本发明涉及一种用于将样品分类为聚酰胺的至少两种类型之一的方法和系统,以及近红外光谱仪装置用于将样品分类为聚酰胺的至少两种类型之一的用途。该方法和系统具体地可用于聚酰胺样品的非破坏性和现场分析。然而,本发明的另外应用领域可能是可行的。
背景技术:
0、现有技术
1、聚酰胺(pa)样品,具体地子类pa 6和pa 6.6的样品,可以显示出非常相似的视觉和机械外观。因此,塑料回收商和制造商在其过程监测中通常需要区分两种塑料类型的方法。
2、目前,待分类的聚酰胺可以例如通过使用不同材料熔点的熔点测试进行分析。熔融测试可能带来暗示破坏性和耗时测试的缺点。替代方案将是使用中红外(mir)光谱仪进行化学计量分析。这禁止在没有任何时间延迟的情况下进行快速现场测试并且需要昂贵的实验室设备。
3、因此,需要一种现场且非破坏性分析技术。近红外(nir)光谱法主要可以提供实现此的可行途径。然而,聚酰胺样品,具体地归属于pa 6或pa 6.6子类的聚酰胺样品的nir光谱,具体地在1400nm至2500nm的范围内,通常表现出与后一子类不同的关于参数的强烈变化。这些参数可以具体地是或可以包括样品颜色、表面纹理、表面结构。其他参数可能也是可行的。
4、来自赛默科技公司(thermo scientific)的装置“microphazir pc”适用于手持式地毯纤维鉴别。有关该装置的更多信息可以在https://www.thermofisher.com/order/catalog/product/microphazirpc#/microphazirpc找到。
5、在geller y:“using mems technology for cost effective recycling ofplastics[使用mems技术进行塑料的成本效益回收]”,proc.of spie[国际光电工程学会会议记录],第6466卷,2007,第646604-1-646604-07页,xp040235480中,描述了一种用于有效地鉴别回收工业的塑料材料的基于微机电系统(mems)的手持式材料分析仪的开发和演示。
6、在jp 2005 249624 a中,描述了一种通过光谱的聚合物基团分类方法,该方法能够将未知的聚合物材料精确地分类为相应的材料类型。
7、在cn 113 049 528 a中,描述了一种基于近红外光谱的纤维成分鉴别方法和模块。基于近红外光谱的纤维成分鉴别方法包括以下步骤:a)建立鉴别模型,b)分类前的预处理以及c)执行分类和鉴别算法。基于近红外光谱的纤维成分鉴别模块包括纤维成分鉴别系统软件。
8、在cn 112 693 032 a中,描述了一种用于回收废塑料的高通量智能分拣方法。该方法包括以下步骤:(1)布置高通量智能分拣系统,并从料斗以分层方式自上而下依次布置筛选机械手以形成多层红外筛选生产线;(2)将回收的混合废塑料碎片输送到所有红外筛选机械手进行光谱鉴别分选和分拣;(3)重复步骤(2),将回收的混合废塑料碎片依次送入所有红外筛选机械手以完成第一个分选循环;(4)对剩余的未鉴别的混合废塑料进行后续分拣循环,直到所有的废塑料被分拣;以及(5)使单成分废塑料能够单独用于后续再生处理。
9、本发明解决的问题
10、因此,本发明解决的问题是提供一种用于将样品分类为聚酰胺的至少两种类型之一的方法和系统,以及近红外光谱仪装置用于将样品分类为聚酰胺的至少两种类型之一的用途,这至少基本上避免了这类已知方法和系统的缺点。
11、特别地,希望提供一种用于将样品分类为聚酰胺的至少两种类型之一的方法和系统,该方法和系统能够实现聚酰胺的现场且非破坏性分析以及可靠地分类为聚酰胺的至少两种类型。
技术实现思路
1、该问题通过具有专利独立权利要求的特征的本发明来解决。可以单独或组合地实施的本发明的有利发展在从属权利要求和/或以下说明书和详细实施例中呈现。
2、如本文所用,表述“具有”、“包含”和“含有”及其语法变型以非排他性方式使用。因此,表述“a具有b”以及表述“a包含b”或“a含有b”可以都是指除b之外,a含有一种或多种另外的组分和/或成分的事实,以及其中除b之外,在a中不存在其他组分、成分或元素的情况。
3、在本发明的第一方面,披露了一种用于将样品分类为聚酰胺的至少两种类型之一的方法。根据本发明的方法包括以下步骤,这些步骤可以优选地以给定顺序或以不同顺序执行。此外,可以提供未列出的附加步骤。除非另有明确指示,否则任何或所有步骤可以至少部分地同时执行。此外,任何或所有步骤可以执行至少两次,尤其是以重复的方式。
4、根据本发明的方法包括以下步骤:
5、a)提供至少一个样品,其中该样品包含聚酰胺的至少一种类型;
6、b)使用至少一个近红外光谱仪装置获取该样品的至少一个光谱;
7、c)从该至少一个光谱确定至少一个峰;以及
8、d)根据从该至少一个光谱确定的该至少一个峰将该样品分类为聚酰胺的该至少两种类型之一。
9、该方法可以具体地是计算机实施的方法。如本文所用的术语“计算机实施的方法”可以是指但不限于涉及至少一个计算机和/或至少一个计算机网络的方法。计算机和/或者计算机网络可以包含至少一个处理器,该处理器可以被配置用于执行根据本发明的方法的方法步骤中的至少一个,具体地步骤b)、c)和d)中的至少一个。该方法可以完全自动地执行,具体地在没有用户交互的情况下。如本文所用的术语“自动地”可以是指但不限于完全通过至少一个计算机和/或计算机网络和/或机器被执行、特别是无需手动动作和/或与用户交互的过程。
10、如本文所用,术语“提供”是指其中使所希望的物体可用的方法的任意步骤。因此,在根据本发明的方法的步骤a)中,可以使样品可用。因此,步骤a)可以对应于提供步骤。如本文进一步所用,术语“样品”是指完全或部分包含聚酰胺的任意物体。具体地,物体可以具有至少一个表面,该表面完全或部分包含聚酰胺的至少一种类型。样品可以具有任意形状。此外,样品可以是可手持的物体。然而,样品也可以是不可移动的部件如建筑部件,或者可以是其一部分。因此,下面将进一步更详细描述的近红外光谱仪装置可以具体地是手持式近红外光谱仪装置,其可以采用不可移动的部件。
11、如本文进一步所用,术语“聚酰胺”是指具有通过酰胺键连接的重复单元的任意聚合物。聚酰胺既可以天然存在,也可以人工存在。人工制造的聚酰胺可以通过逐步增长聚合或固相合成来制造,从而产生如尼龙、芳族聚酰胺和聚(天冬氨酸)钠等材料。合成聚酰胺因其高耐久性和强度而通常用于纺织品、汽车工业、地毯、厨房用具和运动服中。根据其主链的组成,合成聚酰胺可以分类为脂肪族聚酰胺、聚邻苯二甲酰胺和芳族聚酰胺。
12、脂肪族聚酰胺可以包括聚酰胺6和聚酰胺6.6。聚酰胺6也可以称为尼龙6或聚己内酰胺。聚酰胺6可以是指通过ε-己内酰胺的开环聚合形成的半结晶聚酰胺。当ε-己内酰胺在约533k下在氮气惰性气氛中加热约4至5小时时,环可能断裂并可能经历聚合。在聚合过程中,每个ε-己内酰胺分子内的酰胺键可能断裂,当单体成为聚合物骨架的一部分时,每侧的活性基团重新形成两个新的键。与其中酰胺键的方向在每个键处反转的聚酰胺6.6不同,聚酰胺6酰胺键可以位于相同的方向上。聚酰胺6可以具体地以纤维形式提供。聚酰胺6.6也可以称为尼龙6.6、尼龙66、尼龙6-6、尼龙6/6或尼龙6,6。聚酰胺6.6可以由各自包含六个碳原子的两种单体即六亚甲基二胺和己二酸制成。聚酰胺6.6可以通过六亚甲基二胺和己二酸的缩聚来合成。相等量的六亚甲基二胺和己二酸可以在反应器中与水合并。这可以结晶以制备尼龙盐,即铵/羧酸盐混合物。尼龙盐可以进入反应容器,在反应容器中分批地或连续地进行聚合过程。除去水可以通过从酸和胺官能团形成酰胺键来驱动反应朝向聚合。从而可以形成熔融的聚酰胺6.6。它可以被挤出和造粒或者可以通过经由喷丝板挤出和冷却以形成长丝而直接纺成纤维。
13、如以上所概述,在步骤b)中,使用至少一个近红外光谱仪装置获取样品的至少一个光谱。如通常所用,术语“光谱”是指光谱范围的分区,特别地,红外(ir)光谱范围,尤其是近红外(nir)或中红外(midir)光谱范围中的至少一个。光谱的每个部分可以由光信号构成,该光信号可以由信号波长或波数和对应的信号强度定义。如本文所用,术语“获取”被技术人员理解为是指对事实和/或数据的决定、得出结论或确定。因此,“获取光谱”可能涉及测量光学信号,具体地记录并可选地在合适的存储装置上存储表示近红外光谱仪装置的光学信号的数据点。
14、具体地,步骤b)可以包括确定并可选地在存储介质上存储表示吸光度信号的数据点,具体地对于波数。术语“吸光度”可以是指入射辐射功率与通过材料的透射辐射功率之比的常用对数。具体地,吸光度可以是指与入射光谱辐射功率与通过材料的透射或反射光谱辐射功率之比的常用对数相对应的光谱吸光度。如光谱学中所用的术语“波数”可以定义为每单位距离的波长数,通常为厘米(cm-1)。具体地,可以在6250cm-1至6550cm-1的区域中获取光谱。此外,具体地,可以在6150cm-1至6550cm-1的区域中获取光谱。
15、如本文所用,术语“光谱仪装置”可以是指能够记录关于光谱或其分区(如波长间隔)的对应波长的信号强度的仪器,其中该信号强度可以优选地以电信号的形式提供,该电信号可以用于进一步评估。光谱仪装置可以具体地包括至少一个光学元件,尤其是选自滤光器或色散元件中的至少一个。本文中,色散元件可以优选地选自棱镜、光栅、长度可变滤光器或干涉仪中的至少一个。然而,其他实施例可能也是可行的。光学元件可以被设计用于接收入射光并将入射光传输到检测器阵列。此外,光学元件可以被指定用于将入射光分离成组成波长信号的光谱。
16、此外,光谱仪装置可以包括至少一个检测器阵列。检测器阵列可以具体地通过透明间隙与光学元件分离并且可以包括多个检测器元件。每个检测器元件可以被指定用于接收组成波长信号之一的至少一部分。此外,检测器阵列可以被配置为根据通过组成波长信号之一的至少一部分对多个检测器元件的照射来生成至少一个检测器信号。检测器元件可以优选地沿着光学元件的长度以一维矩阵的形式布置成单条线,或者作为替代方案,以二维矩阵的形式布置成多于一条线,尤其是以两条、三条或四条平行线的形式,特别地,为了尽可能地接收组成波长信号的大部分强度。此外,可替代地,光谱仪装置可以包括至少一个单个检测器,具体地在存在移动部件如在干涉仪中的情况下。然而,其他实施例可能也是可行的。
17、如本文进一步所用,术语“光”通常是指电磁辐射的分区,其通常被称为“光学光谱范围”并且包括可见光谱范围、紫外光谱范围和红外光谱范围中的一个或多个。术语“可见光”通常是指具有380nm至760nm的波长的电磁辐射。术语“红外”或“ir”通常是指具有760nm至1000μm的波长的电磁辐射,其中760nm至3μm的波长通常被称为“近红外”或“nir”,而3μ至15μm的波长通常被称为“中红外”或“midir”,并且15μm至1000μm的波长被称为“远红外”或“fir”。用于本发明的典型目的的光特别是在ir光谱范围中、优选地在nir或midir光谱范围中的至少一个内的光,更优选具有1μm至5μm、优选1μm至3μm、尤其是1.5μm至1.6μm的波长,大致对应于6250cm-1至6550cm-1的波数。可以优选地从物体发出的光可以起源于物体本身,但是也可以可选地具有不同的起源,优选地至少一个照明源,并且从该起源传播到物体并随后朝向光谱仪装置。从物体传播到光谱仪装置的光可以是可以被物体和/或连接到物体的反射单元反射的光。因此,可以以反射模式获取光谱。可替代地或附加地,光可以至少部分地穿过物体。
18、可选地,该方法可以包括至少一个预处理步骤。具体地,预处理步骤可以包括在进行步骤c)之前对光谱进行预处理。通常,nir光谱包括漫反射和镜面反射或直接透射的混合。光谱的形状可能受到不同因素的影响。首先,不同波长的入射光可能经历样品的不同吸收,具体地由于样品本身的化学性质。其次,材料的粒度的差异可能导致光根据其波长以不同的角度偏离。散射效应以及路径长度的可能差异可能构成nir光谱的变化的主要原因。第三,由于定位的变化和/或样品表面的不规则性,可能出现样品与样品之间的路径长度差异。散射效应可以既是加性的,又是乘性的。加性效应如路径长度差异可能产生光谱沿垂直轴的基线位移,而乘性效应可能改变光谱的局部斜率。因此,术语“对光谱进行预处理”可以是指对光谱的校正,其目的是消除或至少减少与样品的化学性质无关的影响,但可能具体地取决于样品形态和测量几何形状。
19、具体地,预处理步骤可以包括选自由以下组成的组的至少一种技术:散射校正技术;导数技术。
20、散射校正技术可以选自由以组成的组:乘性散射校正(msc);标准正态变量变换(snv);鲁棒正态变量变换(rnv);范围缩放;帕累托(pareto)缩放。其他散射校正技术可能也是可行的。
21、msc可能需要参考光谱。参考光谱可以是指理想上没有散射效应的光谱。示例性地,平均光谱xa可以被视为参考光谱。由于粒度和路径长度效应可能在样品与样品之间随机变化,因此平均光谱可以合理地减少这些效应。具体地,msc可以分两个步骤进行。首先,每个光谱xi可以相对于平均光谱回归:xi≈ai+bixa。其次,可以计算校正光谱:
22、snv可以在每个单独的光谱上进行。因此,可能不需要参考光谱。snv校正可以分两个步骤进行。首先,每个光谱xi可以通过减去其均值来均值中心化。其次,每个均值中心化的光谱可以除以其自身的标准偏差:
23、rnv可以以与snv类似的方式工作:代替均值,可以应用百分位数,具体地可选择的百分位数。代替通常的标准偏差,可以应用低于百分位数的值的标准偏差。
24、此外,导数技术可以选自由以组成的组:诺里斯(norris)导数滤波,具体地一阶求导,具体地二阶求导;savitzky-golay求导。其他导数技术可能也是可行的。
25、诺里斯导数滤波也可以被称为诺里斯-威廉姆斯(nw)求导。诺里斯导数滤波可以被配置用于避免有限差分中的噪声膨胀。诺里斯导数滤波可以具体地包括两个步骤。首先,可以对光谱进行平滑,从而对给定数量的点执行平均:因此,m可以对应于以当前测量点i为中心的平滑窗口中的多个点。其次,对于一阶求导,可以取两个平滑值之间的差值,在它们之间具有给定间隔大小(大于零):x′i=x平滑,i+间隔-x平滑,i-间隔。对于二阶求导,点i处的平滑值和两侧间隔距离处的平滑值可取两次:x″i=x平滑,i-间隔-2·x平滑,i+x平滑,i+间隔。示例性地,诺里斯导数滤波的二阶导数可以应用15个像素的窗口大小。15个像素的窗口大小可以应用于光谱标准化的非常具体的情况,该光谱标准化可以针对来自可以实施8cm-1像素间距的装置的光谱进行。因此,任何不同的间距选择可能需要完全不同的窗口大小。
26、此外,可以在进行步骤c)之前进行基线校正。基线校正可以是预处理步骤的一部分或者可以作为附加步骤执行。nir光谱通常可能表现出基线偏移和曲线趋势,这是例如由照明角度或光程长度的变化引起的。基线校正可以被配置用于在公共基线上重置nir光谱。具体地,可以通过拟合、具体地通过线性拟合或通过多项式拟合来计算基线。然而,其他方法可能也是可行的。此后,可以通过从光谱中去除基线来获得基线校正的光谱。
27、示例性地,可以应用迭代受限最小二乘算法。该算法可以包括一次平滑、重复基线抑制和具有二阶导数约束的回归。示例性地,可以应用以下正则化参数:主平滑的二阶导数约束=6;二次平滑的二阶导数约束=4;正残差的加权=0.1。然而,其他正则化参数可能也是可行的。
28、具体地,可以在执行步骤c)之前进行以下步骤:
29、i.执行至少一个基线校正;
30、ii.执行至少一个散射校正,具体地通过执行鲁棒正态变量变换;和/或
31、iii.应用至少一种导数技术,具体地应用诺里斯导数滤波,更具体地应用诺里斯导数滤波的二阶导数。
32、如以上所概述,在步骤c)中,确定来自至少一个光谱的至少一个峰。如本文所用,术语“峰”是指光谱的至少一个局部最大值或其导数。此外,也可以拟合最大值之间的最小值,即负光谱的最大值。如本文所用,术语“确定峰”是指包括峰检测、峰寻找、峰鉴别、峰拟合、峰评估中的一个或多个的任意过程。具体地,该术语可以是指峰的定性确定如峰的存在或不存在的确定和/或峰的定量确定如确定峰的位置。峰确定可以是自动峰确定,即由至少一个计算机和/或计算机网络和/或机器执行的峰确定。具体地,可以在没有手动动作或与用户交互的情况下执行自动峰确定。具体地,在步骤c)中,可以执行光谱的至少一部分的拟合程序。具体地,可以通过使用用于确定峰的至少一个数学运算和/或数学算法来执行拟合程序。具体地,拟合程序可以包括二阶多项式的应用,并且具体地,使用其一阶导数的过零点。具体地,在步骤c)中,可以确定在6300cm-1与6500cm-1之间的区域中,具体地在6350cm-1与6450cm-1之间的区域中的峰。此外,具体地,在步骤c)中,可以确定在6150cm-1与6500cm-1之间的区域中的峰。
33、如以上所概述,在步骤d)中,根据从光谱确定的至少一个峰将样品分类为聚酰胺的至少两种类型之一。如本文所用,术语“分类”是指根据与至少一个样品相关的至少一个参数将至少一个样品分类为至少两个类别的过程,通常表示为“分类过程”。本文中,术语“类别”通常是指样品的不同类型,它们可能因至少一种材料特性和/或样品的至少一种材料的化学结构而彼此不同。具体地,聚酰胺的类型可以选自:聚酰胺6;聚酰胺6.6。然而,聚酰胺的其他类型可能也是可行的。可以参考以上描述。
34、将样品分类可以包括将峰的特性的至少一个数值分配给至少一个预定义区间。具体地,步骤d)可以包括根据从光谱确定的至少一个峰的位置将样品分类。具体地,峰的特性的数值可以对应于波数。从而,预定义区间可以对应于波数的预定义区间。具体地,将样品分类可以包括将从光谱确定的至少一个峰的位置分配给至少一个预定义区间。
35、具体地,将样品分类可以包括将峰的特性的至少一个数值分配给至少一个第一预定义区间或至少一个第二预定义区间。此外,将样品分类可以包括将波数分配给至少一个第三预定义波数区间。术语“第一预定义区间”、“第二预定义区间”和“第三预定义区间”可以仅被视为命名,而不对命名区间进行编号或排序,不指定顺序并且不排除可能存在几种第一预定义区间、第二预定义区间和第三预定义区间的可能性。此外,可以存在附加的预定义区间。术语“预定义”通常可能是指在某一事件发生或引入之前确定、陈述或固定的特性。具体地,预定义区间的一个或多个默认值可以被使用并存储在评估装置的数据存储装置中。此外,预定义区间的值可以由用户手动调整。
36、具体地,第一预定义区间可以包括在6380cm-1与6397cm-1之间,具体地在6385cm-1与6395cm-1之间的波数。此外,第二预定义区间可以包括在6400cm-1与6430cm-1之间,具体地在6405cm-1与6425cm-1之间的波数。此外,第三预定义波数区间可以包括在6395cm-1与6405cm-1之间,具体地在6397cm-1与6400cm-1之间的波数。然而,其他区间可能也是可行的。
37、取决于预处理,峰可能在不同的位置。例如,二阶导数的峰可能系统地从一阶导数或非导数光谱的峰偏移。通常,在6200cm-1和6550cm-1的波数区间内的峰可以是可确定的。实际区间可能在很大程度上取决于所选择的预处理程序。此外,峰位置可能取决于光谱像素宽度。具有不同分辨率的不同nir装置可以提供不同的值。
38、将峰的特性的至少一个数值分配给第一预定义区间或第二预定义区间可以包括将样品分类为聚酰胺的至少两种类型之一。具体地,将峰的特性的至少一个数值分配给第一预定义区间可以包括将样品分类为聚酰胺6.6。此外,将峰的特性的至少一个数值分配给第二预定义区间可以包括将样品分类为聚酰胺6。此外,将峰的特性的至少一个数值分配给第三预定义区间可能导致分类不成功。具体地,峰的特性的至少一个数值可能不能明确地归属于聚酰胺的一种类型。
39、可选地,该方法可以进一步包括至少一个确认步骤。确认步骤可以包括根据光谱的至少一个另外特性,具体地与光谱的峰不同的光谱的另外特性的至少一个另外数值将样品分类。具体地,确认步骤可以包括在至少一个第一预定义波数区间内确定至少一个第一平均吸光度。此外,确认步骤可以包括在至少一个第二预定义波数区间内确定至少一个第二平均吸光度。具体地,第一预定义波数区间可以包括在6294cm-1与6366cm-1之间的波数。此外,第二预定义波数区间可以包括在6406cm-1与6494cm-1之间的波数。然而,其他波数区间可能也是可行的。
40、术语“第一预定义波数区间”和“第二预定义波数区间”可以仅被视为命名,而不对命名区间进行编号或排序,不指定顺序并且不排除可能存在几种第一预定义波数区间和第二预定义波数区间的可能性。此外,可以存在附加的预定义波数区间。第一预定义波数区间和第二预定义波数区间可以分别不同于或可以等同于如以上所概述的第一预定义区间、第二预定义区间或第三预定义区间。此外,第一预定义波数区间和第二预定义波数区间可以分别与如以上所概述的第一预定义区间、第二预定义区间或第三预定义区间重叠。
41、确认步骤可以包括将第一平均吸光度分配给至少两个第一平均吸光度区间之一。此外,确认步骤可以包括将第二平均吸光度分配给至少两个第二平均吸光度区间之一。
42、将第一平均吸光度分配给至少两个第一平均吸光度区间之一和/或将第二平均吸光度分配给至少两个第二平均吸收度区间之一可能导致确认将样品分类为聚酰胺的至少两种类型之一。
43、在本发明的另一个方面,披露了一种用于将样品分类为聚酰胺的至少两种类型之一的系统。如本文进一步所用,“用于将样品分类为聚酰胺的至少两种类型之一的系统”是指这样的仪器,该仪器除了如以上所概述的光谱仪装置之外,可以包括评估装置,该评估装置被指定用于通过评估由光谱仪装置的检测器阵列提供的检测器信号来确定光谱信息,该光谱信息可能与物体的光谱有关。
44、该系统包括至少一个近红外光谱仪装置。近红外光谱仪装置被配置用于获取样品的至少一个光谱。关于近红外光谱仪装置的进一步细节,参考以上描述。此外,该系统包括至少一个评估装置。评估装置被配置用于从至少一个光谱确定至少一个峰并用于根据从至少一个光谱确定的至少一个峰将样品分类为聚酰胺的至少两种类型之一。
45、术语“评估装置”可以通常是指任意部件,其被设计为致动近红外光谱仪装置和/或记录来自近红外光谱仪装置的信号和/或从信号中导出样品的至少一项信息和/或评估这些信号的全部或部分。评估装置也可以被称为控制部件或电子单元。因此,评估装置可以具体地是或可以包括电子部件。电子部件可以被配置用于用近红外光谱仪装置执行测量、记录测量信号、存储测量信号或测量数据、将信号或测量数据传输到另一装置中的一个或多个。因此,电子部件具体地可以包括以下项中的至少一个:电压表、电流表、稳压器、电压源、电流源、信号接收器、信号发送器、模数转换器、电子滤波器、能量存储装置、数据处理装置(如微控制器)。电子部件的其他实施例是可行的。电子部件可以具体地包括至少一个电路板,其上设置有电子部件的元件。此外,评估装置可以被设计成与近红外光谱仪装置电接触。
46、具体地,该系统可以被配置用于执行如以上所述或如将在下面进一步更详细描述的用于将样品分类为聚酰胺的至少两种类型之一的方法。
47、在本发明的另一个方面,披露了近红外光谱仪装置用于将样品分类为聚酰胺的至少两种类型之一的用途。
48、在另一个方面,披露了一种计算机程序,其包括当程序在计算机或计算机网络上,具体地用于多跃迁监测的装置的处理器上执行时用于执行如本文所述的根据任一个实施例的方法,具体地方法步骤b)至d)的计算机可执行指令。
49、因此,一般来说,本文披露和提出了一种计算机程序,其包括当程序在计算机或计算机网络上执行时用于执行本文所包含的一个或多个实施例中的根据本发明的方法的计算机可执行指令。具体地,计算机程序可以存储在计算机可读数据载体上。因此,具体地,如以上所指示的方法步骤中的一个、多于一个或者甚至所有都可以通过使用计算机或计算机网络、优选地通过使用计算机程序来执行。计算机具体地可以完全或部分地集成到用于多跃迁监测的装置中,并且计算机程序具体地可以体现为软件。可替代地,然而,计算机的至少一部分也可以位于用于多跃迁监测的装置外部。
50、本文进一步披露和提出了一种具有程序代码装置的计算机程序产品,以便当程序在计算机或计算机网络上执行时执行本文所包含的一个或多个实施例中的根据本发明的方法,例如上述方法步骤中的一个或多个。具体地,程序代码装置可以存储在存储介质如计算机可读数据载体上。
51、本文进一步披露和提出了一种其上存储有数据结构的数据载体,该数据载体在加载到计算机或计算机网络中(如加载到计算机或计算机网络的工作存储器或主存储器中)之后,可以执行根据本文所披露的一个或多个实施例的方法,具体地上述方法步骤中的一个或多个。
52、本文进一步披露和提出了一种计算机程序产品,其具有存储在机器可读载体上的程序代码装置,以便当程序在计算机或计算机网络上执行时执行根据本文所披露的一个或多个实施例的方法,具体地上述方法步骤中的一个或多个。如本文所用,计算机程序产品是指作为可交易产品的程序。产品通常可以以任意格式存在,如以纸质格式,或者存在于计算机可读数据载体上。具体地,计算机程序产品可以通过数据网络分布。
53、本文进一步披露和提出了一种调制数据信号,其含有计算机系统或计算机网络可读的指令,用于执行根据本文所披露的一个或多个实施例的方法,具体地上述方法步骤中的一个或多个。
54、本文进一步披露和提出了一种存储介质,其中数据结构存储在存储介质上,并且其中数据结构适于在被加载到计算机或计算机网络的主存储器和/或工作存储器中之后执行根据本文所披露的一个或多个实施例的方法的至少步骤b)、c)和d)。
55、具体地,本文进一步披露了:
56、-一种计算机或计算机网络,其包括至少一个处理器,其中处理器适于执行根据本说明书中描述的实施例之一的方法的至少步骤b)、c)和d),以及
57、-一种计算机可加载数据结构,其适于当在计算机上执行数据结构时执行根据本说明书中描述的实施例之一的方法的至少步骤b)、c)和d)。
58、用于将样品分类为聚酰胺的至少两种类型之一的方法和系统与现有技术相比可能具有相当大的优势。因此,通常,手持式nir光谱仪装置可能是可应用的。可以降低成本,可以节省时间,并且可以实现灵活的现场测试,具体地与基于实验室的mir光谱仪装置相反。由于使用nir技术,可以提供非破坏性分析,具体地与已建立的熔点测试相反。
59、总之,在本发明的上下文中,以下实施例被认为是特别优选的:
60、实施例1:一种用于将样品分类为聚酰胺的至少两种类型之一的方法,其中该方法包括以下步骤:
61、a)提供至少一个样品,其中该样品包含聚酰胺的至少一种类型;
62、b)使用至少一个近红外光谱仪装置获取该样品的至少一个光谱;
63、c)从该至少一个光谱确定至少一个峰;以及
64、d)根据从该至少一个光谱确定的该至少一个峰将该样品分类为聚酰胺的该至少两种类型之一。
65、实施例2:根据前一项实施例所述的方法,其中,步骤b)包括确定并可选地在存储介质上存储表示吸光度信号的数据点,具体地对于波数。
66、实施例3:根据前述实施例中任一项所述的方法,其中,步骤d)包括将该样品分类为聚酰胺的至少两种类型之一。
67、实施例4:根据前一项实施例所述的方法,其中,聚酰胺的类型选自聚酰胺6;聚酰胺6.6。
68、实施例5:根据前述实施例中任一项所述的方法,其中,步骤d)包括根据从该光谱确定的该至少一个峰的位置将该样品分类。
69、实施例6:根据前述实施例中任一项所述的方法,其中,在6250cm-1与6550cm-1之间的区域中获取该光谱。
70、实施例7:根据前述实施例中任一项所述的方法,其中,在6150cm-1与6550cm-1之间的区域中获取该光谱。
71、实施例8:根据前述实施例中任一项所述的方法,其中,以反射模式获取该样品的光谱。
72、实施例9:根据前述实施例中任一项所述的方法,其中,该方法包括至少一个预处理步骤,其中,该预处理步骤包括在进行步骤c)之前对该光谱进行预处理。
73、实施例10:根据前一项实施例所述的方法,其中,该预处理步骤包括选自由以组成的组的至少一种技术:散射校正技术;导数技术。
74、实施例11:根据前一项实施例所述的方法,其中,该散射校正技术选自由以组成的组:乘性散射校正;标准正态变量变换;鲁棒正态变量变换。
75、实施例12:根据前述两项实施例中任一项所述的方法,其中,该导数技术选自由以组成的组:诺里斯导数滤波。
76、实施例13:根据前述实施例中任一项所述的方法,其中,在进行步骤c)之前执行基线校正。
77、实施例14:根据前述实施例中任一项所述的方法,其中,在步骤c)中,确定在6300cm-1与6500cm-1之间的区域中,具体地在6350cm-1与6450cm-1之间的区域中的峰。
78、实施例15:根据前述实施例中任一项所述的方法,其中,在步骤c)中,确定在6150cm-1与6500cm-1之间的区域中的峰。
79、实施例16:根据前述实施例中任一项所述的方法,其中,在步骤c)中,执行该光谱的至少一部分的拟合程序。
80、实施例17:根据前述实施例中任一项所述的方法,其中,将该样品分类包括将峰的特性的至少一个数值分配给至少一个预定义区间。
81、实施例18:根据前一项实施例所述的方法,其中,该峰的该特性的该数值对应于该峰的波数。
82、实施例19:根据前述两项实施例中任一项所述的方法,其中,将该样品分类包括将该峰的该特性的该至少一个数值分配给至少一个第一预定义区间或至少一个第二预定义区间。
83、实施例20:根据前一项实施例所述的方法,其中,该第一预定义区间包括在6385cm-1与6395cm-1之间的波数。
84、实施例21:根据前述两项实施例中任一项所述的方法,其中,该第二预定义区间包括在6405cm-1与6425cm-1之间的波数。
85、实施例22:根据前述三项实施例中任一项所述的方法,其中,将该样品分类包括将该峰的该特性的该至少一个数值分配给至少一个第三预定义区间。
86、实施例23:根据前一项实施例所述的方法,其中,该第三预定义区间包括在6397cm-1与6400cm-1之间的波数。
87、实施例24:根据前述五项实施例中任一项所述的方法,其中,将该峰的该特性的该至少一个数值分配给该第一预定义区间或该第二预定义区间包括将该样品分类为聚酰胺的至少两种类型之一。
88、实施例25:根据前述实施例中任一项所述的方法,其中,该方法进一步包括至少一个确认步骤,其中,该确认步骤包括根据与该光谱的该峰不同的该光谱的至少一个另外特性将该样品分类。
89、实施例26:根据前一项实施例所述的方法,其中,该确认步骤包括在至少一个第一预定义波数区间内确定至少一个第一平均吸光度。
90、实施例27:根据前一项实施例所述的方法,其中,该第一预定义波数区间包括在6294cm-1与6366cm-1之间的波数。
91、实施例28:根据前述三项实施例中任一项所述的方法,其中,该确认步骤包括在至少一个第二预定义波数区间内确定至少一个第二平均吸光度。
92、实施例29:根据前一项实施例所述的方法,其中,该第二预定义波数区间包括在6406cm-1与6494cm-1之间的波数。
93、实施例30:一种用于将样品分类为聚酰胺的至少两种类型之一的系统,其中,该系统包括:
94、·至少一个近红外光谱仪装置,其中,该近红外光谱仪装置被配置用于获取样品的至少一个光谱;以及
95、·至少一个评估装置,其中,该评估装置被配置用于从该至少一个光谱确定至少一个峰并用于根据从该至少一个光谱确定的该至少一个峰将该样品分类为聚酰胺的该至少两种类型之一。
96、实施例31:根据前一项实施例所述的系统,其中,该系统被配置用于执行涉及用于将样品分类为聚酰胺的至少两种类型之一的方法的根据前述权利要求中任一项所述的用于将样品分类为聚酰胺的至少两种类型之一的方法。
97、实施例32:近红外光谱仪装置用于将样品分类为聚酰胺的至少两种类型之一的用途。
98、实施例33:一种计算机或计算机网络,其包括至少一个处理器,其中,该处理器适于执行涉及用于将样品分类为聚酰胺的至少两种类型之一的方法的根据前述实施例中任一项所述的用于将样品分类为聚酰胺的至少两种类型之一的方法的至少步骤b)、c)和d)。
99、实施例34:一种计算机可加载数据结构,其适于当在计算机上执行该数据结构时执行涉及用于将样品分类为聚酰胺的至少两种类型之一的方法的根据前述实施例中任一项所述的用于将样品分类为聚酰胺的至少两种类型之一的方法的至少步骤b)、c)和d)。
100、实施例35:一种计算机程序,其中,该计算机程序适于当在计算机上执行该程序时执行涉及用于将样品分类为聚酰胺的至少两种类型之一的方法的根据前述实施例中任一项所述的用于将样品分类为聚酰胺的至少两种类型之一的方法的至少步骤b)、c)和d)。
101、实施例36:一种包括程序装置的计算机程序,其用于当在计算机或计算机网络上执行该计算机程序时执行涉及用于将样品分类为聚酰胺的至少两种类型之一的方法的根据前述实施例中任一项所述的用于将样品分类为聚酰胺的至少两种类型之一的方法的至少步骤b)、c)和d)。
102、实施例37:根据前一项实施例所述的包括程序装置的计算机程序,其中,该程序装置存储在计算机可读的存储介质上。
103、实施例38:一种存储介质,其中,数据结构存储在该存储介质上,并且其中,该数据结构适于在被加载到计算机或计算机网络的主存储器和/或工作存储器中之后执行涉及用于将样品分类为聚酰胺的至少两种类型之一的方法的根据前述实施例中任一项所述的用于将样品分类为聚酰胺的至少两种类型之一的方法的至少步骤b)、c)和d)。
104、实施例39:一种具有程序代码装置的计算机程序产品,其中,该程序代码装置可以被存储或存储在存储介质上,用于当在计算机或计算机网络上执行该程序代码装置时执行涉及用于将样品分类为聚酰胺的至少两种类型之一的方法的根据前述实施例中任一项所述的用于将样品分类为聚酰胺的至少两种类型之一的方法的至少步骤b)、c)和d)。
1.一种用于将样品(114)分类为聚酰胺的至少两种类型之一的方法,其中该方法包括以下步骤:
2.根据前一项权利要求所述的方法,其中,聚酰胺的类型选自聚酰胺6或聚酰胺6.6。
3.根据前述权利要求中任一项所述的方法,其中,步骤d)包括根据从该光谱确定的该至少一个峰的位置将该样品(114)分类。
4.根据前述权利要求中任一项所述的方法,其中,在6250cm-1至6550cm-1的区域中获取该光谱。
5.根据前述权利要求中任一项所述的方法,其中,该方法包括至少一个预处理步骤,其中该预处理步骤包括在进行步骤c)之前对该光谱进行预处理,其中该预处理步骤包含选自由以组成的组的至少一种技术:散射校正技术;以及导数技术。
6.根据前述权利要求中任一项所述的方法,其中,在进行步骤c)之前执行基线校正。
7.根据前述实施例中任一项所述的方法,其中,在步骤c)中,确定在6300cm-1与6500cm-1之间的区域中的峰。
8.根据前述权利要求中任一项所述的方法,其中,将该样品(114)分类包括将峰的特性的至少一个数值分配给至少一个预定义区间。
9.根据前一项权利要求所述的方法,其中,该峰的该特性对应于该峰的波数。
10.根据前述两项权利要求中任一项所述的方法,其中,将该样品(114)分类包括将该峰的该特性的该至少一个数值分配给至少一个第一预定义区间或至少一个第二预定义区间。
11.根据前一项权利要求所述的方法,其中,将该峰的该特性的该至少一个数值分配给该第一预定义区间或该第二预定义区间包括将该样品(114)分类为聚酰胺的至少两种类型之一。
12.根据前述权利要求中任一项所述的方法,其中,该方法进一步包括至少一个确认步骤,其中该确认步骤包括根据与该光谱的该峰不同的该光谱的至少一个另外特性将该样品(114)分类。
13.根据前一项权利要求所述的方法,其中,该确认步骤包括确定在至少一个第一预定义波数区间内的至少一个第一平均吸光度,其中该确认步骤包括确定在至少一个第二预定义波数区间内的至少一个第二平均吸光度。
14.一种用于将样品(114)分类为聚酰胺的至少两种类型之一的系统(110),其中该系统包括:
15.近红外光谱仪装置(112)用于将样品(114)分类为聚酰胺的至少两种类型之一的用途。