本發(fā)明屬于物質(zhì)檢測領(lǐng)域，特別是涉及利用光譜檢測化學(xué)成分的方法，具體是涉及一種將光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)進行映射的方法。
背景技術(shù)：
：光譜檢測過程中，對于光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)的處理一直影響著后端模型建立的準確性和效果，甚至是該數(shù)據(jù)是否能夠形成通用的數(shù)據(jù)模型，都取決于數(shù)據(jù)映射的方法，對于數(shù)據(jù)的校正效果也與數(shù)據(jù)映射的方法有關(guān)，例如中國專利申請201010208851.7中公開了一種基于高光譜成像技術(shù)的茶樹營養(yǎng)信息快速探測方法，其包括兩個步驟，首先是建立預(yù)測模型：選取茶樹葉片樣本，先測量樣本葉片中N、P、K三種主要營養(yǎng)元素的含量，作為參考測量結(jié)果組成一個數(shù)據(jù)庫；通過基于濾波片式高光譜成像系統(tǒng)獲取茶樹葉片樣本在不同可見光和近紅外波段的高光譜圖像數(shù)據(jù)，數(shù)據(jù)經(jīng)圖像采集卡傳入計算機；計算機對數(shù)據(jù)進行預(yù)處理，完成相應(yīng)的特征提取，然后將這些特征變量與前述建立的數(shù)據(jù)庫中測定的N、P、K含量相關(guān)聯(lián)，建立葉片中N、P、K含量的預(yù)測模型；然后是進行樣本測試：對于待測鮮葉樣本，按照第一步中相同的方式獲取待測樣本高光譜圖像數(shù)據(jù)、數(shù)據(jù)預(yù)處理、特征提取，然后將提取的特征變量代入上述建立的N、P、K含量預(yù)測模型，得出N、P、K含量預(yù)測結(jié)果，完成對待測鮮葉樣本的實時檢測。上述方法雖然描述了要將光譜特征變量與測定的N、P、K含量相關(guān)聯(lián)，建立模型，但是如何關(guān)聯(lián)并沒有明確，而且是否需要進行數(shù)據(jù)映射、數(shù)據(jù)映射方法等都沒有明確說明，因此其效果是否能夠?qū)崿F(xiàn)，其預(yù)測模型中的數(shù)據(jù)映射方法是非常關(guān)鍵的技術(shù)。中國專利申請?zhí)?01110460138.6公開了一種檢測谷物營養(yǎng)成分的光譜分析系統(tǒng)及方法，該系統(tǒng)包括近紅外光學(xué)系統(tǒng)、CCD圖像系統(tǒng)、樣品臺及數(shù)據(jù)處理系統(tǒng)，該樣品臺設(shè)置在該近紅外光學(xué)系統(tǒng)和該CCD圖像系統(tǒng)之間，該CCD圖像系統(tǒng)分別與該近紅外光學(xué)系統(tǒng)及該數(shù)據(jù)處理系統(tǒng)連接，該近紅外光學(xué)系統(tǒng)照射該樣品臺上的樣品以產(chǎn)生該樣品的近紅外吸收光譜，該CCD圖像系統(tǒng)采集該近紅外吸收光譜并傳輸至該數(shù)據(jù)處理系統(tǒng)，該數(shù)據(jù)處理系統(tǒng)分析該近紅外吸收光譜以得到該樣品的待測成分及其含量。該方法包括生成近紅外吸收光 譜、采集并傳輸所述近紅外吸收光譜及分析得到檢測樣品的待測成分和/或含量。該方法中并沒有明確數(shù)據(jù)映射的方法。目前已有的方法有基于局部數(shù)據(jù)進行映射，有基于圖像解析數(shù)據(jù)進行映射，針對完整的光譜范圍內(nèi)數(shù)據(jù)進行納米級光譜數(shù)據(jù)和營養(yǎng)成分和含量進行映射的方法還沒有更好的映射方法。技術(shù)實現(xiàn)要素：為解決上述技術(shù)問題，本發(fā)明提供了一種將光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)映射的方法，該方法包括將物體的光譜數(shù)據(jù)輸入光譜數(shù)據(jù)庫，將相同物體的化學(xué)檢測數(shù)據(jù)輸入化學(xué)數(shù)據(jù)庫，然后將光譜數(shù)據(jù)庫中的光譜數(shù)據(jù)和化學(xué)數(shù)據(jù)庫中的化學(xué)檢測數(shù)據(jù)進行映射，形成該物體的映射數(shù)據(jù)庫，其特征在于：光譜數(shù)據(jù)按照納米級光譜波長分別作為單一光譜數(shù)據(jù)條，化學(xué)檢測數(shù)據(jù)按照成分分別作為單一成分數(shù)據(jù)條，通過單一光譜數(shù)據(jù)條與所有成分數(shù)據(jù)條對應(yīng)形成映射數(shù)據(jù)組，將所有光譜數(shù)據(jù)條分別與所有成分數(shù)據(jù)條對應(yīng)形成映射數(shù)據(jù)集，n次檢測形成的光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)映射形成的n個映射數(shù)據(jù)集，將該映射數(shù)據(jù)集統(tǒng)一輸入數(shù)據(jù)庫中形成該物體的映射數(shù)據(jù)庫。具體的，本發(fā)明提供了一種將光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)映射的方法，該方法包括將物體的光譜數(shù)據(jù)輸入光譜數(shù)據(jù)庫，將相同物體的化學(xué)檢測數(shù)據(jù)輸入化學(xué)數(shù)據(jù)庫，然后將光譜數(shù)據(jù)庫中的光譜數(shù)據(jù)和化學(xué)數(shù)據(jù)庫中的化學(xué)檢測數(shù)據(jù)進行映射，形成該物體的映射數(shù)據(jù)庫，具體步驟如下：光譜數(shù)據(jù)輸入光譜數(shù)據(jù)庫中，按照納米級建立數(shù)據(jù)條，每個納米級波長定義為一個數(shù)據(jù)條，將每個納米級波長數(shù)據(jù)和波長吸光度數(shù)據(jù)錄入數(shù)據(jù)庫中，形成光譜數(shù)據(jù)庫中的光譜數(shù)據(jù)條，光譜范圍中的納米波長數(shù)量k對應(yīng)形成相應(yīng)數(shù)量的光譜數(shù)據(jù)條k；例如波長范圍為1000-1500納米，則有501條光譜數(shù)據(jù)條，k為501，每個光譜數(shù)據(jù)條包括波長和吸光度；化學(xué)檢測數(shù)據(jù)輸入化學(xué)數(shù)據(jù)庫中，將化學(xué)檢測數(shù)據(jù)按所檢測成分的數(shù)量建立數(shù)據(jù)條，照成分建立數(shù)據(jù)條，每個成分定義為一條數(shù)據(jù)條，將每個成分名稱及成分含量錄入數(shù)據(jù)庫中，形成化學(xué)數(shù)據(jù)庫中的成分數(shù)據(jù)條，成分的數(shù)量r對應(yīng)形成相應(yīng)數(shù)量的成分數(shù)據(jù)條r；例如某物體的化學(xué)檢測數(shù)據(jù)中有5種成分，則有5條數(shù)據(jù)條，r為5，分別為Y1、Y2……Y5，每個數(shù)據(jù)條包括成分名稱和成分含量；將光譜表中的一條光譜數(shù)據(jù)條對應(yīng)化學(xué)數(shù)據(jù)表中的所有成分數(shù)據(jù)條，形成映射數(shù)據(jù)組， 對應(yīng)原則是一條光譜數(shù)據(jù)條分別對應(yīng)各成分數(shù)據(jù)條，形成單光譜和多成分對應(yīng)的映射數(shù)據(jù)組；例如光譜數(shù)據(jù)條為X1000，成分數(shù)據(jù)條為Y1、Y2、Y3、Y4、Y5，則針對1000納米的單光譜和多成分對應(yīng)的映射數(shù)據(jù)組為{X1000Y1,X1000Y2,X1000Y3,X1000Y4,X1000Y5}；按照上述建立映射數(shù)據(jù)組的方法，將光譜表中的所有光譜數(shù)據(jù)條與化學(xué)數(shù)據(jù)表中所有成分數(shù)據(jù)條進行分別對應(yīng)，形成所有映射數(shù)據(jù)組的集合，即為映射數(shù)據(jù)集合；例如光譜數(shù)據(jù)條為501條，成分數(shù)據(jù)條為5條，則一次檢測所形成的光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)的映射數(shù)據(jù)集合中包含501×5＝2505條數(shù)據(jù)，該2505條數(shù)據(jù)即為物體該次檢測的映射數(shù)據(jù)集合，即映射數(shù)據(jù)集合中的映射數(shù)據(jù)條為K*R條。對該物體的不同樣品進行n次檢測，則形成n個映射數(shù)據(jù)集合，將n個映射數(shù)據(jù)集合統(tǒng)一輸入一個單獨的數(shù)據(jù)庫中，則形成該物體映射數(shù)據(jù)庫。映射數(shù)據(jù)庫中的數(shù)據(jù)條數(shù)為n*k*r。上述方法中，n大于30，優(yōu)選大于50，尤其優(yōu)選大于100。上述方法中，物體為食物、農(nóng)產(chǎn)品、土壤、植物的植株或其部分等，農(nóng)產(chǎn)品包括但不限于糧食、蔬菜、水果等，糧食包括但不限于小麥、水稻、馬鈴薯、紅薯、玉米等，水果包括但不限于蘋果、柑橘、梨、火龍果、木瓜、西瓜等。上述方法中，數(shù)據(jù)庫的載體為存儲設(shè)備等。數(shù)據(jù)庫的格式不受限制，只要能夠形成數(shù)據(jù)條、映射數(shù)據(jù)組、映射數(shù)據(jù)集合、映射數(shù)據(jù)庫即可。上述方法中，光譜的波長范圍為700-2500nm。優(yōu)選的，光譜的波長范圍為800-1800nm，或光譜的波長范圍為1500-2500，或者是700-2500nm內(nèi)任意范圍的波長范圍。上述方法中，成分包括但不限于所有的有機成分，包括營養(yǎng)成分，例如蛋白、淀粉、維生素、纖維素、糖類等，包括藥品類，例如有機農(nóng)藥化學(xué)物質(zhì)、有機醫(yī)藥化學(xué)物質(zhì)等，包括危害人類健康的有害的有機物質(zhì)。本發(fā)明的方法中，化學(xué)測量數(shù)據(jù)，也稱為化學(xué)計量數(shù)據(jù)，是指通過某些物質(zhì)的國家標準進行測量獲得的化學(xué)數(shù)據(jù)。例如馬鈴薯中的淀粉含量，需要按照國家標準或者是行業(yè)標準進行測量，也可以采用滿足國標測量精度的儀器進行測量。本發(fā)明的方法中，光譜數(shù)據(jù)為通過光譜收集裝置收集的不同波長的光能量，通過光轉(zhuǎn)化信號裝置轉(zhuǎn)化為光譜數(shù)據(jù)，光譜數(shù)據(jù)一般要求具有光譜吸光度，即使某波長光波吸光度為零，則在光譜數(shù)據(jù)也需要記載。有益效果本發(fā)明方法的有益效果體現(xiàn)在如下三個方面：1、本發(fā)明的光譜數(shù)據(jù)和化學(xué)檢測數(shù)據(jù)的映射方法充分考慮檢測數(shù)據(jù)的單物質(zhì)特性和組合物質(zhì)的特性。在檢測中由于單物質(zhì)檢測的光譜數(shù)據(jù)和多個物質(zhì)檢測的光譜數(shù)據(jù)是相同的，只是在建立公式時，選擇的光波的波長個數(shù)和數(shù)量不同，因此為了實現(xiàn)單物質(zhì)和多物質(zhì)的大數(shù)據(jù)分析需要，需要建立既能夠滿足分析的基礎(chǔ)，又能夠?qū)崿F(xiàn)后期分析時的組合需要，由不能太過于復(fù)雜的數(shù)據(jù)映射集合，故采用一對多的映射方式，然后再進行全波長數(shù)據(jù)的映射。2、為實現(xiàn)物體檢測的映射數(shù)據(jù)庫，以及為數(shù)據(jù)模型建立中的公式設(shè)定，需要進行納米級波長的吸光度記錄。這種記錄為后期公司計算起到了選擇波長更加方便，公式設(shè)計所需的基礎(chǔ)數(shù)據(jù)又不繁雜，提高公式設(shè)計的效率和效果。具體實施方式實施例1馬鈴薯塊莖的數(shù)據(jù)模型利用光譜范圍為800-1800nm的光譜儀直接對準未破損的馬鈴薯進行光譜收集，同時將光譜吸光度的值輸出。將物體的光譜數(shù)據(jù)輸入光譜數(shù)據(jù)庫，光譜數(shù)據(jù)格式如下表1，定義為光譜表。表1：數(shù)據(jù)庫中的光譜數(shù)據(jù)格式品種樣品號波長吸光度馬鈴薯1#…………馬鈴薯1#1200nm0.17馬鈴薯1#1201nm0,172馬鈴薯1#1203nm0.172馬鈴薯1#…………對馬鈴薯進行化學(xué)檢測，各成分的檢測方法采用國標方法進行，獲得馬鈴薯淀粉、蛋白質(zhì)、脂肪的含量數(shù)據(jù)，即為馬鈴薯化學(xué)檢測數(shù)據(jù)，將此數(shù)據(jù)輸入化學(xué)數(shù)據(jù)庫，化學(xué)檢測數(shù)據(jù)的格式如下表2，定義為化學(xué)表。表2：數(shù)據(jù)庫中的化學(xué)檢測數(shù)據(jù)格式品種樣品號成分含量馬鈴薯1#淀粉17.5％馬鈴薯1#蛋白質(zhì)1.8％馬鈴薯1#脂肪0.93％將光譜表中的一條光譜數(shù)據(jù)條對應(yīng)化學(xué)表中的所有成分數(shù)據(jù)條，形成映射數(shù)據(jù)組，對應(yīng)原則是一條光譜數(shù)據(jù)條分別對應(yīng)各成分數(shù)據(jù)條，形成單光譜和多成分對應(yīng)的映射數(shù)據(jù)組，對應(yīng)后的數(shù)據(jù)格式如下表3的映射數(shù)據(jù)組：表3：映射數(shù)據(jù)組中的數(shù)據(jù)條格式品種樣品號波長吸光度成分含量馬鈴薯1#…………馬鈴薯1#1200nm0.17淀粉17.5％馬鈴薯1#1200nm0.17蛋白質(zhì)1.8％馬鈴薯1#1200nm0.17脂肪0.93％馬鈴薯1#1201nm0,172淀粉17.5％馬鈴薯1#1201nm0,172蛋白質(zhì)1.8％馬鈴薯1#1201nm0,172脂肪0.93％馬鈴薯1#1203nm0.172淀粉17.5％馬鈴薯1#1203nm0.172蛋白質(zhì)1.8％馬鈴薯1#1203nm0.172脂肪0.93％馬鈴薯1#…………按照上述方法，對馬鈴薯再進行100次檢測，再次獲得100個映射數(shù)據(jù)組，最后將101個數(shù)據(jù)映射組合并形成映射數(shù)據(jù)集合，將映射數(shù)據(jù)集合統(tǒng)一輸入一個單獨的數(shù)據(jù)庫中，則形成馬鈴薯映射數(shù)據(jù)庫。該映射數(shù)據(jù)庫能夠為馬鈴薯的淀粉、蛋白質(zhì)和脂肪的任意一種、任意兩種或三種的檢測提供基礎(chǔ)，能夠很好地實現(xiàn)建立馬鈴薯模型所需要的基礎(chǔ)數(shù)據(jù)。當前第1頁1 2 3