近红外光谱数据弱差异信息提取与相似性评价方法

摘要

近红外光谱(near infrared spectroscopy, NIR)数据具有非线性、谱峰重叠、信息冗余及背景与噪声迭生等多重特征，对具有一定相关性的样本所产生的弱差异数据进行定量评价带来显著挑战。本文以烟草原料近红外数据为例，系统性地构建32种预处理方法策略与11种相似性分析的352种组合评价方法。以相似性评价结果的科学性、区分度与稳定性为核心筛选指标，优选“标准正态变换+一阶Savitzky-Golay导数+最大-最小标准化”进行数据预处理，再融合欧式距离、相关系数、散度信息3种相似性判别指标，构建多维度近红外光谱样本相似性综合评价模型。实验结果表明，该方法具备优异的样本区分能力，同类别烟草样本光谱相似性系数不低于0.9,不同类别样本光谱相似性系数小于0.7,对烟草样本掺配比例的识别精度可达5%。经过实际烟叶配方维护数据验证，为近红外数据弱差异评价提供可靠方案。

关键词

近红外光谱 / 弱差异识别 / 光谱预处理 / 相似性分析 / 化学计量学 / 配方优化

基金资助

云南省科技项目(2022CP02); 云南中烟工业有限责任公司项目(2022539200340157); 辽宁省科技厅面上项目(LJKMZ20211829)