(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111442860.7 (22)申请日 2021.11.30 (71)申请人 中国科学院西北高原生物研究所 地址 810001 青海省西宁市西关大街59号 (72)发明人 孙菁　李佩佩　李朵　龙若兰　 冯丹　孟晓萍　 (74)专利代理 机构 成都华风专利事务所(普通 合伙) 51223 代理人 张巨箭 (51)Int.Cl. G01N 21/359(2014.01) G01N 21/3563(2014.01) G06F 30/20(2020.01) (54)发明名称 一种近红外定量检测模型的参数选取方法 和定量检测方法 (57)摘要 本发明公开了一种近红外定量检测模型的 参数选取方法和定量检测方法， 基于麻花艽或全 缘叶绿绒蒿的建模， 所述参数选取方法包括建模 集样本选 择步骤， 所述建模集样 本选择步骤包括 以下子步骤： 设置建模集样本量， 当基于麻花艽 的建模时， 所述建模集样本量为80 ‑100； 当基于 全缘叶绿绒蒿的建模时， 所述建模集样本量为 110‑130。 本发明相较于现有技术中总是倾向于 样本集具有大样本量， 本发明的建模集样本量的 设置， 当基于麻花艽的建模时， 所述建模集样本 量为80‑100； 当基于全缘 叶绿绒蒿的建模时， 所 述建模集样本量为110 ‑130， 使得后续模型质量 最好。 权利要求书1页 说明书9页 附图8页 CN 114184577 A 2022.03.15 CN 114184577 A 1.一种近红外定量检测模型的参数选取方法， 其特征在于： 基于麻花艽或全缘叶绿绒 蒿的建模， 所述参数选取方法包括建模集样本选择步骤， 所述建模集样本选择步骤包括以 下子步骤： 设置建模集样本量： 当基于麻花艽的建模时， 所述建模集样本量为80 ‑100； 当基于全缘 叶绿绒蒿的建模时， 所述建模集样本量 为110‑130。 2.根据权利要求1所述的一种近红外定量检测模型的参数选取方法， 其特征在于： 当基 于麻花艽的建模时， 所述建模集样本量为90； 当基于全缘叶绿绒蒿的建模时， 所述建模集样 本量为120。 3.根据权利要求1所述的一种近红外定量检测模型的参数选取方法， 其特征在于： 所述 建模集样本 选择步骤 还包括以下子步骤： 选择离散性大的建模集作为建模集样本； 对于麻花艽、 全缘叶绿绒蒿建模时， 选择SD值 最大的建模集作为建模集样本 。 4.根据权利要求1所述的一种近红外定量检测模型的参数选取方法， 其特征在于： 所述 方法还包括单位选择步骤， 所述单位选择步骤 包括以下子步骤： 通过改变含量单位以增大含量值的数量级来建模， 即将单位由％改为mg/g时模型各指 标变化趋势一 致， 用于样本中含量低于 0.10％的混合物的建模。 5.根据权利要求4所述的一种近红外定量检测模型的参数选取方法， 其特征在于： 对于 麻花艽， 所述含量为龙胆苦苷及马钱苷酸总和的百分含量； 对于全缘叶绿绒蒿， 所述含量为 总黄酮所占百分含量。 6.根据权利要求1所述的一种近红外定量检测模型的参数选取方法， 其特征在于： 所述 参数选取方法包括还包括建模集样本修正步骤， 所述建模集样本修正步骤包括以下子步 骤： 在后期进行模型修正时， 不能一味地通过增加样本量， 要对原有建模集进行适当的添 加与删除。 7.根据权利要求1所述的一种近红外定量检测模型的参数选取方法， 其特征在于： 所述 麻花艽或全缘叶绿绒蒿的样本大于 300份。 8.一种近红外定量检测方法， 其特征在于： 包括建模集选取步骤和定量检测步骤； 所述 建模集选取步骤采用如权利要求1～7中任意一项所述的近红外定量检测模型 的参数选取 方法实现。权　利　要　求　书 1/1 页 2 CN 114184577 A 2一种近红外定量 检测模型的参数选取方 法和定量 检测方法 技术领域 [0001]本发明涉及近红外检测领域， 尤其涉及一种近红外定量检测模型的参数选取方法 和定量检测方法。 背景技术 [0002]近红外(Near  Infrared， NIR)是一种介于可见光区与中红外区之间的电磁波， 其 波长范围0.8 ‑2.5m， NIR谱图显示物质分子内部X ‑H(N‑H、 O‑H、 C‑H等)的组频和倍频吸收 [1]。 近红外谱区于1800年被天文学家William  Herschel发现， 相较于中红外谱区发现的更 早， 其应用也更早， 但是近红外吸收强度弱、 谱图信息叠加严重， 限于当时理论于技术水平 的发展， 研究重点逐渐转移到了中红外。 到20世纪， 随着近红外光谱分析仪的发展， 人们开 始对近红外光谱分析技术进行关注， 结合化学计量学方法、 现代光学、 计算机处理技术的交 叉使用， 进一 步发展成为了现代近红外光谱分析技 术。 [0003]近红外光谱分析技术是指利用近红外谱区包含的物质信息来进行定性和定量分 析的技术。 与传统的湿化学分析技术相比， 近红外光谱分析技术快速、 高效、 便宜、 无污染， 可以显著提高样品的日检测量， 目前近红外光谱分析技术已经被广泛用于药材、 农业、 医 学、 食品等领域， 通过模型的构建可进 行定性、 定量分析。 这其中， 模 型的质量决定了模型的 适用性， 谱图处理、 谱图特征提取、 建模方法优化等数据处理方法是影响模型质量的主要因 素， 围绕此方面也开展了许多研究工作， 也有针对样品研究部位对模 型质量影响的研究， 此 外也有研究表明高质量的谱图对模型也有影响， 扫描次数、 分辨率、 扫描速度、 样品状态等 均可影响谱图质量， 且重复谱图间误差越小模型准确度越高。 目前对建模集的研究集中在 样本的选择方法上， 常用的方法有Kennard ‑Stone方法、 SPXY法、 浓度梯度法、 聚类 分析等方 法， 对建模集样本量、 样本集SD(Standard  deviation)等的研究较少。 建模集选择时应具有 一定的代表性， 因此现有技术中总是倾向于样本集具有大样本量(且浓度范围要广)； 但是 对该选择 是否正确(样本量、 样本S D值与模型效果的关系)则鲜有研究。 发明内容 [0004]本发明的目的在于克服现有技术的不足， 提供一种近红外定量检测模型的参数选 取方法和定量检测方法。 [0005]本发明的目的是通过以下技 术方案来实现的： [0006]本发明的第一方面， 提供一种近红外定量检测模型的参数选取方法， 基于麻花艽 或全缘叶绿绒蒿的建模， 所述参数选取方法包括建模集样本选择步骤， 所述建模集样本选 择步骤包括以下子步骤： [0007]设置建模集样本量： 当基于麻花艽的建模时， 所述建模集样本量为80 ‑100； 当基于 全缘叶绿绒蒿的建模时， 所述建模集样本量 为110‑130。 [0008]进一步地， 当基于麻花艽的建模时， 所述建模集样本量为90； 当基于全缘叶绿绒蒿 的建模时， 所述建模集样本量 为120。说　明　书 1/9 页 3 CN 114184577 A 3