CN116952895A - 一种快速测定混合均匀度的方法 - Google Patents

Abstract

本发明提供一种快速测定混合均匀度的方法，涉及混合均匀度测定技术领域。该种快速测定混合均匀度的方法，包括以下具体步骤：在进行测定前，先对原始样品进行采样收集，通过近红外光谱仪器，采集样品的近红外光谱数据，将收集到的样品所有波长点上的吸光度取平均值，分别计算每个样品波长下的吸光度与平均值之间的差异，即S1、S2...S800，计算整体标准差即计算变异系数CV＝将整体标准差S除以样品均值X，并乘以100％，即通过在线测试算法对不同时间样品均一性进行分析。通过采用红外光谱分析技术，可以不破坏样品，不消耗化学试剂，进一步的保护了环境，且可以对不同产品进行测定，适应性强。

Description

一种快速测定混合均匀度的方法

技术领域

本发明涉及混合均匀度测定技术领域，具体为一种快速测定混合均匀度的方法。

背景技术

现如今，许多行业都有对产品质量和混合均匀度的合规要求，例如医药行业对于药品的混合性能有严格的要求，混合均匀度是确保产品质量和性能的关键因素之一，快速测定混合均匀度的方法可以帮助企业满足质量控制和合规要求，确保产品质量和安全性，同时可以促进工艺改进和创新，通过实时监测混合效果，企业可以更好地理解混合过程中的关键因素，并根据测量结果进行工艺改进和优化，帮助生产过程中及时检测混合效果，从而实现快速调整和优化，提高产品质量和生产效率。

目前的混合均匀度方法是基于国标GB/T5918-2008中对饲料混合均匀度的测定方法，以氯离子含量为例，测定氯离子浓度的标准差S和氯离子浓度的变异系数CV值，需要对样本进行一定时间的检测才能得到准确的结果，这可能会导致在实际生产中需要等待较长时间才能获得评估结果，该方法存在检测时效性，从而无法实时判断混合效果，且无法对不同物料进行测定，局限性强。

为此，我们研发出了新的一种快速测定混合均匀度的方法。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种快速测定混合均匀度的方法，解决了现有混合均匀度方法需要等待较长时间才能获得评估结果，存在检测时效性，无法实时判断混合效果，且对不同物料进行测定，局限性强的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种快速测定混合均匀度的方法，包括以下具体步骤：

S1、在进行测定前，先对原始样品进行采样收集；

S2、通过近红外光谱仪器，采集样品的近红外光谱数据；

S3、将收集到的样品所有波长点上的吸光度取平均值；

S4、分别计算每个样品波长下的吸光度与平均值之间的差异，即S1、S2...S800；

S5、计算整体标准差S＝将所有样品波长下的标准差(S1、S2...S800)相加，再除以波长总数(801)，即

S6、计算变异系数CV＝将整体标准差S除以样品均值X，并乘以100％，即CV＝S/Xx100％；

S7、通过在线测试算法对不同时间样品均一性进行分析；

S8、通过在线测试算法(标准差(S)和变异系数(CV))，标准差和变异系数是否趋势一致，可及时准确的判定产品的混合均匀度。

优选的，所述S1中的原始样品取样设备为自动快速样品浓缩仪。

优选的，所述S2近红外光谱仪器型号为AvaSpec CompactLine系列光谱仪，所述采集样品光谱波长范围为900-1700nm，共计801个波长点。

优选的，所述S3中的吸光度计算公式为其中，A表示吸光度，I0是光线经过介质前的光强度，I是光线经过介质后的光强度。

优选的，所述S4中的波长下的标准差为在近红外光谱数据中，每个特定波长处光谱强度值的变异程度。

优选的，所述S6中的变异系数越大，表示数据的相对离散程度越高，变异系数越小，表示数据的相对离散程度越低。

优选的，所述S7和S8中的在线测试算法为：

输入：数据集X＝{x1,x2,...,xn}，聚类簇数K；

初始化K个聚类中心μ1,μ2,...,μK；

重复直到收敛：对于每个数据点xi，计算与每个聚类中心的距离，选择最近的聚类中心，将数据点分类到该聚类，更新聚类中心为所属聚类的数据点的均值；

输出：每个数据点所属的聚类。

(三)有益效果

本发明提供了一种快速测定混合均匀度的方法。具备以下有益效果：

该种快速测定混合均匀度的方法采用近红外光谱技术，以标准差(S)和变异系数(CV)在线判定样品混合均匀度，以所有波长点上的吸光度为平均值，分别计算每一个波长下的标准差，即S1、S2...S800，最终的标准差变异系数且通过在线测试算法(标准差(S)和变异系数(CV))，标准差和变异系数趋势是否一致，可以及时准确的判定产品的混合均匀度，同时，近红外光谱分析技术具有分析样品方便、高效、准确和不破坏样品、不消耗化学试剂、不污染环境等优点，可用于样品混合均匀度的趋势分析，可以确定混合终点。

附图说明

图1为本发明的混合均匀度测定流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一：

如图1所示，本发明实施例提供一种快速测定混合均匀度的方法，其特征在于，包括以下具体步骤：

S1、在进行测定前，先对原始样品进行采样收集；

S2、通过近红外光谱仪器，采集样品的近红外光谱数据；

S3、将收集到的样品所有波长点上的吸光度取平均值；

S4、分别计算每个样品波长下的吸光度与平均值之间的差异，即S1、S2...S800；

S5、计算整体标准差S＝将所有样品波长下的标准差(S1、S2...S800)相加，再除以波长总数(801)，即

S6、计算变异系数CV＝将整体标准差S除以样品均值X，并乘以100％，即

S7、通过在线测试算法对不同时间样品均一性进行分析；

S8、通过在线测试算法(标准差(S)和变异系数(CV))，标准差和变异系数是否趋势一致，可及时准确的判定产品的混合均匀度。

对比例：

采用常规的基于国标GB/T5918-2008中对饲料混合均匀度的测定方法，具体步骤如下：

S1、样品制备：按照相关标准将饲料样品进行制备，确保样品能够代表整个批次的饲料；

S2、分割样品：将样品分成若干个子样品，通常使用机械分割器或者手工抽样的方式，确保每个子样品的质量相等；

S3、分析子样品：对每个子样品进行分析，通常采用化学或物理分析方法，例如测定水分含量、粒度分布、营养成分等；

S4、计算指标：根据具体的评估指标，计算各个子样品的测定值之间的差异，国标中常用的指标是变异系数；

S5、评估结果：根据计算得到的指标，判断饲料样品的混合均匀度，如果指标值低于特定的阈值，表示饲料混合均匀度良好，反之，如果指标值高于阈值，则表示饲料混合均匀度较差：

将上述实施例和对比例所测混合效果和时间对比表，结果见下表：

实施例	混合物均匀度(％)	时间(s)
			实施例一	98.4％	30
对比例	93.6％	75

综上可知，本发明通过在线测试算法，判断标准差和变异系数是否趋势一致，可以及时准确的判定产品的混合均匀度，且可以对不同产品进行均匀度测定，而且采用红外光谱分析技术，可以不破坏样品，不消耗化学试剂，进一步的保护了环境。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (7)

1.一种快速测定混合均匀度的方法，其特征在于，包括以下具体步骤：

S1、在进行测定前，先对原始样品进行采样收集；

S2、通过近红外光谱仪器，采集样品的近红外光谱数据；

S3、将收集到的样品所有波长点上的吸光度取平均值；

S4、分别计算每个样品波长下的吸光度与平均值之间的差异，即S1、S2...S800；

S5、计算整体标准差S＝将所有样品波长下的标准差(S1、S2...S800)相加，再除以波长总数(801)，即

S6、计算变异系数CV＝将整体标准差S除以样品均值X，并乘以100％，即

S7、通过在线测试算法对不同时间样品均一性进行分析；

S8、通过在线测试算法(标准差(S)和变异系数(CV))，标准差和变异系数是否趋势一致，可及时准确的判定产品的混合均匀度。

2.根据权利要求1所述的一种快速测定混合均匀度的方法，其特征在于：所述S1中的原始样品取样设备为自动快速样品浓缩仪。

3.根据权利要求1所述的一种快速测定混合均匀度的方法，其特征在于：所述S2近红外光谱仪器型号为AvaSpec CompactLine系列光谱仪，所述采集样品光谱波长范围为900-1700nm，共计801个波长点。

4.根据权利要求1所述的一种快速测定混合均匀度的方法，其特征在于：所述S3中的吸光度计算公式为其中，A表示吸光度，I0是光线经过介质前的光强度，I是光线经过介质后的光强度。

5.根据权利要求1所述的一种快速测定混合均匀度的方法，其特征在于：所述S4中的波长下的标准差为在近红外光谱数据中，每个特定波长处光谱强度值的变异程度。

6.根据权利要求1所述的一种快速测定混合均匀度的方法，其特征在于：所述S6中的变异系数越大，表示数据的相对离散程度越高，变异系数越小，表示数据的相对离散程度越低。

7.根据权利要求1所述的一种快速测定混合均匀度的方法，其特征在于：所述S7和S8中的在线测试算法为：

输入：数据集X＝{x1,x2,...,xn}，聚类簇数K；

初始化K个聚类中心μ1,μ2,...,μK；

重复直到收敛：对于每个数据点xi，计算与每个聚类中心的距离，选择最近的聚类中心，将数据点分类到该聚类，更新聚类中心为所属聚类的数据点的均值；

输出：每个数据点所属的聚类。