专利名称：一种堆肥产品品质的无损检测方法
技术领域：
本发明涉及一种有机肥料产品的检测方法，特别是关于一种堆肥产品品质的无损检测方法。

背景技术：
随着畜牧养殖业的集约化发展，我国畜禽粪便年产量呈现不断增长的趋势。大量的畜禽粪便若处理不当，极易造成生态和环境污染。近年来，高温好氧堆肥化处理方法已经成为我国大量畜禽粪便无害化和资源化利用的重要途径。含水率、有机质、总养分含量(氮、磷、钾含量)和酸碱度等是衡量堆肥产品品质的重要技术指标。传统的堆肥产品品质检测方法操作步骤繁琐、费时、费力且存在一定的污染性。


发明内容
针对上述问题，本发明的目的是提供一种快速、高效的堆肥产品品质无损检测分析方法。
为实现上述目的，本发明采取以下技术方案一种堆肥产品品质的无损检测方法，它包括以下步骤1)利用近红外漫反射光谱采集装置采集堆肥产品代表性样品的近红外漫反射光谱，并将光谱信息转换成对应的数字信息；2)根据农业行业相关标准方法，测定步骤1)中所选定代表性样品的主要技术指标含量作为建模的标准含量；3)对步骤1)得到的近红外漫反射光谱进行特征光谱的提取和预处理，得到近红外漫反射光谱中的最优光谱数据信息；4)将步骤3)优选出的光谱数据点组合作为输入向量，利用支持向量机回归法结合留一法交互验证的方法，结合步骤2)中测得的样品标准含量，建立一堆肥产品近红外漫反射光谱主要技术指标含量校正模型；5)对步骤4)得到的堆肥产品近红外漫反射光谱主要技术指标含量校正模型的性能进行评价；6)采集待测堆肥产品的近红外漫反射光谱，输入步骤4)中所建立的校正模型中，计算出预测待测样品的主要技术指标含量。
所述步骤4)中的堆肥产品近红外漫反射光谱主要技术指标含量校正模型包含的参数有校正集样品数nc，验证集样品数nv，第i个样品的化学分析值即实际值yi，第i个样品的近红外测定值zi，校正集样品实际值的平均值yc，验证集样品实际值的平均值yv，实际值的平均值y，近红外预测值的平均值

模型使用的主成分因子数k。
在所述步骤3)中，光谱预处理采用平滑、一阶或二阶导数、多元散射校正、变量标准化、数据中心化中的至少一种。
在所述步骤1)中，近红外漫反射光谱采集装置包括傅里叶变换近红外光谱仪和积分球漫反射测样器件。
每个样品重复装填扫描3次，取3次光谱的平均光谱作为对应样品的最终光谱。
每次扫描32遍，扫描的分辨率为8cm-1，光谱扫描范围为10000～4000cm-1。
本发明由于采取以上技术方案，其具有以下优点1、由于本发明首先是广泛收集堆肥产品代表性样品，使用傅里叶变换型近红外光谱仪采集样品的近红外漫反射光谱，对得到的光谱数据利用遗传算法进行特征光谱的优选和光谱数据预处理，然后采用标准方法测定样品的主要技术指标含量作为标准含量，利用支持向量机作为回归算法建立堆肥产品主要技术指标标准含量近红外光谱校正模型，因此不仅可以准确地提取堆肥产品光谱特征信息，显著减少参与建模的信息量，大大提高运算效率，而且还可以快速、无损和高精度地对堆肥产品主要技术指标进行定量检测，结果表明，基于遗传算法和支持向量机的堆肥产品品质近红外光谱速测分析方法可以实现堆肥产品主要技术指标的快速和高效定量分析。2、由于本发明近红外漫反射光谱的采集装置包括傅里叶变换近红外光谱仪和积分球漫反射测样器件，扫描次数为32次，分辨率为8cm-1，光谱扫描范围为10000～4000cm-1，每个样品重复装填扫描3次，取3次光谱的平均光谱作为对应样品的最终光谱，而本发明方法正好利用了近红外光谱分析技术的操作简单，样品无需繁琐的预处理，短时间内可以同时完成样品多个技术指标的检测，分析检测过程环保无污染，而且可以用于样品的在线检测等优点。3、由于本发明的光谱预处理方法为平滑、一阶或二阶导数、多元散射校正、变量标准化、数据中心化中的至少一种，因此可以确保最大程度地去除干扰并提取到光谱的有效信息。本发明可以对高温好氧堆肥后有机肥产品的品质进行快速、高效的检测，适用于农林剩余物高温好氧堆肥后有机肥产品主要技术指标的快速、无损和高精度定量检测。



图1是本发明一实施例的堆肥产品样品的近红外漫反射光谱图 图2是本发明对应图1中的堆肥产品有机质含量校正集和验证集化学分析值与光谱测定值的关系散点图
具体实施例方式 下面结合附图和实施例对本发明进行详细的描述。
本发明包括以下步骤 1)利用近红外漫反射光谱采集装置采集堆肥产品代表性样品的近红外漫反射光谱，并将光谱信息转换成对应的数字信息。
该步骤具体操作为先进行近红外漫反射光谱采集装置背景光谱的扫描，然后将粉末状或颗粒状堆肥产品代表性样品置于样品杯中，扫描代表性样品的近红外漫反射光谱，再将光谱信息转换成对应的数字信息。
每个代表性样品重复装填扫描3次，每次扫描32遍，取3次近红外漫反射光谱的平均光谱作为对应样品的最终近红外漫反射光谱，扫描的分辨率为8cm-1，光谱扫描范围为10000～4000cm-1。
近红外漫反射光谱采集装置包括傅里叶变换近红外光谱仪、积分球漫反射测样器件及计算机。近红外漫反射光谱的采集和处理可以借助Matlab7.0平台及其软件包，利用SPECTRUM ONE NTS信号采集软件和QUANT+和Unscrambler 9数据处理软件获得。
堆肥产品代表性样品是指能涵盖我国农业行业相关标准如《有机肥料》和《生物有机肥》要求的各技术指标含量或大小范围且分布均匀的有效样品。
2)根据农业行业相关标准方法，测定步骤1)中所选定代表性样品的主要技术指标含量作为建模的标准含量。
3)对步骤1)得到的近红外漫反射光谱进行特征光谱的提取和预处理，得到近红外漫反射光谱中的最优光谱数据信息。
该步骤中，提取特征光谱的方法为遗传算法；预处理可以依据光谱质量及干扰的情况，选择平滑、一阶或二阶导数、多元散射校正、变量标准化、数据中心化等中的至少一种。提取特征光谱和光谱预处理的先后顺序小定，以交互验证标准差(SECV)最小为准则。由于近红外漫反射光谱中包含了很多个数据点，提取特征光谱和进行光谱预处理的目的是为了得到对堆肥产品品质各技术指标定量分析贡献率最大的数据点组合，从而使得预测精度更高。
4)将步骤3)优选出的光谱数据点组合作为输入向量，利用支持向量机回归法和留一法交互验证的方法，并结合步骤2)中测得的样品标准含量，建立一堆肥产品近红外漫反射光谱主要技术指标含量校正模型。支持向量机回归法和留一法两种方法的交互使用可以避免模型“欠拟合”或“过拟合”现象的发生。
堆肥产品近红外漫反射光谱主要技术指标含量校正模型包含的参数有校正集样品数nc，验证集样品数nv，第i个样品的化学分析值即实际值yi，第i个样品的近红外测定值zi，校正集样品实际值的平均值yc，验证集样品实际值的平均值yv，实际值的平均值y，近红外预测值的平均值

模型使用的主成分因子数k。
5)评价模型对步骤4)得到的堆肥产品近红外漫反射光谱主要技术指标含量校正模型的性能进行评价。
评定的步骤如下 a、计算出决定校正集决定系数R2和验证集决定系数r2，分别表示预测值与实际值之间关系的拟合程度 或 b、计算校正集的预测值与实际值间的偏差SEE，以及验证集的预测值与实际值间的偏差SEP c、计算留一法交互验证时预测值与实际值间的偏差，即交互验证标准差SECV d、计算验证集样品实际值的标准偏差与验证标准差的比值，即相对分析误差RPD RPD＝SD/SEP e计算化学分析值与近红外测定值均值的差，即系统误差Bias 评定原则是R2和r2越接近1，SEE、SEP、SECV和Bias越小，RPD值越大，表明模型的预测精度越高。
6)采集待测堆肥产品的近红外漫反射光谱，输入步骤4)中所建立的校正模型中，计算出待测样品的主要技术指标含量。
下面是一具体实施例。
将本发明方法应用在畜禽粪便堆肥产品中有机质含量的测定。
1)如图1所示，采集畜禽粪便堆肥产品代表性样品的近红外漫光谱。
仪器PE公司SPECTRUM ONE傅里叶变换近红外光谱仪、积分球漫反射测样器件。
扫描条件每个代表性样品重复装填扫描3次，每次扫描32遍，取3次近红外漫反射光谱的平均光谱作为对应样品的最终近红外漫反射光谱，扫描的分辨率为8cm-1，光谱扫描范围为10000～4000cm-1，每条光谱包含3001个数据点。
2)利用农业行业相关标准，测定建模用畜禽粪便堆肥产品样品的主要技术指标含量统计结果见表1，单位为g kg-1。
表1 3)对样品光谱进行预处理及提取特征光谱。
先进行样品光谱预处理，最优方法为一阶导数处理；再进行特征光谱的遗传算法优选，优选全谱中的500个数据点作为回归建模输入量。
4)运用支持向量机建立畜禽粪便堆肥产品中有机质含量回归模型。
运用高斯核函数(RBF核)非线性支持向量机回归方法(v-SVM regression)建立畜禽粪便堆肥产品有机质含量回归模型，所选回归参数和建模结果如表2所列。
表2 5)对步骤4)中的模型的评价。
如图2所示，模型的评价参数如下验证集决定系数r2、验证标准差SEP、相对分析误差RPD和系统误差Bias。在图2中，横坐标代表化学分析值，纵坐标代表光谱测定值，三角形表示校正集，圆圈表示预测集。
可以看出，所建立模型具有很好的预测能力，精度较高，可以很好的进行实际工况应用。
权利要求
1.一种堆肥产品品质的无损检测方法，它包括以下步骤
1)利用近红外漫反射光谱采集装置采集堆肥产品代表性样品的近红外漫反射光谱，并将光谱信息转换成对应的数字信息；
2)根据农业行业相关标准方法，测定步骤1)中所选定代表性样品的主要技术指标含量作为建模的标准含量；
3)对步骤1)得到的近红外漫反射光谱进行特征光谱的提取和预处理，得到近红外漫反射光谱中的最优光谱数据信息；
4)将步骤3)优选出的光谱数据点组合作为输入向量，利用支持向量机回归法结合留一法交互验证的方法，结合步骤2)中测得的样品标准含量，建立一堆肥产品近红外漫反射光谱主要技术指标含量校正模型；
5)对步骤4)得到的堆肥产品近红外漫反射光谱主要技术指标含量校正模型的性能进行评价；
6)采集待测堆肥产品的近红外漫反射光谱，输入步骤4)中所建立的校正模型中，计算出预测待测样品的主要技术指标含量。
2.如权利要求1所述一种堆肥产品品质的无损检测方法，其特征在于所述步骤4)中的堆肥产品近红外漫反射光谱主要技术指标含量校正模型包含的参数有校正集样品数nc，验证集样品数nv，第i个样品的化学分析值即实际值yi，第i个样品的近红外测定值zi，校正集样品实际值的平均值yc，验证集样品实际值的平均值yv，实际值的平均值y，近红外预测值的平均值
模型使用的主成分因子数k。
3.如权利要求1所述一种堆肥产品品质的无损检测方法，其特征在于在所述步骤3)中，光谱预处理采用平滑、一阶或二阶导数、多元散射校正、变量标准化、数据中心化中的至少一种。
4.如权利要求2所述一种堆肥产品品质的无损检测方法，其特征在于在所述步骤3)中，光谱预处理采用平滑、一阶或二阶导数、多元散射校正、变量标准化、数据中心化中的至少一种。
5.如权利要求1或2或3或4所述一种堆肥产品品质的无损检测方法，其特征在于在所述步骤1)中，近红外漫反射光谱采集装置包括傅里叶变换近红外光谱仪和积分球漫反射测样器件。
6.如权利要求1或2或3或4所述一种堆肥产品品质的无损检测方法，其特征在于每个样品重复装填扫描3次，取3次光谱的平均光谱作为对应样品的最终光谱。
7.如权利要求6所述一种堆肥产品品质的无损检测方法，其特征在于每次扫描32遍，扫描的分辨率为8cm-1，光谱扫描范围为10000～4000cm-1。
全文摘要
本发明涉及一种堆肥产品品质的无损检测方法，它包括以下步骤1)利用近红外漫反射光谱采集装置采集堆肥产品代表性样品的近红外漫反射光谱，并将光谱信息转换成对应的数字信息；2)确定建模的标准含量；3)对步骤1)得到的近红外漫反射光谱进行特征光谱的提取和预处理，得到近红外漫反射光谱中的最优光谱数据信息；4)将步骤3)优选出的光谱数据点组合作为输入向量，利用支持向量机回归法结合留一法交互验证的方法，结合步骤2)中测得的样品标准含量，建立一堆肥产品近红外漫反射光谱主要技术指标含量校正模型；5)评价模型；6)采集待测堆肥产品的近红外漫反射光谱，输入步骤4)中所建立的校正模型中，计算出预测待测样品的主要技术指标含量。本发明可以对高温好氧堆肥后有机肥产品的品质进行快速、高效的检测，适用于农林剩余物高温好氧堆肥后有机肥产品主要技术指标的快速、无损和高精度定量检测。
文档编号G01N21/47GK101769867SQ20101003376
公开日2010年7月7日 申请日期2010年1月8日 优先权日2010年1月8日
发明者黄光群, 韩鲁佳, 杨增玲, 刘贤, 陈龙健 申请人:中国农业大学