專(zhuān)利名稱(chēng)：基于近紅外光譜秸稈固態(tài)發(fā)酵過(guò)程參數(shù)軟測(cè)量方法及裝置的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及固態(tài)發(fā)酵過(guò)程控制領(lǐng)域，具體地說(shuō)，是一種基于近紅外光譜的秸稈固態(tài)發(fā)酵過(guò)程參數(shù)軟測(cè)量方法及裝置。
背景技術(shù)：
農(nóng)作物秸稈是當(dāng)今世界上僅次于煤炭、石油和天然氣的第四大能源。據(jù)有關(guān)統(tǒng)計(jì)， 我國(guó)每年可產(chǎn)生近7億噸秸稈，并以玉米、小麥和稻谷秸稈為主，占秸稈總產(chǎn)量的80%，但利用率卻很低，大部分被直接焚燒，小部分機(jī)械還田。焚燒不僅浪費(fèi)資源，還對(duì)自然資源造成極大地破壞。隨著農(nóng)業(yè)生物技術(shù)的發(fā)展，用生物技術(shù)特別是通過(guò)微生物固態(tài)發(fā)酵手段來(lái)處理秸稈，使其成為生物飼料、生物肥料和乙醇等綠色資源，不僅能夠提高秸稈的利用值和利用率，而且還會(huì)改善農(nóng)業(yè)生態(tài)環(huán)境，實(shí)現(xiàn)資源的充分利用，變廢為寶。固態(tài)發(fā)酵(solid-state fermentation, SSF)是指在不含或幾乎不含自由水的濕的固體物料中培養(yǎng)微生物的過(guò)程。在秸稈固態(tài)發(fā)酵過(guò)程中，物料中的含水量是非常有限的，但其十分重要，若用量過(guò)高或過(guò)低則對(duì)產(chǎn)率影響非常大；同時(shí)，水對(duì)物料的理化性質(zhì)也有復(fù)雜的影響，并進(jìn)一步影響產(chǎn)率。PH是發(fā)酵過(guò)程中的另一個(gè)重要的因素，每一種微生物都有一個(gè)適合其生長(zhǎng)和發(fā)揮活性的PH范圍。目前固態(tài)發(fā)酵中pH的控制還是一個(gè)尚待解決的問(wèn)題，一方面發(fā)酵過(guò)程中的異質(zhì)性使PH不斷地變化，另一方面是沒(méi)有合適的儀器檢測(cè)確定固態(tài)材料中的PH。許多固態(tài)發(fā)酵過(guò)程中的pH具有特征性的變化，只是說(shuō)物料中較低的含水量使常規(guī)性的PH檢測(cè)方法難以奏效，因而限制了 pH作為重要控制參數(shù)的可行性。此外，像生物量濃度和目的產(chǎn)物含量等參數(shù)也都和PH這個(gè)重要的過(guò)程參數(shù)有著緊密的聯(lián)系。目前，固態(tài)發(fā)酵過(guò)程參數(shù)(如濕度、pH、生物量濃度)的檢測(cè)一般都采用離線化學(xué)實(shí)驗(yàn)方法。雖然化學(xué)檢測(cè)方法的結(jié)果客觀可信，但步驟煩瑣、檢測(cè)時(shí)間長(zhǎng)、檢測(cè)費(fèi)用高，且離線測(cè)量給發(fā)酵工程的控制和優(yōu)化帶來(lái)了很多不便。因此，不利于實(shí)現(xiàn)對(duì)整個(gè)發(fā)酵過(guò)程狀態(tài)信息變量的優(yōu)化控制。近紅外光譜(Near Infrared Spectroscopy, NIR)分析技術(shù)具有快速、無(wú)損、準(zhǔn)確，多組分同時(shí)檢測(cè)等優(yōu)點(diǎn)，是最適于實(shí)現(xiàn)在線分析和實(shí)時(shí)控制的成熟技術(shù)之一，已經(jīng)在石油、化工、食品、制藥和煙草等領(lǐng)域得到了廣泛應(yīng)用。

發(fā)明內(nèi)容
本發(fā)明的目的是在于克服現(xiàn)有農(nóng)作物秸稈固態(tài)發(fā)酵過(guò)程參數(shù)檢測(cè)方法的不足，提供一種基于近紅外光譜的秸稈固態(tài)發(fā)酵過(guò)程參數(shù)軟測(cè)量方法及裝置，將近紅外光譜技術(shù)應(yīng)用于固態(tài)發(fā)酵過(guò)程參數(shù)的在線軟測(cè)量，同時(shí)滿足多指標(biāo)成分的實(shí)時(shí)在線檢測(cè)，實(shí)現(xiàn)對(duì)秸稈固態(tài)發(fā)酵過(guò)程進(jìn)行實(shí)時(shí)監(jiān)控和診斷，保證最終發(fā)酵產(chǎn)品的品質(zhì)。本發(fā)明基于近紅外光譜的秸稈固態(tài)發(fā)酵過(guò)程參數(shù)軟測(cè)量方法的技術(shù)方案是采用以下四個(gè)步驟①選取不同發(fā)酵批次、不同發(fā)酵時(shí)間的秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本，利用常規(guī)理化分析方法獲取秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本中的濕度、PH、生物量濃度、目的產(chǎn)物含量這些過(guò)程參數(shù)指標(biāo)的參考測(cè)量值，組成一個(gè)數(shù)據(jù)庫(kù)；②利用近紅外光譜儀采集所述秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本的光譜數(shù)據(jù)并傳入計(jì)算機(jī)，計(jì)算機(jī)對(duì)光譜數(shù)據(jù)預(yù)處理，對(duì)預(yù)處理后的光譜數(shù)據(jù)進(jìn)行主成分分析，得到主成分得分矩陣及光譜協(xié)方差矩陣的特征值信息，通過(guò)特征值矩陣計(jì)算累計(jì)方差貢獻(xiàn)率，提取累計(jì)方差貢獻(xiàn)率達(dá)90%以上得分矩陣的前幾個(gè)主成分得分向量作為固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本的特征變量；③將所述固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本的特征變量與所述數(shù)據(jù)庫(kù)進(jìn)行關(guān)聯(lián)，采用偏最小二乘法建立秸稈固態(tài)發(fā)酵過(guò)程的多參數(shù)軟測(cè)量模型；④將待測(cè)樣本采用步驟力1所述的方法獲得待測(cè)樣本的特征變量，將該待測(cè)樣本的特征變量輸入所述多參數(shù)軟測(cè)量模型，通過(guò)多參數(shù)軟測(cè)量模型檢測(cè)得到待測(cè)樣本過(guò)程參數(shù)指標(biāo)預(yù)測(cè)值。本發(fā)明基于近紅外光譜秸稈固態(tài)發(fā)酵過(guò)程參數(shù)軟測(cè)量方法的裝置采用的技術(shù)方案是包括近紅外光譜儀，近紅外光譜儀中有商素?zé)簦t外光譜儀通過(guò)數(shù)據(jù)線連接計(jì)算機(jī)且通過(guò)Y型光纖連接樣品杯，樣品杯放置在載物臺(tái)上，樣品杯中放有秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本或待測(cè)樣本，鹵素?zé)舭l(fā)出的光經(jīng)Y型光纖照射到樣本上，在樣本內(nèi)部形成漫反射，漫反射光再經(jīng)Y型光纖進(jìn)入近紅外光譜儀，經(jīng)光譜儀分析轉(zhuǎn)換后的光譜信號(hào)通過(guò)數(shù)據(jù)線傳入計(jì)算機(jī)中。本發(fā)明的有益效果是本發(fā)明與傳統(tǒng)化學(xué)分析手段相比，操作簡(jiǎn)單方便、檢測(cè)速度快且重現(xiàn)性好，可用于秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物質(zhì)量的在線監(jiān)控，解決秸稈固態(tài)發(fā)酵生產(chǎn)過(guò)程中常規(guī)離線理化檢測(cè)方法成本高、耗時(shí)長(zhǎng)及效率低等缺陷，同時(shí)為秸稈固態(tài)發(fā)酵相關(guān)產(chǎn)品的質(zhì)量提升提供有力的技術(shù)保障。


圖1是本發(fā)明基于近紅外光譜秸稈固態(tài)發(fā)酵過(guò)程參數(shù)軟測(cè)量方法的流程示意圖； 圖2是本發(fā)明基于近紅外光譜秸稈固態(tài)發(fā)酵過(guò)程參數(shù)軟測(cè)量裝置的結(jié)構(gòu)連接示意圖； 圖中1.樣品杯；2.載物臺(tái)；3. Y型光纖；4.計(jì)算機(jī)；5.數(shù)據(jù)線；6.近紅外光譜儀。
具體實(shí)施例方式本發(fā)明首先利用漫反射式近紅外光譜采集裝置獲取秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物的近紅外光譜數(shù)據(jù)，被采集的光譜信號(hào)經(jīng)近紅外光譜儀分析轉(zhuǎn)換后通過(guò)數(shù)據(jù)線傳入計(jì)算機(jī)；然后，對(duì)獲得的原始光譜數(shù)據(jù)進(jìn)行預(yù)處理，再運(yùn)用主成分分析從這些光譜信息中提取主成分特征變量，并將這些特征向量與秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物參數(shù)指標(biāo)的實(shí)測(cè)參考值(由常規(guī)理化分析方法測(cè)定)進(jìn)行關(guān)聯(lián)，采用偏最小二乘法建立發(fā)酵過(guò)程產(chǎn)物參數(shù)指標(biāo)的軟測(cè)量模型。 對(duì)于未知待測(cè)樣本，通過(guò)相應(yīng)的光譜數(shù)據(jù)采集和特征信息提取，然后再利用已建立好的相關(guān)數(shù)學(xué)模型來(lái)預(yù)測(cè)該發(fā)酵過(guò)程產(chǎn)物樣本參數(shù)指標(biāo)的屬性值，以完成秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物參數(shù)的在線檢測(cè)，有助于實(shí)現(xiàn)對(duì)秸稈固態(tài)發(fā)酵的過(guò)程進(jìn)行實(shí)時(shí)監(jiān)控和診斷。具體描述如下
如圖2所示，近紅外光譜儀6通過(guò)數(shù)據(jù)線5連接計(jì)算機(jī)4，近紅外光譜儀6同時(shí)還通過(guò) Y型光纖3連接樣品杯1，將樣品杯1放置在載物臺(tái)2上，樣品杯1中放有秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本或待測(cè)樣本。在近紅外光譜儀6中設(shè)有鹵素?zé)?，鹵素?zé)舭l(fā)出的光經(jīng)Y型光纖3照射到秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本或待測(cè)樣本上，在秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本或待測(cè)樣本內(nèi)部形成漫反射，漫反射的光再經(jīng)Y型光纖3進(jìn)入近紅外光譜儀6，經(jīng)光譜儀分析6轉(zhuǎn)換后的光譜信號(hào)通過(guò)數(shù)據(jù)線5傳入計(jì)算機(jī)4中。紅外光譜儀6用于采集樣本的近紅外光譜數(shù)據(jù)，計(jì)算機(jī)4是用于接收光譜信號(hào)，并對(duì)接受到的原始光譜信號(hào)進(jìn)行預(yù)處理、主成分特征變量提取及建立軟測(cè)量模型，將提取的特征變量代入已建立好的軟測(cè)量模型，就可以快速預(yù)測(cè)待測(cè)樣本的相應(yīng)關(guān)鍵參數(shù)指標(biāo)的屬性值。如圖1所示，廣泛收集不同發(fā)酵批次、不同發(fā)酵時(shí)間的具有代表性的秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本用來(lái)進(jìn)行模型校正，一般秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本要大于80個(gè)，每個(gè)樣本可稱(chēng)取40g左右放入樣品杯1中，將樣品杯1放在載物臺(tái)2上；近紅外光譜儀6通過(guò)Y型光纖3與樣品杯1相連接，近紅外光譜儀6采集的光譜信號(hào)由Y型光纖3再傳入近紅外光譜儀6，再由連接在計(jì)算機(jī)4和紅外光譜儀6之間的數(shù)據(jù)線5傳至計(jì)算機(jī)4中。參考相關(guān)國(guó)家標(biāo)準(zhǔn)，通過(guò)常規(guī)的理化分析方法測(cè)得秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物參數(shù)指標(biāo)，如生物量含量、目的產(chǎn)物含量、濕度、PH的過(guò)程參考測(cè)量值，其中，目的產(chǎn)物含量例如蛋白含量等，將這些過(guò)程參考測(cè)量值組成一個(gè)數(shù)據(jù)庫(kù)。利用近紅外光譜儀6采集秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本的光譜數(shù)據(jù)并傳入計(jì)算機(jī) 4，為了消除背景干擾、顆粒大小和均勻度不一致等的影響，提高光譜的質(zhì)量，計(jì)算機(jī)4需對(duì)采集的原始光譜數(shù)據(jù)進(jìn)行預(yù)處理，光譜的預(yù)處理方法主要有標(biāo)準(zhǔn)正態(tài)變量變換、平滑、中心化、求導(dǎo)、歸一化及小波濾噪等，在實(shí)際應(yīng)用這些光譜預(yù)處理方法的時(shí)候，可以單獨(dú)運(yùn)用，也可以組合運(yùn)用，再對(duì)預(yù)處理后的光譜數(shù)據(jù)進(jìn)行主成分分析，得到主成分得分矩陣及光譜協(xié)方差矩陣的特征值等信息，通過(guò)特征值矩陣計(jì)算累計(jì)方差貢獻(xiàn)率，并根據(jù)累計(jì)方差貢獻(xiàn)率達(dá)90%以上的提取得分矩陣的前幾個(gè)主成分得分向量作為全光譜的信息的特征向量，即固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本的特征變量。將提取的固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本的特征變量與秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物參數(shù)指標(biāo)的過(guò)程參考測(cè)量值組成的數(shù)據(jù)庫(kù)進(jìn)行關(guān)聯(lián)，運(yùn)用偏最小二乘法建立秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物參數(shù)指標(biāo)的多參數(shù)軟測(cè)量模型，運(yùn)用偏最小二乘法建立多參數(shù)軟測(cè)量模型的方法是近紅外光譜分析中較為成熟的線性校正方法，并已得到較為廣泛的應(yīng)用。對(duì)于未知待測(cè)秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本，同樣每次稱(chēng)取40g左右的發(fā)酵產(chǎn)物放入樣品杯1中，然后用近紅外光譜儀6中的鹵素?zé)舭l(fā)出的光經(jīng)Y型光纖3照射到發(fā)酵過(guò)程產(chǎn)物樣本上，并在該樣本內(nèi)部形成漫反射，漫反射出來(lái)的光再經(jīng)Y型光纖3進(jìn)入近紅外光譜儀6，得到的光譜信號(hào)經(jīng)光譜儀6分析轉(zhuǎn)換后通過(guò)數(shù)據(jù)線5傳入計(jì)算機(jī)4中。在計(jì)算機(jī)4中完成原始光譜數(shù)據(jù)的預(yù)處理和主成分特征變量提取，并將提取的待測(cè)樣本的特征變量輸入已建立好的多參數(shù)軟測(cè)量模型，就可以快速預(yù)測(cè)待測(cè)樣本的相應(yīng)關(guān)鍵參數(shù)指標(biāo)的屬性值， 并顯示在計(jì)算機(jī)4的界面上，利用建立的多參數(shù)軟測(cè)量模型來(lái)完成待測(cè)樣本關(guān)鍵參數(shù)指標(biāo)屬性值的實(shí)時(shí)檢測(cè)，至此該未知待測(cè)發(fā)酵過(guò)程產(chǎn)物樣本的關(guān)鍵參數(shù)指標(biāo)屬性值測(cè)量結(jié)束。本發(fā)明對(duì)秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物參數(shù)指標(biāo)的快速檢測(cè)具有通用性，利用秸稈固態(tài)發(fā)酵能制取多種目標(biāo)產(chǎn)品，例如用于秸稈蛋白飼料固態(tài)發(fā)酵過(guò)程產(chǎn)物參數(shù)指標(biāo)快速檢測(cè)寸。
權(quán)利要求
1.一種基于近紅外光譜秸稈固態(tài)發(fā)酵過(guò)程關(guān)鍵參數(shù)軟測(cè)量方法，其特征在于采用以下四個(gè)步驟①選取不同發(fā)酵批次、不同發(fā)酵時(shí)間的秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本，利用常規(guī)理化分析方法獲取秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本中的濕度、PH、生物量濃度、目的產(chǎn)物含量這些過(guò)程參考測(cè)量值，組成一個(gè)數(shù)據(jù)庫(kù)；②利用近紅外光譜儀采集所述秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本的光譜數(shù)據(jù)并傳入計(jì)算機(jī)，計(jì)算機(jī)對(duì)光譜數(shù)據(jù)預(yù)處理，對(duì)預(yù)處理后的光譜數(shù)據(jù)進(jìn)行主成分分析，得到主成分得分矩陣及光譜協(xié)方差矩陣的特征值信息，通過(guò)特征值矩陣計(jì)算累計(jì)方差貢獻(xiàn)率，提取累計(jì)方差貢獻(xiàn)率達(dá)90%以上得分矩陣的前幾個(gè)主成分得分向量作為固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本的特征變量；③將所述固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本的特征變量與所述數(shù)據(jù)庫(kù)進(jìn)行關(guān)聯(lián)，采用偏最小二乘法建立秸稈固態(tài)發(fā)酵過(guò)程的多參數(shù)軟測(cè)量模型；孓將待測(cè)樣本采用步驟②所述的方法獲得待測(cè)樣本的特征變量，將該待測(cè)樣本的特征變量輸入所述多參數(shù)軟測(cè)量模型，通過(guò)多參數(shù)軟測(cè)量模型檢測(cè)得到待測(cè)樣本過(guò)程參數(shù)指標(biāo)預(yù)測(cè)值。
2.一種實(shí)現(xiàn)權(quán)利要求1所述的基于近紅外光譜秸稈固態(tài)發(fā)酵過(guò)程參數(shù)軟測(cè)量方法的裝置，包括近紅外光譜儀，近紅外光譜儀中設(shè)有商素?zé)?，近紅外光譜儀通過(guò)數(shù)據(jù)線連接計(jì)算機(jī)，其特征是近紅外光譜儀通過(guò)Y型光纖連接樣品杯，樣品杯放置在載物臺(tái)上，樣品杯中放有秸稈固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本或待測(cè)樣本，鹵素?zé)舭l(fā)出的光經(jīng)Y型光纖照射到樣本上， 在樣本內(nèi)部形成漫反射，漫反射光再經(jīng)Y型光纖進(jìn)入近紅外光譜儀，經(jīng)光譜儀分析轉(zhuǎn)換后的光譜信號(hào)通過(guò)數(shù)據(jù)線傳入計(jì)算機(jī)中。
全文摘要
本發(fā)明公開(kāi)一種基于近紅外光譜秸稈固態(tài)發(fā)酵過(guò)程參數(shù)軟測(cè)量方法及裝置，先利用理化分析方法獲取固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本參考測(cè)量值組成數(shù)據(jù)庫(kù)，再利用近紅外光譜儀采集光譜數(shù)據(jù)并傳入計(jì)算機(jī)，計(jì)算機(jī)對(duì)預(yù)處理后的光譜數(shù)據(jù)進(jìn)行主成分分析，得到主成分得分矩陣及光譜協(xié)方差矩陣的特征值信息，通過(guò)特征值矩陣計(jì)算累計(jì)方差貢獻(xiàn)率，提取累計(jì)方差貢獻(xiàn)率達(dá)90%以上得分矩陣的前幾個(gè)主成分得分向量作為固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本的特征變量；然后將固態(tài)發(fā)酵過(guò)程產(chǎn)物樣本的特征變量與數(shù)據(jù)庫(kù)進(jìn)行關(guān)聯(lián)，采用偏最小二乘法建立多參數(shù)軟測(cè)量模型；最后將獲得的待測(cè)樣本的特征變量輸入模型檢測(cè)得到待測(cè)樣本過(guò)程參數(shù)指標(biāo)預(yù)測(cè)值；操作簡(jiǎn)單方便、檢測(cè)速度快且重現(xiàn)性好。
文檔編號(hào)G01N21/35GK102539375SQ20121000483
公開(kāi)日2012年7月4日 申請(qǐng)日期2012年1月10日 優(yōu)先權(quán)日2012年1月10日
發(fā)明者丁煜函, 于霜, 劉國(guó)海, 梅從立, 江輝, 肖夏宏 申請(qǐng)人:江蘇大學(xué)