用于药品质量快速检测的近红外光谱模糊神经元分类方法

针对非线性且分类界线模糊的药品质量类别快速测定难题, 将近红外光谱分析与模糊神经网络相结合, 经研究提出近红外光谱模糊神经网络分类方法, 用于计算辨析中药等化学组成复杂药品的近红外光谱模式类别, 从而快速评定这类药品的质量. 以参麦注射液为典型分析对象, 以鉴别其生产厂家这一模式分类问题为例, 考核本文方法, 结果表明, 其分类准确率达到94.2%, 明显优于经典的BP神经网络分类方法(84.6%), 可望用于中药产品质量类别的快速检测与评价.     

基于自组织映射神经网络的中药注射剂质量快速鉴别方法

将近红外光谱分析技术与人工神经网络相结合,研究提出一种基于自组织映射神经网络的近红外光谱神经元分类模型,用于对中药注射剂产品的近红外光谱进行计算分析,可实现对注射剂质量的快速鉴别。以3个不同厂家生产的参麦注射剂为研究对象,考察本方法的分类能力,其分类正确率达到96.4%,优于参与比较的判别式偏最小二乘法(90.5%)、反向传播神经网络(88.1%)和支持向量机(90.5%)。     

一种基于最小二乘支持向量机算法的近红外光谱判别分析方法

将最小二乘支持向量机(LSSVM)用于近红外(NIR)光谱分析,建立一种新型的NIR光谱快速鉴别方法。以丹参药材道地性鉴别为例,对其NIR漫反射光谱进行主成分分析后,运用LSSVM法建立NIR光谱非线性分类模型,对丹参药材道地性进行快速鉴别。将本方法与经典SVM和BP神经网络法相比较,结果表明,本法判别准确率高,计算时间少,可推广应用于中药等天然产物质量快速鉴别。     

一类基于模糊神经元的复杂非线性化学模式识别方法

针对模式类别边界曲折而模糊的复杂化学模式分类问题,提出一种化学模式模糊分类方法,并给出其模糊神经元分类器设计和网络训练算法,使模糊神经元分类器具有学习功能.以一个应用实例检验了该方法的实效.     

人工神经网络-近红外光谱法非破坏监测芦丁药品的质量

用近红外漫反射光谱法非破坏监测芦丁药品的质量。利用人工神经网络化学计量学分类技术，建立三层神经元的神经网络，对网络参数进行优化选择以建立最佳网络模型。根据芦丁药品的近红外漫反射光谱，成功地分辨出合格药品和不合格药品。     

基于多通道CNN-GRU的表面增强拉曼光谱对毒品的模糊识别

毒品问题是全世界当局面临的严峻挑战,对缉获样品、生物体液和废水中毒品的快速检测是打击毒品犯罪的重要环节和领域热点.本文提出了多通道深度神经网络结合表面增强拉曼光谱(SERS)快速识别混合毒品的新方法,成功实现对溶液中海洛因(heroin)、氯胺酮(ketamine)、3,4-亚甲二氧基甲基苯丙胺(MDMA)的快速模糊识别.该方法以金纳米颗粒(Au NPs)作为增强基底,利用SERS对毒品进行高灵敏分析,运用深度学习对获得的差异信号进行辨识,从而实现对多种毒品的模糊识别.基于多通道卷积神经网络(CNN)-门控神经单元(GRU)模型可以从原始数据中提取空间与序列的高维分布特征,以99.9%的高准确率分类, 99.6%的准确率半定量,远优于传统CNN模型.该方法为复杂基质中混合毒品的快速模糊识别提供了新途径.     

用人工神经网络-近红外光谱法测定冬虫夏草中的甘露醇

提出了用近红外漫反射光谱技术快速分析发酵冬虫夏草菌粉中甘露醇含量的新方法。采用比色法测定样品中的甘露醇，其含量范围为8．082％-14．548％。在7501．7-6097．8cm^-1与5453．7-4246．5cm^-1波段，分别采用PCR、PLSR和BP神经网络方法建立了样品近红外光谱的一阶微分光谱与其甘露醇含量之间的相关模型。BP神经网络模型的内部交叉验证误差均方根为0．475，预测误差均方根为0．608，均优于PCR和PLSR的处理结果。这表明，BP神经网络法对非线性检测对象具有较好的建模效果，可用于中药近红外光谱分析的非线性校正。     

刺五加注射液近红外含量预测模型谱段选择规律和消除溶剂干扰方法的探讨

目前中药制剂生产过程中缺乏全过程参数检测和质量控制技术手段,不同生产批次药品化学成分差异较大、质量不够稳定、临床使用疗效和安全性不理想,因此,建立其完善的质量评价体系及其准确快速的质量评价方法,成为中药质量控制的重中之重.通过对刺五加注射液近红外(near infrared,NIR)含量预测模型的谱段选择规律和消除溶剂干扰方法的探讨,发现采用表征混合物结构差异的结构相关谱段结合含量相关谱段作为NIR组分预测模型谱段,用基于水为参比光谱的样本光谱建立含量预测模型,并利用水作为参比光谱识别和提取待分析组分的光谱信息,可以得到较理想的NIR含量预测结果.通过对刺五加注射液中绿原酸、紫丁香苷和刺五加苷E组分的近红外光谱结构相关谱段和含量相关谱段的归属,分别建立了绿原酸、紫丁香苷和刺五加苷E组分的含量预测模型,可用于快速分析刺五加注射液中不同组分的含量.     

中药材三七提取液近红外光谱的支持向量机回归校正方法

提出近红外光谱的支持向量机回归校正建模方法.以中药材三七渗漉提取液为实际分析对象,对其近红外光谱数据进行预处理和主成分分析后,用支持向量机回归算法建立人参皂苷R_g1,R_b1和R_d以及三七总皂苷的近红外光谱校正模型.以R_g1,R_b1和R_d的HPLC测定值及三七总皂苷的比色法测定值为参照,将本文方法与偏最小二乘回归和径向基神经网络建模方法相比较,结果表明,本文所建模型的预测准确性优于后两者,可推广应用于中药提取过程的近红外光谱分析.     

近红外光谱法非破坏性同时测定海洛因、O6单乙酰吗啡、乙酰可待因

提出了近红外漫反射光谱快速无损测定缴获白粉中海洛因、O6单乙酰吗啡、乙酰可待因含量新方法。采用GC-MS分析了缴获88份白粉中这3组分的质量百分含量范围分别为12.15%~79.54%,0.4%~18.56%,0.23%~9.11%。以交叉验证误差均方根(RMSECV)为指标,确定各组分用于建模的最优近红外波段和光谱预处理方法,采用偏最小二乘算法建立近红外光谱与这三组分GC-MS分析值之间的校正模型,并以此预测了35个白粉样本。δ代表预测样本NIR值/GC-MS值,海洛因、O6单乙酰吗啡、乙酰可待因δ值的均值为100.63%,100.35%和98.71%,RSD分别为3.96%,7.02%,8.54%。该方法快速无损,结果可靠。     

扑热息痛片剂药品的近红外光谱法非破坏定量分析

现代近红外光谱分析技术将近红外光谱 (NIR)法同计算机科学和化学计量学结合 ,实现了对样品进行无损非破坏性定量分析 .该法具有速度快、操作简单及所需样品少等特点 ,能够实现样品分析的时间同步、地点同步及无损非破坏分析 .为实现生产过程中即时、在线的质量控制提供了新的手段[1 ] .本文应用人工神经网络 [2 ]与近红外漫反射光谱相结合对扑热息痛片剂药品进行了非破坏快速定量分析 .用扑热息痛片剂药品的近红外漫反射光谱数据、一阶导数光谱数据及二阶导数光谱数据分别建立了 ANN模型 ,预测未知样品 ,讨论了影响网络的因素 ,使用了新…     

“动态”近红外光谱结合深度学习图像识别和迁移学习的模式识别方法研究

该文以山羊绒与山羊绒/羊毛混纺织物以及纯棉与丝光棉织物为研究对象,使用其"动态"光谱,扩大类间的光谱差异信息,通过融合其同步和异步二维相关光谱,用多张动态光谱构造一张能反映细节化学差异信息的"化学图像"。使用GoogLeNet深度神经网络图像识别模型结合迁移学习,建立了一种光谱分类的新方法。收集了234个织物样品,制备水含量分别为0、5.4%、11.2%和16.3%的样本,同时采集样品的漫反射近红外光谱。使用干基样品的多种预处理光谱,利用线性分类方法簇类独立软模式识别(SIMCA)和非线性方法支持向量机(SVM),共建立了16个分类模型。其中,山羊绒与山羊绒/羊毛混纺织物的SIMCA和SVM最优预测正确率分别为63.33%和70.09%,纯棉与丝光棉织物的分别为71.02%和72.51%,均不能实现有效分类。新方法对山羊绒与山羊绒/羊毛混纺织物的预测正确率为92.59%,纯棉与丝光棉织物的为94.74%,获得了有效分类。该文首次将图像分类方法用于光谱分类识别,开辟了一种新的研究途径。针对实际应用能收集到的样品属于小样本,不能满足深度学习需要大数据样本的问题,使用迁移学习方法使深度学习框架适应了光谱分类(小样本),为人工智能领域中先进的识别技术用于解决化学问题提供了一个成功示范。     

近红外光谱法快速测定肼-70纯度

利用重量法精确配制不同肼质量分数的肼-70样品集,采用偏最小二乘法建立了肼质量分数的近红外光谱模型,以快速测定肼-70的纯度。样品恒温时间为5 min,光谱最佳预处理方式:均值中心化,一阶导数,21点平滑,模型最佳主因子数为4。近红外光谱法与碘酸钾直接滴定法测定结果相比相对偏差绝对值小于0.13%,经t检验,两种方法测定结果无显著性差异。近红外光谱法快速、准确,可用于肼-70产品的质量控制。     

一种基于小波变换的近红外化学指纹图谱分析方法

提出了一种快速无损的化学指纹图谱分析新方法. 根据小波变换多分辨分析的特点, 对近红外(NIR)光谱进行小波分解, 从中提取被测样品的化学特征信息, 并作数字信息可视化处理, 构建形成可直观识别样品模式特征的NIR指纹图谱. 将该方法用于中药材丹参的质量检测, 检测结果与色谱指纹图谱检测结果相符, 能快速有效地识别丹参质量模式间的差异, 有望发展成为一种快速分析检测天然产物质量的方法.     

一种用于中药纯化过程的近红外光谱分析新方法

针对中药大孔吸附树脂纯化过程缺乏在线检测分析手段等问题，提出基于光纤 近红外透射光谱的过程分析新方法．以黄连提取物为例，采用HPLC分析测定值作参 比，用偏最小二乘算法建立了近红外透射光谱校正模型，并成功地用于预测黄连生 物碱在大孔树脂纯化过程中的洗脱曲线．本方法实时、快速，可同时测定洗脱物中 盐酸小檗碱、盐酸巴马亭、盐酸药相碱和黄连总生物碱的浓度．预测精度满足工业 过程分析要求，为提高中药质量分析水平提供了新的途径．     

川贝母中浙贝母掺入量的快速检测方法研究

外观相似、化学成分相近的中药材,很难进行有效的质量控制.本文应用近红外漫反射光谱技术和化学计量学手段,建立了快速检测川贝母中浙贝母掺入量的新方法.以含不同川贝母和浙贝母比例的41个样本建立校正集,通过偏最小二乘法得到最佳校正模型.对6个预测集样本进行预测分析,得到近红外光谱预测值与真值的相关系数r=0.9997,样品回收率为97.96%～100.86%,RSD为0.8l%.本方法具有快速方便、结果准确的特点,可以应用于中药材的品质分析和质量控制中.     

基于主成分分析和小波神经网络的近红外多组分建模研究

将小麦叶片原始光谱经过预处理后,采用主成分分析(PCA)对数据进行降维,取前3个主成分输入小波神经网络,建立了基于主成分分析和小波神经网络的近红外多组分预测模型(WNN);进一步研究了小波基函数个数的选取(WNN隐层节点数)对小波神经网络模型性能的影响,并将WNN模型与偏最小二乘法(PLS)和传统的反向传播神经网络(BPNN)模型进行了比较.结果表明,所建立的WNN模型能用于同时预测小麦叶片全氮和可溶性总糖两种组分含量,其预测均方根误差(RMSEP)分别为0.101%和0.089%,预测相关系数(R)分别为0.980和0.967.另外,在收敛速度和预测精度上,WNN模型明显优于BPNN和PLS模型,从而为将小波神经网络用于近红外光谱的多组分定量分析奠定了基础.     

近红外光谱与组合的间隔偏最小二乘法测定清开灵四混液中总氮和栀子苷的含量

应用近红外光谱分析技术结合化学计量学方法, 建立了中药清开灵注射液中间体总氮和栀子苷含量测定的新方法. 首先采用Kernard-Stone法对训练集样本和预测集样品进行分类, 然后应用组合的间隔偏最小二乘法(Synergy interval partial least squares, siPLS)对所得近红外透射光谱进行有效谱段范围的选择以及二者定量校正模型的建立, 并对光谱预处理方法进行了详细的讨论. 所建立的总氮和栀子苷校正模型的预测相关系数(R)分别为0.999和0.708; 交叉验证误差均方根(RMSECV)均为0.023; 预测误差均方根(RMSEP)分别为0.074和0.159; 预测结果表明, 本实验所建方法快速、无损且可靠, 可推广并应用于中药注射液中间体的在线质量控制.     

卷积神经网络和支持向量机算法在塑料近红外光谱分类中的模型应用

机器学习算法的应用使得塑料自动分类成为可能,而废旧塑料的分类回收对保护环境、节约资源有重要意义。该文结合近红外光谱分析技术,比较了使用一维卷积神经网络（1D CNN）和多元散射处理后支持向量机算法（MSC－SVM）建模的效果,及对PP新生料、PP再生料、PE新生料、PE再生料4种塑料分类的准确率。基于100个塑料样本近红外光谱数据的分类结果表明,验证集上1D CNN模型准确率为91.5%,MSC－SVM模型准确率为90.8%。1D CNN模型用于识别PP和PE新生料时,准确率可达100%。证明1D CNN建模方法在小数据集上进行准确塑料分类是可行的。     

基于高光谱技术的玉石鉴定及模型研究

为了给玉石鉴定提供依据以及得到优化预测模型,分别对天然玉石和假玉石的可见光高光谱图像进行分析。针对高光谱图像数据的非线性、小样本以及空间光谱维数大等问题,本研究首先对原始光谱数据进行主成分分析(PCA),使高维光谱数据降维,通过对比分析其平均光谱图和方差贡献率图,发现天然玉石与假玉石的谱线之间存在很大的差距,证明了高光谱成像技术在玉石鉴定领域的可行性。然后分别采用费希尔(Fisher)判别法、反向传输(BP)神经网络以及支持向量机(SVM)判别法建立的三种数学模型对玉石进行分类模式判别,结果显示,用Fisher判别法能直接得到预测的类别归属,用BP神经网络以及SVM判别法得到的类别鉴定准确率分别为96.37%,82.5%。研究结果表明,高光谱技术结合BP人工神经网络预测建模方法可以作为快速和非破坏性预测玉石真假的有效手段。