劉貞文, 徐玲杰, 陳孝敬
1. 集美大學港口與環境工程學院, 福建 廈門 361021 2. 溫州大學機電工程學院, 浙江 溫州 325035 3. 溫州大學電氣與電子工程學院, 浙江 溫州 325035
近紅外光譜已廣泛應用于各個領域, 是一種快速、 無損、 環保、 經濟的實用技術[1]。 然而, 近紅外光譜的微弱信號不僅包含化學信息, 還包含各種背景噪聲。 因此, 為了從光譜中得到準確的定量分析結果, 一個可靠的多元校正模型是必不可少的。 在實際應用中, 可以使用一種以上的儀器來收集光譜。 將一種儀器(主儀器)的校準模型直接應用于另一種儀器(次儀器)的光譜測量, 會使該模型失效。 而針對新光譜的重新校準是費時的[2-3]。 校準轉移的方法可以使用現有的模型來分析在新條件下(新儀器下)獲得的新樣品, 而不需要重新建立模型, 因此受到許多關注和研究[4]。
模型校準轉移主要可以通過三種策略實現: 模型預測值標準化、 模型系數標準化以及光譜標準化(光譜轉移)。 簡單的單變量斜率和偏差校正(SBC)[5]在兩個不同儀器上測量的光譜預測之間建立了線性方程。 通過線性方程的偏置和斜率, 可以對新光譜的預測進行校正。 但只有當儀器變化引起所有樣本系統的光譜差異時, SBC才是有效的[6]。 與SBC方法不同, 模型系數的標準化可以應用于不同樣本間光譜差異的情況, 但通常這些方法需要大量的光譜樣本才能得到滿意的參數校正結果。 通過標準化光譜進行模型轉移是最常用的模型轉移策略, 這類方法通過一個轉移矩陣, 將次儀器上測量的樣品的光譜轉移為相應的主儀器上的光譜, 使其服從于主儀器的樣本空間分布。……