基于高光谱成像技术的厌氧发酵液理化性质的快速检测研究

发布时间：2017-07-28 19:22

  本文关键词：基于高光谱成像技术的厌氧发酵液理化性质的快速检测研究

  更多相关文章： 厌氧发酵 近红外高光谱成像技术 化学计量学方法 总固体含量 挥发性固体含量 pH 总无机碳 图像可视化

【摘要】：在厌氧发酵过程中,需要实时监测反应器温度、有机负荷率、pH、挥发性脂肪酸等发酵环境参数和发酵液理化性质,以保证发酵稳定顺利地运行。应用传统化学分析方法检测发酵过程发酵液重要物理化学性质耗时费力,不能满足实际需要。光谱法具有快速、简便,能够实现发酵过程的在线实时监测,是一种具有广泛应用前景的过程监测技术手段。本文采用了近红外高光谱成像技术结合相关化学计量学方法和图像处理方法,建立了稻草秸秆和水葫芦混合厌氧发酵过程底物及液相产物中的重要参数的预测模型及部分参数的高光谱图像可视化,以期实现采用高光谱成像系统进行在线监测厌氧发酵的目标。(1)采用近红外高光谱(波长范围874-1734 nm)结合化学计量学方法实现发酵底物中总固体含量(TS)和挥发性固体含量(VS)的预测。首先,获取发酵液样本的高光谱图像,应用移动平均平滑法(MAS)进行光谱预处理,并采用竞争自适应加权采样算法(CARS)、连续投影算法(SPA)和Random frog算法进行特征光谱信息的提取。基于CARS、SPA和RF算法分别得到关于预测TS含量的特征波长个数分别为11,5,8;用于预测VS含量的特征波长个数分别为17,14,7。然后分别建立全波段和特征波段建立TS和VS的偏最小二乘回归(PLSR)和最小二乘-支持向量机(LS-SVM)的预测回归模型。结果表明：SPA-LS-SVM模型的预测结果最好,对于TS含量的预测均方根误差(RMSEP)及相关系数(R)分别为0.0058、0.841；VS的预测均方根误差、相关系数分别为0.0041和0.874。因此,利用近红外高光谱可以较为准确地检测厌氧发酵过程中的固形物含量,可为厌氧发酵过程中的固形物含量的检测提供理论和实践依据。(2)采用近红外高光谱结合化学计量学方法检测发酵液pH及总无机碳(TIC)含量的预测模型。首先,获取发酵液样本的近红外高光谱图像信息,应用小波变换(WT)进行光谱图像去嗓预处理。然后采用SPA、Random frog算法和变量重要性投影算法(VIP)对pH进行特征波长提取并分别得到了8,15和20个特征波长；应用CARS、RF和SPA提取TIC光谱特征信息并分别得到了14,8和11个特征波长。然后分别基于全波长和特征波长建立pH的偏最小二乘回归模型和反向传播人工神经网络(BPNN)的预测模型；建立TIC的PLS和BPNN的预测模型。其中,用SPA-BPNN模型进行发酵液中pH含量的预测效果最好,RMSEP及R分别为0.0516、0.911;TIC预测模型中RF-BPNN预测结果最好；而用于TIC含量预测得到的预测均方根误差、相关系数分别为142.088mg/L和0.736。结果表明,利用近红外高光谱可以较为准确地检测厌氧发酵过程中的pH和TIC浓度,对实现在线监测厌氧发酵过程中pH和TIC含量,以确保发酵过程顺利稳定进行具有重要意义。(3)分别建立的关于pH的SPA-BPNN模型和关于TIC的RF-BPNN模型应用于预测pH和TIC的高光谱图像每一个像素点的理化性质,并得到了发酵液pH和TIC的高光谱图像反演分布图。由分布图可知,pH可视化效果较为理想,而TIC效果较为一般。可视化图像提供了发酵液相关理化性质更为直观的体现。
【关键词】：厌氧发酵 近红外高光谱成像技术 化学计量学方法 总固体含量 挥发性固体含量 pH 总无机碳 图像可视化
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ920.1;O657.3
【目录】：

• 致谢7-8
• 摘要8-10
• Abstract10-15
• 第1章 绪论15-23
• 1.1 课题研究背景和意义15-17
• 1.2 发酵过程的重要指示参数17-18
• 1.3 厌氧发酵监测方法综述18-22
• 1.3.1 滴定法19
• 1.3.2 电子鼻和电子舌19-20
• 1.3.3 气相色谱20-21
• 1.3.4 光谱技术21-22
• 1.4 研究目的与内容22-23
• 第2章 实验材料、仪器和数据分析方法23-34
• 2.1 实验材料及处理方法23-24
• 2.1.1 发酵液样品来源23
• 2.1.2 发酵液样本预处理23-24
• 2.2 实验仪器及工作原理24-27
• 2.2.1 厌氧发酵装置示意图24
• 2.2.2 高光谱成像系统24-25
• 2.2.3 恒温干燥箱和马弗炉使用方法25-26
• 2.2.4 TOC分析仪26-27
• 2.2.5 分析软件27
• 2.3 数据处理方法27-34
• 2.3.1 图像获取和校正27
• 2.3.2 原始光谱预处理方法27-28
• 2.3.3 特征波长选取方法28-31
• 2.3.4 化学计量学方法31-33
• 2.3.5 模型评价参数33-34
• 第3章 基于近红外高光谱的厌氧发酵过程中固形物含量检测的研究34-42
• 3.1 引言34
• 3.2 材料和方法34-35
• 3.2.1 TS和VS的标准测定方法34
• 3.2.2 数据处理方法34-35
• 3.2.3 高光谱图像采集及光谱数据提取35
• 3.3 结果与讨论35-41
• 3.3.1 TS和VS的统计分析35
• 3.3.2 光谱曲线分析35-37
• 3.3.3 特征波长提取37-38
• 3.3.4 模型预测结果38-41
• 3.4 小结41-42
• 第4章 基于近红外高光谱成像技术的稻草秸秆和水葫芦混合厌氧发酵的pH、总无机碳的检测研究42-53
• 4.1 引言42
• 4.2 pH和总无机碳含量的测定42-43
• 4.3 数据处理结果与分析43-51
• 4.3.1 pH和总无机碳统计结果分析43
• 4.3.2 光谱曲线预处理43-45
• 4.3.3 特征波段提取45-47
• 4.3.4 基于特征波长的校正模型47-51
• 4.4 小结51-53
• 第5章 发酵液的pH和TIC的高光谱图像可视化研究53-57
• 5.1 高光谱图像可视化理论53
• 5.2 高光谱图像可视化步骤及注意事项53-54
• 5.3 基于SPA-BPNN模型的pH高光谱图像可视化结果分析54-55
• 5.4 基于RF-BPNN模型的TIC高光谱图像可视化结果分析55-57
• 第6章 结论和展望57-58
• 6.1 结论57
• 6.2 主要创新点57
• 6.3 展望57-58
• 参考文献58-63
• 作者简介63
• 攻读硕士学位期间主要的研究成果63

【参考文献】

中国期刊全文数据库 前2条

1 季江;高鹏飞;贾南南;杨蕊;郭汉明;瑚琦;庄松林;;自适应多尺度窗口平均光谱平滑[J];光谱学与光谱分析;2015年05期

2 朱逢乐;彭继宇;高峻峰;赵艳茹;余克强;何勇;;应用可见/近红外高光谱成像测定鲑鱼片脂肪含量分布(英文)[J];农业工程学报;2014年23期

，

本文编号：585658