基于多参数融合的红外光谱对混合物的组分识别研究

为解决混合物组分的识别问题，该文以7种标准品以及由7种标准品配制的26种混合物为研究对象，以准确率与误判率为混合组分识别效果的评价指标，在研究谱峰匹配算法、非负最小二乘匹配算法与相关系数匹配系数算法的基础上，采用一种基于多特征融合的BP神经网络模型红外光谱技术对混合物组分进行识别，并与逻辑回归模型进行了对比。结果表明，3种单一匹配算法的识别准确率均低于76.31%，多特征融合的逻辑回归模型与多特征融合的BP神经网络模型预测集的识别准确率分别为83.33%和98.18%，误判率分别为4.76%和1.82%。研究结果表明，中红外光谱技术结合BP神经网络模型可以更好地进行混合物的组分识别。为了进一步探究模型对混合组分最低浓度的检测能力，采用香兰素和乙醇两组分溶液进行检出限的研究。结果表明混合物中香兰素的质量浓度为0.03 g/mL时准确率为100.00%，误判率为14.29%；香兰素质量浓度低于0.03 g/mL时，准确率下降20.00%，误判率上升19.04%。故可认为该研究能识别出的香兰素乙醇溶液中香兰素的最低质量浓度为0.03 g/mL。

Study on Identification of Components in Mixtures Using Infrared Spectroscopy Based on Multi-parameter Fusion