CN117074346A - 基于红外光谱的材料成分确定方法、设备及存储介质 - Google Patents
基于红外光谱的材料成分确定方法、设备及存储介质 Download PDFInfo
- Publication number
- CN117074346A CN117074346A CN202311040233.XA CN202311040233A CN117074346A CN 117074346 A CN117074346 A CN 117074346A CN 202311040233 A CN202311040233 A CN 202311040233A CN 117074346 A CN117074346 A CN 117074346A
- Authority
- CN
- China
- Prior art keywords
- infrared
- spectrum
- standard
- infrared spectrum
- component
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 408
- 239000000463 material Substances 0.000 title claims abstract description 281
- 238000000034 method Methods 0.000 title claims abstract description 75
- 239000000203 mixture Substances 0.000 title claims description 28
- 238000010521 absorption reaction Methods 0.000 claims abstract description 77
- 238000001228 spectrum Methods 0.000 claims description 99
- 238000010606 normalization Methods 0.000 claims description 92
- 238000002835 absorbance Methods 0.000 claims description 65
- 238000012545 processing Methods 0.000 claims description 46
- 238000004364 calculation method Methods 0.000 claims description 40
- 238000004088 simulation Methods 0.000 claims description 38
- 238000004590 computer program Methods 0.000 claims description 22
- 230000003595 spectral effect Effects 0.000 claims description 7
- 238000004566 IR spectroscopy Methods 0.000 claims description 6
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 9
- VTYYLEPIZMXCLO-UHFFFAOYSA-L Calcium carbonate Chemical compound [Ca+2].[O-]C([O-])=O VTYYLEPIZMXCLO-UHFFFAOYSA-L 0.000 description 8
- -1 polypropylene Polymers 0.000 description 7
- 239000004743 Polypropylene Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 229920001155 polypropylene Polymers 0.000 description 6
- 239000004698 Polyethylene Substances 0.000 description 5
- 229920000573 polyethylene Polymers 0.000 description 5
- 229920002472 Starch Polymers 0.000 description 4
- 229910000019 calcium carbonate Inorganic materials 0.000 description 4
- 229920006238 degradable plastic Polymers 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000004626 polylactic acid Substances 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 239000008107 starch Substances 0.000 description 4
- 235000019698 starch Nutrition 0.000 description 4
- 239000004793 Polystyrene Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 229920000747 poly(lactic acid) Polymers 0.000 description 3
- 239000004800 polyvinyl chloride Substances 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 239000012752 auxiliary agent Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000011365 complex material Substances 0.000 description 2
- 239000005038 ethylene vinyl acetate Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 229920001200 poly(ethylene-vinyl acetate) Polymers 0.000 description 2
- 239000004631 polybutylene succinate Substances 0.000 description 2
- 229920002961 polybutylene succinate Polymers 0.000 description 2
- 229920002223 polystyrene Polymers 0.000 description 2
- 229920000915 polyvinyl chloride Polymers 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 229920000426 Microplastic Polymers 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000009264 composting Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000003756 stirring Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请适用于分析材料技术领域，提供了基于红外光谱的材料成分确定方法、设备及存储介质，该方法包括：获取多个标准红外光谱、混合红外光谱和待测材料的红外光谱；其中，标准红外光谱基于单一组分的标准规格的材料得到，混合红外光谱基于预设比例的多组分的标准规格的材料得到；基于多个标准红外光谱、混合红外光谱和待测材料的红外光谱，通过拟合的方法计算得到待测材料中各组分之间的相对红外吸收强度；基于多个标准红外光谱、待测材料的红外光谱和待测材料中各组分之间的相对红外吸收强度，得到待测材料的各组分和待测材料的各组分占比。本申请能够快速的分析出待测材料的各组分和各组分的占比。
Description
技术领域
本申请属于分析材料技术领域，尤其涉及基于红外光谱的材料成分确定方法、设备及存储介质。
背景技术
随着经济的不断发展，降解塑料行业进入产能快速扩张阶段，但是有些企业为降低成本或提高产品性能，将完全可降解材料和不可降解材料共混使用，此类产品崩解形成微塑料，危害更大，传统检测方法为GB/T 19277.1-2011，该方法将材料作为有机化合物，在受控的堆肥化条件下，通过测定其排放的二氧化碳量来确定其最终需氧生物分解能力及其崩解程度，判断待测材料是否为可降解塑料和具体组分。
相关技术中，传统检测方法的检测周期一般为3～6个月，检测设备为各检测机构自行研发，同一批试验之间偏差小于20％即认定为可靠数据，数据准确度差，而且不同检测机构的检测数据无可比性，亟需建立快速准确的材料组分检测和确定的方法。
发明内容
本申请实施例提供了基于红外光谱的材料成分确定方法、设备及存储介质，以快速准确的分析出待测材料的各组分和各组分的占比。
本申请是通过如下技术方案实现的：
第一方面，本申请实施例提供了一种基于红外光谱的材料成分确定方法，包括：
获取多个标准红外光谱、混合红外光谱和待测材料的红外光谱。其中，标准红外光谱基于单一组分的标准规格的材料得到，混合红外光谱基于预设比例的多组分的标准规格的材料得到。
基于多个标准红外光谱、混合红外光谱和待测材料的红外光谱，通过拟合的方法计算得到待测材料中各组分之间的相对红外吸收强度。
基于多个标准红外光谱、待测材料的红外光谱和待测材料中各组分之间的相对红外吸收强度，得到待测材料的各组分和待测材料的各组分占比。
结合第一方面，在一些可能的实现方式中，基于多个标准红外光谱、混合红外光谱和待测材料的红外光谱，通过拟合的方法计算得到待测材料中各组分之间的相对红外吸收强度，包括：
对多个标准红外光谱、混合红外光谱和待测材料的红外光谱进行归一化处理。
基于归一化处理后的多个标准红外光谱、预设比例和归一化处理后的混合红外光谱，得到混合红外光谱中各组分之间的相对红外吸收强度。
基于归一化处理后的多个标准红外光谱、模拟比例和混合红外光谱中各组分之间的相对红外吸收强度，得到第一模拟光谱。
对第一模拟光谱和归一化处理后的待测材料的红外光谱进行拟合，得到待测材料中各组分之间的相对红外吸收强度。
结合第一方面，在一些可能的实现方式中，对多个标准红外光谱、混合红外光谱和待测材料的红外光谱进行归一化处理，包括：
对多个标准红外光谱、混合红外光谱和待测材料的红外光谱进行矢量归一化处理。
标准红外光谱的矢量归一化处理的计算公式为：
其中，A11,i表示矢量归一化处理后标准红外光谱在波数点位i处的吸光度，A1,i表示矢量归一化处理前标准红外光谱在波数点位i处的吸光度。
混合红外光谱的矢量归一化处理的计算公式为：
其中，A22,i表示矢量归一化处理后混合红外光谱在波数点位i处的吸光度，A2,i表示矢量归一化处理前混合红外光谱在波数点位i处的吸光度。
待测材料的红外光谱的矢量归一化处理的计算公式为：
其中，A33,i表示矢量归一化处理后待测材料的红外光谱在波数点位i处的吸光度，A3,i表示矢量归一化处理前待测材料的红外光谱在波数点位i处的吸光度，i＝1,2,3…n，n表示波数点位的数量。
结合第一方面，在一些可能的实现方式中，第一模拟光谱的计算公式为：
其中，第一模拟光谱为单一组分A的标准规格的材料和单一组分B的标准规格的材料按照模拟比例混合的混合光谱，A第一模拟,i表示第一模拟光谱在波数点位i处的吸光度，AA，归一化，i表示经过归一化处理后的单一组分A的标准红外光谱在波数点位i处的吸光度，AB，归一化，i表示经过归一化处理后的单一组分B的标准红外光谱在波数点位i处的吸光度，CB表示组分B的质量分数，组分B的质量分数通过模拟比例得到，KB表示混合红外光谱中组分B相对组分A的相对红外吸收强度，i＝1,2,3…n，n表示波数点位的数量。
结合第一方面，在一些可能的实现方式中，基于归一化处理后的多个标准红外光谱、预设比例和归一化处理后的混合红外光谱，得到混合红外光谱中各组分之间的相对红外吸收强度，包括：
基于归一化处理后的多个标准红外光谱和归一化处理后的混合红外光谱，得到混合红外光谱中各组分的红外光谱贡献值；其中，混合红外光谱中各组分的红外光谱贡献值表征混合红外光谱中各组分分别对混合红外光谱的贡献值。
基于混合红外光谱中各组分的红外光谱贡献值和预设比例，得到混合红外光谱中各组分之间的相对红外吸收强度。
结合第一方面，在一些可能的实现方式中，基于多个标准红外光谱、待测材料的红外光谱和待测材料中各组分之间的相对红外吸收强度，得到待测材料的各组分和待测材料的各组分占比，包括：
对多个标准红外光谱和待测材料的红外光谱，进行正归一化处理，得到多个标准特征红外光谱和待测材料的特征红外光谱。
基于多个标准特征红外光谱和待测材料的特征红外光谱，得到待测材料的各组分。
基于多个标准特征红外光谱、各个标准特征红外光谱的预设光谱份数和待测材料中各组分之间的相对红外吸收强度，得到第二模拟光谱。
若第二模拟光谱和待测材料的特征红外光谱之间满足预设条件，则确定预设光谱份数为目标数据。
基于目标数据，得到待测材料的各组分占比。
结合第一方面，在一些可能的实现方式中，标准红外光谱的正归一化处理的计算公式为：
其中，A111,i表示正归一化处理后标准红外光谱在波数点位i处的吸光度，A1,i表示正归一化处理前标准红外光谱在波数点位i处的吸光度。
待测材料的红外光谱的正归一化处理的计算公式为：
其中，A333,i表示正归一化处理后待测材料的红外光谱在波数点位i处的吸光度，A3,i表示正归一化处理前待测材料的红外光谱在波数点位i处的吸光度，i＝1,2,3…n，n表示波数点位的数量。
第二模拟光谱的计算公式为：
其中，Aj,i表示组分为j的标准特征红外光谱在波数点位i处的吸光度，Cj表示单一组分为j的标准特征红外光谱的预设光谱份数，Kj表示组分j相对于参考组分的相对红外吸收强度，m表示第二模拟光谱中组分的数量，参考组分为第二模拟光谱的组分中的任一组分。
结合第一方面，在一些可能的实现方式中，基于红外光谱的材料成分确定方法，还包括：
若第二模拟光谱和待测材料的特征红外光谱之间满足预设条件，则基于待测材料的特征红外光谱和第二模拟光谱，得到待测材料的残谱。
基于残谱和多个标准红外光谱，得到待测材料中的干扰组分。
第二方面，本申请实施例提供了一种基于红外光谱的材料成分确定装置，包括：
获取模块，用于获取多个标准红外光谱、混合红外光谱和待测材料的红外光谱；其中，所述标准红外光谱基于单一组分的标准规格的材料得到，所述混合红外光谱基于预设比例的多组分的标准规格的材料得到；
计算模块，用于基于所述多个标准红外光谱、所述混合红外光谱和所述待测材料的红外光谱，通过拟合的方法计算得到待测材料中各组分之间的相对红外吸收强度；
结果模块，用于基于所述多个标准红外光谱、所述待测材料的红外光谱和所述待测材料中各组分之间的相对红外吸收强度，得到所述待测材料的各组分和所述待测材料的各组分占比。
第三方面，本申请实施例提供了一种电子设备，包括：处理器和存储器，该存储器用于存储计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的基于红外光谱的材料成分确定方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的基于红外光谱的材料成分确定方法。
可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
本申请实施例与现有技术相比存在的有益效果是：
本申请实施例通过将多个标准红外光谱、混合红外光谱和待测材料的红外光谱进行拟合的方式，得到待测材料中各组分之间的相对红外吸收强度，进而基于多个标准红外光谱、待测材料的红外光谱和待测材料中各组分之间的相对红外吸收强度，得到待测材料的各组分和待测材料的各组分占比，其中，将复杂的材料成分确定方法简单化，能够快速的分析出待测材料的各组分和各组分的占比，而且，结合多个标准红外光谱、待测材料的红外光谱和待测材料中各组分之间的相对红外吸收强度，更加准确地分析出待测材料的各组分和各组分的占比。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的基于红外光谱的材料成分确定方法的流程示意图；
图2是本申请一实施例提供的基于红外光谱的材料成分确定装置的结构示意图；
图3是本申请一实施例提供的电子设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
相关技术中，对待测材料进行分析检测的检测周期较长，检测结果准确度较差，因此，需要建立一种快速准确的材料组分检测和确定的方法。
本申请实施例提出了一种基于红外光谱的材料成分确定方法，基于多个标准红外光谱、各组分比例的混合红外光谱和待测材料的红外光谱，通过拟合的方法得到待测材料中各组分之间的相对红外吸收强度，之后基于待测材料中各组分之间的相对红外吸收强度、多个标准红外光谱和待测材料的红外光谱得到待测材料的各组分和各组分占比，能够将难于测定的待测材料中各组分之间的相对红外吸收强度，使用已知量进行替代，最后计算得到待测材料的各组分和各组分占比。
图1是本申请一实施例提供的基于红外光谱的材料成分确定方法的流程示意性图，参照图1，对该基于红外光谱的材料成分确定方法的详述如下：
步骤101，获取多个标准红外光谱、混合红外光谱和待测材料的红外光谱。其中，标准红外光谱基于单一组分的标准规格的材料得到，混合红外光谱基于预设比例的多组分的标准规格的材料得到。
这里，本实施例可以通过红外光谱仪采集材料的红外光谱。
可选地，本实施例标准规格的材料，可以包括：聚丙烯(PP)、聚乙烯(PE)、聚氯乙烯(PVC)、聚苯乙烯(PS)、乙烯－乙酸乙烯共聚物(EVA)、聚乳酸(PLA)、聚对苯二甲酸-己二酸丁二酯(PBAT)、聚丁二酸丁二醇酯(PBS)、淀粉或者碳酸钙。混合标准规格材料还可以为上述材料中的部分材料的预设比例的混合物。相应的，标准红外光谱可以为单一组分(如聚丙烯)的红外光谱，混合红外光谱可以为预设比例的多组分(如聚丙烯和聚乙烯)的红外光谱。
步骤102，基于多个标准红外光谱、混合红外光谱和待测材料的红外光谱，通过拟合的方法计算得到待测材料中各组分之间的相对红外吸收强度。
示例性的，本实施例基于多个标准红外光谱、混合红外光谱和待测材料的红外光谱，通过拟合的方法计算得到待测材料中各组分之间的相对红外吸收强度，包括：
对多个标准红外光谱、混合红外光谱和待测材料的红外光谱进行归一化处理。基于归一化处理后的多个标准红外光谱、预设比例和归一化处理后的混合红外光谱，得到混合红外光谱中各组分之间的相对红外吸收强度。基于归一化处理后的多个标准红外光谱、模拟比例和混合红外光谱中各组分之间的相对红外吸收强度，得到第一模拟光谱。对第一模拟光谱和归一化处理后的待测材料的红外光谱进行拟合，得到待测材料中各组分之间的相对红外吸收强度。
其中，红外光谱是分子的特征光谱，在一定范围内遵循郎伯比尔定律。相同波数范围内，单一组分的红外光谱对应的吸光度(或峰高、峰面积)正比于单一组分的质量体积分数和红外吸收光程。朗播比尔定律具备加和性，在相同波数范围内，混合物的红外光谱的吸光度(或峰高、峰面积)等于各组分的吸光度(或峰高、峰面积)按各自浓度的加和。对于无法确定光程的红外光谱，本实施例使用归一化的方法对红外光谱进行预处理，可使光谱与光程、组分的质量体积分数无关，仅与相关组分的红外吸收性质和质量分数有关。
在质量分数相同的情况下，不同组分对光谱的贡献不同，因此可以基于多个标准红外光谱、混合红外光谱和待测材料的红外光谱，通过公式进行吸光度拟合(或峰高拟合、峰面积拟合)，得到待测材料中各组分之间的相对红外吸收强度(简称相对K值)。相对K值与波数点位无关。
这里，本实施例对多个标准红外光谱、混合红外光谱和待测材料的红外光谱进行归一化处理，包括：
对多个标准红外光谱、混合红外光谱和待测材料的红外光谱进行矢量归一化处理。
示例性的，本实施例标准红外光谱的矢量归一化处理的计算公式可以为：
其中，A11,i表示矢量归一化处理后标准红外光谱在波数点位i处的吸光度，A1,i表示矢量归一化处理前标准红外光谱在波数点位i处的吸光度。
示例性的，本实施例混合红外光谱的矢量归一化处理的计算公式可以为：
其中，A22,i表示矢量归一化处理后混合红外光谱在波数点位i处的吸光度，A2,i表示矢量归一化处理前混合红外光谱在波数点位i处的吸光度。
示例性的，本实施例待测材料的红外光谱的矢量归一化处理的计算公式可以为：
其中，A33,i表示矢量归一化处理后待测材料的红外光谱在波数点位i处的吸光度，A3,i表示矢量归一化处理前待测材料的红外光谱在波数点位i处的吸光度，i＝1,2,3…n，n表示波数点位的数量。
另外，本实施例第一模拟光谱的计算公式可以为：
其中，第一模拟光谱为单一组分A的标准规格的材料和单一组分B的标准规格的材料按照模拟比例混合的混合光谱，A第一模拟,i表示第一模拟光谱在波数点位i处的吸光度，AA，归一化，i表示经过归一化处理后的单一组分A的标准红外光谱在波数点位i处的吸光度，AB，归一化，i表示经过归一化处理后的单一组分B的标准红外光谱在波数点位i处的吸光度，CB表示组分B的质量分数，组分B的质量分数通过模拟比例得到，KB表示混合红外光谱中组分B相对组分A的相对红外吸收强度，i＝1,2,3…n，n表示波数点位的数量。
可选地，本申请实施例基于归一化处理后的多个标准红外光谱、预设比例和归一化处理后的混合红外光谱，得到混合红外光谱中各组分之间的相对红外吸收强度，包括：
基于归一化处理后的多个标准红外光谱和归一化处理后的混合红外光谱，得到混合红外光谱中各组分的红外光谱贡献值；其中，混合红外光谱中各组分的红外光谱贡献值表征混合红外光谱中各组分分别对混合红外光谱的贡献值。基于混合红外光谱中各组分的红外光谱贡献值和预设比例，得到混合红外光谱中各组分之间的相对红外吸收强度。
在本实施例中，混合红外光谱基于预设比例的多组分的标准规格的材料得到，通过双螺杆进行熔融、搅拌，使物料充分混匀，但是在多组分按照预设比例混匀的过程中，其质量分数将与预设比例产生偏差；使用吸光度(或峰高、峰面积)拟合时，除质量分数偏差外，还受到其它干扰比如基线漂移、仪器噪音等；影响严重的基线漂移，可通过筛选积分位置和积分方式来除去干扰。如果直接计算相对K值，将无从区分质量分数偏差和基线漂移对拟合结果带来的影响；因此通过计算混合红外光谱中各组分的红外光谱贡献值(简称a值)的方法，通过a值转换为相对K值的方法使计算过程更加准确，同时也可以降低计算量，提高计算效率。
示例性的，假设混合红外光谱为单一组分A的标准规格的材料和单一组分B的标准规格的材料按照预设比例混合的混合光谱，混合红外光谱中组分A的红外光谱贡献值的计算公式可以为：
其中，A混合，i表示经过归一化处理后的混合红外光谱在波数点位i处的吸光度。
混合红外光谱中组分A相对于组分B的相对红外吸收强度的计算公式可以为：
其中，KA表示混合红外光谱中组分A相对于组分B的相对红外吸收强度，L表示混合红外光谱的张数，CA，k表示第k张混合红外光谱中的组分A的质量分数，aA，k表示第k张混合红外光谱中组分A的红外光谱贡献值。
这里，通过a值转换为相对K值的方法，剔除了异常光谱和不稳定的积分位置，使得计算更加准确，更具有参考性。
步骤103，基于多个标准红外光谱、待测材料的红外光谱和待测材料中各组分之间的相对红外吸收强度，得到待测材料的各组分和待测材料的各组分占比。
其中，本实施例基于多个标准红外光谱、待测材料的红外光谱和待测材料中各组分之间的相对红外吸收强度，得到待测材料的各组分和待测材料的各组分占比，包括：
对多个标准红外光谱和待测材料的红外光谱，进行正归一化处理，得到多个标准特征红外光谱和待测材料的特征红外光谱。基于多个标准特征红外光谱和待测材料的特征红外光谱，得到待测材料的各组分。基于多个标准特征红外光谱、各个标准特征红外光谱的预设光谱份数和待测材料中各组分之间的相对红外吸收强度，得到第二模拟光谱。若第二模拟光谱和待测材料的特征红外光谱之间满足预设条件，则确定预设光谱份数为目标数据。基于目标数据，得到待测材料的各组分占比。
在本实施例中，预设条件可以为第二模拟光谱的吸光度(或峰高、峰面积)全部或部分超出待测材料的特征红外光谱的吸光度(或峰高、峰面积)的偏差范围，且第二模拟光谱的吸光度(或峰高、峰面积)与待测材料的特征红外光谱的吸光度(或峰高、峰面积)差的平方和最小，在满足预设条件的情况下各个标准特征红外光谱的预设光谱份数为目标数据(公式可以表示为：MIN[(A第二模拟，i-A待测，i)2]→(CA,CB,CC,......,CM))，可以理解为，在满足预设条件的情况下，此时第二模拟光谱中的组分及组分占比与待测材料中的组分和组分占比均是最接近的，通过各个标准特征红外光谱的预设光谱份数之间的简单计算，即可得到待测材料中的各组分的占比。
上述的偏差范围可以为三倍标准偏差，该标准偏差可以为在建立依据预设比例建立混合红外光谱时产生的偏差。
示例性的，本实施例标准红外光谱的正归一化处理的计算公式可以为：
其中，A111,i表示正归一化处理后标准红外光谱在波数点位i处的吸光度，A1,i表示正归一化处理前标准红外光谱在波数点位i处的吸光度。
示例性的，本实施例待测材料的红外光谱的正归一化处理的计算公式可以为：
其中，A333,i表示正归一化处理后待测材料的红外光谱在波数点位i处的吸光度，A3,i表示正归一化处理前待测材料的红外光谱在波数点位i处的吸光度，i＝1,2,3…n，n表示波数点位的数量。
这里，对于拥有相同质量分数的组分，因为正归一化和矢量归一化具有相同的分母，所以使用正归一化预处理和矢量归一化预处理后的不同光谱中，各组分之间的相对红外吸收强度相同，可以相互替代，简而言之，以上述第一模拟光谱和待测材料的红外光谱为例，当第一模拟光谱和待测材料的红外光谱拟合完成时，可以认为此时待测材料中各组分之间的相对红外吸收强度与第一模拟光谱中各组分之间的相对红外吸收强度相同，而第一模拟光谱中各组分之间的相对红外吸收强度，为混合红外光谱中各组分之间的相对红外吸收强度，因此，在得到混合红外光谱中各组分之间的相对红外吸收强度之后，在归一化的基础上可以认为得到了待测材料中各组分之间的相对红外吸收强度。
示例性的，本实施例第二模拟光谱的计算公式可以为：
其中，Aj,i表示组分为j的标准特征红外光谱在波数点位i处的吸光度，Cj表示单一组分为j的标准特征红外光谱的预设光谱份数，Kj表示组分j相对于参考组分的相对红外吸收强度，m表示第二模拟光谱中组分的数量，参考组分为第二模拟光谱的组分中的任一组分。
在一些可行的实施例中，第二模拟光谱和待测材料的特征红外光谱之间满足预设条件也可以理解为第二模拟光谱和待测材料的特征红外光谱完成了拟合，这两个光谱之间的拟合可以在一定的波数范围内进行拟合，判断该波数范围内有无其它细小组分的干扰，如果在波数范围内，待测样品的吸光度值与第二模拟的吸光度的比例不同，且超过三倍标准偏差的允许范围，则说明该波数范围内存在其它细小组分的红外吸收信息。
可选的，本实施例经过正归一化处理后的待测材料的特征红外光谱，在选择波数点位的时候，可以选择多个特征吸收峰，这样可以减少干扰组分对定量结果的干扰。
例如，以PBAT、PLA、淀粉、碳酸钙、常见助剂为主要组分的塑料为例，在PBAT、PLA、淀粉、碳酸钙、常见助剂的单一组分的标准特征红外光谱的多个特征吸收峰处，获取积分值。当待测未知材料出现少量不明组分时，该组分对红外光谱的贡献，将导致在部分峰位，使其他组分的光谱份数计算产生偏差；通过在所有峰位限制各组分的光谱份数的上限，可以将计算偏差限制在方法要求的精度以内。进而提高计算结果的准确性，避免不明组分的影响。
示例性的，本实施例基于红外光谱的材料成分确定方法，还可以包括：若第二模拟光谱和待测材料的特征红外光谱之间满足预设条件，则基于待测材料的特征红外光谱和第二模拟光谱，得到待测材料的残谱。基于残谱和多个标准红外光谱，得到待测材料中的干扰组分。
例如，依旧以PBAT、PLA、淀粉、碳酸钙、常见助剂为主要组分的可降解塑料为例，在该可降解塑料中非降解成分PP、PE、PVC、PS为禁止检出的组分。在待测材料的红外光谱中，因为禁止检出的组分很小，所以禁止检出的组分的特征吸收峰不一定容易识别。但是，在得到残谱后，禁止检出的组分相对而言就占据很大的份额，会出现对应的特征吸收峰。之后基于待测材料的残谱，使单一组分的PP、PE、PVC、PS的标准特征红外光谱，可快速识别残谱中的组分，即得到待测材料中的干扰组分。
示例性的，本实施例基于红外光谱的材料成分确定方法，还可以包括：重复获取多个标准红外光谱、混合红外光谱和待测材料的红外光谱，至基于多个标准红外光谱、待测材料的红外光谱和待测材料中各组分之间的相对红外吸收强度，得到待测材料的各组分和待测材料的各组分占比的步骤，得到多个待测材料的各组分占比，基于多个待测材料的各组分占比，得到目标各组分占比。基于目标各组分占比，得到待测材料中各组分的质量分数。
可选的，待测材料中各组分的质量分数的计算公式可以为：
其中，Cj,折百表示待测材料中组分j的质量分数，C待测，j表示待测材料中组分j的组分占比，m表示待测材料中组分的数量。
本实施例提供一种基于红外光谱的材料成分确定方法，通过将多个标准红外光谱和混合红外光谱，得到混合红外光谱中各组分之间的相对红外吸收强度，之后模拟得到第一模拟光谱，进一步通过拟合的方式，实现待测材料中各组分之间的相对红外吸收强度与混合红外光谱中各组分之间的相对红外吸收强度的替换，进而基于多个标准红外光谱、待测材料的红外光谱和待测材料中各组分之间的相对红外吸收强度，得到待测材料的各组分和待测材料的各组分占比，将复杂的材料成分的确定方法简单化，在计算过程中，又通过归一化处理和通过a值转换为相对K值的方式，进一步加强方案结果的准确性，因此相比于传统方法能够快速准确的分析出待测材料的各组分和各组分的占比。
为了保证最后结果的准确性，本实施例还可以包括对结果的验证。可以采用偏最小二乘法得到的预测结果对上述方法得到的结果进行验证。偏最小二乘法首先将谱图(待测材料的红外光谱)进行因子化，正交的因子有不同的权重，保留权重较高的因子，删除权重极低的因子。将因子重新组合，形成拟合光谱，这个过程叫做降维。降维过程去除了数据占比很高但是不携带信息的噪音，从而大大简化了计算量。偏最小二乘法在计算因子得分时，将组分含量信息考虑在内，与组分含量相关的变化值，具有更高的权重；与组分含量不相关的变化值，视作干扰予以排除。
这里，按照待测材料的红外光谱归一化后的峰面积，利用光谱计算器将携带干扰物信息的光谱和红外光谱进行组合。使用矢量归一化的方式得到新的模拟光谱，且这些光谱的组分含量是可以准确计算的。将这些光谱作为建模的样本集，建立PLS定量模型，可充分排除物质干扰物的干扰，对目标(待测材料的红外光谱)组分含量进行预测。采用预测结果可以对上述方法得到的结果进行验证确保其准确性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的基于红外光谱的材料成分确定方法，图2示出了本申请实施例提供的基于红外光谱的材料成分确定装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参见图2，本申请实施例中的基于红外光谱的材料成分确定装置可以包括
获取模块201，用于获取多个标准红外光谱、混合红外光谱和待测材料的红外光谱。其中，标准红外光谱基于单一组分的标准规格的材料得到，混合红外光谱基于预设比例的多组分的标准规格的材料得到。
计算模块202，用于基于多个标准红外光谱、混合红外光谱和待测材料的红外光谱，通过拟合的方法计算得到待测材料中各组分之间的相对红外吸收强度。
结果模块203，用于基于多个标准红外光谱、待测材料的红外光谱和待测材料中各组分之间的相对红外吸收强度，得到待测材料的各组分和待测材料的各组分占比。
示例性的，计算模块202具体用于：对多个标准红外光谱、混合红外光谱和待测材料的红外光谱进行归一化处理。基于归一化处理后的多个标准红外光谱、预设比例和归一化处理后的混合红外光谱，得到混合红外光谱中各组分之间的相对红外吸收强度。基于归一化处理后的多个标准红外光谱、模拟比例和混合红外光谱中各组分之间的相对红外吸收强度，得到第一模拟光谱。对第一模拟光谱和归一化处理后的待测材料的红外光谱进行拟合，得到待测材料中各组分之间的相对红外吸收强度。
可选的，计算模块202还可以用于：对多个标准红外光谱、混合红外光谱和待测材料的红外光谱进行矢量归一化处理。
可选的，标准红外光谱的矢量归一化处理的计算公式可以为：
其中，A11,i表示矢量归一化处理后标准红外光谱在波数点位i处的吸光度，A1,i表示矢量归一化处理前标准红外光谱在波数点位i处的吸光度。
可选的，混合红外光谱的矢量归一化处理的计算公式可以为：
其中，A22,i表示矢量归一化处理后混合红外光谱在波数点位i处的吸光度，A2,i表示矢量归一化处理前混合红外光谱在波数点位i处的吸光度。
可选的，待测材料的红外光谱的矢量归一化处理的计算公式可以为：
其中，A33,i表示矢量归一化处理后待测材料的红外光谱在波数点位i处的吸光度，A3,i表示矢量归一化处理前待测材料的红外光谱在波数点位i处的吸光度，i＝1,2,3…n，n表示波数点位的数量。
可选的，第一模拟光谱的计算公式可以为：
其中，第一模拟光谱为单一组分A的标准规格的材料和单一组分B的标准规格的材料按照模拟比例混合的混合光谱，A第一模拟,i表示第一模拟光谱在波数点位i处的吸光度，AA，归一化，i表示经过归一化处理后的单一组分A的标准红外光谱在波数点位i处的吸光度，AB，归一化，i表示经过归一化处理后的单一组分B的标准红外光谱在波数点位i处的吸光度，CB表示组分B的质量分数，组分B的质量分数通过模拟比例得到，KB表示混合红外光谱中组分B相对组分A的相对红外吸收强度，i＝1,2,3…n，n表示波数点位的数量。
可选的，计算模块202还可以用于：基于归一化处理后的多个标准红外光谱和归一化处理后的混合红外光谱，得到混合红外光谱中各组分的红外光谱贡献值；其中，混合红外光谱中各组分的红外光谱贡献值表征混合红外光谱中各组分分别对混合红外光谱的贡献值。基于混合红外光谱中各组分的红外光谱贡献值和预设比例，得到混合红外光谱中各组分之间的相对红外吸收强度。
示例性的，结果模块203具体用于：对多个标准红外光谱和待测材料的红外光谱，进行正归一化处理，得到多个标准特征红外光谱和待测材料的特征红外光谱。基于多个标准特征红外光谱和待测材料的特征红外光谱，得到待测材料的各组分。基于多个标准特征红外光谱、各个标准特征红外光谱的预设光谱份数和待测材料中各组分之间的相对红外吸收强度，得到第二模拟光谱。若第二模拟光谱和待测材料的特征红外光谱之间满足预设条件，则确定预设光谱份数为目标数据。基于目标数据，得到待测材料的各组分占比。
可选的，标准红外光谱的正归一化处理的计算公式可以为：
其中，A111,i表示正归一化处理后标准红外光谱在波数点位i处的吸光度，A1,i表示正归一化处理前标准红外光谱在波数点位i处的吸光度。
可选的，待测材料的红外光谱的正归一化处理的计算公式可以为：
其中，A333,i表示正归一化处理后待测材料的红外光谱在波数点位i处的吸光度，A3,i表示正归一化处理前待测材料的红外光谱在波数点位i处的吸光度，i＝1,2,3…n，n表示波数点位的数量。
示例性的，第二模拟光谱的计算公式可以为：
其中，Aj,i表示组分为j的标准特征红外光谱在波数点位i处的吸光度，Cj表示单一组分为j的标准特征红外光谱的预设光谱份数，Kj表示组分j相对于参考组分的相对红外吸收强度，m表示第二模拟光谱中组分的数量，参考组分为第二模拟光谱的组分中的任一组分。
可选的，结果模块203，还可以用于：若第二模拟光谱和待测材料的特征红外光谱之间满足预设条件，则基于待测材料的特征红外光谱和第二模拟光谱，得到待测材料的残谱。基于残谱和多个标准红外光谱，得到待测材料中的干扰组分。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种电子设备，参见图3，该电子设备300可以包括：至少一个处理器310、存储器320，该存储器320用于存储计算机程序321，所述处理器310用于调用并运行所述存储器320中存储的计算机程序321实现上述任意各个方法实施例中的步骤，例如图1所示实施例中的步骤101至步骤103。或者，处理器310执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如图3所示各模块的功能。
示例性的，计算机程序321可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器320中，并由处理器310执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段，该程序段用于描述计算机程序在电子设备300中的执行过程。
本领域技术人员可以理解，图3仅仅是电子设备的示例，并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如输入输出设备、网络接入设备、总线等。
处理器310可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器320可以是电子设备的内部存储单元，也可以是电子设备的外部存储设备，例如插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。所述存储器320用于存储所述计算机程序以及电子设备所需的其他程序和数据。所述存储器320还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例提供的基于红外光谱的材料成分确定方法可以应用于计算机、可穿戴设备、车载设备、平板电脑、笔记本电脑、上网本等电子设备上，本申请实施例对电子设备的具体类型不作任何限制。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述基于红外光谱的材料成分确定方法各个实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动电子上运行时，使得移动电子执行时实现可实现上述基于红外光谱的材料成分确定方法各个实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/电子设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于红外光谱的材料成分确定方法，其特征在于，包括：
获取多个标准红外光谱、混合红外光谱和待测材料的红外光谱；其中，所述标准红外光谱基于单一组分的标准规格的材料得到，所述混合红外光谱基于预设比例的多组分的标准规格的材料得到；
基于所述多个标准红外光谱、所述混合红外光谱和所述待测材料的红外光谱，通过拟合的方法计算得到待测材料中各组分之间的相对红外吸收强度；
基于所述多个标准红外光谱、所述待测材料的红外光谱和所述待测材料中各组分之间的相对红外吸收强度，得到所述待测材料的各组分和所述待测材料的各组分占比。
2.如权利要求1所述的基于红外光谱的材料成分确定方法，其特征在于，所述基于所述多个标准红外光谱、所述混合红外光谱和所述待测材料的红外光谱，通过拟合的方法计算得到待测材料中各组分之间的相对红外吸收强度，包括：
对所述多个标准红外光谱、所述混合红外光谱和所述待测材料的红外光谱进行归一化处理；
基于归一化处理后的多个标准红外光谱、所述预设比例和归一化处理后的混合红外光谱，得到混合红外光谱中各组分之间的相对红外吸收强度；
基于所述归一化处理后的多个标准红外光谱、模拟比例和所述混合红外光谱中各组分之间的相对红外吸收强度，得到第一模拟光谱；
对所述第一模拟光谱和归一化处理后的待测材料的红外光谱进行拟合，得到所述待测材料中各组分之间的相对红外吸收强度。
3.如权利要求2所述的基于红外光谱的材料成分确定方法，其特征在于，所述对所述多个标准红外光谱、所述混合红外光谱和所述待测材料的红外光谱进行归一化处理，包括：
对所述多个标准红外光谱、所述混合红外光谱和所述待测材料的红外光谱进行矢量归一化处理；
所述标准红外光谱的矢量归一化处理的计算公式为：
其中，A11,i表示矢量归一化处理后标准红外光谱在波数点位i处的吸光度，A1,i表示矢量归一化处理前标准红外光谱在波数点位i处的吸光度；
所述混合红外光谱的矢量归一化处理的计算公式为：
其中，A22,i表示矢量归一化处理后混合红外光谱在波数点位i处的吸光度，A2,i表示矢量归一化处理前混合红外光谱在波数点位i处的吸光度；
所述待测材料的红外光谱的矢量归一化处理的计算公式为：
其中，A33,i表示矢量归一化处理后待测材料的红外光谱在波数点位i处的吸光度，A3,i表示矢量归一化处理前待测材料的红外光谱在波数点位i处的吸光度，i＝1,2,3…n，n表示波数点位的数量。
4.如权利要求2所述的基于红外光谱的材料成分确定方法，其特征在于，所述第一模拟光谱的计算公式为：
其中，所述第一模拟光谱为单一组分A的标准规格的材料和单一组分B的标准规格的材料按照所述模拟比例混合的混合光谱，A第一模拟,i表示所述第一模拟光谱在波数点位i处的吸光度，AA，归一化，i表示经过归一化处理后的单一组分A的标准红外光谱在波数点位i处的吸光度，AB，归一化，i表示经过归一化处理后的单一组分B的标准红外光谱在波数点位i处的吸光度，CB表示组分B的质量分数，组分B的质量分数通过所述模拟比例得到，KB表示所述混合红外光谱中组分B相对组分A的相对红外吸收强度，i＝1,2,3…n，n表示波数点位的数量。
5.如权利要求2所述的基于红外光谱的材料成分确定方法，其特征在于，所述基于归一化处理后的多个标准红外光谱、所述预设比例和归一化处理后的混合红外光谱，得到混合红外光谱中各组分之间的相对红外吸收强度，包括：
基于归一化处理后的多个标准红外光谱和归一化处理后的混合红外光谱，得到混合红外光谱中各组分的红外光谱贡献值；其中，所述混合红外光谱中各组分的红外光谱贡献值表征混合红外光谱中各组分分别对所述混合红外光谱的贡献值；
基于所述混合红外光谱中各组分的红外光谱贡献值和所述预设比例，得到所述混合红外光谱中各组分之间的相对红外吸收强度。
6.如权利要求1所述的基于红外光谱的材料成分确定方法，其特征在于，所述基于所述多个标准红外光谱、所述待测材料的红外光谱和所述待测材料中各组分之间的相对红外吸收强度，得到所述待测材料的各组分和所述待测材料的各组分占比，包括：
对所述多个标准红外光谱和所述待测材料的红外光谱，进行正归一化处理，得到多个标准特征红外光谱和所述待测材料的特征红外光谱；
基于所述多个标准特征红外光谱和所述待测材料的特征红外光谱，得到所述待测材料的各组分；
基于所述多个标准特征红外光谱、各个标准特征红外光谱的预设光谱份数和所述待测材料中各组分之间的相对红外吸收强度，得到第二模拟光谱；
若所述第二模拟光谱和所述待测材料的特征红外光谱之间满足预设条件，则确定所述预设光谱份数为目标数据；
基于所述目标数据，得到所述待测材料的各组分占比。
7.如权利要求6所述的基于红外光谱的材料成分确定方法，其特征在于，所述标准红外光谱的正归一化处理的计算公式为：
其中，A111,i表示正归一化处理后标准红外光谱在波数点位i处的吸光度，A1,i表示正归一化处理前标准红外光谱在波数点位i处的吸光度；
所述待测材料的红外光谱的正归一化处理的计算公式为：
其中，A333,i表示正归一化处理后待测材料的红外光谱在波数点位i处的吸光度，A3,i表示正归一化处理前待测材料的红外光谱在波数点位i处的吸光度，i＝1,2,3…n，n表示波数点位的数量；
所述第二模拟光谱的计算公式为：
其中，Aj,i表示组分为j的标准特征红外光谱在波数点位i处的吸光度，Cj表示单一组分为j的标准特征红外光谱的预设光谱份数，Kj表示组分j相对于参考组分的相对红外吸收强度，m表示第二模拟光谱中组分的数量，参考组分为第二模拟光谱的组分中的任一组分。
8.如权利要求6所述的基于红外光谱的材料成分确定方法，其特征在于，所述基于红外光谱的材料成分确定方法，还包括：
若所述第二模拟光谱和所述待测材料的特征红外光谱之间满足预设条件，则基于所述待测材料的特征红外光谱和所述第二模拟光谱，得到所述待测材料的残谱；
基于所述残谱和所述多个标准红外光谱，得到所述待测材料中的干扰组分。
9.一种电子设备，包括：处理器和存储器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的基于红外光谱的材料成分确定方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的基于红外光谱的材料成分确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311040233.XA CN117074346B (zh) | 2023-08-17 | 2023-08-17 | 基于红外光谱的材料成分确定方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311040233.XA CN117074346B (zh) | 2023-08-17 | 2023-08-17 | 基于红外光谱的材料成分确定方法、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117074346A true CN117074346A (zh) | 2023-11-17 |
| CN117074346B CN117074346B (zh) | 2024-03-29 |
Family
ID=88709143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311040233.XA Active CN117074346B (zh) | 2023-08-17 | 2023-08-17 | 基于红外光谱的材料成分确定方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117074346B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118483179A (zh) * | 2024-07-12 | 2024-08-13 | 奥谱天成（厦门）光电有限公司 | 水质检测方法、装置、介质及设备 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA1327899C (en) * | 1988-09-01 | 1994-03-22 | Frans F. Jobsis | Spectrophotometric method for quantitatively determining the concentration of a dilute component in a light or other radiation-scattering environment |
| CN103868882A (zh) * | 2012-12-13 | 2014-06-18 | 中国石油化工股份有限公司 | 测定沥青中各组分含量的方法 |
| US20180003627A1 (en) * | 2015-01-05 | 2018-01-04 | Saudi Arabian Oil Company | Characterization of crude oil by near infrared spectroscopy |
| CN113514415A (zh) * | 2021-04-25 | 2021-10-19 | 中国科学技术大学 | 一种基于红外光谱成像的液态样品的分子间相互作用表征方法 |
| CN113627709A (zh) * | 2021-06-11 | 2021-11-09 | 中国热带农业科学院 | 一种基于红外光谱检测的斑斓品质评价系统及方法 |
| CN114923873A (zh) * | 2022-05-27 | 2022-08-19 | 江苏蓝创智能科技股份有限公司 | 一种气体浓度检测方法、装置、电子设备及存储介质 |
| CN115436315A (zh) * | 2022-09-30 | 2022-12-06 | 安徽海螺材料科技股份有限公司 | 一种基于近红外光谱的水泥外加剂检测方法 |
| CN115901660A (zh) * | 2022-10-20 | 2023-04-04 | 杭州谱育科技发展有限公司 | 一种基于红外光谱法对混合气体中半挥发性组分的定量分析方法、系统及应用 |
| CN115963074A (zh) * | 2023-02-23 | 2023-04-14 | 中国人民解放军国防科技大学 | 一种微生物材料孢子菌丝占比的快速检测方法和系统 |
| CN116008216A (zh) * | 2021-10-22 | 2023-04-25 | 中国石油化工股份有限公司 | 用于检测油液掺混的方法及设备 |
-
2023
- 2023-08-17 CN CN202311040233.XA patent/CN117074346B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA1327899C (en) * | 1988-09-01 | 1994-03-22 | Frans F. Jobsis | Spectrophotometric method for quantitatively determining the concentration of a dilute component in a light or other radiation-scattering environment |
| CN103868882A (zh) * | 2012-12-13 | 2014-06-18 | 中国石油化工股份有限公司 | 测定沥青中各组分含量的方法 |
| US20180003627A1 (en) * | 2015-01-05 | 2018-01-04 | Saudi Arabian Oil Company | Characterization of crude oil by near infrared spectroscopy |
| CN113514415A (zh) * | 2021-04-25 | 2021-10-19 | 中国科学技术大学 | 一种基于红外光谱成像的液态样品的分子间相互作用表征方法 |
| CN113627709A (zh) * | 2021-06-11 | 2021-11-09 | 中国热带农业科学院 | 一种基于红外光谱检测的斑斓品质评价系统及方法 |
| CN116008216A (zh) * | 2021-10-22 | 2023-04-25 | 中国石油化工股份有限公司 | 用于检测油液掺混的方法及设备 |
| CN114923873A (zh) * | 2022-05-27 | 2022-08-19 | 江苏蓝创智能科技股份有限公司 | 一种气体浓度检测方法、装置、电子设备及存储介质 |
| CN115436315A (zh) * | 2022-09-30 | 2022-12-06 | 安徽海螺材料科技股份有限公司 | 一种基于近红外光谱的水泥外加剂检测方法 |
| CN115901660A (zh) * | 2022-10-20 | 2023-04-04 | 杭州谱育科技发展有限公司 | 一种基于红外光谱法对混合气体中半挥发性组分的定量分析方法、系统及应用 |
| CN115963074A (zh) * | 2023-02-23 | 2023-04-14 | 中国人民解放军国防科技大学 | 一种微生物材料孢子菌丝占比的快速检测方法和系统 |
Non-Patent Citations (3)
| Title |
|---|
| 李改云;黄安民;秦特夫;黄洛华;: "马尾松木材褐腐降解的红外光谱研究", 光谱学与光谱分析, no. 08 * |
| 李芳;蔺向阳;陈陈;张西亚;刘征哲;: "近红外光谱法在线检测复合固体推进剂的组分含量", 火工品, no. 06 * |
| 程士超;蔺向阳;李燕;菅桂星;: "基于NIR光谱的固体推进剂代用料混合特性", 固体火箭技术, no. 03 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118483179A (zh) * | 2024-07-12 | 2024-08-13 | 奥谱天成（厦门）光电有限公司 | 水质检测方法、装置、介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117074346B (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3517937B1 (en) | Mixture detection method and device | |
| CN117074346B (zh) | 基于红外光谱的材料成分确定方法、设备及存储介质 | |
| Bright et al. | A series of recommended tests when validating probabilistic DNA profile interpretation software | |
| Monakhova et al. | Authentication of animal origin of heparin and low molecular weight heparin including ovine, porcine and bovine species using 1D NMR spectroscopy and chemometric tools | |
| Fan et al. | Predictive quantile regressions under persistence and conditional heteroskedasticity | |
| Li et al. | Tests for spatial dependence and heterogeneity in spatially autoregressive varying coefficient models with application to Boston house price analysis | |
| Jang et al. | Prediction of genetic alterations from gastric cancer histopathology images using a fully automated deep learning approach | |
| Morgado et al. | Monte Carlo bottom-up evaluation of global instrumental quantification uncertainty: Flexible and user-friendly computational tool | |
| Ma et al. | Multiple change point detection and validation in autoregressive time series data | |
| Xu et al. | MCCV stacked regression for model combination and fast spectral interval selection in multivariate calibration | |
| Morgado et al. | Monte Carlo bottom-up evaluation of the uncertainty of complex sample preparation: Elemental determination in sediments | |
| Sulub et al. | Determination of polymer blends composed of polycarbonate and rubber entities using near-infrared (NIR) spectroscopy and multivariate calibration | |
| JP6698217B2 (ja) | 混合物検出方法及び装置 | |
| CN117037935B (zh) | 材料成分确定方法、装置、设备及存储介质 | |
| Chen et al. | Investigation of sample partitioning in quantitative near-infrared analysis of soil organic carbon based on parametric LS-SVR modeling | |
| CN100529731C (zh) | 利用近红外光谱分析方法识别药物的方法与装置 | |
| Manuel Andrade‐Garda et al. | Classical linear regression by the least squares method | |
| Fan et al. | An effective spectral unmixing algorithm for flow cytometry based on GA and least squares | |
| CN114282446A (zh) | 一种基于不同偏好光谱模型的拟合预测方法 | |
| Jeng et al. | Model Selection With Mixed Variables on the Lasso Path | |
| Sulub et al. | Determination of acid end group in Polybutylene Terepthalate using Fourier Transform near-infrared (FT-NIR) spectroscopy and chemometrics | |
| CN116908134B (zh) | 增塑剂含量的半定量分析方法及分析模型的训练方法 | |
| CN104951643A (zh) | 一种适用于中子活化元素分析的能谱处理方法 | |
| Safanelli et al. | An interlaboratory comparison of mid-infrared spectra acquisition: Instruments and procedures matter | |
| Tang et al. | EigenRF: an improved metabolomics normalization method with scores for reproducibility evaluation on importance rankings of differential metabolites |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |