基于近红外光谱技术和人工神经网络的玉米品种鉴别方法研究

提出了一种采用近红外光谱技术结合人工神经网络对玉米品种进行鉴别的方法。在3 800～10 000 cm-1(波长1 000～2 632 nm)范围内采集四种玉米单粒完整籽粒的近红外漫反射光谱,经Savitky-Golay平滑和多重散 射校正预处理后,对数据进行主成分分析,再结合人工神经网络技术进行品种鉴别。主成分分析表明,前8个主成分的累积贡献率达到99.602%。以前8个主成分作为网络输入,品种类型作为输出,建立三层LMBP神经网络模型。每个品种 各取30粒共120个样本用于建模,10粒共40个样本用于预测。模型对建模集120个样本鉴别率为100%,对预测集40个样本的鉴别率为95%。实验结果说明该方法能快速无损地鉴别玉米品种,为玉米的品种鉴别提供了一种新方法。     

近红外光谱和人工神经网络的金苦荞氨基酸快速测定

荞麦籽粒中富含谷类作物比较缺乏的赖氨酸,使其不同于其他作物,具有较高经济价值。传统氨基酸测定费时且昂贵,为满足金苦荞育种工作的需要,选用近红外光谱技术结合人工神经网络的算法建立快速检测金苦荞叶片中氨基酸含量的近红外模型。使用氨基酸含量差异较大的样品255个,扫描光谱后测定其化学值。研究发现样品苏氨酸(Thr)含量范围是5.307~14.374 mg·g-1;缬氨酸(Val)含量范围是6.137~16.204 mg·g-1;甲硫氨酸(Met)含量范围是0.308~3.049 mg·g-1;异亮氨酸(Ile)含量范围是5.259~14.134 mg·g-1;亮氨酸(Leu)含量范围是9.730~26.061 mg·g-1;苯丙氨酸(Phe)含量范围是5.936~17.223 mg·g-1;赖氨酸(Lys)含量范围是6.640~17.280 mg·g-1;谷氨酸(Glu)含量范围是10.984~27.740 mg·g-1;天冬氨酸(Asp)含量范围是6.437~17.280 mg·g-1;丝氨酸(Ser)含量范围是3.467~8.312 mg·g-1;精氨酸(Arg)含量范围是4.937~14.772 mg·g-1;丙氨酸(Ala)含量范围是3.329~6.885 mg·g-1;组氨酸(His)含量范围是1.946~4.798 mg·g-1;甘氨酸(Gly)含量范围是4.196~9.264 mg·g-1;脯氨酸(Pro)含量范围是1.024~5.672 mg·g-1;酪氨酸(Tyr)含量范围是0.176~1.173 mg·g-1;半胱氨酸(Cys)含量范围是0.422~1.926 mg·g-1。每次随机选取50个样品建设模型,以4∶1的比例随机分为训练集和测试集。数据进行归一化处理后,使用神经网络结构1102-9-1进行模型建设。利用多次学习的方式建立了较优模型,其中Arg和Asp近红外模型的仿真测试结果最好,预测值与真实值的相关系数(R2)均大于0.97,平均相对误差(RSD)也小于10%;另外Leu,Val,Tyr,Ile,Ser,Ala,Thr,His,Phe,Gly和Lys模型的R2均大于0.90,模型仿真测试数据的RSD小于10%,模型均可用;Met与Cys的模型进行仿真测试时,其预测值与真实值的R2均大于0.78,但RSD大于10%,模型不可用。结果表明,金苦荞叶片的氨基酸含量高,有极高应用价值,近红外光谱技术结合人工神经网络的分析方法可应用于金苦荞氨基酸含量的预测,为高品质荞麦育种工作提供了便利。     

近红外光谱技术在中草药分析中的应用

中草药分析与鉴定对中草药质量控制意义重大,传统分析方法由于过程复杂、需要丰富的经验等不利因素,无法满足快速分析和在线分析的要求。近红外光谱技术具有预处理简单、分析速度快、适用于固体漫反射技术和光纤技术等特点,已经在中草药有效组分的快速测定、在线质量控制、药材真伪鉴别、产地及质量鉴定等方面得到广泛应用。文章介绍了近红外光谱技术的基本原理和分析方法,综述了近红外光谱技术在中草药定量及定性分析方面的具体应用。     

近红外光谱测定茶叶中茶多酚和茶多糖的人工神经网络模型研究

为了建立近红外光谱测定茶叶中茶多酚和茶多糖的模型,应用了人工神经网络方法,选择了7 432.3～6 155.7 cm-1和5 484.6～4 192.5 cm-1特征光谱范围,以网络结构参数的输入层、隐层、输出层神经元数目分别为(8,4,1)和(7,5,1)来建立茶多酚和茶多糖的测定模型,模型的结果表明建模的茶多酚和茶多糖的ｒ,RMSECV,RSECV分别为0.984 7,0.460,0.123和0.947 0,0.136,0.224;预测集的ｒ,RMSEP,RSEP则分别为0.980 4,0.529,0.017和0.968 2,0.111,0.030。由此说明建立的近红外光谱-人工神经网络模型可用于预测茶叶中茶多酚和茶多糖的含量。     

人工神经网络结合近红外光谱用于木材树种识别

测量了不同产地及品种的89个木材样品的近红外光谱,并分别使用反向传播人工神经网络(back propagation artificial neural networks,BPANN)与广义回归神经网络(generalized regression neural network,GRNN)建立了NIRS树种识别模型。通过方差分析分别选择两种神经网络所用参数,并采用最优参数进行网络训练。考虑到样品光谱的差异,对含不同水平白噪声与不同水平偏置的光谱进行模拟,并使用建立的模型对模拟光谱进行预测。发现两种神经网络模型均有较好的预测结果,其中BPANN模型,对含偏置水平不高于2％、噪声水平不高于4％的模拟光谱识别正确率在97％以上;GRNN模型,对含偏置水平不高于2％、噪声水平不高于4％的模拟光谱识别正确率在99％以上。     

应用近红外光谱快速鉴别酸奶品种的研究

提出了一种用近红外光谱技术快速鉴别酸奶品种的新方法。首先应用光谱仪获得5种典型酸奶品种的光谱曲线,用主成分分析法对5种酸奶品种进行聚类分析,再结合人工神经网络技术建立模型进行品种鉴别。主成分分析表明,主成分1和主成分2的累积可信度已达98.96%,前7个主成分的累积可信度达到99.97%。以每一个样品的前7个主成分作为神经网络的输入,品种类型作为神经网络的输出,建立三层BP人工神经网络模型。每个品种各27个样本,5个品种共135个样本用来建立神经网络模型,余下每个品种各5个共25个用于预测。建模品种的拟合率和预测品种的识别率均为100%。说明该方法能快速无损的检测酸奶品种,为酸奶的品种鉴别提供了一种新方法。     

虫草氨基酸的人工神经网络-近红外光谱快速测定方法

提出了用近红外漫反射光谱技术快速检测发酵冬虫夏草中氨基酸含量的新方法。采用比色法测定虫草菌粉中氨基酸含量。用BP神经网络建立了近红外光谱数据与氨基酸、精氨酸和总氨酸含量间的定量关联模型。通过比较不同的光谱预处理方法及光谱范围, 得到最优模型,即在7 501.7～6 097.8,5 453.7～4 246.5 cm-1区域内,近红外光谱的一阶微分光谱与其氨基酸含量之间建立模型。甘氨酸、精氨酸和总氨基酸的预测标准偏差分别为0.08,0.07和0.36,均优于主成分回归(PCR)和偏最小二乘回归(PLS)等线性模型的处理结果。结果表明,该方法是一种有效实用的非线性校正方法。为近红外光谱快速测定中药组分含量提供了一条新途径。     

近红外光谱结合人工神经网络分析蔗汁的锤度和旋光度

应用中波近红外(NIR)光谱结合误差反传人工神经网络(BP-ANN)方法,建立蔗汁锤度、旋光度的定量分析模型。光谱范围为1 000～1 800 nm,采用2 mm光程透射方式获得蔗汁吸光度光谱。对蔗汁的吸光度光谱进行Savitzky-Golay求导和均值中心化处理,然后通过相关系数法结合样品特征吸收优化建模波长范围,再采用PLS降维获取主成分并输入BP-ANN建立校正模型,用验证样品对校正模型进行验证。结果显示,BP-ANN法建立的锤度和旋光度的预测相关系数(R2)分别为0.982,0.979,预测标准偏差(SEP)分别为0.159和0.137,均优于偏最小二乘(PLS)建模方法结果,可较好地用于蔗汁锤度、旋光度的快速测定。     

人工神经网络法鉴别红外光谱

本文将反向传播人工神经网络（ＢＰ－ＡＮＮ）用于ＦＴＩＲ,鉴别未知化合物。结果表明,当训练集样本不含噪声时,纯光谱的预测结果很好。而当训练集样本有少量噪声干扰时,预测结果随预测集样本的不同,而得到不同的改善。     

人工神经网络分类鉴别苦丁茶红外光谱

为了分类鉴别苦丁茶,采用竞争神经网络(CNN)和反向传播人工神经网络(BP网络)两种模式的人工神经网络(ANN)分别分析了各种苦丁茶的红外谱图。作者采用25个样本作训练集,11个样本作检验集,用两种网络进行了训练。结果表明,CNN网络和BP网络均能够有效地实现苦丁茶产地的鉴别,但CNN网络能够进一步地区分苦丁茶的级别。实验表明,CNN速度快,预测结果准确,可望用竞争神经网络(CNN)和红外光谱法结合分类鉴别苦丁茶。     

基于大黄的红外光谱的人工神经网络鉴别研究

将傅里叶变换红外光谱法和人工神经网络用于鉴别正品和非正品大黄样品。在对神经网络训练前用小波变换对测量的红外光谱进行压缩,将原700个数据点的光谱压缩到44个变量,因此加速了神经网络的训练速度。52个大黄样品被用于网络模型的建立,其中包括25个正品大黄和27个非正品大黄的样品。文章还对隐含层神经元数目和动量参数的影响做了考察。结果表明,在优化的条件下用该方法对大黄样品的鉴别正确率达到98％。这种方法可被用于含大黄中药生产的质量控制。     

径向基函数网络-红外光谱法用于中药大黄样品的真伪分类

将径向基函数网络与红外光谱分析技术相结合,对正品和非正品大黄样品进行分类判别。采用小波变换对原始数据进行压缩,将原来的775个数据点压缩到49个变量,既保持了原来的特征谱峰又提高了网络的训练速度。对45种样品进行了测定和鉴别,正确率可以达到97.78%。并对影响分类结果的网络参数,目标误差和分布函数对样品分类的影响做了讨论。红外光谱法与神经网络相结合用于中草药的分类鉴定更加快速和方便。     

径向基函数神经网络和近红外光谱用于大黄中有效成分的定量预测

采用近红外光谱(NIRS)法和人工神经网络定量预测大黄样品中４种有效成分的含量,包括：蒽醌及其单糖甙类、水溶性蒽甙类、芪芪甙类、鞣质及其有关化合物。在1 100～2 500 nm波长范围内扫描大黄粉末样品,采用径向基函数神经网络(RBFNN)建立了近红外光谱与HPLC分析值之间的校正模型。上述四类化合物的交叉验证均方差(RMSECV)分别为2.572,0.442,2.794,9.438;预测均方差(RMSEP)分别为4.598,8.657,0.458 6,5.106。该方法快速,无损,结果令人满意,可作为中药材复杂体系中化学组分定量测定的方法。     

红外光谱与高木-关野系统结合鉴别大黄的研究

高木-关野模糊系统是基于若干反向传播神经网络(BP-ANN)组成的,它具有一些模糊逻辑特性。文章利用红外光谱与高木-关野模糊系统相结合鉴别52种大黄样品。并对神经网络的隐含层个数和动量因子的影响作了讨论。结果表明,用高木-关野模糊系统得到的结果比通常用的BP网络要好。选用适当的网络训练参数,正确率可达到100％。该方法比常规方法更准确,比民间传统方法更具科学性,因此是鉴别大黄的一种快速、简便的方法。     

偏最小二乘法和THz-TDS在正品大黄鉴别中的应用

太赫兹技术的发展近年来受到广泛的关注并被应用于热点。中草药大黄的品质鉴定对于中药制剂的质量控制具有重要的意义。利用大黄的太赫兹时域光谱结合偏最小二乘法（PLS）模型对基于41个正品和非正品大黄的中草药鉴别模型进行了研究。首先采集大黄样品的太赫兹时域光谱（THz-TDS）信号,然后将化学计量学方法用于这些大黄样品太赫兹光谱的信号处理与建模,再建立基于太赫兹光谱的大黄品质鉴定的偏最小二乘模型方法。应用S-G一阶导数、去趋势、标准正态变换、自标度化、均值中心化等方法对原始时域谱预处理再与未经预处理的结果相比,偏最小二乘（PLS）模型的预测正确率从80%明显提高到90%。在模型建立和模型检验中,采用留一法（LOO）选取训练集和检验集样本。利用留一法交叉验证确定了PLS模型的最佳主因子数。结果表明,当采用均值中心化方法时,PLS模型的RMSECV和RMSEP的值均达到了最小,分别为0.076 6和0.169 0。研究结果表明,THz-TDS技术结合化学计量学方法能够快速、准确的对大黄的真伪进行鉴别,直接使用太赫兹时域光谱而不使用计算后的吸收谱有两个优点： （1）在分频测定和光谱信号处理时无需考虑样品的厚度;（2）使光谱信号处理过程得到简化。该技术也可以对其他中草药进行鉴别和质量控制。该法快速、简单、无污染、无需样品预处理,是一种有发展前景的中草药无损检测方法。     

神经网络模型在LED便携式近红外整粒小麦成分测量仪上的建立

采用三层反向传播人工神经网络,在LED便携式近红外整粒小麦成分测量仪上,建立了测定整粒小麦中粗蛋白含量的定量分析模型。给出了LED便携式近红外整粒小麦成分测量仪的结构框图、光路结构图及所采集的整粒小麦样品光谱图。简介了人工神经网络的原理并给出了建模的结果。用人工神经网络建立模型,得到校准集和预测集的相关系数分别为0.90和0.96,相对标准偏差分别为3.77%和4.46%。在所使用的有限个分立波长的测定仪上,由于仪器光路、电路及整粒样品状态的影响,存在着一定的非线性。采用人工神经网络建立的模型,其结果优于线性模型的结果。     

应用近红外反射和透射光谱法鉴定玉米杂交种的纯度

探索使用近红外反射和透射光谱法(波长范围908.1~1 677.2 nm)鉴定玉米杂交种纯度,并对两种方法进行比较。对光谱进行一阶导数、矢量归一化的预处理后,使用主成分分析(PCA)和正交线性判别分析(OLDA)提取光谱特征,使用支持向量机(SVM)分别建立两个玉米品种(农华101和京玉16)的种子纯度鉴定模型。反射近红外光谱建立的农华101和京玉16的正确鉴定率分别为100%和90%。但反射光谱法受种子摆放位置的影响很大,胚面和非胚面光谱有较大差异。透射光谱法建立的京玉16和农华101纯度鉴定模型的正确鉴定率均为98%,胚面和非胚面的光谱相似度很高。结果表明,利用近红外反射和透射光谱法鉴定玉米杂交种纯度是可行的;透射光谱法更适于分析单籽粒玉米种子。     

光程变化对基于近红外光谱的黄酒品质检测的影响

以绍兴酒为研究对象,利用近红外光谱分析技术和化学计量学分析方法,开展了光程变化对基于近红外光谱的黄酒品质检测影响的研究,建立了黄酒酒精度、糖度和pH值3个品质指标的分析模型.通过比较0.5,1,1.5,2,2.5和3 mm 6个不同光程,并比较原始光谱、一阶微分光谱和二阶微分光谱三种光谱预处理方式对模型性能的影响,确定了这3个指标的最佳检测方式.黄酒酒精度和pH的最佳检测方式为:光程2 mm,采用偏最小二乘回归结合原始光谱;糖度的最佳检测方式为光程1mm,采用偏最小二乘回归结合原始光谱.这一研究表明光程变化对基于近红外光谱的黄酒品质检测有影响,选择合适的光程能够有效地提高检测精度.     

Identification of Rhubarb Samples by Using NIR Spectrometry and Takagi–Sugeno Fuzzy System

Abstract

The Takagi–Sugeno fuzzy system is implemented based on several back‐propagation neural networks (BP‐NNs) and has been applied to identification of official and unofficial rhubarb samples based on their near‐infrared spectra. Rhubarb is one of the most important Chinese medical herbs. It is of importance to identify official and unofficial rhubarb samples based on nondestructive near‐infrared spectrometry for quality control in Chinese herbal products. Near‐infrared diffuse reflectance spectrometry and the Takagi–Sugeno fuzzy system were used to classify 52 rhubarb samples, and the effects of the number of hidden neurons and of momentum parameters on prediction were investigated. The results obtained by using the Takagi–Sugeno fuzzy system were better than those by commonly used BP networks. With proper network training parameters, 100% correctness can be obtained by using the Takagi–Sugeno fuzzy system.     

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。