便携式近红外光谱仪的苹果糖度模型温度修正

样品温度对近红外光谱有很大影响,在近红外技术评价水果品质的实际应用时,需要修正温度变化对模型预测结果的影响。便携式近红外光谱仪采集不同温度下(0～30℃)苹果的漫透射光谱,采用二阶导数和卷积平滑进行预处理。选取20℃下代表性样本的光谱数据,建立基准PLS模型。斜率/偏差法分别计算苹果糖度PLS模型在0,10和30℃下的修正方程。分析结果表明:斜率/偏差法对0,10和30℃下外部样本预测结果进行修正,预测精度得到显著提高,其修正前后的Q值分别为0.525cv 0.810,0.680cv0.822,0.669cv 0.802。温度修正模型可以有效提高预测精度,也扩展了近红外仪器的适用性,为自主研发便携式近红外光谱仪提供参考。     

拉曼光谱对含Cr镁铝尖晶石热处理及其有序-无序相变研究

尖晶石的有序-无序相变作为尖晶石的一种重要性质，在国内缺少相关研究成果。运用拉曼光谱仪通过785 nm激光在液氮环境下激发含Cr的宝石级天然粉红色尖晶石，避免了532 nm激光激发下产生的469 nm的荧光峰和在常温测试下由于热振动对光谱的影响，得到清晰尖锐的拉曼光谱，为拉曼光谱参数的分析奠定基础。同时通过对一颗Cr元素致色的天然粉色镁铝尖晶石进行热处理使尖晶石逐步发生有序-无序相变，并反映在拉曼光谱的谱峰参数之中。各项参数分析结果显示，尖晶石的拉曼光谱主要由E_g，T_2g(1)，T_2g(2)，N₃和A_g，五种振动模式产生，其谱峰位置分别为407.8，312.4，667.5，720.0和769.0 cm-1；尖晶石拉曼光谱谱峰参数在800 ℃时发生突变： 各谱峰半高宽和各峰相对主峰E_g峰的相对强度明显增大，常温下几乎不可见的N₃峰在高温处理后出现，并且T_2g(1)峰向低波数偏移，T_2g(2)向高波数偏移，同时峰的对称性逐渐消失。研究结果表明尖晶石的有序-无序相变可以通过拉曼光谱检测并且可以通过谱峰参数： 半高宽、谱峰相对高度等进行半定量表征。由于拉曼光谱具有的无损检测特点，使其成为宝石级热处理尖晶石鉴定应用的重要参考依据之一。     

变色尖晶石的光谱学特征及变色机理研究

尖晶石作为一种珍贵的宝石材料，因其瑰丽的颜色外观和悠久的历史而广受称赞。变色效应作为宝石学中一种常见的光学现象，在变石，蓝宝石，尖晶石，石榴石等宝石中都可以出现。通常将宝石的变色效应归结为Cr离子和V离子所致，但是目前有关变色尖晶石的报道较少，缺乏致色元素和变色机理的研究。本次研究对象是一颗具有变色效应的尖晶石(在D65光源下呈蓝色，在A光源下呈蓝紫色)，和两颗不具有变色效应的蓝色尖晶石(两种光源下色调无明显变化)。运用电感耦合等离子体质谱仪(LA-ICP-MS)、紫外可见光谱仪、拉曼光谱仪、光致发光光谱仪获取样品的成分和光谱信息。LA-ICP-MS化学成分测试结果表明，三颗尖晶石均为镁铝尖晶石，主要化学成分为MgO和Al₂O₃，并含有Fe，V，Cr，Co和Zn等微量元素，在变色尖晶石中含有较多的Fe离子和微量的Co离子，不含有Cr离子，并且变色尖晶石与无变色效应的蓝色尖晶石中V离子含量相近。变色尖晶石紫外可见吸收光谱具有位于387, 461, 478, 527, 559, 590, 627和668 nm处的吸收峰，其中387, 461, 478和668 nm吸收峰与Fe离子有关。559，590和627 nm处的吸收峰是由Co离子d轨道电子自旋允许跃迁4A₂→4T₁(4P)并经自旋-轨道耦合作用分裂所致。此外，四面体配位中的Fe2+ d—d自旋禁阻跃迁5E(D)→3T₁(H)同样在559 nm处产生吸收峰。由Co离子和Fe离子共同作用，在559 nm附近产生的吸收宽带是尖晶石产生变色效应的主要原因。拉曼光谱测试结果显示变色尖晶石与其他两颗蓝色尖晶石无差异，可见311，405，663和765 cm-1四个特征拉曼位移峰，依次对应F_2g(1), E_g, F_2g(3)和A_1g振动。光致发光光谱(PL)测试发现变色尖晶石中处于T_d对称位置的Co2+的4T₁(P)能级会分裂成为三个子能级，电子由三个4T₁(P)激发态的子能级回落到4A₂(F)基态而产生位于686，650和645 nm处的发光峰。变色尖晶石中Co离子含量很低，并且Fe离子含量较高，受到Fe离子荧光猝灭作用，样品无红色发光现象。     

黄渤海沉积物有机碳光谱分析在不同仪器间的差异

光谱仪作为可见-近红外光谱分析核心工具,对于光谱分析的影响还有待深入研究。这里,以黄渤海沉积物为研究对象,利用安捷伦Cary 5000、 ASD FieldSpec 4、海洋光学QEPro三种光谱仪,研究有机碳含量的反射光谱及其光谱分析在不同光谱仪间的差异。其中,Cary 5000为室内台式光谱仪,FieldSpec 4和QEPro是便携式光谱仪;QEPro只能采集200～1 000 nm的反射率,而且反射率在三种光谱仪中最高;Cary 5000和FieldSpec 4能够采集完整的可见-近红外反射率(350～2 500 nm),光谱曲线几乎完全一致,尤其是近红外部分,但Cary 5000采集的反射率高于FieldSpec 4。三种光谱仪的光谱分析能力也存在显著差异,其中,Cary 5000的光谱分析能力最强,其光谱模型具有很强的预测能力,建模集r²高达0.99,验证集r²高达0.86,均方根误差(RMSE)在建模集和验证集分别为0.04、 0.11,相对分析偏差(RPD)高达2.6,显示了对黄渤海沉积物有机碳强大的预测能力。FieldSpe...     

溶液近红外光谱分析中温度影响的修正

作为一种快速、无损的分析技术,近红外光谱分析在许多领域中被广泛应用,其中液体样品是其应用最为广泛的分析对象之一.由于水等常用溶剂在近红外波段的温度敏感性极高,因而不能忽视温度对溶液的近红外光谱测量带来的影响.文章以朗伯-比尔定律为基础,在理论上推导出了温度变化对溶液透射光谱的影响,并提出利用纯溶剂在不同温度下的吸光度变化量作为温度校正量,对样品光谱进行修正.文章还在不同温度下,对葡萄糖水溶液和白蛋白水溶液进行了光谱测量,建立了30℃下的校正模型,并以纯水的吸光度变化量为温度校正量,将不同温度下的预测样品光谱修正至对应于30℃的光谱.实验结果表明,对光谱进行温度修正后,有效消除了温度对光谱的影响,葡萄糖和白蛋白的浓度预测误差得到了明显的降低.     

近红外光谱温度修正定量分析模型的研究

以小麦粉末样品为实验材料,研究了环境温度对近红外光谱定量分析结果的影响。将环境温度作为外部变量,使用不同温度下的45个样品建立了测定小麦蛋白质含量的温度修正模型,预测不同温度下的小麦样品的蛋白质含量,结果同以22 ℃恒温下45个样品建立的模型进行了比较。分析结果表明：温度修正模型的预测标准差(SEP)平均为0.333,而恒温模型(22 ℃)的预测标准差随着环境温度与建模时温度差的增大而增大,当环境温度4 ℃时,SEP=0.601 6。温度修正模型可以有效的提高近红外光谱定量分析精度。     

近红外光谱法对甲醇柴油中甲醇含量测定

应用近红外光谱结合化学计量学方法实现了对甲醇柴油中的甲醇含量的定量分析。以实验室配制的32种不同浓度[浓度范围为2%～25.8%(φ)]的甲醇柴油溶液为研究对象,在4 500～7 000 cm-1光谱范围内,建立偏最小二乘(PLS)、支持向量机(SVM)和最小二乘支持向量机(LS-SVM)三种定量分析模型。在建立SVM模型时,经过比较分析,径向基函数(radial basis function,RBF)作为SVM模型的核函数时可以获得更高的预测精度。最终获得甲醇含量的PLS, SVM和LS-SVM三种模型的预测相关系数R_P分别为0.985 9, 0.990 3, 0.998 9,预测均方根误差RMSEP分别为0.405 2, 0.356 3, 0.062 4,可以看出,三种预测模型都可以达到很好的效果,最优的预测模型是使用LS-SVM建模。研究结果表明,利用近红外光谱法结合化学计量学方法对甲醇柴油中甲醇含量的检测具有可行性,并可以达到很好的效果。采用近红外光谱技术结合化学计量方法对甲醇柴油中甲醇含量进行定量分析,也为近红外光谱技术快速无损检测甲醇柴油甲醇含量提供参考和应用价值。     

波长比和近红外光谱的番茄品质检测方法

番茄的可溶性固形物(SSC)、pH值和坚实度(Firmness)是决定番茄的口感及收获后品质的主要因素。提出一种基于波长比和近红外光谱的番茄SSC,pH和坚实度检测方法。首先用Vis/SWNIR便携式光谱仪 (波长：400～1 100 nm)和中波近红外便携式光谱仪 (波长：900～1 683 nm)在相互作用模式下,对6个不同成熟度的600个番茄样本进行光谱采集,对所采集的光谱用波长比法和波长比+自动缩放法进行预处理后,分别建立番茄SSC,pH和坚实度的预测模型,比较单一自动缩放、单一波长比、波长比+自动缩放及不做预处理四种方法的预测结果。结果显示,波长比法结合自动缩放预处理可有效提高可见/短波近红外光谱对SSC,pH和坚实度的预测精度(r_p=0.779,0.796和0.917);波长比法+自动缩放法可提高中波近红外光谱对SSC的预测效果(r_p=0.818)。这说明波长比法在优化和处理番茄光谱信息方面具有一定的潜力。     

基于分数阶微分算法的大豆冠层氮素含量估测研究

氮素与作物的生长发育、产量和品质密切相关。作物冠层氮素含量的快速、准确、无损检测对于作物营养诊断和长势评估具有重要意义。传统的氮素检测方法检测周期长、操作复杂,同时具有破坏性,无法实现作物氮素含量在时间和空间上的连续动态监测。基于光谱遥感技术快速、无损地获取作物氮素含量是近年来作物组分快速检测研究的热点。当前的研究大多基于原始光谱或整数阶微分(一阶、二阶)预处理后的光谱进行氮素含量预测,原始光谱或整数阶微分预处理后的光谱会忽略光谱曲线间的渐变信息,影响氮素含量的预测准确度。与原始光谱和整数阶微分方法相比,分数阶微分算法在背景噪声去除、有效信息提取等方面较有优势。为研究分数阶微分预处理算法在作物氮素检测中的应用,本文以不同施肥处理下的盆栽大豆作物为研究对象,获取大豆苗期、花期、结荚期和鼓粒期四个生育期共256组冠层高光谱及对应的大豆冠层氮素含量(CNC)数据,运用分数阶微分算法对光谱数据进行0～2阶微分预处理,微分间隔为0.1,分别采用归一化光谱植被指数NDSI、比值光谱指数RSI对预处理后的光谱数据和大豆冠层氮素含量数据进行相关性分析,得到各阶微分预处理下NDSIα(α代表分数阶微分阶数)与大豆CNC,RSIα与大豆CNC相关系数绝对值的最大值及其对应的波段组合--最优波段组合NDSIα(opt)和RSIα(opt),采用线性回归方法,建立各阶微分下NDSIα(opt)与CNC,RSIα(opt)与CNC的预测模型,并与常用植被指数(VOGII, MTCI, DCNI, NDRE)建立的氮素含量预测模型进行比较,研究分数阶微分算法对大豆作物冠层氮素含量预测模型的效果。结果表明：(1)在0～2阶微分范围内,最优波段组合NDSIα(opt),RSIα(opt)与大豆CNC的相关系数随阶数增加呈现先升高后下降趋势。其中,0.8阶微分下NDSI_0.8(R₇₂₅, R₇₆₉)与大豆CNC的相关系数最大,为0.875 9;0.7阶微分下RSI_0.7(R₅₄₈, R₇₆₇)与大豆CNC的相关系数最大,为0.865 1;(2)分数阶微分预处理能够细化光谱数据中的有效信息,增强光谱数据对冠层氮素含量的敏感性,尤其是增强红边平台波段与氮素含量的正相关性及绿波段与氮含量的负相关性;(3)与整数阶微分、常用植被指数相比,分数阶微分能够提高大豆CNC预测模型的准确性。其中,基于0.7阶微分RSI_0.7(R₅₄₈, R₇₆₇)建立的大豆CNC预测模型与0阶微分RSI₀(R₇₂₅, R₇₆₉)相比建模集决定系数(R2_C)和预测集决定系数(R2_P)分别提高了0.061 9和0.016 6,建模集均方根误差(RMSEC)和预测集均方根误差(RMSEP)分别降低了0.552 5和0.180 9,预测相对偏差(RPD)提高了0.110 4。基于0.7阶微分RSI_0.7(R₅₄₈, R₇₆₇)建立的大豆CNC预测模型与VOG II相比R2_C和R2_P分别提高了0.086 6和0.025 5,RMSEC和RMSEP分别降低了0.757 5和0.248 3,RPD提高了0.146 88;(4)基于0.7阶微分比值光谱指数RSI(R₅₄₈, R₇₆₇)建立的大豆LNC预测模型较优,其R2_C为0.748 4,R2_P为0.800 3,RMSEC为4.752 9,RMSEP为3.511 1,RPD为2.253 7,能够较好的估测大豆冠层氮素含量。研究表明分数阶微分算法在大豆冠层氮素含量的定量预测中具有一定的优势,为光谱遥感技术在作物氮营养检测中的应用开拓了新的思路。     

拉曼及近红外吸收光谱的燃油混合物量化分析

生物柴油是典型的"绿色能源",具备良好的环保性和燃料特性,通常与柴油混合使用在柴油发动机上。但是目前世界各国柴油与生物柴油混合的比例标准参次不齐,没有一个统一的标准,并且不同比例的柴油/生物柴油混合物具有不同的燃烧性能,也会对柴油发动机产生一定程度的影响。为了能够快速、准确的测量柴油/生物柴油混合物中的生物柴油浓度,近红外光谱和拉曼光谱在燃油检测方面已经得到广泛的应用。利用拉曼及近红外光谱对柴油/生物柴油混合物中的生物柴油浓度进行了量化分析研究。首先采集了柴油/生物柴油混合燃油的拉曼光谱及近红外吸收光谱,然后利用平滑、基线校正、归一化等方法对采集到的光谱进行预处理。从光谱图中观察到,在柴油/生物柴油混合物的拉曼光谱和近红外光谱中都有C=O特征光谱区域,且该光谱区域的光谱峰都随生物柴油的浓度增加而越来越明显。拉曼光谱中,随生物柴油浓度变化的主要C=O特征光谱区域是在1 743 cm~(-1)位置处的特征峰,在近红外光谱中,随生物柴油浓度变化的主要C=O特征光谱区域是在4 659 cm~(-1)处的特征峰。然后分别根据强度比方法和偏最小二乘(PLS)回归方法建立了相应的混合燃油中生物柴油浓度预测模型。结合强度比方法建立特征峰强度比的生物柴油浓度预测模型,由混合燃油的拉曼光谱和近红外光谱建立的C=O特征峰线性预测模型相关系数分别为0.947 2和0.996 2;结合偏最小二乘(PLS)回归法建立特征光谱区域的生物柴油浓度预测模型,由混合燃油的拉曼光谱和近红外光谱特征区域建立的相应预测集相关系数(R~2)分别为0.981 5和0.991 2,相应的预测均方根误差(RMSE)分别为0.093 7和0.012 9。结果表明,在混合燃油中,使用近红外光谱中的C=O光谱区域建立的生物柴油浓度预测模型会得到更准确的预测结果。     

空间外差拉曼光谱仪成像镜头光机热集成分析

便携式空间外差拉曼光谱仪集成了光学功能镜头、干涉仪组件,以及探测器和激光器等热辐射器件,因此仪器在使用过程中存在着较为复杂的热环境,环境温度变化导致光学系统性能下降。采用光机热集成分析方法,重点研究了环境温度及热辐射器件对关键器件成像镜头的性能影响。在便携式空间外差拉曼光谱仪光学和结构方案设计的基础上,建立热-结构耦合模型;仿真得到成像功能镜头内镜片的间距和面形的变化,并利用Zernike多项式拟合其变化;将拟合结果代入光学设计软件中进行成像质量评估和分析。结果表明,在使用环境温度(-10℃~40℃)范围内,调制传递函数在光谱仪截止频率76.9 lp/mm处对比度均优于0.38,满足便携式空间外差拉曼光谱仪的使用要求。     

硫酸根拉曼频移用于深海热液温度探测的方法探讨

作为一种典型的深海极端环境,热液区域不仅分布着各种硫化物矿产,而且孕育着特殊的生态群落,对热液流体理化性质的研究有助于深入了解热液的运动机制。激光拉曼光谱技术除了定性分析方面的优势外,已经被逐步用于定量分析,并且在原位探测中发挥了重要作用。该研究模拟了深海热液喷口流体的高温高压环境,探讨了水分子和硫酸根离子的拉曼光谱在热液流体温度探测中的应用价值。通过对水峰ν₁（H₂O）、硫酸根ν₁(SO2-₄)的拉曼频移与温度、离子浓度的关系进行研究,结果表明水峰ν₁（H₂O）和硫酸根ν₁(SO2-₄)的拉曼频移随温度表现出明显的变化,水峰ν₁（H₂O）的拉曼频移受流体硫酸根浓度的影响明显,因此不适用于硫酸根离子浓度变化明显的热液流体温度的测量。相比之下,ν₁(SO2-₄)的拉曼频移对流体硫酸根浓度和流体压力不敏感,为温度的反演提供了很好的依据。建立了ν₁(SO2-₄)的拉曼频移与温度的线性方程：Rν₁(SO2-₄)=-0.03T+980.69,其中,R2=0.998 6,可用于对深海热液喷口流体温度的原位探测等实际应用。     

基于便携式近红外技术的生鲜乳品质现场评价

生鲜乳作为乳制品生产的基本原料,其质量是保证乳制品食用安全、维护人类健康的基础。可见/近红外光谱技术结合化学计量学方法,构建生鲜乳品质指标的数学模型,实现生鲜乳品质的现场评价。在不同年份,收集88份来自不同奶牛个体的生鲜乳样品。便携式光谱仪采集生鲜乳漫透射光谱(500~1 010 nm),二阶导数和卷积平滑进行光谱预处理,以消除脂肪球引起的光散射和高频噪声。变窗宽移动窗口偏最小二乘法(CSMWPLS)和遗传偏最小二乘法(GAPLS)用于筛选信息区间,并构建预测模型。CSMWPLS与GAPLS模型的预测性能相当,脂肪、蛋白质、干物质和乳糖的预测标准误差(RMSEP)分别为0.115 6/0.103 3,0.096 2/0.113 7,0.201 3/0.123 7和0.077 4/0.066 8,相对预测误差(RPD)分别为8.99/10.06,3.53/2.99,5.76/9.38和1.81/2.10。同时构建了生鲜乳品质指标的多元线性回归(MLR)方程,采用的最优变量数分别为8,10,9和7。采用外部数据集检验,MLR预测性能与PLS相近甚至更优,脂肪、蛋白质、干物质和乳糖模型的RMSEP分别为0.107 0,0.093 0,0.136 0和0.065 8;相对预测误差(RPD)分别为9.72,3.66,8.53和2.13,可用于现场准确测量。结果显示,便携式近红外光谱仪结合MLR模型可实现生鲜乳品质的现场快速评价,为生鲜乳按质论价收购提供了一种新方法,同时为便携式乳品近红外专用仪器设计提供技术参考。     

铼的弹性剪切参数C44对温度与压力响应的原位拉曼光谱研究

铼具有高体积弹性模量、高熔点、优良的抗蠕变性能,是一种重要科学研究与工程应用材料。铼的弹性剪切系数C₄₄对温度和压力的响应特性对铼及其合金材料的设计与工程应用具有重要意义。激光拉曼散射技术在研究不同温度和压力条件下六方密堆积结构(hcp)金属的弹性剪切系数C₄₄上具有独特的优势。但由于金属的强反射作用和浅的穿透深度,hcp金属的低波数拉曼散射信号往往很难获取,在一定的温度和压力加载下拉曼信号的获取尤为困难。利用侧向激发拉曼散射技术,有效降低了金属强反射对拉曼光谱采集的影响,成功测量到多晶铼在不同压力与温度条件下的E_2g拉曼振动模,获得铼在常温常压条件的弹性剪切系数(C₄₄=133 GPa)以及其弹性剪切系数C₄₄对温度和压力的响应特性。研究结果表明,多晶铼的弹性剪切系数C₄₄模量随压强的增加而增大,随温度的增加而减小。这也为用光散射方法研究金属材料剪切模量提供了良好研究方法。     

近红外光谱检测鲜枣酵母菌的动力学模型

酵母菌是引起鲜枣发酵的主要微生物。以室温(20 ℃)贮藏的鲜枣为研究对象,应用近红外光谱,建立了检测鲜枣内酵母菌的动力学模型,从而预测室温贮藏鲜枣的保鲜期,以确保鲜枣的品质安全。通过对近红外光谱预处理方法和特征波数的优选,分别建立了室温贮藏下鲜枣内酵母菌的近红外光谱定量检测模型和反映其变化规律的动力学模型。结果表明,在全光谱范围内,采用多元散射校正光谱预处理方法,通过多元线性回归,建立的鲜枣内酵母菌菌落总数的近红外光谱模型预测效果最好,其中校正集的相关系数为0.950,均方根误差为2.560,预测集的相关系数为0.863,均方根误差为2.477。结合鲜枣的近红外光谱,其零级反应动力学模型可以较好地描述酵母菌的变化情况,鲜枣光谱吸光度值与贮藏时间的动力学模型为B_t=171.395-124.445x₁-109.945x₂-32.763x₃-7.899x₄-1.426x₅-4.857x₆+0.045t,其相关系数为0.996,标准偏差为2.561。酵母菌安全限量为100 000 cfu·g-1,当酵母菌菌落总数初始值小于等于10 cfu·g-1时,预测鲜枣在室温下的贮藏时间为8 d,也可根据鲜枣中的酵母菌菌落总数初始值的不同实现实时监测鲜枣内部酵母菌菌落总数信息及其安全的贮藏时间。     

特征变量优选在苹果可溶性固形物近红外便携式检测中的应用

为实现苹果可溶性固形物(SSC)的便携式快速检测,利用环形光纤探头和微型光谱仪搭建便携式苹果可溶性固形物光谱采集系统,结合无信息变量消除(UVE)、遗传算法(GA)、竞争性自适应加权(CARS)算法筛选基于偏最小二乘(PLS)的苹果可溶性固形物的近红外光谱特征波长。另外,采用反向区间最小二乘支持向量机(BiLS-SVM)和GA算法优选基于LS-SVM的特征波长变量,分别建立所选特征波长和全波段的PLS模型和LS-SVM模型。试验结果表明,经过GA-CARS算法从全波段1 512个波长中筛选出的50个特征波长建立的PLS模型效果最好,其预测相关系数和预测均方根误差分别为0.962和0.403°Brix。利用该检测装置结合GA-CARS筛选的特征波长,可有效简化苹果可溶性固形物近红外便携式检测模型并提高模型的预测精度,为进一步构建便携式苹果可溶性固形物检测设备奠定了基础。     

基于便携式拉曼光谱的进口散装橄榄油品质现场快速无损鉴别方法

随着食品全球产业链的整合和大众生活水平提高,进口植物油在日常饮食中占比逐步增加,具有丰富营养价值的橄榄油在植物油产品中备受关注。在进口散装橄榄油的跨境运输和通关过程中,由于环境、温度和时间等因素的影响,分仓储运的橄榄油中不饱和脂肪酸可能发生氧化,以及初榨橄榄油中果肉碎渣沉淀在多次换仓时进行累积,导致橄榄油不同分仓和同一仓位不同位置的植物油品质出现较大差异,给橄榄油口岸现场的抽样监管和质量评价带来较大困扰。针对散装橄榄油现场快速品质评价的需求,在偏最小二乘法的基础上,将拉曼响应强度转换为向量空间角度值,建立橄榄油品质指标分析预测模型,针对不同抽样点样本进行橄榄油品质的快速现场预判,确保散装橄榄油在进出口环节的精准监管。首先采用传统方法分别测定经过220,240和260 ℃温度下,加热不同时长的橄榄油的酸价、过氧化值和亚麻酸的实测值,同时采用便携式拉曼光谱仪检测对应油样的拉曼光谱,通过平滑滤波求导等手段对光谱数据进行预处理,采用偏最小二乘法及角度度量法,对橄榄油的酸价、过氧化值、亚麻酸三种指标进行建模分析,两种方法建立的指标模型相关系数均达到0.99以上,其中角度度量法的相对误差范围不超过-5.43%。在进口散装橄榄油中随机抽取七个不同的样品进行验证,角度度量法建立的三种模型预测结果均方根误差分别为0.025 8,0.222 8和17.064 1,相对误差范围在-4.71%~5.98%之间,结果显示角度度量法建立的模型更准确,具有更好的预测性及稳定性。该方法可应用于进口散装橄榄油品质的现场快速品质鉴别,提升口岸现场监管环节质量评价的精准性,为进出口散装橄榄油质量综合评价提供技术保障。     

近红外光谱的北方寒地土壤含水率预测模型研究

我国北方寒地温差大,土壤温差对近红外光谱测量土壤墒情有较大影响。针对这一问题,以北方寒地土壤为研究对象,探究大范围温度胁迫下（-20～40 ℃）土壤的近红外光谱与土壤不同含水率之间的关系预测模型方法。选取黑龙江八一农垦大学农学院试验基地中的黑土,经烘干、过筛等操作处理后配置含水率范围在15%～50%内八种不同湿度的土壤样品,建立北方寒地土壤大范围温度胁迫下土壤的近红外光谱信息与含水率之间的定量预测模型。在全波段光谱数据的基础上,结合五种不同光谱信号预处理方法,采用BP神经网络算法、优化支持向量机算法（SVM）、高斯过程算法（GP）三种智能算法建立北方寒地土壤近红外光谱与含水率的预测模型并验证模型的效果。利用69组数据进行训练建模, BP神经网络相关参数设置为学习速率0.05,最大训练次数设置为5 000,隐层单元数确定为20;SVM采用径向基函数,并利用leave-one-out cross validation确定了最佳惩罚参数为0.87,使模型预测的准确性提高;高斯过程算法内部采用马顿核。模型的定量评估采用决定系数(R2)和均方根误差（RMSE）。结果表明,在建立的全部BP神经网络模型中,效果最佳的为S_G-BP神经网络模型,模型的R2为0.960 9,RMSE为2.379 7;在SVM模型中SNV-SVM模型的效果最好,模型的R2为0.991 1,RMSE为1.081 5;在GP模型中S_G-GP模型的效果最好,模型的R2为0.928,RMSE为3.258 1,综上基于SNV预处理的SVM模型训练效果最优。利用剩余的35组光谱数据作为预测集验证模型性能,经模型对比分析发现基于SVM算法的预测模型效果优于其他两种算法,其中基于S_G的SVM模型效果最优,其预测模型的R2和差RMSE分别为0.992 1和0.736 9。综合建模集与预测集的参数最终确定基于S_G的SVM模型为最佳模型。此模型可以作为大范围温度胁迫条件下（寒地）的土壤含水率有效预测方法,为设计优化适宜寒地便携式近红外土壤含水率快速测量仪提供科学依据。