Калибровка количественного показателя размера частиц - RU2016129489A

1. Способ выполнения калибровки спектрофотометра для снятия спектра отражения ближнего инфракрасного диапазона (ИК-диапазона) для прогнозирования количественного показателя размера частиц ингредиента, причем способ включает:

сортировку множества проб растительного материала по размеру путем пропускания множества проб растительного материала через сетку и последующего подсчета количественного показателя размера частиц для множества проб растительного материала на основании числа проб растительного материала, пропускаемых через сетку;

измерение коэффициента поглощения или коэффициента отражения множества проб растительного материала с использованием спектрофотометра; и

установление корреляции между количественным показателем размера частиц из этапа (а) и измеренным коэффициентом поглощения или коэффициентом отражения из этапа (b).

2. Способ по п. 1, в котором установление корреляции с количественным показателем размера частиц дополнительно включает построение кривой путем установления корреляции между количественным показателем размера частиц из этапа (а) и измеренным коэффициентом поглощения или коэффициентом отражения из этапа (b).

3. Способ по п. 2, в котором использование спектрофотометра дополнительно включает по меньшей мере одно из использования спектрофотометра ближнего ИК-диапазона, спектрофотометра для снятия спектра отражения ближнего ИК-диапазона, спектрофотометра для снятия спектра пропускания ближнего ИК-диапазона, спектрофотометра ультрафиолетового (УФ) диапазона, спектрофотометра видимого диапазона, Фурье-спектрофотометра ближнего ИК-диапазона, рамановского спектрофотометра и спектрофотометра среднего ИК-диапазона.

4. Способ по п. 3, в котором сортировка множества проб растительного материала по размеру дополнительно включает измерение длины нарезки каждого из множества проб растительного материала.

5. Способ по п. 4, в котором установление корреляции между количественным показателем размера частиц из этапа (а) и измеренным коэффициентом поглощения или коэффициентом отражения из этапа (b) дополнительно включает проведение регрессионного анализа.

6. Способ по п. 5, в котором проведение регрессионного анализа дополнительно включает по меньшей мере одно из множественной линейной регрессии (MLR), регрессии на главные компоненты (PCR), метода частичных наименьших квадратов (PLS), искусственных нейронных сетей (ANN), локально взвешенной регрессии (LWR) и метода опорных векторов (SVM).

7. Способ по п. 6, в котором пропускание множества проб растительного материала через сетку дополнительно включает пропускание проб через сепаратор частиц, содержащий верхнее сито с размером ячеек 1,9 сантиметра (0,75 дюйма) или менее, среднее сито с размером ячеек 0,79 сантиметра (0,31 дюйма) или менее, нижнее сито с размером ячеек 0,41 сантиметра (0,16 дюйма) или менее и нижний поддон.

8. Способ по п. 7, в котором пропускание множества проб растительного материала через сетку дополнительно включает пропускание множества проб растительного материала через сепаратор частиц, содержащий пенсильванский сепаратор частиц.

9. Способ по п. 6, в котором пропускание множества проб растительного материала через сетку дополнительно включает пропускание множества проб растительного материала через сепаратор частиц, содержащий альтернативное устройство для измерения размера частиц (APS).

10. Способ по п. 8, в котором расчет количественного показателя размера частиц дополнительно включает расчет количественного показателя размера частиц в соответствии со способом пенсильванского сепаратора частиц.

11. Способ по п. 9, в котором пропускание множества проб растительного материала через альтернативное устройство для измерения размера частиц дополнительно включает пропускание множества проб растительного материала через сетку с размером ячейки 0,165 сантиметра (0,065 дюйма) или менее.

12. Способ по п. 11, в котором расчет количественного показателя размера частиц дополнительно включает расчет количественного показателя размера частиц в соответствии со способом альтернативного устройства для измерения размера частиц.

13. Калибровка в ближнем ИК-диапазоне для прогнозирования количественного показателя размера частиц для сухого ингредиента, причем калибровка выполняется способом, который включает:

сортировку множества проб фуража по длине нарезки посредством пропускания множества проб фуража через сепаратор частиц, содержащий по меньшей мере одну сетку, и последующего расчета количественного показателя размера частиц для множества проб фуража на основании веса множества проб фуража, пропускаемых через сетку;

измерение коэффициента поглощения или коэффициента отражения множества проб фуража с использованием спектрофотометра; и

установление корреляции между количественным показателем размера частиц из этапа (а) и измеренным коэффициентом поглощения или коэффициентом отражения из этапа (b).

14. Калибровка в ближнем ИК-диапазоне по п. 13, в которой установление корреляции между количественным показателем размера частиц из этапа (а) и измеренным коэффициентом поглощения или коэффициентом отражения из этапа (b) дополнительно включает проведение регрессионного анализа, включающего по меньшей мере одно из множественной линейной регрессии (MLR), регрессии на главные компоненты (PCR), метода частичных наименьших квадратов (PLS), искусственных нейронных сетей (ANN), локально взвешенной регрессии (LWR) и метода опорных векторов (SVM).

15. Калибровка в ближнем ИК-диапазоне по п. 14, в которой пропускание множества проб фуража через сетку дополнительно включает пропускание множества проб фуража через сепаратор частиц, содержащий по меньшей мере один из пенсильванского сепаратора частиц и альтернативного устройства для измерения размера частиц.

16. Калибровка в ближнем ИК-диапазоне по п. 15, в которой расчет количественного показателя размера частиц дополнительно включает расчет количественного показателя размера частиц в соответствии с по меньшей мере одним из способа пенсильванского сепаратора частиц и способа альтернативного устройства для измерения размера частиц.

17. Способ составления кормосмеси, который включает:

калибровку спектрофотометра для снятия спектра отражения в ближнем ИК-диапазоне, включающую:

сортировку множества проб фуража по длине нарезки посредством пропускания множества проб фуража через сепаратор частиц, содержащий сетку, и последующего расчета количественного показателя размера частиц для множества проб фуража на основании количества проб, пропускаемых через сетку;

ii. измерение коэффициента поглощения или коэффициента отражения множества проб фуража с использованием спектрофотометра;

iii. установление корреляции между количественным показателем размера частиц из этапа (i) и измеренным коэффициентом поглощения или коэффициентом отражения из этапа (ii);

прогнозирование количественного показателя размера частиц в общем смешанном рационе с использованием спектрофотометра для снятия спектра отражения ближнего ИК-диапазона, коррелированного в соответствии с этапом (iii);

составление кормосмеси на основании количественного показателя размера частиц в общем смешанном рационе.

18. Способ по п. 17, дополнительно включающий смешивание ингредиентов с общим смешанным рационом.

19. Способ по п. 18, дополнительно включающий кормление животного ингредиентами и общим смешанным рационом.

20. Способ, выполняемый компьютером, который содержит устройство хранения данных и процессор, для калибровки спектрометра для снятия спектра отражения ближнего ИК-диапазона, причем способ включает:

создание базы данных, которая содержит для каждой из множества проб по меньшей мере один количественный показатель размера частиц для пробы и по меньшей мере одну форму спектра для пробы;

создание модели, по меньшей мере частично, посредством установления корреляции между по меньшей мере частью количественных показателей размера частиц в базе данных и по меньшей мере частью форм спектра в базе данных;

калибровку спектрометра для снятия спектра отражения ближнего ИК-диапазона с использованием созданной модели;

получение для по меньшей мере одной новой пробы формы спектра для новой пробы со спектрометра для снятия спектра отражения ближнего ИК-диапазона; и

прогнозирование количественного показателя размера частиц для по меньшей мере одной новой пробы на основании, по меньшей мере частично, формы спектра для новой пробы, полученной со спектрометра для снятия спектра отражения ближнего ИК-диапазона, и созданной модели.

21. Способ по п. 20, в котором создание базы данных включает:

для каждой из множества проб

определение исходного веса пробы,

получение по меньшей мере одной формы спектра для пробы, сгенерированной посредством спектрометра для снятия спектра отражения ближнего ИК-диапазона,

для каждой из множества сеток

определение веса пробы, задерживаемой сеткой, и

определение количественного показателя размера частиц на основании, по меньшей мере частично, определенного веса пробы, задерживаемой сеткой, и определенного исходного веса пробы, и

сохранения корреляции между определенной по меньшей мере одной формой спектра и определенным количественным показателем размера частиц.

22. Способ по п. 20, дополнительно включающий:

проверку созданной модели, причем проверка созданной модели включает:

выбор из созданной базы данных по меньшей мере одной пробы, не использованной для создания модели, и

для каждой выбранной из созданной базы данных проб, не использованной для создания модели,

прогнозирование количественного показателя размера частиц для выбранной пробы на основании, по меньшей мере частично, формы спектра для выбранной пробы и созданной модели и

сравнение количественного показателя размера частиц, сохраняемого в созданной базе данных для выбранной пробы, с прогнозированным количественным показателем размера частиц для выбранной пробы.

23. Способ по п. 20, в котором установление корреляции между по меньшей мере частью количественных показателей размера частиц в базе данных и по меньшей мере частью форм спектра в базе данных включает проведение регрессионного анализа.

24. Способ по п. 23, в котором проведение регрессионного анализа дополнительно включает по меньшей мере одно из регрессии на основе частичных наименьших квадратов, регрессии на главные компоненты, локальной регрессии, нейронной сети или метода опорных векторов.

25. Вычислительная система, содержащая устройство хранения данных и процессор, для калибровки спектрофотометра ближнего ИК-диапазона, которая включает:

компонент, выполненный с возможностью для каждой из множества проб

принимать с цифровых весов вес пробы, и

для каждой из множества частей проб

принимать с цифровых весов вес части пробы,

определять количественный показатель размера частиц для части пробы и

принимать со спектрофотометра ближнего ИК-диапазона спектральную информацию для части пробы;

компонент, выполненный с возможностью создания математической модели, которая устанавливает корреляцию между по меньшей мере частью определенных количественных показателей размера частиц и по меньшей мере частью полученной спектральной информации;

компонент, выполненный с возможностью калибровки спектрофотометра ближнего ИК-диапазона на основании, по меньшей мере частично, созданной математической модели; и

компонент, выполненный с возможностью прогнозирования для каждой из множества новых проб количественного показателя размера частиц для новой пробы на основании, по меньшей мере частично, формы спектра для новой пробы, полученной со спектрофотометра ближнего ИК-диапазона, и созданной модели,

причем каждый компонент содержит выполняемые компьютером инструкции, которые хранятся в запоминающем устройстве для выполнения процессором.

26. Компьютерная система по п. 25, в которой спектральная информация для по меньшей мере одной пробы включает измерение коэффициента поглощения или коэффициента отражения по меньшей мере одной пробы.

27. Машиночитаемое устройство хранения данных, в котором хранятся инструкции, которые при выполнении компьютерной системой, содержащей процессор, приводят к реализации компьютерной системой способа, который включает:

для каждой из множества проб фуража

получение по меньшей мере одного количественного показателя размера частиц для пробы фуража и

получение по меньшей мере одного показания спектральной информации для пробы фуража;

создание модели, по меньшей мере частично, посредством установления корреляции между по меньшей мере частью полученных количественных показателей размера частиц для ингредиентов фуража и соответствующим полученным показанием спектральной информации для ингредиентов фуража;

калибровку спектрометра для снятия спектра отражения ближнего ИК-диапазона с использованием созданной модели;

получение для по меньшей мере одной новой пробы фуража формы спектра для новой пробы фуража со спектрометра; и

прогнозирование количественного показателя размера частиц для по меньшей мере одной новой пробы фуража на основании, по меньшей мере частично, формы спектра для новой пробы фуража, полученной со спектрометра, и созданной модели.