土壤总氮近红外光谱分析的波段优选

利用移动窗口偏最小二乘( MWPLS)和Savitzky-Golay(SG)平滑方法优选土壤总氮的近红外(NIR)光谱分析模型.从全部97个土壤样品中随机选出35个样品作为检验集;基于偏最小二乘交叉检验预测偏差(PLSPB),将余下62个样品划分为具有相似性的建模定标集(37个样品)、建模预测集(25个样品).最优波段为1692～2138 nm,SG平滑的导数阶数(OD)、多项式次数(DP)、平滑点数(NSP)分别为0,6,69,PLS因子数为11,建模预测均方根偏差(M-RMSEP)、建模预测相关系数(M-Rp)分别为0.015％,0.931,检验预测均方根偏差(V-RM-SEP)、检验预测相关系数(V-RP)分别为0.018％,0.882.其结果可为设计专用NIR仪器提供有价值的参考.     

基于近红外光谱分析技术的食品包装塑料的定性分析

该文基于近红外漫反射光谱分析技术对食品包装材料聚乙烯、聚丙烯进行定性判别试验研究,选取不同波段范围、采用不同光谱预处理方法,使用主成分分析法(Principal component analysis,PCA)结合SIMCA、贝叶斯判别、K-近邻3种模式识别方法建立定性预测模型,并根据正确识别率比较了各模型预测性能。结果表明：使用SIMCA方法、贝叶斯判别、K-近邻3种方法建立的定性校正模型均在1 050~1 550 nm波长范围内效果较好;采用矢量归一化、标准正态变量变换、中心化、滑动均值滤波、多项式平滑滤波、一阶微分6种光谱预处理方法和上述3种模式识别方法对塑料样品近红外光谱进行了数据处理,其中在1 050~1 550 nm范围内,主成分因子数为3,采用原始光谱建立的K-近邻定性校正模型较优,对样品校正集和预测集的正确识别率均为100%。可为食品包装材料聚乙烯、聚丙烯的快速鉴别研究提供参考。     

基于小波变换-遗传算法-偏最小二乘的草莓糖度检测研究

采用近红外漫反射光谱分析技术,对草莓糖度进行了无损检测研究。利用便携式近红外光谱仪采集草莓样品在600～1 100 nm波段内的漫反射光谱数据。首先利用小波变换(WT)多分辨率方法对光谱数据进行去噪预处理,然后利用遗传算法(GA)优选特征波长,最后运用偏最小二乘法(PLS)建立草莓糖度的WT-GA-PLS校正模型。该模型校正集的相关系数R_C为0.9395,校正集的均方根误差RMSEC为0.1615,预测集的相关系数R_P为0.9652,预测集的均方根误差EMSEP为0.5042。与全光谱模型(FS-PLS)和小波变换模型(WT-PLS)相比,该模型预测能力更强,稳健性更优。     

近红外光谱结合膜富集技术测定饮料中微量邻苯二甲酸二异辛酯的含量

提出了一种基于在线膜富集的近红外漫反射光谱技术,对饮料中的微量塑化剂邻苯二甲酸二异辛酯(DEHP)进行快速检测。采用聚醚砜膜对饮料中的DEHP进行富集,将富集DEHP的膜直接进行近红外漫反射检测。参考DEHP的透射近红外光谱,对波数进行选择,以4 420～4 060、4 700～4 540、6 040～5 600cm-1作为建模的波数区间。通过比较原始光谱、多元散射校正、一阶求导、二阶求导及其组合,考察了光谱预处理方法对模型的影响,用去一交互验证法建立了偏最小二乘(PLS)模型,并用所建立的校正模型对校正集样品进行了预测。结果表明,在选定的波数区间,当用一阶求导对校正集光谱进行预处理时,所建立的模型对校正集的预测效果最佳,在隐变量数为7时,对校正集所有样品的校正均方根误差(RMSEC)为0.188 7mg/L。用此模型对预测集样品进行预测时,DEHP的质量浓度在0.5～5.0 mg/L范围内,预测均方根误差(RMSEP)为0.232 4 mg/L,平均相对预测误差为6.29%。     

近红外光谱技术定量分析连作滁菊土壤中的阿魏酸含量

应用近红外光谱(NIRS)技术定量分析连作滁菊土壤样品中阿魏酸的含量.通过标准杠杆值、学生残差和马氏距离判断异常光谱,经二阶导数和Norris平滑滤噪预处理后,在6000~4000 cm-1范围,最佳因子数为7,采用偏最小二乘法(PLS)构建数学模型.结果表明,模型校正集和验证集与高效液相色谱仪(HPLC)测定的参考值之间均呈现良好相关关系,校正相关系数Rc为0.9914,交叉验证相关系数Rcv为0.9935,校正集误差均方根(RMSEC)为0.484,预测误差均方根(RMSEP)为0.539,交叉验证误差均方根(RMSECV)为0.615.研究结果表明,NIRS分析技术能够实现连作土壤中阿魏酸的快速检测,结果准确可靠.     

废旧涤/棉混纺织物近红外定量分析模型的建立及预测

将中红外光谱筛选出的598个纯涤、纯棉及涤/棉混纺样本采用GB/T 2910.11-2009法测定其涤、棉准确含量,其中校正集样本252个,验证集样本346个。使用便携式近红外光谱仪获取样本的原始近红外光谱(NIRS)。校正集样本依据回归系数的分布趋势和范围选取最佳建模谱区,并采用差分一阶导、S-G平滑和均值中心化相结合的方法对原始光谱进行预处理,利用偏最小二乘法(PLS)建立涤/棉混纺织物中涤含量的近红外(NIR)定量分析模型。同时分析了样本颜色对NIRS的影响,探讨了斜线光谱样本、奇异样本和不同组织结构织物对模型预测效果的影响。结果表明:利用PLS法建立的涤/棉混纺织物定量分析模型最优组合包含1个光谱区间和9个主成分因子,校正集相关系数(RC)为0.998,标准偏差(SEC)为0.908。为验证所建模型的有效性和实用性,对346个未参与建模的涤棉样本进行了预测,并将预测结果与国标法测定值进行方差分析,两种方法结果无显著差异,预测正确率达97%以上。模型的建立为废旧涤/棉混纺织物快速、无损分拣提供了基础数据库。     

基于GPU计算的并行PLS算法研究与实现

偏最小二乘算法(PLS)是与红外、近红外光谱分析结合使用最为广泛的化学计量学算法,然而当前PLS算法通常采用单线程方式实现,当校正模型数量多或样本数量大、波长点数和主成分数较多,模型需对光谱预处理和波长选择方法反复优化时,计算十分缓慢。为大幅提高建模速度,该文提出了一种基于图形处理器(GPU)的并行计算策略,利用具有大规模并行计算特性的GPU作为计算设备,结合CUBLAS库函数实现了基于GPU并行的PLS建模算法(CUPLS)。利用近红外光谱数据集进行性能对比实验,结果表明CUPLS建模算法较传统单线程实现的PLS算法,加速比可达近42倍,极大地提升了化学计量学算法的建模效率。该方法亦可用于其它化学计量学算法的加速。     

胆酸含量的近红外分析数学模型

本文应用近红外技术研究了快速测定胆酸含量的方法.通过测定胆酸在10000~4000cm-1范围内的近红外透射光谱,基于偏最小二乘(PLS)算法,建立了胆酸含量的数学模型.以校正均方差(RMSEC)和相关系数(R)为指标,确定了用于建模的最优近红外波段和光谱预处理方法,并基于此模型预测了9个样品.结果显示,建模效果良好,...     

近红外光谱测定人参与西洋参的主要皂甙总量

采用近红外光谱测定人参与西洋参的主要皂甙总量.采集人参与西洋参的漫反射光谱,分别对光谱进行正交信号校正(OSC)与常规预处理,建立了对应的偏最小二乘(PLS)回归模型.与常规最优预处理方法相比,OSC能很好地消除人参与西洋参的品种差异,显著提高了光谱与皂甙含量的相关系数,同时降低了PLS建模因子数,提高了模型的稳健性与...     

近红外光谱测定溶液中甲醇的含量

测量了含微量甲醇(体积分数为0.04%～0.24%)的系列乙醇水溶液的近红外光谱,利用近红外光谱分析建立了预测甲醇含量的定量分析模型。比较了用外部检验法(Test Set-Validation)和交叉检验法(Cross-Validaton)建立的数学模型,研究了使用外部检验法时,校正集和检验集样品数的改变对模型预测结果的影响。结果发现,当校正集样品数为15检验集样品数为6(总样品数为21)时,使用外部检验法建立的数学模型预测结果较好,其校正集的均方根误差和检验集的预测均方根误差(分别为RMSEE和RMSEP)均较小(分别为0.0115和0.0105),而且很接近。结果表明,近红外光谱方法简单,准确而且实用。     

Determination of polyphenols in oats by near-infrared spectroscopy (NIRS) and two-dimensional correlation spectroscopy

Two-dimensional correlation spectroscopy (2DCOS) and near-infrared spectroscopy (NIRS) were used to determine the polyphenol content in oat grain. A partial least squares (PLS) algorithm was used to perform the calibration. A total of 116 representative oat samples from four locations in China were prepared and the corresponding near-infrared spectra were measured. Two-dimensional correlation spectroscopy was employed to select wavelength bands for the PLS regression model for the polyphenol determination. The number of PLS components and intervals was optimized according to the coefficients of determination (R²) and root mean square error of cross validation (RMSECV) in the calibration set. The performance of the final model was evaluated using the correlation coefficient (R) and the root mean square error of validation (RMSEV) in the prediction set. The results showed the band corresponding to the optimal calibration model was between 1350 and 1848?nm and the optimal spectral preprocessing combination was second derivative with second smoothing. The optimal regression model was obtained with an R² of 0.8954 and an RMSECV of 0.06651 in the calibration set and R of 0.9614 and RMSEV of 0.04573 in the prediction set. These measurements reveal the calibration model had qualified predictive accuracy. The results demonstrated that the 2DCOS with PLS was a simple and rapid method for the quantitative determination of polyphenols in oats.     

白酒基酒中酮类物质的近红外光谱检测方法

应用近红外光谱技术建立了白酒基酒中2,3-丁二酮和3-羟基-2-丁酮的快速检测模型。从洛阳杜康酒厂选取182个白酒基酒样品为材料,运用气相色谱法测得两种物质的化学值,同时采集其在12 000~4 000 cm-1范围内的光谱数据,采用偏最小二乘法(PLS)结合内部交叉验证建立校正模型。通过对比不同光谱预处理下PLS模型效果对其进行优化,确定2,3-丁二酮和3-羟基-2 丁酮的最佳预处理方法分别为一阶导数+多元散射校正和二阶导数,最佳光谱区间分别为9 403.2~7 497.9 cm-1和9 403.2~7 497.9 cm-1+6 101.7~5 449.8 cm-1。优化后2,3-丁二酮和3 羟基-2-丁酮校正集样品的化学值和近红外预测值的决定系数(R2)分别为0.960 2和0.963 2,交叉验证均方根误差(RMSECV)分别为0.39、0.22 mg/100 mL;通过外部检验,验证集样品的R2分别为0.957 6和0.957 8,预测均方根误差(RMSEP)分别为0.40、0.24 mg/100 mL。结果表明,应用近红外光谱技术结合化学计量学方法所建立的模型有较高的准确度,能够满足白酒生产中酮类物质的快速检测需要。     

激光诱导击穿光谱结合CARS变量选择方法定量检测倍硫磷含量

利用双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测。采用二通道高精度光谱仪采集不同浓度倍硫磷样品在206.28~481.77 nm波段的LIBS光谱,并对光谱进行多元散射校正(MSC)、标准正态变量变换(SNV)及3点平滑预处理,根据偏最小二乘(PLS)建模确定最优的预处理方法。在此基础上,利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要变量,然后应用PLS回归建立溶液中倍硫磷含量的定量分析模型,并与单变量定量分析模型及未变量选择的PLS定量分析模型进行比较。结果表明,相比单变量定量分析模型及原始光谱PLS定量分析模型,CARS-PLS定量分析模型的性能更优,其模型的校正集和预测集的决定系数及平均相对误差分别为0.969 4、15.537%和0.995 9、5.016%。此外,与原始光谱PLS模型相比,CARS-PLS模型仅使用其中1.9%的波长变量,但预测集平均误差却由9.829%下降为5.016%。由此可见,LIBS技术检测溶液中的倍硫磷含量具有一定的可行性,且CARS方法能简化定量分析模型,提高模型的预测精度。     

紫外光谱法对维生素E油酸酯、维生素E与油酸的同时测定

建立了混合体系中维生素E、油酸和维生素E油酸酯同时测定的方法,用光纤光谱仪获取混合体系紫外-可见透射光谱.实验按均匀设计建立校正集和预测集,在255 ～315 nm波段采用偏最小二乘法建立了同时定量测定该3组分的校正模型,并用间隔区间偏最小二乘法(iPLS)通过优选建模区间改进油酸的预测模型.采用iPLS能够显著提高模型准确度,尤其对光谱弱响应的物质,最大相对误差从PLS直接建模的54.7%降至iPLS的8.98%,建立的模型可满足动力学研究的原位分析需要.     

基于近红外光谱的食用植物油中反式脂肪酸含量快速定量检测及模型优化研究

利用近红外光谱技术对食用植物油中反式脂肪酸(Trans fatty acids,TFA)含量进行快速定量检测,并通过波段选择、预处理方法、变量筛选及建模方法对TFA含量预测模型进行优化.采用AntarisⅡ傅里叶变换近红外光谱仪在4000~10000 cm-1光谱范围采集98个食用植物油样本的近红外透射光谱,然后采用气相色谱法测定TFA的真实含量.首先,对样本原始光谱进行波段、预处理方法优选;在此基础上,采用竞争自适应重加权法(Competitive adaptive reweighted sampling,CARS)筛选TFA相关的重要变量,最后应用主成分回归、偏最小二乘和最小二乘支持向量机方法分别建立食用植物油中TFA含量的预测模型.研究结果表明,近红外光谱技术检测食用植物油中的TFA含量是可行的,优化后的最佳预测模型的校正集和预测集R2分别为0.992和0.989,RMSEC和RMSEP分别为0.071%和0.075%.最佳预测模型所用的变量仅26个,占全波段变量的0.854%.此外,与全波段偏最小二乘预测模型相比,其预测集R2由0.904上升为0.989,RMSEP由0.230%下降为0.075%.由此表明,模型优化非常必要,CARS能有效筛选TFA相关的重要变量,极大减少建模变量数,从而简化预测模型,并较大提高预测模型的精度和稳定性.     

近红外光谱法快速鉴定油菜杂交种的纯度

建立近红外光谱技术测定油菜杂交种纯度的方法。考察了样品杯类型、光谱预处理方法和波长范围对近红外模型预测性能的影响。结果发现,由不同样品杯采集近红外光谱所建立的校正模型,其预测性能存在较大的差异,旋转杯明显优于安瓿瓶;采用消除常数偏移量对光谱进行预处理能有效地提取光谱信息,选择5 000~8 000 cm–1波数范围作为建模谱区,其包含的有效信息率最高。在最佳条件下建立油菜杂交种纯度的校正模型,其决定系数(R2)为0.980 0,交互验证均方根误差(RMSECV)为0.008 59。利用该模型对预测集进行测定,预期均方根误差(RMSEP)为0.007 59,表明该模型具有很好的预测性能,近红外光谱法用于杂交种纯度的鉴定是可行的。