协方差矩阵，所述协方差矩阵用于反应各对协方差矩阵进行特征值分解，得到特征值和对应的特征向量，特征献率达到80％以上的前k个特征值对应的特征向量构成投影矩阵；将原始的数据矩阵与投些得分表示融合后表征环境参数与红外光谱信息相关联通过融合神经网络以及支持向量机构建的智能评估模型，将数据根据输入的表征环境参数与红外光谱信息相关联的特征向量维度以及期望评估结果根据样本数据在特征空间中的分布特性选择支持向量机的核函i5期望评估结果标注单元：针对每个样品，通过数据集划分单元：将收集到的所有标注好的样本数据进行随神经网络参数调整单元：将训练集中的每个支持向量机参数调整单元：根据支持向量机的原理和选定的RBF核函数构建相应的目过不断迭代更新参数，使支持向量机在训练集上能够更好地对样本进行分类或回归操作，在每个训练迭代过程中，将验证集的样本特征向量输入到当的类型，计算相应的评估指标；对于数值预测任务，计算平均绝对误差MAE和均方根误差6将实时采集的环境参数信息和红外光谱信息按照数据处理流程进环境参数及光谱信息采集：通过传感器采集样品所处的环境参数信息，数据处理：对采集到的环境参数信息以及红外光谱信实时分析评估：将实时采集的环境参数信息和红外结果反馈与优化：根据红外光谱信息的评估结果，对红7过红外光谱采集装置对样品进行红外光谱信估模型，以处理后的获得的表征环境参数与红外光谱信息相关联的特征向量信息作为输89[0031]环境参数及光谱信息采集模块101：所述环境参数及光谱信息采集模块集成多种[0033]智能评估模型构建及优化模块103：通过融合神经网络以及支持向量机构建智能[0034]实时分析评估模块104：将实时采集的环境参数信息和红外光谱信息按照数据处采用多点分布式布局安装温度传感器，可以按照每隔1米的网格间隔在距离地面0.5米照既定的数据传输方式将数据传输给系统的[0044]不同的传感器存在不同类型和程度的误差，例如温度传感器可能存在零点漂移、[0046]根据红外光谱数据的特点选择Daubechies小波基函数对红外光谱数据进行去噪[0052]使用主成分分析法PCA作为数据融合的基础算法，用于将预处理后的环境参数信计贡献率达到80％以上的前k个特征值对应的特征向量构成投影矩阵；将原始的数据矩阵[0058]根据输入的表征环境参数与红外光谱信息相关联的特征向量维度以及期望评估(假设有几百个元素)且期望评估结果涉及多个方面(如既光照强度等环境参数信息以及红外光谱信息，然后通过数据处理模块进行相应的预处理，经元接收特征向量的各个元素，然后与隐藏层神经元之间通过设定的权重进行加权求和，[0070]支持向量机参数调整单元1037：根据支持向量机的原理和选定的RBF核函数构建模型，以处理后的获得的表征环境参数与红外光谱信息相关联的特征