この実験原稿の意義は、近赤外分光法とデータマイニングアルゴリズムを実際のプロセス産業のオンラインモニタリングに応用することにある。この技術の最大の利点は、その急速さにあります。その近赤外線検出技術の非破壊特性と部分的な最小二乗、またはPLSアルゴリズムの実践。
まず、テキストプロトコルに記述されているように分光計を接続します。測定パラメータを設定するには、OPUSソフトウェアを使用します。[計測] メニューに移動し、[高度な計測] コマンドを選択します。
表示されるダイアログで、さまざまなタブで測定パラメータを定義します。実験ファイルを保存するには、[詳細設定] タブをクリックします。解像度を 4 つの逆センチメートルとして定義します。
サンプルのバックグラウンド スキャン時間入力フィールドで、スキャンの数を 16 スキャンとして定義します。4,000 の逆センチメートルから 12,500 の逆センチメートルまでの計測データを自動的に格納するパスを定義します。結果スペクトルのデータタイプを吸光度として決定し、実験ファイルを保存します。
次に、[光学]タブをクリックします。絞りの設定ドロップダウン リストをクリックし、サンプルスペクトルの取得に使用したのと同じ値を選択します。次に、[基本] タブをクリックします。
「単一チャネルの背景」ボタンをクリックし、サンプルを分光計の光路に入れ、サンプルスペクトルを測定します。特定の入力フィールドにサンプルの説明とサンプルフォームを定義します。この情報はスペクトルと共に保存されます。
次に、サンプルシングルチャンネルボタンをクリックして、オンライン測定を開始します。各スキャンのNIRスペクトラムをOPUSファイルとして保存します。ソフトウェア OPUS を使用して、元のスペクトルセットを読み取る。
[ファイル] メニューの [ファイルの読み込み] をクリックします。開いたダイアログで、特定のスペクトル ファイルを選択します。[開く] ボタンをクリックします。
スペクトルがスペクトルウィンドウに表示されます。スペクトル前処理関数を使用して、先次導関数で事前処理されたスペクトルデータセットを取得します。まず、多変量データ解析と実験設計ソフトウェアであるUnscramblerを開きます。
次に、[ファイル] の下の [インポート] コマンドを選択します。OPUS ファイルをオリジナルの NIR スペクトル データセットとしてインポートします。[変更]の下の[変形]コマンドを選択します。
次に、デリバティブの下でサビツキー・ゴレイ誘導体を選択します。サンプルと変数をスコープ内のすべてのサンプルとすべての変数として定義します。また、パラメータでスムージングポイントの数を13、派生値を第1微分として定義します。
[OK] をクリックして、派生を開始します。サンプルスペクトルにベクトル正規化を行い、吸光度の値を正規化します。[変更]で正規化コマンドを選択します。
サンプルと変数をスコープ内のすべてのサンプルとすべての変数として定義します。タイプでベクトルの正規化を選択します。ベクトルの正規化を実行するには、[OK] をクリックします。
適切な数の主成分を選択するには、MATLAB を開き、MAT ファイルをワークスペースにドラッグして、前処理された近赤外スペクトルデータを含む MAT ファイルをインポートします。エディタでプログラムされたMファイルを開きます。[エディタ]オプションの下の[開く]をクリックし、ファイルストレージディレクトリでコンパイル済みのMファイルを選択し、[確認]をクリックします。
MATLABで、抽出された主成分とO-クレゾール濃度の予測値との間の最適化目的とOLSRモデルに従って15の主要成分を抽出する。主成分の数が増加して、R-2 乗値とトレンドを決定します。R-2 乗値が 0.9917 の主成分の適切な数として 10 を選択します。
PLSRモデルの適合度と精度を検証するには、10個の主成分でモデリングプロセスを繰り返します。NIRスペクトルデータで説明されている分散率のプロット、残差、およびクロス検証またはMSPECVの平均平方予測誤差を使用して、10倍の交差検証に基づいてモデルを評価します。ここでプロットされている残差は、O-クレゾールの内容の参照値とPLSRモデルの推定値との差を示すものです。
プロットされたデータは、NIRスペクトルデータに基づくO-クレゾール含有量の測定のためのPLSRが高い精度を有することを示している。クロス検証平均平方誤差は、参照と予測されたO-クレゾール含有量との差の程度を測定する。値が小さいほど、O-クレゾールの内容を記述する予測モデルの精度が向上します。
PLSRに基づくO-クレゾール濃度測定のための交差検証の平均平方予測誤差は、主成分数が増加するにつれて減少する。エラーは、10 個の主要コンポーネントで許容できる最小値に達します。このことは、NIRSを用いたO-クレゾール濃度の測定において、PLSRが高い安定性を生じることを証明している。
この手順を試みる際、最も重要なステップは、後の段階で実行されるすべての前処理とモデリングの基礎となるため、コンポジションの参照値を正確に取得することです。PLSに加えて、ディープラーニングやデシジョンツリーなどの一般的な機械学習アルゴリズムもこの手順で使用できます。NIRS検出技術と組み合わせることで、提案されたデータマイニングは、産業オートメーションのプロセスにおける現代の産業におけるインテリジェントな変革への応用に有効なテンプレートであると考えています。
