平均分布差异最小化的NIR标定迁移方法研究

赵煜辉， 芦鹏程， 罗昱博， 单 鹏

东北大学秦皇岛分校， 河北 秦皇岛 066000

引 言

近红外光谱(NIR)分析技术具备操作简单、 分析数据速度快、 成本较低、 不污染样品等优势， 已在各领域得到广泛应用， 如农产品生产、 化工产品生产、 食品生产以及环境监测领域[1-4]。 近红外光谱技术在定性分析和快速物质成分定量分析以及实现在线检测方面具有独特优势[5]。 建立多元校正模型是近红外光谱分析技术的重要内容。 即通过一定的数学分析方法， 对近红外光谱数据进行分析建模， 从而达到对一些指标进行预测的目的， 这是一种根据已有样本总结出规律生成模型的方法。 但实际的工业生产中， 测量仪器、 环境和场景通常并不一致， 依据已有近红外光谱数据建立的模型往往并不适用新的仪器采集的数据， 原有模型失效， 并且在测量环境或其他条件变化后， 也需更新模型。

标定迁移是指在不同测量仪器或测量状态下的多元标定模型迁移方法， 通过将从光谱数据迁移到主光谱数据空间， 进而实现主光谱数据模型对从光谱数据模型的预测， 避免重复建模[6-7]。

已有标定迁移方法[8-9]， 主要是通过一组标准样品构建迁移模型， 它需要在主仪器和从仪器上分别测量一组标准样本， 通过一组标准样本来纠正主仪器和从仪器之间光谱的差异。 分段直接标准化(piecewise direct standardization， PDS)， 主仪器的每个波长与从仪器的波长窗口相关， 基于每个窗口间回归系数形成带状迁移矩阵。 实验结果与假设是一致的， 即在各种迁移方法中， 主仪器和从仪器之间的频谱相关性被限制在较小的区域。……