Para resolver la deficiencia de la baja generalización del modelo de espectroscopía de infrarrojo cercano debido a las diferencias en el entorno de medición y los instrumentos, se propone un método de transferencia de modelo basado en la transformación wavelet combinada con el algoritmo de tiempo dinámico warping (Wavelet transform combined with dynamic time warping, WDTW), logrando así compartir modelos entre diferentes instrumentos. Primero, el espectro se preprocesa mediante transformación wavelet, luego se utiliza el algoritmo de warping de tiempo dinámico (Dynamic time warping, DTW) para encontrar la correspondencia óptima entre los puntos de longitud de onda del espectro de infrarrojo cercano y establecer una ecuación de regresión. Se establecieron modelos de transferencia utilizando conjuntos de datos espectrales de medicamentos y gasolina, validando la eficacia del método de transferencia basado en la transformación wavelet y warping de tiempo dinámico. Las desviaciones estándar de predicción (SEP) para los componentes C7, C8, C9 y C10 en el conjunto de datos espectrales de gasolina fueron 0.4144, 0.8011, 1.0904 y 1.2908 respectivamente; las SEP de actividad, dureza y peso en el conjunto de datos espectrales de medicamentos fueron 2.5856, 0.4345 y 2.2703 respectivamente, todas inferiores a los métodos tradicionales. Los resultados experimentales anteriores indican que el método de transferencia de modelo establecido puede eliminar eficazmente las diferencias entre los espectros de la máquina fuente y la máquina objetivo, mejorar la estabilidad y precisión del modelo y lograr el efecto de transferencia del modelo.

Espectroscopía de infrarrojo cercano (NIR); transferencia de modelo; transformación wavelet; warping de tiempo dinámico