粗糙颗粒涂层中光散射的定量光谱分析:一种优化的库贝卡-蒙克建模方法
《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》:Quantitative spectroscopic analysis of light scattering in rough granular coatings: an optimized Kubelka–Munk modeling approach
【字体:
大
中
小
】
时间:2026年06月23日
来源:Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy 4.3
编辑推荐:
苗志梅|杜佳磊|龙文恒|刘海雄|薛河南|吴峰|王国东
中国云南省昆明市650000,昆明理工大学化学工程系
摘要
对粗糙的颗粒状基质进行定量光谱分析面临巨大挑战,因为存在复杂的非线性光散射以及多变的背景吸收。为了解决农业级磷酸盐涂层中由这些光学现象引起的光谱偏差,本
苗志梅|杜佳磊|龙文恒|刘海雄|薛河南|吴峰|王国东
中国云南省昆明市650000,昆明理工大学化学工程系
摘要
对粗糙的颗粒状基质进行定量光谱分析面临巨大挑战,因为存在复杂的非线性光散射以及多变的背景吸收。为了解决农业级磷酸盐涂层中由这些光学现象引起的光谱偏差,本研究基于对Kubelka–Munk(K–M)理论的优化,提出了一种经过物理修正的光谱模型。对比分析表明,虽然经验性数学修正方法(二次模型)能够改善反射率光谱的数学拟合效果,但无法把握浓度与吸收之间的本质物理关系,从而导致复杂光谱系列的量化误差较大(平均相对偏差为2.80)。相比之下,引入Saunderson系数以考虑表面折射率和内部散射的k修正模型,在预测光谱响应方面展现出更高的准确性。实验验证表明,这种基于物理原理的方法显著降低了复杂绿色系列样品的浓度量化误差(从1.17降至0.85),并将光谱色差(?Eab?)减少了约50%(从2.67降至1.35)。此外,对于黄色和咖啡棕色目标光谱,其颜色差异也始终被控制在1.0以下。这些研究结果表明,考虑物理光学特性——尤其是表面散射和内部散射——对于准确建立颗粒涂层的光谱模型至关重要,可为预测复杂着色体系的光学行为提供可靠的框架。
引言
彩色肥料不仅有助于提升产品辨识度、防止假冒,还能提高生产与应用过程中的操作精度及视觉一致性[1]。具体而言,着色可以弥补因磷酸盐来源、杂质以及制造条件不同而导致的固有颜色差异——例如,由不同磷矿石制成的磷酸二铵(DAP)颜色可从灰白色到深棕色不等,这会影响产品的外观及批次均匀性[2]。因此,添加着色剂不仅能标准化产品外观,还能作为区分不同配方、减少操作错误以及确保现代化肥在田间均匀施用的有效手段。
然而,传统的涂覆方法往往会导致表面着色不均匀,且在储存或搬运过程中颜色稳定性较差[3]。相比之下,内部着色法——即在中和之前将着色剂直接加入磷酸中——能够确保颗粒内部的颜色均匀性,并具备更强的抗褪色能力[4]、[5]。尽管内部着色具有诸多操作优势,但工业领域的颜色控制仍主要依赖经验,很大程度上依赖于主观视觉判断以及反复试错式的配方调整。这种手工方法不仅耗费资源,还常常无法实现精确的颜色匹配。不过,由于颗粒基质的固有物理化学复杂性,预测内部着色肥料的最终颜色仍面临巨大挑战。首先,颗粒的尺寸分布通常在2–4毫米之间且不均匀,这会引发不规则的光散射效应;其次,市售的磷酸二铵产品往往是磷酸一铵(MAP)和磷酸二铵(DAP)的混合相,这两种相具有不同的晶体结构和折射率[6],从而使得颗粒内的光路径变得复杂;第三,工业级磷酸不可避免地含有不同水平的金属杂质(如钙、镁、铝),这些杂质会根据中和温度的不同沉淀为复杂的混合盐[7]、[8]。颗粒的形态、相组成及杂质含量的这些差异会导致基线颜色出现大幅波动,而传统经验方法几乎无法控制这类波动。
为了实现精确的颜色预测并实现对染料用量的定量控制,需要一个基于物理原理的模型来考虑肥料基质的固有变化特性。具体而言,该模型必须通过严格整合颗粒异质性及杂质引发的散射效应等因素,实现从定性描述向定量光谱建模的过渡。Kubelka-Munk(K-M)理论最初是为浑浊介质中的光散射现象开发的,它通过将光吸收(取决于染料浓度)与散射(取决于颗粒基底)有效分离,为这一任务提供了理想的框架[9]、[10]。虽然K-M模型已在纺织和表面涂层行业得到广泛应用[11],但其在该类具有独特半透明性和异质性的无机颗粒系统——尤其是磷酸盐肥料——中的应用尚未得到充分研究。
本研究基于改进的Kubelka–Munk(K-M)方法,为内部着色的磷酸二铵肥料构建了一个定量颜色预测框架[12]。通过分析不同染料浓度下制备的磷酸二铵样品的光谱反射率,建立了特定的吸收-散射关系,进而得出特征性的K/S函数。关键的是,本研究引入了两个经验修正因子(k1和k2),用以弥补由于磷酸盐颗粒的散射增强和部分透明性所导致的系统性偏差[13],从而确保光谱重建的准确性。通过将这种实验校准与逆向计算算法相结合,所提出的模型能够精确量化染料浓度,并根据目标色度数据准确重建光谱响应。
本研究通过三种具有代表性的颜色体系——黄色、绿色和咖啡棕色——对所提出方法的有效性进行了实验评估,这些颜色体系是通过内部着色工艺在造粒之前制备的。预测精度是通过标准色度参数(CIEL?a?b?、ΔEab?)以及光谱反射率数据的绝对相对偏差(ARD)来评估的[14]。此外,还分析了理论计算值与实际应用染料用量之间的差异,以此作为衡量模型实用性能的重要指标。这种同时涵盖外观表现和浓度精度的双重验证,证明了该模型在解决复杂散射效应以及降低颗粒介质光谱分析中的测量不确定性方面的强大能力。
材料
本研究以粒径分布为2–4毫米的商用农业级磷酸二铵颗粒(64%来自云南天安化工有限公司)作为着色实验的基体材料。内部着色反应则采用分析级磷酸(含85wt%的H3PO4)作为反应介质。着色剂方面,本研究选择了五种具有代表性的工业级着色剂,其中包括两种水溶性染料、两种有机颜料以及一种天然着色剂。
理论基础
K-M理论建立了扩散散射层的光谱反射率与其固有光学常数之间的定量关系[16]、[17]。对于光学上不透明的层——即厚度足够大以至于光透射率可忽略的层——其理论反射率(R∞)可通过特征性的K-M函数与吸收系数(K)和散射系数(S)联系起来:
KS = FR = 1 ? R2/2R
其中K和S分别表示吸收系数和散射系数。
结果与讨论
图3展示了用不同浓度的黑色、红色、黄色和蓝色着色剂处理后的磷酸二铵颗粒的特征K/S吸收光谱。观察到的光谱特征与选择性吸收及互补波长机制所决定的视觉颜色直接相关:黑色颜料会在整个可见光范围内产生平坦且无特征的吸收光谱(见图3A)。这种全波段、非选择性的衰减作用会降低整体亮度值(L*)。
结论
本研究系统比较了用于描述着色磷酸盐肥料颗粒光谱反射特性的线性模型、二次模型以及经过散射修正的Kubelka–Munk模型。尽管二次拟合提升了光谱数据的统计一致性(R2),但由于在光谱结构复杂的混合物中会出现与剂量相关的不稳定偏差,因此并未带来可靠的预测性能。这些结果表明,所观察到的差异主要源于……
作者贡献说明
苗志梅:概念设计、数据整理、正式分析、研究实施、初稿撰写。杜佳磊:概念设计、方法设计、软件应用、论文审阅与编辑。龙文恒:项目管理、资源协调。刘海雄:模型验证、研究实施、方法设计。薛河南:资金筹措、项目管理、资源协调。吴峰:项目管理、资源协调。王国东:资金筹措、课题指导。
利益冲突声明
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
致谢
本研究得到了云南云天化股份有限公司的“绿色包装油开发与应用项目”(项目编号:130000002592)的资助。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号