利用多光谱技术进行分析主要分为3步:模型建立、模型测试及多光谱对比寻优,具体流程如图2-5所示。
首先是模型建立阶段:建立分析模型前,对有代表性样品的测试十分重要。样品要能涵盖待测样品成分的全部范围,并且在各个范围内的样品数目分布最好均匀一致,从而保证以后分析模型测量的精度较高,避免出现共线性现象。收集样品代表的范围越宽,则所建立模型的适用性越好,但是分析模型的精度会有所下降;反之,如果所收集的样品范围比较窄,则其适用范围将有所缩小,但建立的分析模型精度会相对提高。采集光谱时,应保证测量时间和化学分析时间一致,避免因时间间隔过长而引起样品内成分的变化。由于红外光谱信号不仅与被测样品的化学组分有关,还受样品大小、形状、密度等影响,所以完成光谱数据采集之后,还要进行适当的光谱预处理。光谱中包含了大量的样品信息,很难从中选出与特定理化性质相关的信息,而且不同样品的光谱差别很微小,用肉眼难以分辨,预处理还有助于突出有用信息。最后,把标准分析方法测得的数据和经过预处理的光谱数据结合起来,利用数学方法来建立校正模型,用来预测未知样品的成分浓度、类属性等。
其次是模型测试阶段:模型建立好后,便可用于测定未知样品的成分浓度、类属性等。在分析样品之前,应注意校正模型的测量范围及适用性。浓度范围是指测量样品的成分浓度是否在该校正模型的测量范围之内,如果不在,即超常样品。那么需要将该样品的光谱收集到原来的校正集样品中,并对该样品做标准的化学分析,将原来的校正模型进行修正,以适用更大范围的样品。如果在,则可以直接扫描未知样品的光谱,然后调用已经建好的模型对未知样品的光谱进行分析,即可预测未知样品的成分浓度。
最后是进行多种光谱模型间的比较,不同光谱适用于不同性质的样本,所以不同样本基于多光谱的检测效果也不同,针对特定样本对比多光谱模型间的效果,选取最优。(www.xing528.com)
图2-5 多光谱分析流程
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。