近红外稳健分析校正模型的建立(Ⅰ)--样品温度的影响

样品温度对近红外光谱分析模型稳健性有明显影响 ,消除其影响的三类方法包括光谱预处理、波长选择和温度补偿校正集。文章以重整汽油 /辛烷值 /苯含量为研究体系 ,考察了这三类方法对建立稳健分析模型的有效性 ,并详细研究了温度补偿校正集样品数量及性质分布对温度混合模型稳健性的影响规律。结果表明 ,仅通过光谱预处理方法难以消除温度对模型稳健性的影响 ;遗传算法波长选择和温度补偿校正集对消除温度影响是有效的 ,而后者更容易实现 ,但在实际应用中应考虑非线性问题     

低浓度多元糖混合水溶液体系的近红外分析

利用近红外光谱分析了葡萄糖、果糖、单糖和蔗糖的二元以及三元混合溶液。水在近红外区域的吸收十分强烈,近红外光谱分析更多应用于干燥的或者低水分的样品,而不适用于新鲜的果蔬样品。文章试图将近红外用于水溶液体系的分析,在不回避水的强干扰因素的情况下,探讨如何改进分析手段,优化分析结果。实验中样品浓度分布在0.01～0.25 mol·L-1的范围。对于物理化学性质都比较接近的低浓度单糖溶液,通过比较它们在不同组分中的近红外谱图,特别是C—H,O—H等基团的近红外吸收在不同条件下的变化,以及选择不同波数区间或者全谱建立分析模型对于分析结果的影响,优化波数区间的选择,结合化学计量学优化计算,以获得质量较高的校正模型,改善分析结果,克服水的影响。     

多元散射校正预处理波段对近红外光谱定标模型的影响

利用近红外光谱对非均匀样品进行分析时,所得样品光谱中包含由光散射导致的干扰信息,通常需要借助多元散射校正算法(multiple scattering correction, MSC)对光谱进行预处理。由于不同波段光谱中所包含的散射信息、噪声水平、基线漂移程度等存在差异,利用MSC方法对光谱进行预处理时,基于不同波段的光谱数据会得到不同的校正结果,进而影响所得定标模型的可靠性。以60个全麦粉样品为研究对象,确定定标区间后,对包含定标区间的不同波段的原始光谱分别进行MSC处理,并利用固定区间内的光谱数据结合偏最小二乘回归(partial least square regression, PLSR)方法建立分析样品中蛋白质含量的定标模型,研究了MSC光谱预处理波段对定标模型的影响,并对MSC光谱预处理波段进行了优化,使定标模型的相关系数由0.96提高到0.98,交互验证均方根误差(root mean squares error of cross validation, RMSECV)由0.37%降低到0.32%。结果表明：利用MSC方法对样品光谱预处理时,光谱预处理波段会影响多元散射校正对光谱中非化学吸收信息的校正能力,确定合适的预处理波段是获得可靠分析结果的一个前提条件。     

基于OSC-PLS算法对大麦蛋白质含量进行定量分析的研究

用色散扫描型仪器采集大麦样品的近红外光谱,扫描出的光谱携带了大量样品化学值信息,采用正交信号校正(OSC)预处理方法对这些原始光谱进行处理,剔除噪声等不相关因子以后建立偏最小二乘(PLS)近红外光谱分析模型(OSC-PLS),预测大麦蛋白质的含量,并与传统PLS建模方法进行对比。基于OSC-PLS算法的蛋白质含量近红外光谱分析模型的测定系数R2为0.901,检验集的化学值与模型预测值的相关系数r达到0.971 7,分析模型的预测标准偏差SD为0.545 0,相对标准偏差RSD为4.2%。结果表明,OSC-PLS回归方法能在较大程度上消除无关因素的影响,在简化模型的同时提高了模型的可解释性,能够建立准确的大麦蛋白质含量近红外预测模型,可代替经典分析方法,满足农产品快速分析的需要。     

近红外光谱法快速测定毛竹Klason木质素的含量

研究了用近红外漫反射光谱法对毛竹Klason木质素含量的快速预测。选取了代表不同竹龄、不同高度和横向不同位置的54个竹材粉末样品,用常规实验室方法测定了54个样品的Klason木质素含量,用近红外光谱仪漫反射方式在350～2500 nm范围内采集相应样品的光谱,利用多变量统计分析软件建立样品木质素含量和光谱数据之间的相关性模型。结果表明,对原始光谱进行二阶导数预处理后,选择1 011～1675 nm和1930～2488 nm波长区间,用偏最小二乘法(PLS1)和完全交互验证方式建立了的校正模型和预测模型的相关系数分别为0.99,和0.97,校正标准误差SEC＝0.36％,预测标准误差SEP=0.59％,说明毛竹Klason木质素含量和近红外光谱之间存在非常好的相关性,用近红外光谱技术可以实现对竹材样品中Klason木质素含量的快速预测。     

漫反射近红外光谱测定聚乙烯醇(PVA)的醇解度与挥发分含量

采用漫反射近红外光谱方法测定聚乙烯醇(简称PVA)的醇解度与挥发分含量。从PVA生产线选取120个样品,分别用容量法与恒重法测量样品的醇解度与挥发分含量。用光栅扫描近红外光谱仪采集样品光谱,光谱范围1 000～1 800 nm。样品光谱用卷积平滑、卷积求导、均值中心化与正交信号校正方法进行预处理后,与样品的醇解度与挥发分含量,采用PLS1定量校正方法建立近红外分析模型。醇解度与挥发分含量模型的校正相关系数R_C分别为0.976和0.981,校正标准偏差SEC分别为0.176和0.197,验证相关系数R_P分别为0.967和0.969,验证标准偏差SEP分别为0.202和0.193。方法具有速度快,操作方便的特点,分析结果满足PVA生产过程醇解度与挥发分含量的检测要求。     

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。     

近红外光谱法快速测定新疆薰衣草精油主要组分

为建立快速测定新疆薰衣草精油中芳樟醇(linalool)、乙酸芳樟酯(linalyl acetate)含量的定量分析模型,采用近红外吸收光谱法(NIR)测定了165个精油样品,通过对近红外光谱吸收峰分析,在7 100～4 500 cm-1波数范围内化学信息量比较丰富且噪音低,可选择此波数段为分析区间。剔除8个异常样本后,通过聚类方法划分为105个校正集样本和52个验证集样本,结合气相色谱质谱(GC-MS)法测定的薰衣草精油linalool和linalyl acetate的含量,建立原始数据矩阵。对比不同的预处理方法对原始近红外光谱的过滤作用,其中正交信号变换(OSC)方法效果明显,对两种化合物的预测均方根误差(RMSEP) 分别为0.226和0.558,再用向前间隔偏最小二乘法(FiPLS)剔除与待测成分无关或呈非线性关系的波长点,最终得到8个间隔区间共160个波长点的数据子集。使用OSC-FiPLS优化处理的数据子集结合偏最小二乘法(PLS)建立新疆薰衣草精油中linalool和linalyl acetate的快速定量分析模型,在模型中二成分的隐变量数都为8。交互验证均方根误差(RMSECV)分别为0.170和0.416;预测均方根误差(RMSEP)分别为0.188和0.364。结果表明,经OSC和FiPLS预处理建立的PLS-NIR定量分析模型稳健性好,测定精度高,能快速测定薰衣草精油中linalool和linalyl acetate含量,并且具有良好的预测能力。可为新疆薰衣草精油主要成分的快速定量分析提供一种新的有效方法。     

近红外光谱定量检测腌腊肉制品品质的研究

以中国传统腌腊肉为对象,研究用近红外光谱分析技术快速准确检测肉制品品质的可行性。腊肉是富含脂肪的肉制品,其酸价是目前国标中必须检测的品质指标,它可以反映腊肉在加工储藏过程中脂肪氧化酸败的情况, 对腊肉的品质尤为重要。腊肉样品经过简单的粉碎后在BRUKER傅里叶变换近红外光谱仪上扫描,获得其近红外光谱参照国标法测定酸价和水分含量,采用附加散射校正光谱预处理方法,建立了腊肉酸价和水分含量的PLS回归模型。酸价模型预测集中样品的预测值与标准值的相关系数r2为0.98,预测标准差RMSECV为0.25;水分含量模型预测集中样品的预测值与标准值的r2为0.90,RMSECV为0.02。成对t检验统计结果表明近红外光谱分析技术可以用于腊肉制品品质的快速检测。     

不同近红外光谱仪用于酒石酸美托洛尔片厂家鉴别的对比研究

建立近红外光谱定性分析模型,用于酒石酸美托洛尔片厂家的快速鉴别。采用Antaris Ⅱ傅里叶变换近红外光谱仪和Micro NIR1700型微型近红外光谱仪两种仪器对来自四个生产厂家的66个批次的酒石酸美托洛尔片进行近红外光谱的采集,选用随机(random sampling,RS)法进行样品集的划分,得到校正集样品44个、验证集样品22个,选择一阶导数Savitzky-Golay15(SG15)点平滑、标准正态变量变换(SNV)作为预处理方法,根据不同类样本间光谱的差异结合谱带特征吸收的方法分别选择6 468～7 104和6 468～7 156 cm-1作为建模光谱区间,建立两种采样仪器的偏最小二乘判别分析(PLS-DA)模型。模型的混淆矩阵结果显示两种仪器采集的近红外光谱建立的定性分析模型能够快速、有效的鉴别不同厂家的酒石酸美托洛尔片,模型的准确率和否定率均达到100%。该研究有效证实了近红外光谱分析技术用于酒石酸美托洛尔片厂家定性鉴别的可行性,另外,该研究中采用了目前商业化最小、便于携带的Micro NIR1700型微型光谱仪,为药品的快速现场筛查提供了很好的启示。     

PLS和SMLR建模方法在水蜜桃糖度无损检测中的比较研究

在实际应用中,一些实验条件往往不能严格控制而存在变化,从而影响近红外光谱检测模型的稳健性。文章以50个常温和50个冷藏后的奉化水蜜桃样品组成温度混合样品集,经光谱杠杆值和狄克松检验法进行异常光谱剔除后,采用偏最小二乘法(PLS)和逐步多元线性回归(SMLR)对水蜜桃糖度进行建模分析。PLS的建模结果：校正集相关系数R_C=0.965, 校正均方根标准误差RMSEC=0.301°Brix,交叉验证R_CV=0.812,交叉验证均方根标准误差RMSECV=0.67°Brix,标准偏差与交叉验证均方根标准误差的比值RPD=1.72;SMLR的建模结果：校正集R_C=0.929,RMSEC=0.424°Brix, 交叉验证R_CV=0.887, RMSECV=0.532°Brix, RPD=2.16。SMLR的预测结果要优于PLS的预测结果,在SMLR分析中,在3个不同的光谱区域4 290～7 817,7 817～10 725,4 290～10 725 cm-1的RPD值分别为1.97,1.89,2.16。试验结果表明,将不同温度条件下的样品组成温度混合样品集,用PLS和SMLR建立的模型具有较好的预测效果。     

苹果糖度近红外光谱分析模型的温度补偿

温度变化对水果品质近红外评价有很大影响,需要补偿温度波动对模型的影响。文章研究了温度变化(2～42 ℃)对苹果近红外漫反射光谱的影响,采用剔除温度变量法和内校正法补偿温度对模型的影响,提高预测精度。研究表明,温度与光谱信息存在一定相关性, 其模型R2=0.985,RMSEC=1.88,RMSEP=2.32;未进行温度校正模型的预测标准偏差达到2.55;采用复合预处理方法和改进的遗传算法对光谱数据优化,剔除温度变量法模型的R2=0.954,RMSEC=0.63,RMSEP₁=0.72,RMSEP₂=0.74;内校正法的模型R2=0.952,RMSEC=0.64,RMSEP₁=0.69,RMSEP₂=0.68;相比未进行温度补偿模型均提高了预测精度。结果显示：温度对苹果近红外光谱影响呈非线性变化,剔除温度变量法和内校正法可用于补偿温度对模型的影响,可提高模型预测精度。     

基于中温黑体的近红外光纤光谱仪辐射定标的方法研究

中温黑体是红外谱段常用的高精度辐射标尺设备,而近红外是处于其有效辐射范围边缘的谱段,所以该谱段的定标研究相对较少。研究了基于中温黑体的近红外光纤光谱仪辐射定标方法,主旨是探讨定标精度如何受定标模型的结构参数选择的影响,进而为近红外光谱辐射计量溯源提供技术参考。采用50～1 050 ℃的可调中温黑体对近红外光纤光谱仪(950～1 700 nm)进行辐射定标。针对定标的关键环节重点讨论了两个内容,首先是辐射传输模型的几何因子匹配问题,比较分析了传统的双圆盘辐射传输模型和光纤直接耦合模型。对于光纤光谱仪的辐射定标来讲,采用光纤直接耦合形式的辐射传输模型,结构上更简单,耦合效率更高。其次重点分析了辐射定标中模型的结构参数对定标精度的影响,其影响的原因是定标数据本身属性中的尺度结构特征,即通常所说的非线性问题。因此对于定标精度要求较高时,需要采用非线性定标模型进行校正,并尽可能保证测试点采样的尺度均衡,这是小样本数据解释非线性结构关系时无法回避的样本选择问题。数据分析结果表明,定标方程的不同结构参数的选择策略对定标精度有显著影响,校正方程的样本残差标准差带变化范围为±0.1%～±1%。     

基于遗传算法的苹果糖度近红外光谱分析

遗传算法(GA)应用在偏最小二乘法(PLS)校正模型的波段优化选择中具有显著的效果。将遗传算法用于波段选择, 能更快达到最优解, 有效提高测量精度,减少建模所用变量。文章研究了在近红外苹果糖度无损检测中,遗传算法作为模块进行波段选择,建立了GA-PLS模型;为了说明遗传算法优选波段可行性,另外建立了全谱和经验谱区的PLS定量模型,并评价了模型的稳健性。首先对傅里叶变换近红外光谱进行多元散射校正、Savitky-Golay卷积平滑后,用遗传算法优选波段(R-SGA),参与建模数据点从原始1 550减少到434个。然后采用一阶导数光谱建立GA-PLS模型,相比全谱PLS(1 550个数据点)和经验谱区PLS(717个数据点)模型具有更高的预测精度,其建模结果为R_C=0.966,RMSEC=0.469,R_P=0.954,RMSEP=0.797。结果表明, 遗传算法可用于PLS法建立苹果糖度校正模型前的数据优化筛选, 有效提高测量精度, 并减少建模变量。     

基于卡尔曼滤波的近红外光谱特征波长变量优选方法

将经典的卡尔曼滤波器与近红外光谱分析技术相结合,提出了一种新的特征波长变量选择方法——卡尔曼滤波法。分析了卡尔曼滤波器用于波长优选的原理,设计了波长选择算法并将其应用到大豆油脂酸价的近红外光谱检测中。首先利用偏最小二乘法(PLS)对油脂不同吸收波段建模,初步筛选出4 472～5 000 cm-1油脂酸价特征波段共132个波长点,然后进一步利用卡尔曼滤波器进行特征波长选择,从中优选出22个特征波长变量建立PLS校正模型,预测集决定系数R2、预测误差均方根RMSEP分别为0.970 8和0.125 4,与利用132个波长点建立的校正模型预测结果相当,而波长变量数减少到原来的16.67%。该波长变量选择算法是一种确定性的迭代过程,无复杂的参数设置和变量选择的随机性,物理意义明确。优选出少数对模型影响较大的特征波长变量以代替全谱建模,在简化模型的同时提高了模型的稳健性,为开发专用油脂近红外光谱分析仪器提供了重要参考依据。     

近红外光谱分析中建模校正集的选择

将极大线性无关组的概念及方法引入近红外光谱分析,探讨了在建立定量分析模型时代表性样品,即校正集样品的选择问题。以2 652个烟末样品为实验材料,随机选取1 001个样品构成预测集,其余1 651个样品为代表性样品备选集。用Matlab软件求出代表性样品备选集光谱矩阵的极大线性无关组,以此作为代表性样品,构成建模的校正集。用PLS回归法建立了烟末样品总糖含量定量分析的预测模型,并将模型用于预测集中1 001个烟末样品总糖含量的预测分析。实验结果表明,当选择的校正集包含的样品数量大于32时,所建各模型对预测集样品预测的平均相对误差均小于4%,平均相关系数大于0.96。其中选择32个代表性样品和146个代表性样品所建模型定量分析预测集中各样品的总糖含量,两个结果经统计检验没有显著性差异(α=0.05),说明求极大线性无关组的方法用于校正集样品的选择,可实现“少而精”选择样品的目的。此外,我们用求极大线性无关组选择校正集样品和随机方法选择校正集样品两种方法,选择了同样数目28,32,41,76,146,163个样品建模进行预测效果的对比实验,结果显示,求极大线性无关组法选择校正集建模的预测效果优于随机选择校正集建模的预测效果。     

近红外光谱法预测粗皮桉木材气干密度的影响因素分析

采用近红外光谱分析技术,对粗皮桉木材气干密度校正模型的影响因素进行比较研究.使用直接测量法测量了粗皮桉木材的气干密度,并用近红外光谱仪采集试样的近红外漫反射光谱,对不同切面、厚度、含水率和粗糙度的粗皮桉木材试样的原始光谱进行二阶导数预处理并选择一定光谱段建立回归模型.以50～140个试样作为校正集建立木材气干密度的偏最...     

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。     

近红外光谱法同时测定葵花粕中油,蛋白质,水分和粗纤维

本文介绍了应用６２５０型近红外光谱仪和ＮＳＡＳ－ＰＣ软件测定葵花粕中油，蛋白质，水分和粗纤维的方法，首先应用回归分析建立起样品的近红外光谱与各成分含量之间的多元线性关系－即定标，然后对定标进行验证，结果表明近红外光谱分析法与可以取代标准化学进行葵花粕中成分含量的测定，并且具有快速，简便，无试剂污染的优点。