專利名稱：基于近紅外光譜秸稈固態(tài)發(fā)酵過程參數(shù)軟測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)酵過程控制領(lǐng)域，具體地說，是一種基于近紅外光譜的秸稈固態(tài)發(fā)酵過程參數(shù)軟測量方法及裝置。
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)特別是通過微生物固態(tài)發(fā)酵手段來處理秸稈，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)微生物的過程。在秸稈固態(tài)發(fā)酵過程中，物料中的含水量是非常有限的，但其十分重要，若用量過高或過低則對產(chǎn)率影響非常大；同時(shí)，水對物料的理化性質(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)尚待解決的問題，一方面發(fā)酵過程中的異質(zhì)性使PH不斷地變化，另一方面是沒有合適的儀器檢測確定固態(tài)材料中的PH。許多固態(tài)發(fā)酵過程中的pH具有特征性的變化，只是說物料中較低的含水量使常規(guī)性的PH檢測方法難以奏效，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)重要的過程參數(shù)有著緊密的聯(lián)系。目前，固態(tài)發(fā)酵過程參數(shù)(如濕度、pH、生物量濃度)的檢測一般都采用離線化學(xué)實(shí)驗(yàn)方法。雖然化學(xué)檢測方法的結(jié)果客觀可信，但步驟煩瑣、檢測時(shí)間長、檢測費(fèi)用高，且離線測量給發(fā)酵工程的控制和優(yōu)化帶來了很多不便。因此，不利于實(shí)現(xiàn)對整個(gè)發(fā)酵過程狀態(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、無損、準(zhǔn)確，多組分同時(shí)檢測等優(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)酵過程參數(shù)檢測方法的不足，提供一種基于近紅外光譜的秸稈固態(tài)發(fā)酵過程參數(shù)軟測量方法及裝置，將近紅外光譜技術(shù)應(yīng)用于固態(tài)發(fā)酵過程參數(shù)的在線軟測量，同時(shí)滿足多指標(biāo)成分的實(shí)時(shí)在線檢測，實(shí)現(xiàn)對秸稈固態(tài)發(fā)酵過程進(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)酵過程參數(shù)軟測量方法的技術(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)物含量這些過程參數(shù)指標(biāo)的參考測量值，組成一個(gè)數(shù)據(jù)庫；②利用近紅外光譜儀采集所述秸稈固態(tài)發(fā)酵過程產(chǎn)物樣本的光譜數(shù)據(jù)并傳入計(jì)算機(jī)，計(jì)算機(jī)對光譜數(shù)據(jù)預(yù)處理，對預(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)酵過程產(chǎn)物樣本的特征變量；③將所述固態(tài)發(fā)酵過程產(chǎn)物樣本的特征變量與所述數(shù)據(jù)庫進(jìn)行關(guān)聯(lián)，采用偏最小二乘法建立秸稈固態(tài)發(fā)酵過程的多參數(shù)軟測量模型；④將待測樣本采用步驟力1所述的方法獲得待測樣本的特征變量，將該待測樣本的特征變量輸入所述多參數(shù)軟測量模型，通過多參數(shù)軟測量模型檢測得到待測樣本過程參數(shù)指標(biāo)預(yù)測值。本發(fā)明基于近紅外光譜秸稈固態(tài)發(fā)酵過程參數(shù)軟測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)?，近紅外光譜儀通過數(shù)據(jù)線連接計(jì)算機(jī)且通過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)酵過程產(chǎn)物樣本或待測樣本，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)換后的光譜信號通過數(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，操作簡單方便、檢測速度快且重現(xiàn)性好，可用于秸稈固態(tài)發(fā)酵過程產(chǎn)物質(zhì)量的在線監(jiān)控，解決秸稈固態(tài)發(fā)酵生產(chǎn)過程中常規(guī)離線理化檢測方法成本高、耗時(shí)長及效率低等缺陷，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)酵過程參數(shù)軟測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)酵過程參數(shù)軟測量裝置的結(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)酵過程產(chǎn)物的近紅外光譜數(shù)據(jù)，被采集的光譜信號經(jīng)近紅外光譜儀分析轉(zhuǎn)換后通過數(shù)據(jù)線傳入計(jì)算機(jī)；然后，對獲得的原始光譜數(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)酵過程產(chǎn)物參數(shù)指標(biāo)的實(shí)測參考值(由常規(guī)理化分析方法測定)進(jìn)行關(guān)聯(lián)，采用偏最小二乘法建立發(fā)酵過程產(chǎn)物參數(shù)指標(biāo)的軟測量模型。 對于未知待測樣本，通過相應(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)模型來預(yù)測該發(fā)酵過程產(chǎn)物樣本參數(shù)指標(biāo)的屬性值，以完成秸稈固態(tài)發(fā)酵過程產(chǎn)物參數(shù)的在線檢測，有助于實(shí)現(xiàn)對秸稈固態(tài)發(fā)酵的過程進(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 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)酵過程產(chǎn)物樣本或待測樣本。在近紅外光譜儀6中設(shè)有鹵素?zé)簦u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)酵過程產(chǎn)物樣本或待測樣本上，在秸稈固態(tài)發(fā)酵過程產(chǎn)物樣本或待測樣本內(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)換后的光譜信號通過數(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，并對接受到的原始光譜信號進(jìn)行預(yù)處理、主成分特征變量提取及建立軟測量模型，將提取的特征變量代入已建立好的軟測量模型，就可以快速預(yù)測待測樣本的相應(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)酵過程產(chǎn)物樣本用來進(jìn)行模型校正，一般秸稈固態(tài)發(fā)酵過程產(chǎn)物樣本要大于80個(gè)，每個(gè)樣本可稱取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)國家標(biāo)準(zhǔn)，通過常規(guī)的理化分析方法測得秸稈固態(tài)發(fā)酵過程產(chǎn)物參數(shù)指標(biāo)，如生物量含量、目的產(chǎn)物含量、濕度、PH的過程參考測量值，其中，目的產(chǎn)物含量例如蛋白含量等，將這些過程參考測量值組成一個(gè)數(shù)據(jù)庫。利用近紅外光譜儀6采集秸稈固態(tài)發(fā)酵過程產(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)酵過程產(chǎn)物樣本的特征變量。將提取的固態(tài)發(fā)酵過程產(chǎn)物樣本的特征變量與秸稈固態(tài)發(fā)酵過程產(chǎn)物參數(shù)指標(biāo)的過程參考測量值組成的數(shù)據(jù)庫進(jìn)行關(guān)聯(lián)，運(yùn)用偏最小二乘法建立秸稈固態(tài)發(fā)酵過程產(chǎn)物參數(shù)指標(biāo)的多參數(shù)軟測量模型，運(yùn)用偏最小二乘法建立多參數(shù)軟測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。對于未知待測秸稈固態(tài)發(fā)酵過程產(chǎn)物樣本，同樣每次稱取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，得到的光譜信號經(jīng)光譜儀6分析轉(zhuǎn)換后通過數(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，并將提取的待測樣本的特征變量輸入已建立好的多參數(shù)軟測量模型，就可以快速預(yù)測待測樣本的相應(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)軟測量模型來完成待測樣本關(guān)鍵參數(shù)指標(biāo)屬性值的實(shí)時(shí)檢測，至此該未知待測發(fā)酵過程產(chǎn)物樣本的關(guān)鍵參數(shù)指標(biāo)屬性值測量結(jié)束。本發(fā)明對秸稈固態(tài)發(fā)酵過程產(chǎn)物參數(shù)指標(biāo)的快速檢測具有通用性，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)酵過程產(chǎn)物參數(shù)指標(biāo)快速檢測寸。
權(quán)利要求
1.一種基于近紅外光譜秸稈固態(tài)發(fā)酵過程關(guān)鍵參數(shù)軟測量方法，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)物含量這些過程參考測量值，組成一個(gè)數(shù)據(jù)庫；②利用近紅外光譜儀采集所述秸稈固態(tài)發(fā)酵過程產(chǎn)物樣本的光譜數(shù)據(jù)并傳入計(jì)算機(jī)，計(jì)算機(jī)對光譜數(shù)據(jù)預(yù)處理，對預(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)酵過程產(chǎn)物樣本的特征變量；③將所述固態(tài)發(fā)酵過程產(chǎn)物樣本的特征變量與所述數(shù)據(jù)庫進(jìn)行關(guān)聯(lián)，采用偏最小二乘法建立秸稈固態(tài)發(fā)酵過程的多參數(shù)軟測量模型；孓將待測樣本采用步驟②所述的方法獲得待測樣本的特征變量，將該待測樣本的特征變量輸入所述多參數(shù)軟測量模型，通過多參數(shù)軟測量模型檢測得到待測樣本過程參數(shù)指標(biāo)預(yù)測值。
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)酵過程參數(shù)軟測量方法的裝置，包括近紅外光譜儀，近紅外光譜儀中設(shè)有商素?zé)簦t外光譜儀通過數(shù)據(jù)線連接計(jì)算機(jī)，其特征是近紅外光譜儀通過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)酵過程產(chǎn)物樣本或待測樣本，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)換后的光譜信號通過數(shù)據(jù)線傳入計(jì)算機(jī)中。
全文摘要
本發(fā)明公開一種基于近紅外光譜秸稈固態(tài)發(fā)酵過程參數(shù)軟測量方法及裝置，先利用理化分析方法獲取固態(tài)發(fā)酵過程產(chǎn)物樣本參考測量值組成數(shù)據(jù)庫，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)酵過程產(chǎn)物樣本的特征變量；然后將固態(tài)發(fā)酵過程產(chǎn)物樣本的特征變量與數(shù)據(jù)庫進(jìn)行關(guān)聯(lián)，采用偏最小二乘法建立多參數(shù)軟測量模型；最后將獲得的待測樣本的特征變量輸入模型檢測得到待測樣本過程參數(shù)指標(biāo)預(yù)測值；操作簡單方便、檢測速度快且重現(xiàn)性好。
文檔編號G01N21/35GK102539375SQ20121000483
公開日2012年7月4日 申請日期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, 劉國海, 梅從立, 江輝, 肖夏宏 申請人:江蘇大學(xué)