奇异点快速检测在牛奶成分近红外光谱测量中的应用

近红外光谱作为一种依靠模型对物化性质进行分析的技术,对光谱数据的准确性进行快速准确的判断是得到可靠分析结果的前提。但是光谱数据中奇异点的存在会在很大程度上影响多变量校正模型的准确性,从而影响模型的预测效果。文章综合利用半数重采样法(Resampling by Half-Mean,RHM)和最小半球体积法(Smallest Half-Volume,SHV)成功剔除了被测量的牛奶成分近红外光谱中的奇异点,其效果远优于传统的奇异点剔除方法,并且该方法具有简单快速、计算量小、数值稳定等特点,非常适用于在线分析和其他类型的光谱数据中奇异点的检测。     

毒死蜱乳油中敌敌畏违禁添加的红外快速测定

分别采用中红外衰减全反射技术和近红外光谱分析透射技术对毒死蜱乳油中违禁添加的敌敌畏乳油含量进行了快速定量测定。利用偏最小二乘法(partial least squares,PLS)建立敌敌畏的定量模型并进行优化,再分别用独立检验集和不同批次考核样本对模型适应性进行评价。结果表明,中红外和近红外光谱分析技术均可以准确测定毒死蜱乳油中敌敌畏的含量。中红外校正集标准差(RMSEC)为0.013,近红外为0.020,模型测定系数(R2)二者均为1.000。对于考核样品,近红外模型适用性更好,不需要进行模型修正,预测标准差(RMSEP)为0.09;中红外模型需要进行修正,修正后预测标准差(RMSEP)为0.03。红外光谱分析技术因前处理方法简单,测量迅速、方便,对于监督部门进行农药质量控制具有重要意义。     

基于近红外光谱技术预测径/弦切面粗皮桉木材微纤丝角

采用近红外光谱分析技术,对不同切面粗皮桉木材的微纤丝角进行快速预测研究.使用X射线衍射仪测定了粗皮桉木材生长锥尤疵小试样的微纤丝角,并用近红外光谱仪采集试样的近红外漫反射光谱,对粗皮桉木材径切面和弦切面原始光谱进行二阶导数预处理并选择一定光谱段建立回归模型.以至少159个试样作为校正集建立木材微纤丝角的偏最小二乘法校正模型,使用交互验证法进行验证.结果表明,两个切面粗皮按木材的微纤丝角与近红外光谱之间有较好的相关性.利用近红外光谱分析方法可以实现不同切面粗皮桉木材无疵小试样微纤丝角的快速预测.     

深度信念网络的近红外光谱分析建模方法

近红外光谱是一种快速、无损的定量分析工具,现如今已广泛的应用在各个行业中。近红外光谱分析技术应用的关键就在于如何建立一个有效而又精确的模型。目前常用的定量分析方法大多为浅层模型,深度信念网络(DBN)是一种基于概率的深层模型,可以自动学习输入的有效特征表示,且只要设置最后隐层输出节点数低于输入光谱维度,在对光谱数据完成特征提取的同时即可实现降维。对于近红外光谱样本量大、变量多、维度高等问题,提出一种基于深度信念网络的近红外光谱建模方法,定量分析物性浓度。该方法以近红外光谱数据作为输入信号,首先对多层受限玻尔兹曼机(RBM)进行无监督学习,实现光谱自身特征的提取;然后利用目标理化值对网络进行微调得到最优模型参数。在建立DBN校正模型的基础下对其进行改进,建立DBN-PLS校正模型。通过建立DBN近红外光谱校正模型、 DBN-PLS近红外光谱校正模型,验证了DBN建模和DBN-PLS建模的可行性,并引入决定系数(R~2)和均方误差(MSE)两个模型评价指标,对比分析了传统BP建模和DBN建模的精度。分析结果表明,相较于传统定量分析方法建模,利用DBN方法建模和DBN-PLS方法建模可以提高预测精度。     

乙烯醋酸乙烯酯共聚物断裂伸长率的近红外光谱分析方法

提出采用近红外光谱测定乙烯醋酸乙烯酯共聚物(EVA)断裂伸长率的定量分析方法。实验从EVA生产线收集60个样本,并采用GB/T 1040-2006方法测定其断裂伸长率。采用傅里叶近红外光谱仪与漫反射积分球附件测量样本的近红外光谱。样本光谱经过Savitzky-Golay求导、均值中心化与净分析信号预处理后,通过偏最小二乘方法将预处理后光谱与断裂伸长率进行关联,建立EVA断裂伸长率的定量分析模型。模型的校正相关系数R_c、验证相关系数R_p,校正标准偏差SEC与验证标准偏差SEP分别为0.98,21,0.97及27。结果表明,采用近红外光谱方法分析EVA的断裂伸长率,具有操作简便、快速无损的特点,精密度可以满足标准方法的要求。     

基于可见光和近红外光谱鲜猪肉蒸煮损失和嫩度检测的研究

蒸煮损失和嫩度是决定猪肉的食用品质的重要指标,文章提出了可见光/近红外漫反射光谱检测真空包装猪肉的蒸煮损失和嫩度的新方法,从而实现对其快速、无损、无污染测定。利用光谱专用分析软件Unscrambler9.6对采集的近红外漫反射光谱分别进行卷积平滑、二阶微分法和多元散射校正预处理,用偏最小二乘法(PLS)建立其定量校正模型。结果表明近红外光谱漫反射法的预测值与常规方法测定值的相关系数分别为0.81和0.78。该研究结果说明基于可见光/近红外光谱漫反射光谱的检测方法简便易行,是无损检测猪肉的蒸煮损失和嫩度的较好方法。     

基于可见/近红外光谱技术的林地土壤氮含量测定

提出一种利用可见/近红外光谱技术进行杉木林土壤全氮测定的方法.利用不同方法实现了土壤光谱的预处理,并以偏最小二乘回归算法(PLS)建立土壤氮含量估测模型对其进行比较分析,发现小波除噪结合多远散射校正能最有效地消除原始光谱的噪声与背景信息,此时PLS模型校正集与预测集R2分别为0.891与0.885.为优化模型,对预处理后的光谱数据采用主成分分析法(PCA)降维,以最小二乘支撑向量机回归算法(LS-SVR)建立了土壤氮含量估测模型,其校正集与预测集R2分别提高至0.921与0.917,具有比PLS算法更高的精度.结果表明:以可见/近红外光谱技术进行林地土壤氮含量快速监测是可行的,其中小波去噪结合多元散射校正系光谱预处理的优选方法,而LS-SVR则是建模的优选方法.     

近红外光谱技术在快速测定连翘提取物中连翘苷含量的应用

本文主要对近红外光谱技术在快速测定连翘提取物中连翘苷含量的应用进行了研究。利用近红外漫反射光谱法采集样品的近红外光谱,以HPLC分析值作为参考值,采用偏最小二乘法(PLS)建立连翘苷含量的定量校正模型,并用未知样品对该模型进行验证。所建模型的相关系数(R2)、校正均方差(RM-SEC)和内部交叉验证均方差(RMSECV)分别为0.9745、0.117和0.2392;经外部验证,预测相关系数(r2)和预测均方差(RMSEP)分别为0.9788和0.0776。结果表明该方法操作简便,无污染,结果准确可靠,可用于连翘提取物中连翘苷含量的快速测定。     

近红外光谱用于杉木木材强度分等的研究

利用近红外光谱技术对木材强度分等进行了研究.选择 1000～1400 nm波段,结合偏最小二乘法,在木材强度和近红外光谱数据间建立了校正模型,校正模型的相关系数(r)为0.89,校正标准误差(SEC)为6.30 MPa.利用校正模型对35个未知样品的强度进行预测,根据近红外预测值和实测值分别对木材样品进行分等,A级预测...     

近红外光谱法测定缓释制剂中冰片释放量

利用近红外光谱技术与化学计量学方法建立了冰片缓释样品近红外光谱与冰片浓度之间的定量模型,以实现冰片释放量的快速测定。配制与缓释制剂具有相同物质体系的的冰片醇水溶液,获取其近红外光谱,采用偏最小二乘法(PLS)建立冰片含量预测模型并考察了图谱类型、建模样品浓度及建模区间对校正模型和预测结果的影响。结果表明采用原始近红外光谱,在5 314～7 032 cm-1区间,将样品按照中高浓度、低浓度范围建模可以获得最佳校正结果与预测结果。最后采用所建的中高浓度区模型测定了冰片包合物在醇水体系中冰片含量,实现了对缓释制剂冰片累加释放量的快速测定,可为冰片缓释制剂的研发快速提供评价数据。     

基于太赫兹波时域光谱技术的纺织材料鉴别和分类技术研究

提出了一种基于太赫兹时域光谱(THz-TDS)技术和聚类分析方法的纺织材料鉴别和分类方法,并以几种典型的棉材料作为实验介质证明此方法的可行性。利用THz-TDS系统测得了介质在THz波段的时域光谱信号,并从中提取出其吸收光谱。应用主成分分析法提取纺织材料吸收光谱的特征,然后应用马氏距离分类法对这些材料进行分类,实验结果表明这五种材料可以被准确区分。研究结果表明以纺织纤维的THz吸收光谱作为数据特征,采用主成分分析法与马氏距离判别法相结合的方法鉴别成分相似的纺织纤维是可行的,该方法有望为成分相近的纺织材料鉴别提供一种有效的分析方法。     

一种新型光谱多元分析模式识别方法

SIMCA采用PCA模型参数和F检验构造计算T2_i/T2_ucl和S_i/Q统计量作为样本分类的新属性,并计算待测样本到各类主成分空间的欧式距离作为判别类别的依据,是一种最常用和优秀的光谱分类方法。但是,在Q对T2作图平面上,以欧式距离确定的样本分布范围是一个圆,多数情况下并不一定能符合实际样本分布规律。本文在分析了SIMCA理论缺陷的基础上,提出了一种新方法,即用马氏距离代替欧氏距离作为判别依据来判断样本的类别。并设计了采用红外光谱判别组分比例很接近的掺假食用油样本的实验,以及用近红外光谱判别相近皮毛样本的实验。用调和比5%～8%的食用油红外光谱PCA模型,分别以马氏距离和欧式距离计算出其样本的分布范围,结果表明马氏距离的分类与识别能力更强。新方法和SIMCA对动物皮毛样本的正确识别率分别为87.5%和75%,对比例相近的食用油调和油的正确识别率分别为65%和55%。结果表明新方法对化学组成差异微小的样品分类精度明显优于SIMCA。     

一种基于光谱奇异值检测的高光谱遥感小目标探测方法

高光谱遥感技术能够借助丰富的地物图像和光谱信息,反映目标地物与背景地物间的细微差异,从而将其区分开来。目前的小目标探测算法多侧重于从图像处理方面着手,文章则从光谱维数据分析的角度出发,利用光谱分析中的奇异值检测方法探测小目标,首先对关注区域的地物像元光谱进行连续统去除和正交变换等预处理;然后将每个像元的光谱对该区域平均光谱进行光谱匹配求其相似性,并实现高光谱数据降维;而后通过光谱角匹配值的马氏距离进行奇异值检测,将马氏距离大于自适应阈值的像元判定为小目标。该方法不需要任何先验信息,实验结果表明该方法运算量较小,运算速度快,并有较好的小目标探测准确度。     

近红外光谱分析青贮玉米NDF中判别异常光谱的研究

对近红外光谱分析青贮玉米中性洗涤纤维(NDF)中异常光谱的判别进行了研究。该试验通过将马氏距离阈值分别设定为3(固定值)、2倍马氏距离平均值和马氏距离平均值+2倍马氏距离标准差三种不同值,分别判别和剔出建模过程中的异常光谱,比较不同的阈值设定对模型效果的影响。结果表明,当马氏距离阈值设为3(固定值)时,异常光谱剔出不收敛,可靠性不高。当马氏距离阈值设为2倍马氏距离平均值时,剔出后模型的相关系数、标准差、决定系数及综合得分均低于剔出前,可靠性不高。只有当马氏距离阈值设定为马氏距离平均值+2倍马氏距离标准差时,预测模型的最高相关系数ｒ达到0.97,标准差为2.456,模型预测效果最佳。因此,将马氏距离阈值设定为马氏距离平均值+2倍马氏距离标准差对近红外光谱分析青贮玉米NDF中异常光谱判别的可行性较高,在这种情况下剔出异常光谱后模型效果最佳。     

局部建模方法用于烟草样品的近红外光谱定量分析

采用近红外光谱在主成分空间的距离作为样本相似性的判据,建立了一种用于近红外光谱定量分析的局部建模方法。该方法首先对校正集的光谱进行主成分分析(PCA),然后基于主成分空间中预测样本与校正集样本的距离选择校正子集并建立局部偏最小二乘(PLS)回归模型。对欧氏距离和马氏距离的比较表明,欧氏距离可以更好地表达样本之间的相似性。将所建立的方法用于烟草样品中氯和尼古丁含量的测定,结果表明局部建模方法比常用的全局建模方法具有更好的预测准确性,特别是在低含量成分的预测中具有明显优势。     

近红外光谱的不同牌号聚乳酸识别方法

塑料牌号是塑料生产公司根据原料性质、用途的差异而内部制定的编号。通过检测材料的物理化学性能能间接识别其牌号，但速度慢且具有破坏性。因此，利用了近红外光谱(near infrared spectroscopy, NIR)技术对不同牌号的聚乳酸(polylactic acid), PLA)进行识别。采用主成分分析法(principle component analysis, PCA)分别与马氏距离(mahalanobis distance, MD)、人工神经网络(artificial neural network, ANN)和支持向量机(support vector machine, SVM)结合的模型进行分析预测。在900～1 700 nm的波长范围，采用三种不同牌号的聚乳酸共90个样本的光谱进行建模，另取这3种牌号共90个样本进行识别，比较三种预测模型对PLA牌号的识别能力。结果表明，在对样品的光谱数据做主成分分析后，以验证集的前两个主成分做散点图，发现明显的聚类现象，以前9个主成分得分作为输入变量所建立的马氏距离判别、人工神经网络判别、支持向量机判别均能够对不同牌号的聚乳酸有效识别。最好的判别方法——马氏距离判别正确率能够达到98.9%。因此，近红外光谱能够对不同牌号的PLA进行无损、快速、准确的识别。     

基于近红外光谱技术的钢结构防火涂料品牌鉴别方法研究

为了实现钢结构防火涂料在流通使用领域中不同品牌的现场快速鉴别,提出了一种用近红外光谱技术快速鉴别钢结构防火涂料品牌的方法。运用光栅扫描型近红外光谱仪器,通过近红外漫反射光谱获取不同品牌钢结构防火涂料的光谱曲线,并对光谱数据进行标准正态变量变换(standard normal variate transformation, SNV)、Norris二阶求导等优化处理。利用主成分分析法(principal component analysis, PCA)对钢结构防火涂料品牌进行聚类分析,前五个主成分的累积方差贡献率已达到99.791%,以PC1,PC2和PC3×10的得分值对所有建模样品在三维空间作图,对不同品牌的钢结构防火涂料具有很好的聚类作用。利用5个品牌的各25个样品建立校正模型,用余下5个品牌的各5个样品,共计25个样品进行外部验证,通过未知样品光谱的主成分得分值计算其与校正模型中每个品牌的马氏距离值,实现未知样品的品牌鉴别。建立的定性分析模型对未知样品的外部验证正确率达到100%。说明该分析方法能够快速准确的鉴别钢结构防火涂料品牌,并为市场规范提供技术参考。     

中红外光谱的HFC水分含量和粘度测量

针对水-乙二醇抗燃液压液（HFC）目前常用的水分含量和粘度测量方法存在操作复杂,耗时长,测量成本较高等问题,研究了将中红外光谱分析法应用于HFC水分含量和粘度测量。以85个实际在用油样为样本集,采用传统的电量法和毛细管法分别测量水分含量和运动粘度;使用衰减全反射液体池（ATR）采集各样本的中红外光谱并进行光谱校正、背景扣除、Savitzky-Golay(SG)平滑处理和基线校正等预处理。水分含量测量模型构建过程中,利用学生化残差-杠杆值法寻找强影响点,判定为异常样本并加以剔除;利用马氏距离SPXY法划分建模样本集和验证样本集。根据Beer-Lambert定律,水分含量和红外光谱吸光度成正比,采用线性方法来构建水分含量和吸光度红外光谱之间的关系模型。同时为提高模型的鲁棒性和泛化能力需要消除光谱中的无用信息、冗余信息和噪声,因此采用后向间隔偏最小二乘法（BiPLS）进行水分含量测量特征谱区优选,并建立线性校正分析模型。结果表明剩余3 526~3 354,1 790~1 618,3 005~2 660和1 096~924 cm-1波段时获得最小的交叉验证均方根误差（RMSECV）。特征波段优选结果可以理解为,根据3 526~3 354 cm-1波段预测HFC体系中所有OH的量,减去根据3 005~2 660和1 096~924 cm-1波段换算得到的乙二醇中的OH,进而计算得到水分含量,为进一步提高精度,将水中OH变角振动吸收峰对应的1 790~1 618 cm-1波段作为水分含量测量的辅助波段。利用独立验证样本进行模型检验,结果表明所建立的线性模型相关系数（r）为0.989 5,预测均方根误差（RMSEP）为0.405 2,满足HFC中水分含量测量精度需求。粘度测量模型构建过程中,利用马氏距离法寻找离群样本,判定为异常样本并加以剔除,利用马氏距离SPXY法进行建模样本集和验证样本集划分。粘度是一个与多重因素有复杂关系的理化指标,和红外光谱之间表现为非线性关系。基于主成分分析结合BP神经网络法（PCA-BPNN）构建非线性粘度校正分析模型,提取累积贡献率为95.12%的前10个主成分作为输入,测得的粘度值为输出,创建单隐层BP神经网络并进行训练,训练结果相关系数r为0.996 8。利用独立验证样本进行模型检验,结果表明所建立的非线性模型r为0.984 3,RMSEP为0.615 1,满足HFC粘度测量精度需求,且优于采用BiPLS线性模型获得的结果。确定了可用于HFC中水分含量测量的四个中红外波段,可为窄带红外光谱分析法或其他类似研究提供依据。研究结果表明中红外光谱分析法结合BiPLS和PCA-BPNN分析法可分别应用于HFC水分含量和粘度测量,精度符合监测需求,为HFC中分含量和粘度测量提供了一种新的测试方法,相比于传统测量方法具有快速、无损、低成本的特点。     

罗汉果不同倍性及其遗传关系的FTIR研究

利用傅里叶变换红外光谱法(FTIR)测定了不同倍性(二倍体、三倍体、四倍体)罗汉果叶片的红外光谱,以不同波数段上的吸光度为指标,通过主成分分析和聚类分析研究了罗汉果的倍性差别及遗传关系.结果表明,罗汉果在倍性与亲缘遗传上表现出:倍性差别越大,在主成分三维排序图中的相对位置和聚类图中的遗传距离均越远,呈现出2×<3×<4...     

SVDD的近红外光谱定性分析光谱质量判定方法

近红外光谱属微弱信号,其质量易受被测物体自身状态及各种外界因素干扰,具体而言,在近红外光谱定性分析中,影响光谱质量的因素主要有光谱仪状态改变、光谱采集人员错误操作、奇异样本干扰等。建模时若混入质量较差的光谱易影响所建模型的稳健性与适用性,因此光谱质量判定是确保模型预测能力的一项重要工作。目前用于定量分析的光谱质量判定研究较多,而用于定性分析的光谱质量判定研究较少,为此,提出一种基于支持向量机数据描述的近红外光谱定性分析光谱质量判定方法,采用自制漫透射近红外光谱装置采集单籽粒玉米光谱,以正常状况下采集的某品种玉米单籽粒漫透射光谱作为正常样本,而人为漏光、近红外探测器窗口覆盖玉米表皮碎屑、光源强度改变、光源与被测玉米籽粒距离改变、相近品种玉米籽粒混入等几种情况下所采集光谱作为异常样本,在此数据集基础上研究了基于支持向量机数据描述的定性分析光谱质量判定模型建立的原理与方法,其后将支持向量机数据描述方法与常用的马氏距离法、局部异常因子法等光谱质量判定方法进行了对比,并以正常样本正确识别率与异常样本正确拒识率的均值作为评价标准,对实验结果进行分析,由实验结果可以看出相比其他两种方法,基于支持向量机数据描述的光谱质量判定方法具有最优判定能力,建模集正常样本数目会影响光谱质量判定能力,在实际使用光谱质量判定方法时,建模集应包含足量样本。在近红外定性分析时可以将该方法作为剔除异常光谱的手段,在预处理、特征提取,模式分类等近红外光谱定性分析步骤前首先进行基于支持向量机的光谱质量判定步骤,并剔除异常光谱,可有效提高近红外光谱定性分析模型的可靠性,亦为近红外光谱定性分析光谱质量判定提供新的方法参考。