摘 要化學(xué)品自動(dòng)鑒別分類對于其安全監(jiān)管十分重要，本文研究了利用近紅外光譜檢測技術(shù)實(shí)現(xiàn)化學(xué)品自動(dòng)檢測分類的方法。首先，在近紅外光譜儀器及光源基礎(chǔ)上，研究了幾種常見化學(xué)品的光譜特征，然后，結(jié)合光譜特征提取與概率統(tǒng)計(jì)分析中的貝葉斯方法，研究自動(dòng)鑒別分類方法，并通過驗(yàn)證了該方法自動(dòng)分類鑒別準(zhǔn)確性。本文所研究的方法為實(shí)現(xiàn)化學(xué)品的在線快速檢測提供了參考，具有比較重要的應(yīng)用價(jià)值。

【關(guān)鍵詞】近紅外光譜 光譜處理 化學(xué)品鑒別 貝葉斯方法

1 引言

在社會經(jīng)濟(jì)生活，各種化工產(chǎn)品及原理是屬于重要是生產(chǎn)資料，其品種眾多，數(shù)量巨大，潛在的污染安全威脅。2015年8月12日發(fā)生在天津?yàn)I海新區(qū)的爆炸事故也給化學(xué)品運(yùn)輸與監(jiān)管提出了更高要求。為確?；瘜W(xué)品安全，我國出臺了諸多管理措施，快速有效地進(jìn)行化學(xué)品篩選、檢測和監(jiān)管，對于保障社會經(jīng)濟(jì)及環(huán)境安全具有十分重要的意義。化學(xué)品快速鑒別是有效監(jiān)管的前提條件，發(fā)展一種快速、準(zhǔn)確、可實(shí)現(xiàn)無接觸測量、針對多種化學(xué)品有效的鑒別方法，對于實(shí)現(xiàn)化學(xué)品有效監(jiān)管十分重要。

光譜技術(shù)利用不同物質(zhì)中分子鍵結(jié)構(gòu)的吸收特征來對物質(zhì)種類及濃度進(jìn)行分析，不需要對樣品進(jìn)行預(yù)處理，不破壞試樣，不用試劑，測量方式靈活，可采用透射與反射測量液態(tài)、固態(tài)樣品，是一種高靈敏、高效率的快速檢測方法。在近紅外譜區(qū)（800～2500nm），大多數(shù)化學(xué)品均存在特征吸收峰，隨著化學(xué)計(jì)量學(xué)、計(jì)算機(jī)技術(shù)的發(fā)展，近紅外光譜檢測技術(shù)已經(jīng)發(fā)展成為一種可實(shí)現(xiàn)自動(dòng)化測量與數(shù)據(jù)處理的智能化檢測技術(shù)。近紅外方法分析復(fù)雜樣品時(shí)，首先需要將樣品的近紅外光譜與樣品的結(jié)構(gòu)、組成或性質(zhì)等測量參數(shù)（用標(biāo)準(zhǔn)或認(rèn)可的參比方法測得的），采用化學(xué)計(jì)量學(xué)法加以關(guān)聯(lián)，然后建立起待測量物質(zhì)的分析模型，接著對未知樣品光譜進(jìn)行測定，應(yīng)用己經(jīng)建立的校正模型來快速預(yù)測樣品待測量的含量。

本文主要針對化學(xué)品自動(dòng)檢測與鑒別需要，研究了利用近紅外光譜測量技術(shù)，結(jié)合光譜特征提取與概率統(tǒng)計(jì)分析中的貝葉斯方法進(jìn)行鑒別分類。首先，對測量儀器及方法進(jìn)行了介紹；然后，利用近紅外光譜儀測量了多種化學(xué)品，并研究了其光譜吸收特征；其次研究了基于光譜特征氣體與貝葉斯方法的化學(xué)品鑒別分類算法；最后驗(yàn)證了該方法自動(dòng)分類鑒別準(zhǔn)確性。本文所研究的方法為實(shí)現(xiàn)化學(xué)品的在線快速檢測提供了參考，具有比較重要的應(yīng)用價(jià)值。

2 實(shí)驗(yàn)儀器與方法

2.1 光譜測量儀器與樣品

本文研究中采用采用Ocean Optics公司生產(chǎn)的NIR QUEST-512近紅外光譜儀與DH-2000氘-鎢鹵組合式光源進(jìn)行近紅外波長范圍內(nèi)化學(xué)品光譜檢測，儀器如圖1所示。光譜儀參數(shù)：光譜采集范圍：900-1700nm，分辨率1nm，測量信噪比2000：1。

光譜測量軟件采用Ocean Optics配套的光譜采集處理軟件SpectraSuite進(jìn)行，并計(jì)算得到樣品吸光度光譜，在MATLAB軟件基礎(chǔ)上編程實(shí)現(xiàn)光譜特征處理與編寫完成。

實(shí)驗(yàn)試劑采集光譜的典型化學(xué)品樣品包括：鄰苯二甲酸二壬酯；乙酸乙酯；鄰苯二甲酸二乙酯；鄰苯二甲酸二烯丙酯；苯甲酸乙酯；乙醇；甲醇。

2.2 光譜特征提取與分類算法

利用近紅外光譜對化學(xué)品進(jìn)行分類，由于化學(xué)品成分復(fù)雜，吸收峰重疊現(xiàn)象比較明顯，很難利用指紋譜及特征峰識別方法實(shí)現(xiàn)有效分類，而不同化學(xué)品之間共性特征又會造成模型過擬合。因此，本文研究中首先采用主成分分析方法提取光譜特征并選擇合適的分類識別準(zhǔn)則，進(jìn)行實(shí)現(xiàn)有效、快速、自動(dòng)識別。

算法處理流程如圖2所示。

根據(jù)主成分分析步驟及結(jié)果，前3個(gè)主成分分量基本代表了化學(xué)品光譜中95%以上的信息。因此，在后續(xù)分類模型中，采用前3個(gè)主成分取代原始射光譜，可以有效降低數(shù)據(jù)維數(shù)和識別模型復(fù)雜性。

貝葉斯（Bayes）分類器的是概率分析中的一種算法，通過計(jì)算P（Cj|t），來對數(shù)據(jù)t屬于類Cj的概率進(jìn)行分析，根據(jù)概率論中的貝葉斯定理有：

（1）

其中，P（Cj|t）表示類Cj在整個(gè)數(shù)據(jù)空間中的出現(xiàn)概率。根據(jù)“屬性獨(dú)立性假設(shè)”，即對于屬于類Cj的所有數(shù)據(jù)，它們各個(gè)屬性出現(xiàn)某個(gè)值的概率是相互獨(dú)立的。類Cj中出現(xiàn)數(shù)據(jù)t的概率等于其中出現(xiàn)t的各屬性值的概率的乘積。即：

。其中，tk是數(shù)據(jù)t的第k個(gè)屬性值。其次，對于P（t），即數(shù)據(jù)t在整個(gè)數(shù)據(jù)空間中出現(xiàn)的概率，等于它在各分類中出現(xiàn)概率的總和，即：

。

（2）

利用可以在模型基礎(chǔ)上該公式就是我們最終用于判斷數(shù)據(jù)t分類的方法。其依賴的條件是：從訓(xùn)練數(shù)據(jù)中統(tǒng)計(jì)出P（tk|Cj）和P（Cj）。計(jì)算它屬于各分類的概率，再取其中概率最大的作為分類的結(jié)果。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 不同化學(xué)品光譜比較

為提高光譜測量準(zhǔn)確性，采集光譜時(shí)先采集并存儲暗光譜，再采集空樣品池的光譜存為參考光譜（扣除暗光譜）。然后采集各化學(xué)的原始光譜，扣除暗光譜后，從而得到樣品吸收光譜。按照上述步驟采集各樣品的吸光光譜如圖3所示。

從圖中可以看出，不同中化學(xué)品吸收光譜形狀差異較大，同種化學(xué)品之間存在一定的共同特征。同時(shí)化學(xué)結(jié)構(gòu)越復(fù)雜的化學(xué)品其光譜吸收特征越多，也給有效分類帶來了一定難度。

3.2 分類結(jié)果比較

利用本文中研究中主成分分析特征提取及貝葉斯概率分析方法，對以上幾種化學(xué)品進(jìn)行鑒別分類，首先計(jì)算得到每種化學(xué)品光譜所代表的主成分分量，然后帶入貝葉斯分類公式分貝求其貼近度，在三維空間上，距離相對較小的歸為一類。判別結(jié)果如圖4所示。

從圖中可以看出，采用本文方法可以有效對樣品中的醇類及酯類進(jìn)行分類識別，分類識別效率較高。同時(shí)由于酯類樣品中紅樣品結(jié)構(gòu)較為復(fù)雜，分類分散度較大，也對模型提出了更高要求。

4 總結(jié)

本文主要針對化學(xué)品自動(dòng)檢測與鑒別需要，研究了利用近紅外光譜測量技術(shù)，結(jié)合光譜特征提取與概率統(tǒng)計(jì)分析方法進(jìn)行不同化學(xué)品鑒別分類。利用近紅外光譜儀測量了多種化學(xué)品，并研究了其光譜吸收特征，研究了基于光譜特征氣體與貝葉斯方法的化學(xué)品鑒別分類算法，實(shí)驗(yàn)結(jié)果表明，該方法可以最后驗(yàn)證了該方法自動(dòng)分類鑒別準(zhǔn)確性。本文所研究的方法為實(shí)現(xiàn)化學(xué)品的在線快速檢測提供了參考，具有比較重要的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1]褚小立，袁洪福.近紅外光譜分析技術(shù)發(fā)展和應(yīng)用現(xiàn)狀[J].現(xiàn)代儀器，2011，17（05）：1-4.

[2]褚小立.化學(xué)計(jì)量學(xué)方法與分子光譜分析技術(shù)[M].化學(xué)工業(yè)出版社，2011，54-76.

[3]余麗娟，鄭建明，孫袁先，朱文雷.紅外光譜法快速鑒定聚氯乙烯塑料中增塑劑[J].廣州化工，2011，39（05）：124-125.

[4]陳貴平，童佩瑾，耿金培等.近紅外光譜結(jié)合膜富集技術(shù)測定飲料中微量鄰苯二甲酸二異辛酯的含量[J].分析測試學(xué)報(bào)，2012，31（05）：605-608.

[5]錢平，孫國琴，張存洲.基于近紅外光譜技術(shù)的石油組分定量分析新方法[J].光譜學(xué)與光譜分析，2008，28（12）：2851-2854.

[6]盧萬鴻，何仕廣，曹加光等.近紅外光譜技術(shù)的分析與應(yīng)用[J].桉樹科技，2012，29（01）：49-54.

作者簡介

呂思成（1999-），男，北京市人。

作者單位

北京市一六一中學(xué) 北京市 100032endprint