近红外漫反射光谱法预测紫花苜蓿草颗粒营养价值

研究旨在探讨利用紫花苜蓿草颗粒样品的近红外漫反射光谱信息,建立能够预测其营养价值的校正模型。采集22份全株草颗粒、19份茎颗粒、19份叶颗粒共60份紫花苜蓿草颗粒样品,其中建模样品45份,检验样品15份。利用傅里叶变换近红外漫反射光谱技术(FT-NIRS)采集各实验样品的近红外漫反射光谱,运用偏最小二乘法(PLS)建立了紫花苜蓿草颗粒粗蛋白(CP)、中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)含量的预测模型。3个预测模型的校正模型建模效果均较好,其交叉检验相关系数(R_CV)为0.964 10～0.968 87,交互验证的残差均方根(RMSECV)为0.80%～2.59%。用15个检验样品对模型进行外部检验,预测相关系数(r)为0.966 9～0.974 3,外部验证的残差均方根(RMSEP)为0.85%～2.07%。所建模型的交叉检验和外部检验RPD均大于3,表明近红外光谱分析技术可以准确地预测紫花苜蓿草颗粒的营养价值。     

PCA-SVR联用算法在近红外光谱分析烟草成分中的应用

由50份烟草样品的近红外漫反射光谱组成的光谱矩阵经过主成分分析降维,采用基于支持向量机回归(SVR)算法,以常规化学分析方法测定的总糖、还原糖、总氮、烟碱的含量为参考值,建立了烟草中主要成分近红外光谱定量分析定标模型,并采用留一法交叉验证(LOOCV)对模型进行验证。以内部交叉验证预测的RMSE值为判据,从核函数类型、惩罚因子C和不敏感函数ε取值等方面对定标模型进行优化,获得不同成分定标模型的优化参数。烟草总糖、还原糖、总氮、烟碱优化定标模型的RMSE值分别为1.581,1.412,0.117和0.313。同时建立了烟草以上成分的偏最小二乘回归(PLS)、多元线性回归(MLR)以及误差反向传播人工神经网络(BP-ANN)定标模型,通过内部交叉验证的RMSE值与SVR定标模型进行比较,结果表明SVR模型具有更好的预测效果。     

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。     

近红外漫反射光谱法定量分析连翘药材

利用近红外漫反射光谱技术和偏最小二乘法定量分析了连翘药材中连翘苷与连翘酯苷的含量。所建立校正模型内部交叉验证均方差(RMSEC)分别为0.327、0.273,交叉验证决定系数分别为0.968、0.978。利用该模型对10份未知样品进行预测,预测值和参考值之间的相关系数分别为0.929、0.986,预测均方差(RMSEP)分别为0.421、0.260,该法具有准确、快速、不破坏样品等优点。     

主成分-逐步回归近红外光谱法测量纸浆卡伯值

主成分 -逐步回归法用于纸浆卡伯值的近红外光谱法测量建模。结果表明 ,这种算法由于主成分分析法消除了变量间的相关性 ,逐步回归法又在一定程度上防止主成分分析法带来的光谱数据信息的损失 ,所以利用该算法建立的纸浆卡伯值测量模型 ,与一元回归、多元回归和主成分回归等方法相比 ,具有更高的预测精度。     

基于近红外光谱和最小二乘支持向量机的聚丙烯酰胺类型鉴别

提出了一种基于近红外光谱分析技术和最小二乘支持向量机的鉴别方法,能够快速、无损鉴别聚丙烯酰胺的三种类型。获取非离子,阴离子和阳离子等三种类型的聚丙烯酰胺样本的近红外漫反射光谱,用主成分分析方法对样本光谱数据进行降维,并提取主成分。基于前三个主成分对三种类型的聚丙烯酰胺样本进行聚类分析,并将主成分作为最小二乘支持向量机的输入。通过基于网格搜索的交叉验证方式优化最小二乘支持向量机的参数和作为其输入的主成分个数。每种类型聚丙烯酰胺各采集60个样本,共采集180个样本,每种类型样本随机选取45个样本,共135样本作为训练样本集,剩余45个样本作为测试集。为了验证该方法能否鉴别掺假样本,制备了掺入不同比例非离子聚丙烯酰胺的5个阴离子和5个阳离子聚丙烯酰胺样本。采用基于训练样本集交叉验证预测误差的F统计显著性检验方法来确定样本的鉴别结果误差阈值。结果表明,预测测试集时,准确率为100%。预测10个混和样本时,所有混合样本都被准确识别出。说明该方法能快速无损鉴别不同类型的聚丙烯酰胺并且具有掺假鉴别能力,为聚丙烯酰胺类型的快速鉴别提供了一种新方法。     

基于光谱技术和支持向量机的生鲜猪肉水分含量快速无损检测

为实现生鲜肉水分含量的快速无损检测,在波长350～1 700 nm范围内采集生鲜猪肉98个样本的可见近红外反射光谱。经中值平滑滤波、多元散射校正和一阶微分复合预处理方法对原始光谱进行降噪处理。将样本数据随机分为训练集和测试集,以训练集交叉验证网格搜索法确定最佳惩罚参数,利用径向基核函数的支持向量机算法建立了支持向量机预测模型,并与偏最小二乘回归建模法进行比较。用径向基核函数的支持向量机算法所建模型对生鲜肉水分含量进行预测的结果为：训练集的预测相关系数R_c为0.96、标准差SEC为0.32,测试集的预测相关系数R_v为0.87、标准差SEV为0.67。实验结果证实用支持向量机所建模型适合于生鲜猪肉水分含量的无损快速检测。     

可见／近红外漫反射光谱无损检测南丰蜜桔维生素C的研究

应用可见/近红外漫反射光谱对南丰蜜桔维生素C含量进行了无损检测研究.在谱区350～1 800nm,应用主成分分析和偏最小二乘法对经过预处理光谱进行数学建模,主成分数和光谱区间选择分别由完全交互验证和回归系数法确定.定标模型对10个未知样品的预测结果是:预测相关系数为0.813,预测均方差为2.112 mg(100 g)-1,预测偏差为-0.810 mg(100 g)-1.文章表明利用可见/近红外漫反射光谱技术无损检测南丰蜜桔维生素C具有可行性.     

近红外光谱技术结合RCA和SPA方法检测土壤总氮研究

基于近红外光谱技术结合连续投影算法和回归系数分析对检测土壤总氮含量进行研究。采集农田土壤样本近红外光谱数据,土壤样本数量共394个。由于原始光谱数据量大,在500～2 500 nm光谱波长范围基础上,为简化模型,在原始光谱基础上采用连续投影算法和回归系数分析提取特征变量,以两种变量选择方法提取的特征变量作为输入,分别采用偏最小二乘回归(PLS)、 多元线性回归(MLR)和最小二乘支持向量机(LS-SVM)建模方法建立总氮预测模型,共建立了9个预测模型,最优预测集的决定系数为0.81,剩余预测偏差RPD为2.26。研究表明,基于连续投影算法和回归系数分析选择的特征波长可以应用于近红外光谱检测土壤总氮含量,同时可以大大简化模型,适合开发便携式土壤养分检测仪。     

样品表面近红外光谱结合多类支持向量机快速鉴别枸杞子产地

采用便携式近红外光谱仪采集枸杞子表面不同部位的近红外漫反射光谱,结合多类支持向量机算法对枸杞子产地进行快速无损辨识。以识别率为评价指标进行光谱预处理方法的选择,为了消除样本划分偏性对结果的影响,本研究通过重复划分样本集多次建模与预测,利用识别率的统计结果考察各个光谱采集部位的建模结果。实验结果表明,原始数据经二阶导数加SG平滑处理后,所建模型具有良好的产地预测性能。除了枸杞子顶端部位外,其他部位模型的稳定性及准确性均较好,其外部验证识别率的中位数与平均值均大于97%。这表明利用枸杞子样品表面近红外光谱可实现产地的准确鉴别,便携式近红外光谱技术可作为中药材流通环节中的有效监控手段。     

基于全谱数据挖掘技术的土壤有机质高光谱预测建模研究

可见/近红外高光谱技术与建模方法是当前土壤近地传感器研究领域的重要方向,可应用于土壤养分信息的快速获取和农田作物的精确施肥管理。以浙江省水稻土为研究对象,利用以非线性模型为核心的数据挖掘技术,包括随机森林、支持向量机、人工神经网络等方法分别建立了不同建模集和验证集的原始光谱与有机质含量的估测模型。结果表明：研究比较的1∶1,3∶1和全部样本建模并全部验证的三种样本模式划分对建模的结果有一定的影响。相较于目前常用的偏最小二乘回归(PLSR)建模方法而言,非线性模型RF和SVM也取得了较好的建模精度,三种模式下其RDP值均大于1.4。特别是采用SVM建模方法所得模型具有很好的预测能力,模式二下其RDP值达到2.16。同时引入ANN方法改进建立的PLSR-ANN方法显著提高了PLSR的模型预测能力。     

透反射近红外光谱法快速测定大豆油中的脂肪酸

应用透反射技术在1 100~2 500 nm波谱段采集大豆油近红外光谱,采用改进的偏最小二乘法算法,建立了近红外光谱快速测定大豆油中五种主要脂肪酸含量的方法。以气相色谱法测定的158个大豆油样品中棕榈酸(C16∶0)、硬脂酸(C18∶0)、油酸(C18∶1)、亚油酸(C18∶2)和亚麻酸(C18∶3)含量作为其化学值,建模集样品数为138,检验集样品数为10,盲样验证集样品数为10;通过对定标模型的优化,五种脂肪酸的交互定标决定系数(1-VR)分别为0.883 9,0.583 0,0.900 1,0.977 6,0.959 6,交互定标标准误差(SECV)分别为0.42,0.29,0.83,0.46,0.21;盲样验证集样品五种脂肪酸的近红外预测值与化学值的相对标准误差均小于5.50%。结果表明,近红外预测值与化学值之间存在较好的线性关系,所建立的方法快速、方便、可靠,可用于大豆油的掺伪鉴别。     

小麦种子自然老化程度的近红外光谱无损识别

应用近红外光谱技术无损分析小麦种子短期自然老化过程中主要化学成分的变化趋势,并结合支持向量机建立快速判别小麦种子自然老化程度的分析模型。本实验应用VERTEX 70傅里叶变换红外光谱仪,以大样品杯旋转采样方式跟踪采集了45份小麦种子在自然老化初期、4个月、7个月、9个月的近红外光谱。标准差可以用来表征数据离散程度,因此本实验通过计算每份样本在4个自然老化阶段的光谱标准差来筛选与自然老化时间显著相关的谱区。为避免单个样本由于偶然因素导致的离散度值异常,实验统计了45份样本的光谱标准差均值,根据均值光谱得到如下谱峰：8 362,6 950,7 563,5 319,4 998和4 478 cm-1处。解析谱峰所在区域对应的化学基团归属可得：6 950 cm-1处对应的是液态水中O-H伸缩振动的一级倍频且该处离散度值较大,因此小麦种子在短期自然老化阶段中水分变化较为显著;5 319,4 998和4 478 cm-1处离散度值较6 950 cm-1处小,对应的是蛋白质仲酰胺、伯酰胺和酰胺的合频和倍频信息,因此蛋白质变化较水分而言相对平缓;8 362和7 563 cm-1处反映的主要是C-H振动的二级倍频信息且离散度值较大,而种子中蛋白质、淀粉等均具有C-H官能团,因此蛋白和淀粉等成分综合变化较为显著。在上述分析基础上,本文采用多分类支持向量机结合近红外光谱建立快速识别小麦种子四种自然老化程度的定性模型。将180份样本光谱按照3∶1随机抽取135个样本作为训练集,其余样本作为测试集。选择核函数为径向基函数,通过网格搜索法进行参数寻优得到惩罚参数为8,核参数为0.008 974 2时,训练集和测试集的识别正确率可达99.26％和99.78％。实验结果表明：近红外光谱技术结合支持向量机可快速判别小麦种子短期自然老化程度,为种子贮藏过程中生理特性变化的无损监测及开发利用提供便捷的检测手段。     

近红外光谱技术的结缕草种子发芽率研究

根据收获的年份和地点的差异收集37份结缕草种子,其发芽率分布在58.5%～92%的范围,并按照3∶1的比例将其划分为校正集和检验集,使用近红外光谱技术和定量偏最小二乘法分析其发芽率。结果表明,采用的光谱范围为6 000～7 000 cm-1,主成分个数取6时,校正集的决定系数为90.73%,相关系数为0.986 6,平均绝对误差为7.64%,标准差为9.80,而检验集则分别为91.80%,0.987 2,6.98%和9.47。使用不同的建模样品来检验该方法建模的准确性,两组样品集决定系数均超过90%,校正标准差和预测标准差控制在10.00附近,平均绝对误差达到8.00%的水平。     

光谱对煤粉发热量检测系统的研究

在现有近红外检测技术的基础上,设计了一种基于近红外的煤粉发热量检测系统。选取100个煤粉样品建立煤粉发热量的近红外模型,利用验证集的50个样本对模型的精度和稳定性进行了验证分析,结果表明:煤粉发热量的预测值与真实值的相关系数达到0.995 8,相对偏差小于2%。系统具有良好的预测精度和稳定性,能够满足对煤粉发热量的快速检测的需求,而且该系统体积小、结构简单、操作方便,具有很好的可移植性。     

反刍动物精料补充料中肉骨粉快速检测近红外光谱法

为探讨利用近红外漫反射光谱技术快速定量分析反刍动物精料补充料中肉骨粉含量的可行性,收集了我国常用的、具有代表性的精料补充料225个和肉骨粉75个,按照不同的肉骨粉含量（0.5%～ 35%）制备样品225个,其中135个为定标集,90个作为独立的验证集。用光栅型近红外光谱仪进行光谱扫描,选择合适的光谱预处理方法和光谱范围,采用改善的偏最小二乘法（MPLS）建立了定量分析 模型,相关系数为0.979,标准差为1.522%,交互验证标准差为1.582%。用90个独立的验证样品对所建立的定量分析模型进行验证,相关系数为0.972,预测标准差为1.764%,RPD值为5.99。结果表明 利用近红外反射光谱法可以分析精补料中肉骨粉的含量,对于丰富我国动物源性饲料的快速检测手段,具有实际应用意义。     

基于表面增强拉曼的饮料中山梨酸钾快速定量检测方法

基于实验室自行搭建的拉曼光谱点扫描系统,利用表面增强拉曼技术对橙味饮料中山梨酸钾的含量进行了定量快速检测研究。通过与山梨酸钾标准品拉曼光谱及其水溶液表面增强拉曼光谱等比较分析,确定了山梨酸钾1 648.4,1 389.3和1 161.8 cm-1处的表面增强特征拉曼位移。通过山梨酸钾橙味饮料平行样品的拉曼位移峰强重现性实验并计算其峰强的相对标准偏差证实了该表面增强拉曼方法具有较好的重复性。采集了山梨酸钾浓度范围为1.706～0.180 7 g·kg-1的33个橙味饮料样品的表面增强拉曼光谱,所有原始光谱经S-G 5点平滑及Baseline基线去除荧光背景预处理后分别用一元线性回归分析、多元线性回归分析和偏最小二乘回归分析方法,建立了山梨酸钾的定量预测模型。经比较,选取三个山梨酸钾拉曼特征位移1 161.8,1 389.3和1 648.4 cm-1所建立的多元线性回归模型校正集的相关系数(R2_C)和均方根误差(RMSEC)分别为0.983 7和0.051 7 g·kg-1,验证集的相关系数(R2_P)和均方根误差(RMSEP)分别为和0.969 9和0.052 8 g·kg-1,比一元线性回归模型和偏最小二乘回归模型误差小、精度高。基于表面增强拉曼完全可以实现橙味饮料中山梨酸钾的定量快速预测,为各类食品中山梨酸钾含量的快速监测奠定了技术基础。     

近红外光谱法快速测定工作场所莠去津浓度的研究

莠去津是一种广泛使用的除草剂,我国是其原药的主要生产国家。为加强工作场所莠去津暴露浓度的检测力度,保障职业接触工人身体健康,研究开发工作场所莠去津浓度的现场快速检测方法具有重要现实意义。利用自行组装的便携式近红外光谱仪,采集了实验室配置的浓度为10～1 000 mg·L-1的莠去津溶液样本光谱,并比较了多元散射校正、变量标准化、一阶导数方法、二阶导数方法及其组合等光谱预处理方法,竞争自适应重加权采样变量选择法和遗传算法等变量选择方法,偏最小二乘算法和支持向量机等回归方法对近红外光谱模型分析精度的影响。研究发现一阶导数是最佳光谱预处理方法;遗传算法优选的光谱变量表现优于竞争自适应重加权采样变量选择法;支持向量机模型表现优于偏最小二乘模型。基于遗传算法选择的16个光谱变量建立的支持向量机模型分析精度最高,其定标决定系数、验证决定系数、定标均方差、预测均方差和相对分析误差(成分浓度的标准偏差与预测均方差的比值)分别为1,0.99,17.54 mg·L-1,25.42 mg·L-1和11.43,有望应用于工作场所莠去津浓度的实际检测中。该研究探讨了近红外光谱法检测工作场所莠去津浓度的可行性,相关结果对于未来类似工作的开展具有重要参考价值。