首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 125 毫秒
1.
局部建模方法用于烟草样品的近红外光谱定量分析   总被引:1,自引:0,他引:1  
采用近红外光谱在主成分空间的距离作为样本相似性的判据,建立了一种用于近红外光谱定量分析的局部建模方法。该方法首先对校正集的光谱进行主成分分析(PCA),然后基于主成分空间中预测样本与校正集样本的距离选择校正子集并建立局部偏最小二乘(PLS)回归模型。对欧氏距离和马氏距离的比较表明,欧氏距离可以更好地表达样本之间的相似性。将所建立的方法用于烟草样品中氯和尼古丁含量的测定,结果表明局部建模方法比常用的全局建模方法具有更好的预测准确性,特别是在低含量成分的预测中具有明显优势。  相似文献   

2.
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.  相似文献   

3.
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   总被引:5,自引:0,他引:5  
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.  相似文献   

4.
近红外光谱波段优化选择在驴奶成分分析中的应用   总被引:1,自引:1,他引:1  
近年来,驴奶引起了越来越多研究者的注意.与牛奶相比,驴奶的营养成分更接近母乳,且有着许多独特的优势.由于驴奶与牛奶成分差别较大,适用于牛奶的模型无法直接应用于驴奶的成分分析中.但目前还未见将近红外光谱分析技术应用到驴奶成分分析中的研究报道.文章采用傅里叶变换近红外光谱法,快速测定了新疆疆岳驴奶中脂肪、蛋白质、能量和灰分的含量.其含量分布范围分别为:1.15%~2.54%,0.34%~2.67%,355.87~565.17 cal·kg-1,0.28%~0.57%.光谱扫描区为3 899.6~12 493.4 cm-1,扫描间隔1 cm-1.采用PLS回归算法对光谱信息阵X提取主成分时附加约束,使X的主成分与待分析组分Y相关.并利用优化波段和不同预处理方法优化组合,建立了PLS回归预测模型,并与PLS全谱区建模预测进行了比较.结果表明波段优化组合建模分析效果整体优于全谱区建模结果,驴奶样品中脂肪、蛋白质、能量和灰分的近红外光谱定量分析模型预测值与化学分析实测值在水平α=0.05下显著相关,其含量分析模型的校验集(RMSEP)值分别为0.18,0.117,23.5,0.040 6,表明预测值有较好的精度.结果表明建立近红外光谱定量分析模型用于驴奶样品成分分析是可行的,波段优化选择与全谱建模分析效果比较表明,建立定量分析模型对波段优化组合选择是必要的,当模型中包含了与组分无关的信息时,对模型定量分析将起干扰的作用,会影响模型的分析效果.因此进行谱段信息选择建立相应组分分析模型是数据预处理的有效环节.样品各组分标准值的测定结果的准确度和精确度都影响近红外定量分析的准确度.以近红外光谱法进行定量建模分析时,扩大组分含量的分布范围,提高标准数据的分析精度和准确度都是很必要的.  相似文献   

5.
为建立预测能力高、稳定性强的可见/近红外漫透射光谱无损检测黄花梨可溶性固形物(SSC)数学模型,对比各种预处理方法、变量优选方法、快速独立主成分分析(FICA)以及最小二乘支持向量机(LSSVM)对黄花梨SSC模型的影响,得出最佳的组合方法用于建立黄花梨可溶性固形物(SSC)预测模型。采用Quality Spec型光谱仪采集550~950nm波段范围内的黄花梨漫透射光谱并采用遗传算法、连续投影算法和CARS(competitive adaptive reweighted sampling)三种方法筛选黄花梨可溶性固形物的光谱特征变量,再结合FICA提取光谱主成分,最后采用LS-SVM建立黄花梨的SSC预测模型。结果显示,采用CARS筛选的21个变量,经FICA挑选出12个主成分数,联合LS-SVM所建立的CARS-FICA-LS-SVM黄花梨SSC预测模型性能最佳,建模集和预测集的决定系数及均方根误差分别为0.974,0.116%和0.918,0.158%,同直接采用PLS方法建模相比,变量数从401个下降到21,主成分数由14下降到12,建模集和预测集决定系数分别上升了0.023,0.019,而建模和预测均方根误差分别下降了0.042%和0.010%。CARS-FICA-LS-SVM建立黄花梨SSC预测模型能够有效地简化预测模型并提高预测模型精度。  相似文献   

6.
用傅里叶变换近红外(FTNIR)光谱透射方式对新鲜苹果汁溶性固形物含量(SSC)进行了快速定量分析.实验共测定了60个果汁样品的SSC,并采集了样品的近红外光谱数据.42个样品用来建模,剩下的18个用来验证模型的性能.对实验室测得的SSC与FTNIR光谱数据进行相关性分析,以TQ 6.2.1定量分析软件中集成的主成分回归法(PCR)和偏最小二乘回归法(PLS)建立了检测模型.该研究对比了不同光谱范围内建立的检测模型的性能.根据预测平方根误差(RMSEP)和相关系数(r2)进行不同模型的预测性能,最好的新鲜苹果汁SSC预测模型的RMSEP=0.603°Brix,r2=0.997.结果表明FT-NIR可以作为一种可靠、准确、快速的无损检测方法来评价新鲜果汁的可溶性固形物含量.  相似文献   

7.
近红外光谱法测定蜂蜜中主要成分的可行性研究   总被引:1,自引:0,他引:1  
以153个单植物源和混合植物源蜂蜜样品为研究对象,使用3种近红外光谱仪(FT型、CCD型、PDA型)采集蜂蜜的透反射和透射光谱,并应用近红外定量分析技术进行蜂蜜中主要成分(水分含量、果糖含最、葡萄糖含量)的检测研究.用偏最小二乘回归(partial least square repression,PLSR)方法分别建立了蜂蜜水分含量、果糖含量、葡萄糖含量的近红外定量分析模型.结果表明,水分含量、果糖含量、葡萄糖含量的相关系数(r)分别达到0.978 5,0.931 1和0.890 7,预测误差均方根(RMSEP)分别为0.410 8(%),1.914 4(%)和2.531 9(%).研究表明基于近红外光谱的蜂蜜主要成分快速无损检测准确度高,具有很高的实用价值.  相似文献   

8.
可见/近红外光谱法无损检测赣南脐橙可溶性固形物   总被引:14,自引:4,他引:10  
应用可见/近红外光谱法对赣南脐橙可溶性固形物进行了无损检测研究。通过主成分分析,获取光谱的有效信息,将其作为人工神经网络的输入变量进行非线性建模。90个建模样品训练结果是,样品参考值与预测值之间的相关系数为0.9147,训练均方差为0.5203;38个未知样品预测结果是:样品参考值与预测值之间的相关系数为0.9033,预测均方差为0.6964,相对预测偏差4.5709%。实验结果表明基于人工神经网络的可见/近红外光谱法无损检测赣南脐橙可溶性固形物是可行的。  相似文献   

9.
为了利用近红外光谱技术对牛奶中脂肪、蛋白质和乳糖的浓度进行快速检测,提出了基于直方图规定化和模糊层次分析法的近红外光谱主成分权重重置预处理方法。针对牛奶样品的光谱进行主成分分析,确定光谱数据中的最佳主成分数,得到了各主成分的得分和权重。采用直方图规定化的数学统计思想实现二维光谱矩阵的滤波及净化去噪,利用模糊层次分析方法对有效主成分信息的权重进行重置映射,滤掉无关的主成分干扰信息,建立权重重置后的光谱。在此基础上,对预处理后的光谱数据进行脂肪、蛋白质和乳糖的偏最小二乘回归1(PLS1)建模,得到脂肪的相关系数为0.980,预测均方根误差为0.158×10~(-2) g·mL~(-1);蛋白质的相关系数为0.997,实际预测偏差为0.050×10~(-2) g·mL~(-1);乳糖的相关系数为0.985,实际预测偏差为0.152×10~(-2) g·mL~(-1)。由模型预测结果可知,基于直方图规定化和模糊层次分析法的近红外光谱主成分权重重置预处理方法比常规预处理方法具有更好的滤波和去噪效果,说明将直方图规定化和模糊层次分析法相结合对牛奶近红外光谱进行预处理具有可行性。  相似文献   

10.
基于最小二乘支持向量机的番茄汁糖酸度分析研究   总被引:2,自引:0,他引:2  
近红外光谱应用于农产品内部品质无损检测的方法引起人们的广泛关注,在分析过程中建立一个稳定可靠的模型用于处理非线性数据集是十分重要的,也是有一定难度的.目前常用的偏最小二乘(PLS)、主成分回归(PCR)以及逐步多元线性回归(SMLR)等方法还不能解决这类问题.文章提出了将基于统计学原理的最小二乘支持向量机(LS-SVM)回归方法用于番茄汁的近红外(NIR)光谱分析,预测番茄汁品质(糖度和有效酸度).运用LS-SVM方法以67个番茄汁样本建模,采用高斯径向基函数(RBF)为核函数,对33个样本进行糖酸度预测,糖度的相关系数为0.990 25,均方根标准预测误差为0.0056°Brix;有效酸度的相关系数为0.967 5,均方根标准预测误差为0.024 5.结果表明,LS-SVM方法要优于PLS和PCR建模方法,是一种快速、准确的近红外光谱分析方法.  相似文献   

11.
样品年份、化学值分布参数对近红外检测结果的影响   总被引:3,自引:0,他引:3  
以云南优质烤烟为实验材料,在国产光栅漫反射型近红外仪器上,比较研究了不同年份样品建模、不同化学值分布建模对近红外检测结果的影响.结果表明:总糖、尼古丁组分模型偏差受年份影响较大,总氮组分模型偏差与样品年份关系不明显.烤烟组分的不同化学值分布建模结果表明:用化学值按自然正态分布的样品建立模型的结果优于按均匀分布建模的结果.该研究对从大量天然产物样品中挑选代表性样品时所采用的挑选方法和原则具有指导性的参考价值.  相似文献   

12.
以云南优质烤烟为实验材料,在国产光栅漫反射型近红外仪器上,研究了样品装样、测试条件等因素对近红外检测结果的影响.并实现了通过建立全局模型应用自校正方法来降低分析误差.结果表明,在不考虑样品粒度、测试条件等因素的影响情况下,该仪器自身信噪比等性能指标引起的测试重复性误差、重装样误差、样品松紧度误差来源各占50%,30%,20%左右,通过压样措施可降低由样品松紧度产生的误差.当季节、温度等测试条件发生较大变化时,引起的测试准确性误差远大于所有测试重复性误差的总和.文章旨在从误差来源理论上解析各影响因素,为改进仪器提供基础理论数据;从理论上解析测试条件因素影响的重要性,并为近红外技术研究解决该问题给出了一种新思路.  相似文献   

13.
国产光栅近红外光谱仪扫描条件对检测结果的影响   总被引:5,自引:3,他引:5  
以云南优质烤烟为实验材料,在国产光栅漫反射型近红外仪器上,研究了采集间隔、开机时长、背景测量频率等扫描条件对近红外检测结果的影响.研究结果表明:8,16 nm的光谱数据采集间隔对近红外烤烟定量分析的影响不大,为提高采集速度确定该仪器的采集间隔为16 nm;建立了包含开机时长因素在内的模型,提高模型的适应性;该仪器具有基线漂移提示功能,从而确定仪器背景采集的频率,可以降低分析误差,提高检测结果的准确度.  相似文献   

14.
一种用于可见-近红外光谱特征波长选择的新方法   总被引:5,自引:2,他引:3  
陈孝敬  吴迪  虞佳佳  何勇  刘守 《光学学报》2008,28(11):2153-2158
提出了一种基于模拟退火(SA)算法和最小二乘法支持向量机(LS-SVM)选择可见一近红外光谱特征波长的新方法(SA-LS-SVM).该方法用LS-SVM作为识别器,用识别率作为SA的目标函数,提取合适的特征波长数以及对应的特征波长.3种不同品牌的润滑油可见-近红外光谱的特征波长分别用SA_LS-SVM,主成分回归分析(PCA)和偏最小二乘法(PLS)进行处理,提取特征波长或主成分,然后结合反向传播人工神经网络(BP-ANN)对各种处理方法进行识别预测.结果发现,SA-LS-SVM只需从751个数据光谱中提取4个特征波长,就可以使三种品牌润滑油的识别率达到了100%,而其他所有的方法发现预测率都达不到100%,由此验证了SA_LS-SVM的优越性.实验结果表明,SA-LS-SVM不仅能有效地减少建模的变量数,而且可以提高预测精度.  相似文献   

15.
基于红外与近红外光谱的烟叶部位识别   总被引:2,自引:0,他引:2  
以烟叶样品的红外及近红外光谱为基础,采用基于主成分分析的马氏距离判别模型,研究了不同类型仪器、建模区间、模型参数及光谱预处理方式对烟叶部位识别准确率的影响.结果表明根据红外和近红外光谱均可对烟叶部位进行良好识别,近红外光谱因包含的样品信息更为丰富,可以得到比红外光谱更好的识别效果.其中仪器A的二阶导数光谱给出的烟叶部位识别准确率最高,可达94.11%;仪器B的一阶导数及SNV光谱给出的烟叶部位识别准确率次之,为88.24%;Nicolet公司的Antaris360傅里叶红外仪的一阶导数光谱给出的烟叶部位识别准确率为82.35%.对于同一仪器,最佳建模区间及主成分个数随样本情况及光谱预处理方式而变.  相似文献   

16.
近红外光谱结合一类支持向量机算法检测鸡蛋的新鲜度   总被引:5,自引:0,他引:5  
研究利用近红外光谱技术结合模式识别方法识别鸡蛋的新鲜度,在识别模型建立过程中,引入一类支持向量机(OC-SVM)算法解决新鲜蛋和非新鲜蛋训练样本数量不平衡问题。首先获取鸡蛋在10 000~4 000 cm-1范围内的近红外漫反射光谱,通过主成分分析方法提取光谱数据中的特征信息,优选了3个主成分作为模型的输入向量,然后采用OC-SVM区分新鲜蛋和非新鲜蛋。在模型建立过程中,对相关参数进行了优化,试验结果显示在相同条件下,OC-SVM模型识别结果较传统的支持向量机模型好。最优OC-SVM模型对新鲜蛋和非新鲜蛋的识别率均为80%,传统的支持向量机对新鲜度的识别率为100%,对非新鲜度的识别率却为0%。研究结果表明利用近红外光谱快速识别鸡蛋新鲜度方法是可行的;OC-SVM算法为训练样本数量不平衡提供了一种有效的解决方法。  相似文献   

17.
应用可见-近红外光谱技术进行白醋品牌和pH值的快速检测   总被引:2,自引:0,他引:2  
提出了一种基于可见-近红外透射光谱技术快速判别白醋品牌和测定pH值的方法。应用可见-近红外透射光谱获取不同品牌白醋的透射光谱曲线,并对获得的原始光谱数据进行平滑、变量标准化以及一阶导数等预处理,然后利用主成分分析对原始光谱数据进行聚类分析,根据主成分的累计贡献率选取主成分数,并将所选取的主成分作为三层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,得到三层优化神经网络结构:5输入层节点,6隐含层节点和2输出层节点,各层传递函数均采用Sigmoid函数。利用该模型对预测集样本进行预测。实验结果表明在阈值设定为±0.1的情况下该模型对预测集样本品牌鉴别准确率达到了100%,pH预测值与实际测量值偏差小于5%,得到了理想的结果。所以利用可见-近红外光谱技术结合主成分分析和神经网络算法能够快速准确的判定白醋品牌和pH值。  相似文献   

18.
提出了应用近红外漫反射光谱技术结合支持向量机测定天然牛黄粉中人工牛黄的含量的方法.以傅里叶变换近红外光谱仪(4 000~10 000 cm-1)为试验仪器,以含有不等量人工牛黄的天然牛黄粉(天然牛黄的质量分数范围为0%~100%)作为校正样品,对光谱数据进行平滑、求导和小波压缩,结合支持向量机,建立了测定天然牛黄粉中人工牛黄含量的模型.试验结果为:预测相对误差的平方和可达0.001 35.研究表明:近红外漫反射光谱法结合支持向量机可以测定天然牛黄粉中人工牛黄的掺入量,结果可靠,可用于天然牛黄粉的质量控制.  相似文献   

19.
酿酒葡萄一般批量采收,采收期对其品质有较大影响。传统方法主要依靠对样本的酚、糖等各组分含量进行实验室理化指标检测,判定采收成熟度。如果对多个地块进行采摘前的连续监测,则批量大、成本高、采样与分析工作量繁重,且时效性差,难以保证果品的收获品质。以蛇龙珠品种为对象,提出一种利用近地面多光谱图像对种植区葡萄成熟度和批量采收期判别的方法。通过DJI Phantom四旋翼无人机搭载ADC Micro多光谱相机,以S型采样路线直接拍摄9个采样点的蛇龙珠田间原位图像,并采集葡萄果粒样本;利用PixelWrench2 x64软件进行图像处理,得到每张图像的红色(R)分量、绿色(G)分量、近红外(NIR)分量值;将葡萄果粒榨汁,依据检测时长、成本和代表性程度,选取总糖含量为成熟度判定指标,采用PAL-1手持式糖度仪检测葡萄汁总糖含量;分别分析R,G,NIR分量与日期的显著性关系,发现叶片集中区域(局部)的R分量与日期为最显著关系(p-value=5.314 44×10-4,调整后R2=0.815),可作为建模的成熟度参数;按照模型集与验证集为4∶1的原则构建“总糖含量-局部R分量”线性回归与对数回归模型,结果显示:相比于线性模型,总糖含量与局部R分量呈非常显著的对数关系(p-value=5.124 07×10-10,调整后R2=0.970 62),且该模型的平均预测误差≤1.388%、最大预测误差≤4.6%、采收前预测误差±0.46%,证明该对数模型具有较高的检测精度。实际采收前,利用上述方式在近采收期采集蛇龙珠葡萄田间原位多光谱图像,将得出的局部R分量值带入对数模型,可对总糖含量进行预测,并以22%±0.46%的总糖含量为标准研判蛇龙珠葡萄是否成熟。结果表明:采用区块光谱图像进行酿酒葡萄的批量采收品质和采收时间预测具有便利性与可行性,为光谱图像在农业实际生产中的应用提供了新思路。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号