聚类算法用于中药材的近红外光谱分析

将近红外光谱分析技术结合聚类算法应用于中药材的鉴别分析,为当前中药材的类别分析提供了一种新的思路.选择黄樟油、桂叶油、桉叶油、松油醇、丁香叶油及三个不同来源的艾叶油共8个中药样品用实验室自行研制的多通道近红外光谱仪器进行快速(数秒钟)吸收光谱测试.以空气为本底,测试光谱范围700～1 700 nm的药品透射光谱(吸光度),结果显示8个样品的光谱差异较大.对此八种近红外光谱建立了定性数学模型,然后进行了聚类分析,并选择不同的聚类方法进行优化,得到相似系数为0.974 2,表明该聚类分析可行.在聚类分析产生的聚类树中,8个样品的聚类性质与其实际特性相符良好,特别是三种艾叶油被归为最近的类中,因此该聚类分析结果合理.     

Gath-Geva联合模糊聚类的生菜近红外光谱聚类分析

生菜的新鲜程度是影响生菜品质的最重要因素之一,其主要取决于生菜的储藏时间,因此,对不同储藏时间的生菜进行准确鉴别具有重要研究价值。由于不同储藏时间生菜的近红外光谱数据具有差异性的特点,因而使用近红外为不同储藏时间的生菜进行鉴别分类是可行的。通过将联合模糊C均值聚类（allied fuzzy c-means, AFCM）中的欧式距离测度替换为指数距离测度从而提出了一种GG联合模糊聚类（Gath-Geva AFCM, GGAFCM）分析算法。GGAFCM通过迭代计算得到模糊隶属度值和典型值,再结合近红外光谱实现了对不同存储时间生菜的高效精准鉴别。以新鲜的生菜样本作为研究对象,使用傅里叶近红外光谱仪（Antaris Ⅱ型）每隔12 h对生菜样本采集漫反射光谱数据,光谱的波数范围介于10 000~4 000 cm-1之间。首先,通过主成分分析（principal component analysis, PCA）对采集到的1 557维生菜近红外光谱数据进行数据压缩将其降至22维,然后通过模糊线性判别分析（fuzzy linear discriminant analysis, FLDA）对降维后的近红外漫反射光谱数据的鉴别信息进行提取。设定鉴别向量数为2,即通过FLDA将22维的生菜近红外光谱数据转换为了2维数据。最后将模糊C均值聚类（fuzzy c-means, FCM）的聚类中心作为GGAFCM和AFCM的初始聚类中心,通过运行FCM,GGAFCM和AFCM完成对不同储藏时间生菜的鉴别分类,并对三种模糊聚类算法得到的聚类准确率、模糊隶属度、迭代次数进行分析。实验结果表明：在初始化条件相同的情况下,采用的GGAFCM算法与FCM和AFCM算法相比具有更高的鉴别准确率。在m=2的情况下,GGAFCM的鉴别准确率达到了95.56%,而AFCM的聚类准确率为91.11%。GGAFCM迭代4次达到收敛,而AFCM与FCM均需要8次迭代计算才能达到收敛。基于近红外光谱技术,通过GGAFCM结合PCA与FLDA算法可以高效快速且无损的完成对储存时间不同的生菜的准确鉴别分类,为生菜储存时间的准确、快速鉴别提供了实验依据和参考方法,具有一定的实际应用价值。     

近红外光谱紫花苜蓿品种耐盐性鉴别方法研究

近红外光谱(NIRS)分析技术是一项高效、快捷检测样品中某种物质成分的新方法,近年来在饲料营养分析、品种鉴别等领域得到了广泛的应用.作者提出了一种用近红外指纹光谱快速鉴别紫花苜蓿品种耐盐性的新方法.首先用近红外吸收光谱对20个紫花苜蓿品种进行聚类,发现供试品种很好地聚为耐盐和敏盐两类,与常规检验结果基本相同,通过聚类建立苜蓿品种耐盐性鉴别模型,其次用所建耐盐品种评价鉴别模型对6个苜蓿品种进行耐盐性预测,品种识别准确率达到100%,表现指数为85.7%.所以近红外吸收指纹图谱对苜蓿品种耐盐性具有很好的分类和鉴别作用,通过建立鉴别模型,可对品种耐盐性进行快速、高效的初步鉴定.     

纺织纤维及其制品非破坏性快速鉴别的研究

纺织纤维的快速鉴别对我国纺织品生产过程质量控制、贸易和市场监督具有重要实际意义。文章收集了的12种纺织纤维共214个样品,研究了各种形态样品的近红外光谱测量方法。采用多元光散射校正方法消除噪声和基线漂移对光谱的影响。对样品总集光谱进行系统树分析,发现组成接近的纤维样本能均够聚类在一起,有些不同种类纤维之间有交叠。结合近红外光谱和簇类的独立软模式方法(SIMCA),可以实现化学组成非常接近的不同纤维种类的区分。该研究结果表明,采用近红外分析技术,实现非破坏性地快速鉴别纺织纤维是可行的。     

可见-近红外漫反射光谱技术对羊毛和羊绒的鉴别研究

应用可见-近红外漫反射光谱技术对甘肃不同地区的130个羊毛和羊绒样品进行定性鉴别研究。结果表明:采用主成分-马氏距离聚类判别分析法,羊毛和羊绒样品界线;主成分回归分析技术结合多元离散校正、一阶导数等预处理方法,以及最佳主成分因子为8、不确定因子为1.00等参数,建立的定性鉴别模型预测性能较好,外部验证正确率为100%。说明利用可见-近红外漫反射光谱定性分析技术可以快速鉴别羊毛和羊绒。     

一种基于近红外光谱与化学计量学的绿茶快速无损鉴别方法

绿茶是我国饮用范围最广、最受欢迎的一类茶叶。不同品种绿茶叶外观上差别较小，非专业人员难以直接用肉眼进行辨别。传统化学方法操作复杂、检测费用较高，对样品具有破坏性，无法实现快速无损分析。近红外光谱技术是一种简便、快速、无损、重现性好、可直接用于在线定性定量分析的新型分析技术。由于种植方式以及土壤、气候等生长环境的差异，不同品种绿茶叶中含氢基团有机物的种类和含量也不相同，因此可以通过扫描样品的近红外光谱，得到不同品种绿茶叶的特征信息，实现对不同品种绿茶叶的快速鉴别。研究提出了一种基于近红外光谱与化学计量学技术对不同品种绿茶的快速无损鉴别方法。使用近红外光谱仪得到了八个品种绿茶样品的光谱图，用主成分分析方法对不同品种绿茶样品数据进行了聚类分析。使用连续小波变换方法消除了光谱信号中的基线干扰，从而提升聚类效果。利用基于标准偏差与相对标准偏差的变量筛选方法进一步提高了聚类结果的准确性。结果表明：主成分分析后样品的第一主成分和第二主成分的方差贡献率之和在90%以上，可以选取前两个主成分进行聚类分析。直接采用原始数据进行聚类分析的准确率较低，难以满足应用需要；连续小波变换可以有效地消除光谱信号中的基线干扰。与直接使用原始光谱聚类结果相比，采用连续小波变换后聚类效果有显著提升，但依旧不能实现所有品种茶叶样品的准确鉴别。为了进一步提高方法的稳健性和分类结果的准确性，选取了标准偏差和相对标准偏差较大的波长数据进行聚类分析。在符合平均值大于1%的波长范围内，剔除标准偏差小于5‰的波长，进一步选择较大相对标准偏差值对应的波长点进行聚类分析。采用这种方式，可以仅使用几十个甚至是几个波长即可实现绿茶样品品种的准确聚类分析。波长筛选方法可以大大提高主成分分析结果的准确性，采用近红外光谱分析技术与化学计量学方法可以实现对不同品种绿茶的快速鉴别。经过对各个光谱吸收区域波长所对应官能团分析后，初步得出多酚、酰胺类以及氨基酸类物质的种类不同或含量差异是形成绿茶品种差异的重要原因。所提出的基于近红外光谱与化学计量学技术的方法具有较强的鉴别能力，为绿茶的快速无损分析提供了一种新手段。     

FT-NIR与主成分分析在中药贝母鉴别和聚类中的应用研究

近红外漫反射光谱和主成分分析法相结合,选取不同范围内的近红外光谱数据,对川贝、浙贝以及东北平贝共48个样品进行了主成分分析,作二维线性投影图和三维线性投影图,比较了48个样品在红外光谱上的差异程度,发现基于傅里叶变换近红外光谱的主成分分析投影图能够较好的表征48个样品的类别关系.结果表明:应用近红外漫反射光谱法能够鉴别贝母及其近缘物种,具有较好的聚类和鉴别作用,作为一种药材质量检测手段,该方法具有一定的应用价值.     

基于无监督可能模糊学习矢量量化的近红外光谱生菜品种鉴别研究

为解决模糊学习矢量量化(FLVQ)对噪声数据敏感问题,在无监督可能模糊聚类(UPFC)基础上提出一种无监督可能模糊学习矢量量化(UPFLVQ)算法。UPFLVQ用UPFC的隶属度和典型值来更新学习矢量量化网络的学习速率,计算类中心矢量。UPFLVQ属于无监督机器学习算法,适用于无学习样本情况下的样本分类。研究了UPFLVQ用于近红外光谱生菜品种鉴别的可行性。采用FieldSpec@3型便携式光谱分析仪获取波长范围为350~2 500nm的三种生菜样本的短波近红外光谱和长波近红外光谱,然后采用主成分分析(PCA)进行近红外光谱的维数压缩,取前三个主成分,累计可信度达97.50%,将2151维的近红外光谱压缩为三维数据。再运行模糊C-均值聚类(FCM)至迭代终止,并以FCM的类中心作为UPFLVQ的初始聚类中心,最后运行UPFLVQ得到隶属度和典型值以实现近红外光谱的生菜品种鉴别。同时,运行UPFC进行近红外光谱的生菜品种鉴别。实验结果表明:UPFLVQ和近红外光谱技术相结合的模型具有检测速度快,鉴别准确率高,对生菜不造成损坏等优点,可实现不同品种生菜的鉴别。UPFLVQ是将UPFC和FLVQ相结合的聚类算法,利用UPFLVQ建立近红外光谱的生菜品种鉴别模型时无需学习样本,适用于线性可分的数据聚类,为快速和无损地鉴别生菜品种提供了一种新的方法。     

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。     

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。     

近红外漫反射光谱法测定玉米秸秆体外干物质消化率

以不同生态环境、不同年份,不同品种和自交系类型、不同生长发育时期以及不同部位的600个样品中选出161份玉米秸秆为材料,应用傅里叶变换近红外光谱技术,采用偏最小二乘回归法(PLS),通过比较不同光谱范围和光谱预处理方法,在6 101.7～5 773.8 cm-1和4 601.3～4 246.5 cm-1谱区内,建立了适合不同品种类型、不同生长发育时期和不同部位且适配范围广的近红外漫反射光谱(NIRS)测定玉米秸秆体外干物质消化率(in vitro dry matter digestion,IVDMD)的稳定校正模型.其交叉验证和外部验证决定系数(R2cv,R2val)分别为o.907 3和0.906 6,预测标准偏差为2.08%,预测值与化学值间的相关系数(r)达0.956.结果表明,近红外光谱技术可以用于快速、准确测定玉米秸秆IVDMD,该结果对青贮玉米育种过程中的秸秆材料快速鉴定和筛选具有重要的意义.     

东北黑土不同组分有机碳的近红外光谱测定

不同颗粒组分的土壤有机碳(soil organic carbon,SOC)具有不同的化学组成且对不同农艺措施响应不同,因此了解其信息有助于深入理解SOC对土壤肥力的贡献。本研究旨在评价近红外光谱(near Infraredspectroscopy,NIRS)预测黑土不同颗粒组分SOC(水稳性团聚体结合碳、颗粒态有机碳及不同大小粒级有机碳)的潜力。土壤样品(n=136)采集于东北典型黑土带上,利用偏最小二乘法建立定量模型(n=100),并用独立样本对模型进行检验(n=36)。结果表明:NIRS可以在一定程度上预测水稳性团聚体结合碳含量(R2=0.69-0.82,RPD=1.2-1.8);对矿质结合态SOC(<53μm)(R2=0.97,RPD=5.4)及细粒级SOC(<20μm)(R2=0.93,RPD=3.8)预测结果较好,对颗粒态有机碳(>53μm)和粗粒级SOC(>20μm)预测结果不理想。NIRS在简化黑土不同颗粒组分SOC的测定,特别是矿质结合态(<53μm)SOC,具有很好的应用前景。     

WHITE ASPARAGUS HARVEST DATE DISCRIMINATION USING NIRS TECHNOLOGY

Asparagus is still an important resource for mid-size and small farms. It has been traditionally believed that factors such as the asparagus harvesting date have an influence on its quality. This research sought to identify the harvesting dates of different fruits by using Near Infrared Spectroscopy (NIRS) technology as quality indicators and the best zone a long of the asparagus to acquire the spectrum. All the asparagus tested came from the same manufacturer but had been canned on three different dates, giving a total of nine lots. There were one hundred asparagus per lot and the experiment data were taken from three different parts (tip, middle, and base) of each spear. Reflectance spectrum in the near infrared between 800–1700 nm was determined. Differences NIRS among the asparagus harvested on different dates were found. NIRS technology was able to classify the asparagus correctly in terms of harvest dates (71% well classified). The base of the asparagus turned out to be the best part to use in order to establish the harvest date.     

驾驶员疲劳态下脑氧饱和度的近红外光谱法检测及其分析

应用近红外光谱法,研究分析汽车驾驶员疲劳态下的脑氧饱和度,探讨疲劳机理,为驾驶疲劳及时预警提供新的监测思路。参试人员20名,分为两组(各10名),一组为实验组,一组为对照组。实验组执行汽车模拟驾驶作业3 h,对照组坐姿下正常休息3 h。应用近红外光谱法监测试验人员作业前后脑氧饱和度。经方差分析发现,实验组人员模拟驾驶后脑氧饱和度(rSO_2)显著性下降(p0.01),反应时间明显延长;对照组rSO_2水平下降不显著(p0.05)。脑氧饱和度水平(rSO_2)与驾驶疲劳存在密切相关性。近红外光谱法监测脑氧具有连续、实时、无创的特点,受外界干扰小。近红外光谱法监测驾驶员脑氧信息是预测驾驶疲劳的一种可行的方法。     

近红外光谱检测技术及其在林业中的应用

近红外光谱是20世纪80年代以来发展最快、最引人注目的光谱分析技术。文章介绍了近红外光谱技术的发展历程和在国外的应用概况,重点列举了近红外光谱在林业中的成功应用实例。资料表明,近红外光谱以其快速、无损伤、操作简单、稳定性好、效率高等特点,在国外的水果品质检测、木材性质检测和林业育种中的应用已成为一个活跃的研究领域。而近红外光谱技术在我国林业上的研究和应用则刚刚起步,因此本文对国内外利用近红外光谱技术在林业上的应用作一综述,并对近红外检测技术在林业上的应用进行了展望,以推动近红外光谱技术在我国林业科技和生产中的应用。     

基于置信学习机与近红外光谱的煤种快速分类方法

基于近红外光漫反射谱技术的检测分析具有简单,快捷,安全等优势而被广泛应用于各行各业。应用近红外光谱分析技术实现不同煤种的快速分类,该方法可以替代费时费力费财的传统化学分析方法。同时首次将置信学习机(confidence machine)引入近红外分析中,实现了对分析结果的风险评估。采集了来自不同矿区共四种不同煤种(肥煤,焦煤,瘦煤和贫瘦煤)的199个煤样本的近红外光谱,通过机器学习的方法针对煤的近红外光谱构建了煤种分类器来实现煤种的快速分类。在近红外分析中引入了置信学习机的分析方式,结合支持向量机(SVM),构建了离线和在线的CM-SVM分类器。置信学习机是一种概率方法,使用概率(CM-SVM)来取代分类超平面(SVM)进行分类,不仅分类效果好于传统的SVM,达到了95.48%的分类率,还能同时给出每个样本分类结果的置信度,可靠度等风险信息。另外,CM-SVM通过对置信水平的设定,得到不同置信度下预测区间,该区间的预测正确率是与置信水平严格对应的,对于产品质量控制有非常重要的意义。置信学习机同时是一种在线的学习模型,新样本的不断加入会提高模型的性能,非常适合于工业现场的在线分析。在线的CM-SVM模型随着样本数的增加,预测结果的置信度有所提高,对工业现场近红外分析有重要意义。     

近红外光谱法测定紫花苜蓿青贮鲜样的营养价值

应用近红外光谱技术(NIRS)直接分析新鲜饲草的营养价值,如饲草中干物质(DM),粗蛋白(CP),中性洗涤纤维(NDF),酸性洗涤纤维(ADF)含量,对畜牧业生产具有重要意义.鲜草中由于含有较多的水分,不易制备均一的样品和进行光谱中有用信息的提取,因此难于进行近红外光谱分析.本试验应用偏最小二乘回归法(PLS)、傅里叶变换近红外光谱技术和液氮冷冻制样技术,建立了适合于不同品种,不同生育期,不同茬次和不同青贮方法即时测定青贮苜蓿鲜样中DM,CP,NDF,ADF的模型,以期对NIRS在测定紫花苜蓿青贮鲜样品这些成分测定的可行性进行分析.所建DM,CP,NDF和ADF模型的交叉检验决定系数(R2cv)为0.884 6～0.989 8,交叉检验标准误(RMSECV)为3.9～9.7 g·kg-1鲜重.用50个样品对模型进行外部检验,预测相关系数(r)为0.939 7～0.994 9,预测标准误为1.9～8.3 g·kg-1鲜重.结果表明:采用适当的样品处理方法和光谱分析技术可以实现近红外光谱技术对苜蓿青贮鲜样的营养价值评定.     

猪肉组织色素浓度的近红外无损检测

基于血红蛋白、肌红蛋白等色素在近红外波段的吸收谱,采用近红外光谱(NIRS)技术,通过检测出射光相对入射光的衰减,可解算生物组织中上述色素的浓度。基于稳态空间分辨的NIRS研发了可检测组织中色素浓度的装置,该装置的传感器包括一个可发射3个不同波长的LED光源,以及与LED位于同一直线上且距离分别为30和40 mm的2个检测器。用该装置检测了2块猪肉组织(分别为新鲜的猪背长肌和股直肌)的色素浓度,结果表明,背长肌和股直肌中血红蛋白、肌红蛋白等色素的总浓度分别为(6.42±1.51)μmol·L~(-1)和(15.48±4.54)μmol·L~(-1),接近于现有报道的经验值。在无损、实时、直接、简便检测猪肉组织的色素浓度方面,上述NIRS方法及装置是可信的。     

用近红外光拓扑图技术短期预测脑梗塞

本研究用近红外光大脑拓扑图技术(near-infrared cerebral topography, NIRS topography),对大鼠大脑中动脉线栓梗塞模型的皮层缺血部位进行定位成象.我们利用氧合血红蛋白和去氧血红蛋白对近红外光的吸收峰值波长分别为850nm和760nm的原理,制作了NIRS拓扑仪.分别用NIRS拓扑仪、磁共振成象和解剖样本染色对10只SD雄性大鼠大脑皮层缺血部位进行成象.结果表明,NIRS拓扑图所显示的皮层缺血面积与磁共振图象及解剖样本所显示的皮层缺血面积的相关系数分别为0.82(p<0.05)和0.89(p<0.01).     

近红外空间分辨光谱技术及其对新生猪脑缺氧缺血的检测

近红外光谱(NIRS)技术作为一种无创的组织氧检测手段,近年来在脑缺氧缺血的检测方面日益受到重视.文章介绍了自行研制的NIRS仪器(TSAH-100近红外组织血氧无损监测仪)的基本原理及用于新生猪脑氧检测时如何实现传感器与待测脑组织的最佳耦合.检测了28例新生猪在不同氧合状态下的脑组织氧饱和度(regional cerebral oxygen saturation,rSO2),在缺氧结束后进行了有创的动脉氧饱和度及生理参数的检测.结果表明,NIRS无创测得的脑rSO2与血气分析有创测得的动脉血氧饱和度(SaO2)有很好的相关性(p＜0.001),并且脑rSO2与缺氧程度及缺氧后生理参数的变化一致.因此NIRS无创测得的脑rSO2能直接判断脑氧合状态,可在一定情况下替代有创血气分析,帮助临床无创、简便地诊断脑缺氧缺血.