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。     

近红外光谱法测定PDA中残留丙烯酰胺含量

选取38份实验室自制二甲基二烯丙基氯化铵与丙烯酰胺的共聚物(PDA)为样品,用紫外光谱法对PDA中残留丙烯酰胺(AM)含量进行测定,并进行近红外光谱扫描,在图谱中选取七个波段,将每个波段的特征峰作为自变量,吸收峰作为因变量,采用偏最小二乘法(PLS)的数学转换方法建立近红外反射光谱(NIRS)定标模型,采用小波分析对光谱进行降噪处理,建立PDA中残留AM含量的近红外预测模型,并将预测值与紫外光谱法测定值进行比较,其外部验证决定系数达到0.99,预测分布趋势良好,对预测值与实测值进行t检验,结果显示预测值与实测值差异不显著。试验结果表明,采用近红外光谱数据建立的定标模型预测PDA中残留AM单体含量具有较高可行性。     

近红外光谱快速检测丙氨酸氨基转移酶

在探讨近红外光谱快速检测丙氨酸氨基转移酶的可行性过程中,首先对不同厚度(0.5,1,2和4mm)血液样品的近红外透射光谱进行了分析。发现全血样品0.5 mm厚时的近红外透射光谱更适合于进行光谱分析。进而采集了176个全血样品0.5 mm厚时的近红外光谱。对采集的光谱进行多元散射校正、二阶微分法光谱预处理后,采用逐步多元线性回归和偏最小二乘回归方法建立定量分析模型,预测了全血丙氨酸氨基转移酶的含量。结果表明:利用近红外光谱法测定丙氨酸氨基转移酶时,采用偏最小二乘回归方法建立的定标模型预测效果最好,定标相关系数、定标标准差和预测标准差的值分别为:0.98,2.42和7.22。     

茶多酚中咖啡因的近红外光谱分析

采用近红外光谱分析技术对茶多酚中咖啡因进行了光谱及定量分析,原始光谱表明咖啡因在近红外波段有着很强且较为明显的吸收峰。通过对样品的漫反射原始吸光度光谱进行导数、散射校正及相关分析更清晰地给出了咖啡因在近红外光谱波段的光谱特性,为建立快速稳健的定标模型创造了条件。该技术能够解析出咖啡因中各主要基团在近红外波段的吸收特性,结合定标过程定量快速检测咖啡因在茶多酚中的含量,定标分析结果显示在很大的浓度范围内有很好的线性相关性,定标标准差SEC为0．49％,相关系数（r）为0．993,证实了近红外光谱分析技术作为一种新的快速分析茶多酚中咖啡因含量手段的可行性及优越性。     

棉籽17种氨基酸含量的NIRS定标模型构建与测定方法研究

选用氨基酸含量差异较大的多年份、多品种、多地点种植的445份棉花种子为材料,分别对其进行近红外光谱扫描。用一阶导数的数学处理(1,4,4,1)、标准正态变换和去趋势(SNV+D)最佳组合的预处理方法,结合改良的偏最小二乘法(MPLS)构建棉籽17种氨基酸成分的近红外定标模型。定标结果表明,天冬氨酸、苏氨酸、谷氨酸、甘氨酸、丙氨酸、缬氨酸、异亮氨酸、亮氨酸、苯丙氨酸、赖氨酸、组氨酸和精氨酸等12种氨基酸含量的定标模型较好,其RPDc为3.735~7.132,外部检验r2为0.910~0.979,近红外光谱分析完全可以替代化学测定;而丝氨酸、蛋氨酸、酪氨酸和脯氨酸等四种氨基酸的定标模型次之,其RP-Dc为2.205~2.814,外部检验r2为0.800~0.830,近红外分析技术虽不能完全替代化学测定的结果,但仍可用于大量样品的筛选。半胱氨酸定标方程的RPDc较小(RPDc=1.358),因此,棉籽中半胱氨酸含量不能用近红外分析方法进行检测。     

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.     

近红外漫反射光谱法测定天然纤维素浆粕聚合度

提出一种采用近红外光谱测定天然纤维素(棉、木)浆粕聚合度的方法。实验收集了195个天然纤维素浆粕样品,采用GB/T 9107-1999方法测定了其聚合度,对样品进行粉碎预处理后,放入旋转杯中采集相应的近红外漫反射光谱。通过化学计量学偏最小二乘方法(PLS)将聚合度数据与近红外光谱关联,分别建立了棉木浆粕混合样品、棉浆粕样品和木浆粕样品的聚合度定量模型。最优模型相关系数分别为0.980,0.993,和0.886,预测均方根误差(RMSEP)分别为147,143和53。研究了近红外方法精密度和准确性。结果表明棉浆粕和木浆粕分类模型预测准确性优于混合模型,且其预测精密度符合国标(GB)方法要求。另外,采用主成分分析方法建立了棉浆粕和木浆粕的识别模型,结果表明该模型可以有效识别棉浆粕和木浆粕。该方法操作简单、分析速度快,能够满足天然纤维素浆粕聚合度在线检测要求,为实现清洁制浆新工艺聚合度在线监控目标提供了理论和技术依据。     

茶叶定性和定量近红外光谱分析方法研究

分别采集了茉莉花茶、苦丁茶、龙井和铁观音4个种类茶叶共120个样本,利用NIRSystems6500型近红外光谱分析仪对样本进行光谱测量,应用近红外光谱分析技术对茶叶进行定性和定量分析。采用主成分分析法,结合聚类分析法,对4种类别的茶叶进行定性鉴别,通过对不同光谱数据预处理方式和不确定因子系数进行比较,确立了最优定性判别定标模型。同时,采用修正的偏最小二乘法,比较不同光谱预处理方法对定标模型的影响,建立了茶叶中水分、茶多酚和咖啡碱含量的定量分析模型,并对未知样本进行预测。定性分析模型的种类识别准确率达到100％,定量分析模型的决定系数均大于0.91,相对分析误差RPD均大于3。结果表明,利用NIRS分析技术可以快速定性和定量分析鉴别茶叶的类别和成分含量。     

可见-近红外光谱用于鉴别山羊绒与细支绵羊毛的研究

近红外光谱作为快速、无损的检测技术,近年来在国内外越来越受到广泛关注。针对山羊绒与细支绵羊毛的可见／近红外光谱的特点,提出了应用主成分分析(PCA)结合人工神经网络（ANN）进行山 羊绒与细支绵羊毛的鉴别,并建立了羊毛、羊绒分析模型。应用可见／近红外反射光谱获取山羊绒与细支绵羊毛的光谱曲线,利用主成分分析对原始光谱数据进行处理,根据主成分的累计贡献率99.8%选 取主成分数6,并将所选取的6个主成分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,用优化的BP神经网络模型对预测集样本进行预测。实验结果表明,16个未知样本的鉴别全部 正确,表明可见／近红外光谱结合主成分分析和神经网络技术对山羊绒与细支绵羊毛进行快速鉴别是可行的。     

近红外光谱分析技术在肥料成分分析中的应用及前景

近红外光谱是一种快速、无损、可实现多组分同时测定的分析技术.本文简要介绍了近红外光谱的发展、测量原理、技术特点,并对近年来近红外光谱技术在肥料成分分析中的应用及前景进行了总结.近红外光谱在肥料成分分析中的应用范围比较狭窄,主要集中在两个方面:一是利用近红外反射光谱(NIRs)分析技术快速测定各种畜禽粪便主要肥料成分含量;二是应用近红外光谱技术在土壤及土壤肥料学科中的应用;只有极少量的关于混合(复合)肥料的研究.随着近红外光谱技术的不断成熟.除了应用范围将不断拓宽之外,相信对于目前较为空白的应用机理的研究也将越来越深入、细致及严谨.     

基于PLS-GRNN的豆粕品质近红外光谱检测研究

豆粕是大豆浸提取豆油后经适当干燥和热处理所得副产品,是制作禽畜类饲料的主要原料,其品质决定营养价值。针对现有豆粕品质检测方法存在着有毒化学试剂使用多、操作复杂、分析时间长、无法满足实际生产线快速检测及调控需求等问题,提出一种基于近红外光谱分析的豆粕品质多组分检测方法,以期用于产品质量在线检测及调控。从大豆油脂加工生产线上采集豆粕样品449个,利用105 ℃烘箱法、凯氏定氮法和索氏提取法分别测定样品的水分、蛋白质和脂肪化学值,采用瑞士BuchiNIRMaster傅里叶变换近红外光谱仪采集样品漫反射光谱。首先利用马氏距离法剔除异常样本,然后用多种方法对光谱数据进行降噪处理,对比分析发现小波去噪效果最优。分别采用KS和SPXY两种算法确定豆粕不同组分的最佳样本分集。为了探讨豆粕组分的近红外吸收特性,剔除光谱冗余信息,降低模型计算复杂度,采用区间偏最小二乘法（iPLS）对4 000～10 000 cm-1全谱进行特征提取,优选出水分、蛋白质和脂肪的特征吸收波段分别为4 904～5 200,4 304～4 600和4 304～4 600 cm-1。最后建立豆粕组分含量的广义回归神经网络（GRNN）预测模型。为了减少网络的输入变量,缩小网络规模,提高运行速度,采用PLS对光谱数据降维,提取主因子得分作为GRNN输入变量。通过交叉验证循环法优选网络参数光滑因子spread值,建立豆粕多组分含量PLS-GRNN预测模型,并与经典的PLS和BP模型对比,发现PLS-GRNN模型效果更优,其水分、蛋白质和脂肪的预测集R2分别为0.976 9,0.940 2和0.911 1,RMSEP分别为0.091 2,0.383 4和0.113 4,RSD分别为0.79%,0.83%和8.53%。虽然脂肪的预测误差相对较大,但也在模型评定标准可用范围之内。实验表明基于PLS-GRNN的近红外光谱分析用于豆粕品质检测是可行的,能够用于实际生产过程中的品质监控。     

近红外光谱分析技术在出口豆粕中的应用

本文研究了用近红外光谱分析法测定豆粕中三种成分,即蛋白质、油和水分的快速方法。在国际贸易中,出口豆粕是走俏商品,出口量全国每年几百万吨,其质量控制,以商品的蛋白质、油、水分、粗纤维等指标来体现。一般地,蛋白质含量在42-46%,油含量在0.3-3%,水分含量在8-13%(以上各指标均指其自然态)。这些成份含量的检验,一直延用传统的化学法来实现,蛋白质以凯氏(Kjeldahl)定氮法,油以索克斯列特(Soxh- let)抽提法,水分以烘箱法。改用近红外仪检验,只需书样品粉碎、混匀、装样、扫描,数十秒钟就可出结果。而且不需化学试剂,对人体无伤害。方法的精密度和准确度均优于传统的三种方法,工作效率提高近几十倍。     

近红外光谱法同时测定鱼粉中脂肪,蛋白质和水份

本文使用近红外光谱分析法同时测定鱼粉中的蛋白质，脂肪和水份。本法简便，无污染。     

木材中的水分及其近红外光谱分析

水分是木材的重要特征之一,用近红外光谱分析木材性质,必须考虑水分对预测结果的影响。文章分析了不同含水率状态下木材在近红外光谱区的吸收特性;用近红外光谱法预测木材中的水分含量,相关系数为0.99,校正标准偏差SEC和预测标准偏差SEP分别是0.041和0.043;通过在不同含水率(7%,12%,20%,30%,60%)状态下采集近红外光谱与固定含水率下的木材密度建立关联,结果表明,利用近红外光谱技术可以在不同含水率下采集近红外光谱来预测木材气干密度。     

不同含水率下木材尺寸变化的近红外光谱研究

木材和水分关系的研究一直以来都是木材学研究领域的重点课题。木材中水分含量变化会使木材产生干缩湿胀,进而影响其尺寸稳定性,这关系到木材的实际应用。一般认为,木材产生变形的根本原因是木材化学组分中多糖类物质所含羟基与水分形成氢键作用的结果,而近红外光谱对有机材料含氢基团具有高度的敏感性。利用这一特点,为了能够实现对木材尺寸变化的在线快速检测,应用近红外光谱(near infrared,NIR)探讨了不同含水率木材与其尺寸稳定性之间的相互关系并建立了木材尺寸变化预测模型。通过对不同含水率下木材三个切面进行近红外扫描得到光谱信息,结合化学计量学方法,建立基于偏最小二乘法的木材径、弦向尺寸变化率的近红外光谱模型,并采用交叉检验的方式对模型进行验证。结果表明：不同含水率条件下的木材径、弦向尺寸变化率与相应的近红外光谱有很高的相关性,说明可以通过近红外光谱来研究木材的尺寸变化;研究建立的木材径、弦向尺寸变化模型的相关系数都大于0.90,均具有比较好的适用性;通过比较横切面上建立的径、弦向尺寸变化率模型,弦向好于径向。以上结果表明利用近红外光谱技术对木材的尺寸变化进行快速、准确的预测具有较好的可行性。     

近红外原油快速评价技术预测常减压蒸馏装置侧线收率

常减压蒸馏装置侧线收率对于装置操作优化具有重要的实际意义,但缺乏可靠的预测方法。在近红外原油快速评价技术基础上,结合H/CAMS软件,建立了常减压侧线收率的有效预测方法。首先建立近红外光谱快速测定原油实沸点蒸馏收率的方法,在市售原油光谱数据库的基础上,添加广西石化常炼原油品种,采用拓扑法建立分析模型,验证结果表明,近红外分析方法预测的实沸点蒸馏收率与实际测定结果基本吻合。进一步通过H/CAMS软件将近红外原油快速评价技术得到的实沸点蒸馏收率转换为常减压蒸馏装置的侧线收率。将该方法得到的常减压装置石脑油、柴油、蜡油和渣油收率与炼厂生产报表中各个侧线的收率数据进行对比,7个月的对比数据表明,近红外原油快速评价技术预测的各个侧线生产收率能够反应实际生产收率的变化趋势。基于近红外分析方法预测常减压蒸馏装置侧线收率分析速度快,结果可靠,容易实现在线操作,可以为炼厂计划优化、原油调合等过程提供基础数据。     

近红外反射光谱快速测定玉米DDGS营养成分的研究

试验探讨了近红外反射光谱测定玉米DDGS的8项重要营养成分,包括水分、蛋白、粗脂肪、粗灰分、总磷、中性洗涤纤维、酸性洗涤纤维、粗纤维的可行性.从国内18个工厂采集93个玉米DDGS样品,使用偏最小二乘法,采取15种不同的导数和去散射光谱预处理方法建立近红外模型.在光谱预处理中,二阶导数产生了较好的预测效果.使用70个与...     

木耳膳食纤维营养成分测定和结构表征

电感耦合高频等离子体发射光谱法测定木耳膳食纤维多种微量元素的方法。采用湿法酸消解制备样品,硝酸∶高氯酸(10∶1),120 ℃恒温消化溶解,酸度控制<10%, 满足ICP-AES测定的要求。经检测国家标准物质GBW07602验证,方法的准确度在1.12%～6.15%之间,精密度在0.41%～5.69%之间。实验数据表明, 该方法是木耳中微量元素检测简便有效的方法。同时应用扫描电子显微镜进行木耳膳食纤维表面结构测定,并采用化学分析方法测定木耳膳食纤维中蛋白质、粗脂肪、粗纤维及水分的含量, 其相关性研究为木耳膳食纤维开发利用提供了新途径。     

基于近红外光谱的北方潮土土壤参数实时分析

选取中国北方潮土作为研究对象,探索利用近红外光谱分析技术分析土壤参数的可行性和可能性。从一块试验麦田共采集了150个土样,土样在采集回试验室后,在保持其原始状态的条件下利用傅里叶变换近红外光谱仪迅速测定了其近红外光谱。近红外光谱变量为原始吸收光谱和一阶微分光谱,分析的土壤参数有土壤水分、有机质和全氮的含量。对于土壤水分,在相关分析的基础上建立了一元线性模型,所采用的波长为1 920 nm,模型的相关系数达到0.937,模型可以直接用于土壤水分的实时预测。对于有机质和全氮含量建立了多元回归模型,有机质预测模型所采用的波长是1 870和1 378 nm,全氮预测模型所采用的波长则是2 262和1 888 nm。分析结果表明土壤有机质和全氮含量可以利用田间土样的近红外光谱特性进行分析和检测,建立的线性模型是有效的。     

基于SVM算法的近红外光谱技术在鱼糜水分和蛋白质检测中的应用

采用支持向量机(support vector machine,SVM)建立了鱼糜样品中水分和蛋白质含量的近红外光谱校正模型,并采用独立样本集进行了预测。光谱数据经间隔两点一阶导数(DB1G2)、标准正态变换(SNV)、多元散射校正(MSC)相结合的方法预处理后,用偏最小二乘(PLS)降维处理,取前15个投影变量为自变量。获得水分模型的校正相关系数R_c、预测相关系数R_v、定标标准差SEE、预测标准差SEP; 蛋白质模型的校正相关系数R_c、预测相关系数R_v、定标标准差SEE、预测标准差SEP,有较好的预测准确性。基于SVM算法的近红外光谱技术可用于鱼糜水分和蛋白质含量的快速检测。