论文部分内容阅读
近红外光谱分析技术以其分析速度快、操作简便、不破坏和不消耗样品、适用于在线和现场分析等鲜明的技术特点已在农业和石油化工等多个领域有了重要应用。本课题针对近红外光谱应用在复合肥料及纺织纤维材料领域的部分空白内容进行了研究,以利用其快速简便的技术特点解决相应领域的技术难题。首先,本论文提出了近红外漫反射光谱法同时测定复合肥料氮、磷、钾各养分及石粉含量的新方法,建立了N、P和石粉含量的偏最小二乘模型,其SEP值分别为0.8、0.8和1.4。其中,石粉含量模型是借助于石粉中结晶水的光谱信息建立的,而K含量是根据重量归一法计算的,精度较低,其SEP值为1.5。为了提高无机成分的分析精度,本文接着提出了一种利用近红外透射光谱进行快速分析的新方法,即用水将固体复合肥料定容溶解,采集其溶液部分的近红外透射光谱进行分析预测。通过提取各成分在水溶液中的光谱信息建立了PLS模型,其中总氮、有效五氧化二磷、氧化钾和石粉含量模型的SEP值分别为0.5、0.7、0.8和2.0。此方法操作简便,解决了近红外漫反射光谱法无法准确测定氧化钾含量的技术难题,实现了复合肥全部成分含量的快速准确分析,达到了国标要求,可满足实际的检测应用需求。本论文收集了大量多种状态的棉氨混纺织物样品,通过采集样品的近红外漫反射光谱,建立了氨纶含量分析的偏最小二乘校正模型,其SEP值为0.8,预测残差在2%以内。研究结果表明利用近红外光谱可在实验室内实现棉氨混纺织物样品的氨纶含量快速分析,其准确度满足实际工作中的检测需求,且能大大提高工作效率,是一种快速、准确、高效的检测手段。本论文采集了竹、麻、棉、木四种浆粕制粘胶纤维的近红外漫反射光谱,尝试使用主成分分析、SIMCA判别和LS-SVM模型进行了种类鉴别。研究结果表明样品光谱经过预处理后,其主成分分析可以起到一定的聚类效果,但区分不明显；基于PCA的SIMCA判别同PCA表现出一致的结果；而使用非线性建模方法LS-SVM进行竹浆纤维和非竹浆纤维的鉴别可以达到理想的效果,对验证样品的正确识别率达90%。本研究证实了利用近红外漫反射光谱进行新型粘胶纤维种类鉴别的可行性,此方法分析时间短,操作简便,有着广阔的应用前景。