化学计量学在近红外光谱定性分析中的应用

近红外光谱的多元特性使得它特别适合于应用化学计量学技术进行物质的分析。本文讨论了判别分析技术在近红外光谱定性分析中的应用,结果表明应用相关的化学计量学方法采用近红外光谱进行物质的定性分析是可行的。     

现代近红外光谱技术及应用进展

简要介绍了现代近红外光谱的发展、技术特点和测量原理 ,对近年来近红外光谱仪器、化学计量学方法及软件和应用的进展情况及我们在这几个方面开展的工作进行了简要介绍     

近红外光谱判别分析滤波器的设计与应用

近红外光谱(NIRS)在定量和判别分析中已得到广泛应用,化学计量学在其中发挥了重要作用,但仍需要建立基于新原理的方法,简化数据处理和建模过程,使近红外光谱分析更加方便、更加快速.多元光学计算(M O C)技术通过设计合适的光学滤波器可以在光谱测量的同时,根据光谱的整体形状得到定性定量结果.作为一种新的测量和计算方式,近...     

近红外漫反射光谱法和模式识别技术鉴别中药材产地

采用近红外漫反射光谱法获得了来自不同产地的中药材的红外光谱,结合近邻法和多类支持向量机等模式识别技术,对来自四个不同产地的269个白芷样本和六个不同产地的350个野生和栽培丹参样本进行了产域鉴别,得到的交叉验证准确率分别达到99%和95%,为中药材产地的快速无损鉴别探索了一条有效的途径。     

玉米近红外光谱在仿生模式识别中的特征提取方法研究

近红外光谱特征提取是近红外光谱定性分析的关键步骤,其质量直接影响定性分析结果。采用漫透射方法测量8个玉米品种的近红外光谱,经预处理后,分别采用PCA,ICA,PLS-DA和小波分解四种方法对光谱进行特征提取,并使用仿生模式识别方法建立了8个玉米品种识别模型,最后使用测试集数据进行模型测试。结论如下:使用PLS-DA方法进行特征提取后建立的模型正确识别率优于使用PCA,ICA和小波分解特征提取后建立的模型。     

近红外光谱分析技术的一些数据处理方法的讨论

介绍了近红外光谱分析的技术原理,常用的几种建模方法以及各自的特点。同时,阐述了光谱的预处理,其中的小波变换方法是一种新的数学工具,有着广泛的应用前景。     

近红外光谱分析技术

介绍了近红外光谱分析技术的工作原理,阐述了其数学模型的建立及分析过程,总结了现有常用的化学计量学方法及各自的优点,最后简单的概括了近红外光谱分析技术的应用,尤其是在制药方面的应用.     

多任务最小二乘支持向量回归机及其在近红外光谱分析技术中的应用研究

在近红外光谱定量分析中,许多模型分开考虑各种样品成分含量,失去了样品成分间潜在的联系.针对该问题,文章将建模分析每种样品成分含量的问题看作一个任务,将同时建模分析所有样品成分含量的问题转换为多任务学习问题.在LS-SVR的基础上,提出了多任务LS-SVR(MTLS-SVR),并给出一种有效的大规模问题求解算法.最后,以高粱样品数据集为实验材料,建立了三种样品成分(蛋白质,赖氨酸及淀粉)的同时定量分析模型.三种样品成分的预测值与实际值的平均相对误差分别为1.52%,3.04%和1.01%,相关系数分别为0.993 1,0.894 0和0.940 6,经分析比较,发现MTLS-SVR模型优于PLS,LS-SVR以及多因变量LS-SVR(MLS-SVR),从而验证了MTLS-SVR模型的可行性和有效性.     

近红外光谱分析技术进展及其在烟草行业中的应用

对国内外近红外光谱的发展现状、分析技术特点、分析仪器、近红外光谱中常用的化学计量学方法以及近年来近红外光谱在烟草行业中的应用等几个方面进行了较详细地综述,认为近红外光谱分析技术在烟草行业中正扮演着越来越重要的角色,具有十分广阔的应用前景.     

基于近红外光谱和仿生模式识别玉米品种快速鉴别方法

文章提出了一种采用近红外光谱快速鉴别玉米品种的新方法,并对不同品种的玉米种子建立了相应的鉴别模型。对7个玉米品种共140个样本,通过近红外光谱仪扫描获得4 000～12 000 cm-1波段范围内的光谱数据。为了消除噪声、提高数据处理效率,对原始数据进行了归一化预处理,采用固定尺寸移动窗口渐进因子法(fix-sized moving window evolving factor analysis)寻找特征波段,使用主成分分析(PCA)方法得到能反映玉米种子99.96%光谱信息的5个主成分,进而利用仿生模式识别(biomimetic pattern recognition)方法建立玉米品种的鉴别模型。对于每个品种中的20个样本,随机挑选10个样本作为训练样本,其余10个样本作为第一测试集,其他品种共120个样本作为第二测试集。在对第二测试集平均正确拒识率达到99.1%的情况下,对第一测试集中的样本取得了94.3%的平均正确识别率。该方法具有较高的鉴别准确度,可以作为一种快速无损的玉米品种鉴别方法。     

基于近红外光谱和模式识别技术鉴别大米产地的研究

利用近红外光谱和模式识别技术建立了大米产地的快速鉴别方法。首先对119个地理标志产品响水大米和90个其他产地的大米(即非响水大米)的近红外光谱进行一阶导数和平滑处理,利用主成分分析法(PCA)对数据进行降维,通过前三个主成分的载荷图确定了相关性最大的特征波段(7 700～6 700 cm-1与5 700～4 300 cm-1)。在全波段内,凝聚层次聚类和Fisher’s判别鉴别方法都可以100%正确的鉴别响水大米和非响水大米;对于非响水地区的大米的具体产地判别,聚类分析正确率为91.9%,Fisher’s判别分析方法的正确率为96.7%。同时,在特征波段内,对大米产地聚类分析的准确度高于全波段范围内分析结果,说明选取的特征波段具有较强的代表性,是优化模型的有效方法之一。     

基于仿生模式识别和近红外光谱的转基因小麦快速鉴别方法

提出了一种采用近红外光谱快速鉴别转基因小麦种子的方法,对不同品种的9个转基因小麦样品种子分别建立了鉴别模型。对9个小麦样品共225个样本,通过近红外光谱仪扫描获得从4 000～12 000 cm-1波段范围的光谱数据。为了消除噪声,对原始数据先进行了归一化预处理;然后使用主成分分析(PCA)方法得到能反映小麦种子97.28%光谱信息的前10个主成分,提高了数据处理效率;最后利用仿生模式识别(biomimetic pattern recognition, BPR)方法建立小麦品种的鉴别模型。对于每个样品中的25个样本,随机挑选15个样本作为训练样本,其余10个样本作为第一测试集,其他品种共200个样本作为第二测试集。在对第二测试集平均正确拒识率达到96.7%的情况下,对第一测试集中的样本取得了95.6%的平均正确识别率。实验结果表明,该方法具有较高的鉴别准确度,可以作为一种快速无损的转基因小麦种子鉴别方法。     

近红外光谱和模式识别的菊花品种无损鉴别

菊花为菊科植物菊的头状花序,滁菊、贡菊、杭菊和亳菊是常见的几类药用品种菊花.不同品种菊花在外观上具有极大的相似性,非专业人员仅凭肉眼难以对其进行准确鉴别分析.常规仪器分析法检测成本较高,分析时间较长,且需要对样品进行破坏性处理,影响了产品的二次销售.近红外光谱技术作为近年来快速发展起来的一种绿色、简单、快速的新型检测技...     

NMR指纹图谱与模式识别方法

NMR指纹图谱与模式识别方法相结合在食物的研究中得到广泛应用,已经成功应用于食品的产地的区分,质量判定和转基因食品的安全考察等领域中. 本文综述了近些年NMR指纹图谱与模式识别方法在这些领域的应用.      

基于近红外光谱的淡水鱼新鲜度在线检测方法研究

新鲜度是反映鱼类品质以及可否食用的重要指标,在线检测直接关系到食品质量与安全的实施应用,因此对淡水鱼新鲜度进行在线无损检测具有重要意义。应用近红外光谱对淡水鱼新鲜度进行在线检测,试验装置采用自行搭建的淡水鱼近红外光谱在线采集装置,试验时样品在输送链上以0.5 m·s-1的速度运动,采集其近红外漫反射光谱(900～2 500 nm),并用支持向量机(support vector machine, SVM)建立淡水鱼新鲜度在线检测模型。采用光谱理化值共生距离(sample set partitioning based on joint X-Y distance algorithm, SPXY)算法对样本集进行划分,其中校正集111条(新鲜57条,变质54条)、测试集37条(新鲜19条,变质18条),通过对比不同的光谱预处理方法对预测结果的影响,明确了一阶导结合标准化预处理为最优光谱预处理方法,经过该方法预处理后所建模型对校正集的正确识别率为97.96%,对测试集的识别率为95.92%。为了提高模型运行速度对建模所用光谱变量进行优化,分别采用遗传算法(genetic algorithm, GA)、连续投影算法(successive projection algorithm, SPA)和竞争性自适应重加权算法(competitive adaptive reweighed sampling algorithm, CARS) 三种不同的特征变量选择方法对特征波长进行筛选,通过建模比较分析确定CARS为最优波长选择方法,以所选的10个特征波长建立淡水鱼新鲜度支持向量机检测模型,模型对校正集的正确识别率为100%,对测试集的识别率为93.88%。该研究可为近红外光谱用于淡水鱼新鲜度在线检测提供技术支持。     

有监督主成分回归法在近红外光谱定量分析中的应用研究

介绍了运用有监督主成分回归法建立近红外光谱定量分析模型的原理和方法.利用该方法先进行近红外光谱定量分析建模的波长信息选择,达到降低光谱数据维数的目的,然后建立数学模型,并用其分析预测集样品.文中以66个小麦样品为实验材料,随机选择其中40个样品建立小麦样品中蛋白质含量的近红外光谱定量分析模型,首先优选出4个波长点:4 632,4 636,5 994,5 997 cm-1,利用这4个波长点处光谱信息建立主成分回归模型预测26个样品的蛋白质含量,其结果与凯氏定氮法分析结果的相关系数为0.991,平均相对误差为1.5%.该方法从大量光谱数据中筛选出最重要的部分波长信息,实现了"少而精"的波长点选择,对建立抗共线性信息干扰的光谱定量分析模型,同时对指导专用近红外分析仪器设计中波长点的选择等方面都有一定的意义.     

玉米亚正常籽粒生活力近红外光谱判别方法研究

应用近红外光谱分析技术,针对玉米诱导过程中产生的亚正常种子,发展亚正常种子的单籽粒生活力判别方法。该研究应用了一种基于Kolmogorov-Smirnov检验的方法(KS法)对近红外光谱进行特征提取,并比较了十种采用不同预处理数据和特征提取方法建立的模型的判别性能,每种模型试验了1134种参数组合,并对采用多种方法和参数组合建立的模型进行交叉验证。结果表明,采用矢量归一化预处理,KS法提取特征波长,并去除低信噪比区域的数据建立的模型判别效果最好。发芽籽粒和不发芽籽粒的平均正确识别率分别达到92.20%和84.86%。该方法将发芽籽粒的筛选准确率由随机筛选的不足40%提高至85%以上,可显著提高筛选效率。     

基于近红外胶体量子点阵列和光谱重构算法检测多种化学物质的方法研究

在众多化学物质检测技术手段中,红外检测技术由于具有非破坏性、灵敏度高、检测速度快、准确性好等特点,广泛应用于化工、生物医学、食品安全等领域。量子点光谱仪是使用量子点代替光栅作为分光器件,结合阵列探测器及光谱重构算法实现光谱检测的新型微型光谱仪,具有体积小、成本低等优点。为了进一步提升现有量子点光谱仪和量子点器件检测化学物质的普适性,为微小型近红外分光器件研制提供有效技术途径,以危险化学品乙醇、化学战剂模拟剂甲基膦酸二甲酯、二氯甲烷为目标物,通过将多种量子点材料与紫外固化胶混合后沉积在RGB点阵模块并固化,制备了发射光谱波段为900～1 600 nm的近红外胶体量子点阵列。采用经验模态分解方法提取输入光谱的高频信号以减小随机噪声干扰,并基于最小二乘法建立了相应光谱重构算法。实验结果表明,近红外胶体量子点阵列制备方法简单,成本低、稳定性较好。具有144条光谱通道的近红外胶体量子点阵列实现的重构光谱分辨率可以达到4.861 nm,与标准吸收光谱相比,其特征峰最小偏差仅为0.043%。因此,使用近红外胶体量子点阵列结合光谱重构算法可以实现气态、液态目标物的光谱重构和检测识别。未来,通过增加阵列数量可有效提升重构光谱的光谱分辨率;通过增加所选量子点材料,还可以实现从紫外到红外波段范围内的光谱检测;通过优化检测光路和重构算法参数提高目标物检测信噪比。