近红外光谱结合LSTSVM算法判别不同等级烟叶

本文用近红外光谱结合最小二乘双胞胎支持向量机(LSTSVM)算法建立了烟叶等级分类模型。从三个等级共210个烟叶样品中,取出120个样品作为建模集,剩余90个样品作为预测集。为了建立最优模型,对光谱预处理方法和模型参数进行筛选优化,最优模型对预测集样品的平均识别率为95.56%,结果表明该方法可以作为烟叶等级分类的一种有效方法。此外,将该算法与SIMCA、PLS-DA、SVM等三种常见的模式识别算法进行了比较,结果表明基于样品的原始光谱,同等条件下,LSTSVM算法的预测效果优于其他三种算法。     

傅里叶变换红外光谱结合模式识别法快速鉴别食用油的真伪

采用傅里叶变换红外光谱(FTIR)结合簇类独立软模式识别技术(SIMCA)建立了真伪食用油的快速鉴别方法. 该方法依据FTIR 的指纹特性, 收集并分析了53 个合格食用油和13 个伪造食用油的FTIR 谱图; 通过对谱图取二阶导数和标准化处理, 主成分分析(PCA)提取特征变量; 采用SIMCA 方法分别随机选取43 个合格食用油和9 个伪食用油样品的FTIR 谱图组成训练集, 构建得到真伪食用油的SIMCA 分类模型. 该模型经过剩余10 个合格食用油和4 个伪食用油的验证, 正确识别率达到了100%. 说明FTIR 结合SIMCA 可能成为快速鉴别食用油真伪的一种新方法.     

支持向量机结台主成分分析辅助激光诱导击穿光谱技术识别鲜肉品种

为提高激光诱导击穿光谱技术(Laser-induced breakdown spectroscopy,LIBS)对鲜肉品种的识别率,采用支持向量机结合主成分分析算法辅助LIBS技术对鲜肉品种进行识别.对鲜肉切片用载玻片压平,采用LIBS技术对鲜肉组织(猪肉、牛肉和鸡肉)表面进行光谱数据的采集,每种鲜肉采集150幅光谱并进行随机排列,取前75幅光谱作为训练集建立模型,后75幅作为测试集测试建模结果.研究选取K、Ca、Na、Mg、Al、H、O等元素的49条归一化谱线数据进行主成分分析,并用所得数据建立支持向量机分类模型.结果表明,通过主成分分析降维,输入变量从49个优化减少到18个,模型建模速度从88.91 s降至55.52 s,提高了支持向量机的建模效率;并使预测集的平均识别率提高到89.11%.本研究为激光诱导击穿光谱技术在鲜肉品种快速分类领域提供了方法和数据参考.     

PCA-LDA法结合近红外光谱用于酵母水解物真假判别及产地溯源

运用近红外光谱结合化学计量学方法实现酵母水解物的产地溯源以及真假判别分析。先选取不同地方的酵母工厂(柳州、伊犁、崇左)、不同工艺(NX系列、NA系列)的酵母水解物样品500个,市场流通的伪劣产品10个。工厂样品共计五种类型,伊犁NA系列、柳州NA系列、崇左NA系列、崇左NX系列、柳州NX系列。利用近红外光谱仪收集所有样品14 304～3 856 cm^-1全波段光谱,通过对预处理后的训练集全样品、全波段光谱进行主成分分析(PCA),选出最佳主因子数,再结合线性判别分析(LDA)建立酵母水解物原产地溯源模型。验证集伊犁NA系列识别率为100%、柳州NX系列识别率为85%、崇左NA系列识别率为100%、崇左NX系列识别率为100%、柳州NA系列识别率为95%。设置模型的马氏距离阈值,造假样品报警率为100%,所有样品识别准确率均较高。PCA-LDA法结合近红外光谱可准确溯源酵母水解物的原产地以及准确对其真假进行判别。     

PDS用于不同温度下的近红外光谱模型传递研究

采用合适的计算方法可降低测定环境对近红外光谱校正模型稳健性的影响。该文以喷气燃料为研究对象,考察了分段直接校正算法对所建模型预测结果的影响,通过选择转移样品数及窗口宽度,建立了最佳的校正模型和光谱转移参数。结果表明,在20℃下建立近红外光谱校正模型,直接预测30℃下喷气燃料的密度,预测集样品均方根误差（RMSEP）为0.2031,而30℃近红外光谱采用分段直接校正算法模型转移后,预测集样品均方根误差（RMSEP）降低为0.1354,预测结果得到明显改善,有效地解决了样品温度对近红外光谱分析结果的影响。     

近红外光谱法定性描述酵母菌的生长过程

提出了一种基于近红外光谱分析技术的酵母菌生长过程描述方法.利用Antaris Ⅱ型傅里叶变换近红外光谱仪获取酵母菌培养过程中,发酵物样本在10000~4000 1范围内的光谱数据,同时采用光电比浊法测定各样本的光密度(Optical density, OD)值;运用竞争性自适应重加权采样(Competitive adaptive reweighted sampling, CARS)算法优选特征光谱,再利用极限学习机(Extreme learning machine, ELM)建立酵母菌生长过程4个阶段的分类模型.研究结果显示,参与CARS-ELM模型建立的波长个数为30,其10次运行在训练集和测试集中的平均识别率分别为98.68%和97.37%.研究结果表明,利用近红外光谱分析技术结合适当的化学计量学方法描述酵母菌生长过程是可行的.     

近红外光谱法快速测定乙烯原料油族组成

采用色谱仪测定乙烯原料油族训练集样品的组成性质的基础数据与近红外光谱仪测定训练集样品的近红外光谱,建立了乙烯原料油族基础数据和近红外光谱库,用化学计量学分析软件,采用偏最小二乘（PLS）方法将训练集样品的光谱和相应已测定样品的族组成基础数据相关联,建立了乙烯原料中正构烷烃、异构烷烃、环烷烃、芳烃、烯烃的定量和定性分析模型。该模型具有测定结果准确、可靠,测定简便、讯速的优点,适合在线生产中对样品的快速检测。     

专利

一种近红外光谱无损鉴别山参真伪的方法 ：一种近红外光谱无损鉴别山参真伪的方法,属于中药检测技术领域,目的在于解决现有技术鉴别山参鉴别结果不确定及鉴别过程破坏山参形体的问题。采集山参和工艺参的光谱数据,经主成分分析法提取出主成分变量作为输入变量,设定山参及工艺参的属性代码并将其作为目标变量,根据输入变量和目标变量训练网络,建立BP人工神经网络模型;采集待鉴别样品光谱数据,并经建立的BP人工神经网络模型进行仿真,输出待鉴别样品预测值,参照山参和工艺参的属性代码判断待鉴别样品。当待鉴别样品     

基于尺度不变特征变换筛选稳定特征波长的近红外光谱模型传递方法

该研究利用一维尺度不变特征变换(SIFT)算法寻找烟叶近红外光谱(Near infrared spectroscopy,NIRS)的稳定特征波长,根据样品精密度测试光谱筛选的波长计算重现率和重现度,采用L_9(3~3)正交表优化SIFT算法中的相关参数,使重现率和重现度尽可能高。基于优化的参数和主机上10个代表性样品的光谱,筛选出10个稳定特征波长集合,以这些波长集合并集的光谱响应为自变量,采用偏最小二乘(PLS)方法构建烟叶总植物碱NIRS模型(简称SIFT-PLS)。该模型直接传递到3台从机后,对3台从机样品总植物碱的平均相对预测误差(MRE)均满足小于6%的企业内控要求,而全光谱模型(WW-PLS)直接转移后仅1台从机的MRE满足要求,经分段直接校正(PDS)方法校正从机光谱后,WW-PLS模型也仅对1台从机的MRE小于6%。采用SIFT算法筛选稳定特征波长建立的NIRS模型可在3台从机直接共享,无需转移集,不需对从机光谱或光谱模型进行校正,实现了真正意义的无标样NIRS模型的直接转移。     

基于滤波器-机器学习的食欲抑制剂光谱信号预处理比较

对现场缴获的食欲抑制剂进行快速检验能够为案件调查提供线索和方向,同时机器学习算法开展物证的快速无损检验是法庭物证学的重要研究之一。红外光谱是最经典的快速无损检验方法,滤波器能够有效地除去原始谱图的噪声和背景干扰,从而提高模型的识别效果。本文收集了从实际案件中缴获的4种食欲抑制剂样本共计291份,运用快速傅里叶变换滤波器和希尔伯特变换滤波器对样本原始光谱数据进行降噪处理,同时借助朴素贝叶斯和随机森林模型建立分类模型,开展识别工作,从而筛选除噪效果最优的滤波器,同时比较了朴素贝叶斯和随机森林模型的识别效果。结果表明,经滤波器处理后原始光谱数据的识别率和稳定性显著提升,希尔伯特变换滤波器的除噪效果要比快速傅里叶变换滤波器好,随机森林模型的识别率和稳定性均要比朴素贝叶斯模型强,随机森林模型对经希尔伯特变化滤波器处理后的训练集识别率为96.33%,测试集识别率为95.89%。该方法通过滤波器有效地滤除谱图的噪声,提高了模型定性识别能力,对法庭科学中食欲抑制剂的快速鉴定有一定的参考意义。     

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。     

粒子群算法结合支持向量机回归法用于近红外光谱建模

研究了最小二乘法支持向量机(LSSVM)应用于烟丝样品和小麦样品的近红外光谱建模,采用粒子群优化算法(PSO)优化LSSVM的参数。通过对烟草样品和小麦样品的近红外光谱建模和预测,并与常规的偏最小二乘法(PLS)比较发现,PSO-LSSVM法具有更好的预测效果和稳健性。     

近红外光谱法同时测定通天口服液中天麻素和芍药苷的含量

本文应用近红外光谱结合偏最小二乘法建立了同时测定通天口服液中天麻素与芍药苷含量的方法。以高效液相色谱(HPLC)法测定通天口服液样品中天麻素和芍药苷的化学参考值,随机抽取60个样本作校正集,20个样本作预测集。用偏最小二乘法(PLS)将校正集样本的近红外光谱与相应样本的天麻素和芍药苷含量分别相关联建立模型。结果表明,天麻素和芍药苷校正模型的决定系数分别为96.28%、94.55%,模型的交叉验证均方差分别为0.0336、0.00908,预测集的决定系数分别为94.23%、92.86%,预测集均方差分别为0.0453、0.00839。同时还做了模型的精密度实验,该方法能用于大批量样品的快速分析。     

近红外光谱快速测定混胺组分含量

研究了用近红外光谱分析混胺组分三乙胺和二甲苯胺含量的方法。对波长范围的选择和基线处理方法进行了研究,用偏最小二乘法线性回归分析建立三乙胺和二甲苯胺的校正模型。将近红外法测定结果与标准方法测定结果进行了比较,对光谱测量的重复性进行了考察,对温度的影响进行了分析。所有分析研究结果表明：在试样恒温的条件下,近红外光谱分析简单、快速、准确。     

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。     

基于非接触式拉曼光谱分析人血与犬血的PCA-LDA鉴别方法

将拉曼光谱分析法与数理统计方法有机结合,构建人血与犬血种属判别模型,实现了不同种属血液样本的高效无损鉴别.采用拉曼光谱的无损测试模式对血液样本进行测试,考察了抗凝管管材、聚焦位置及曝光时间等对血液样本拉曼光谱的影响,在激发波长为632.8 nm,光谱扫描范围为200~1800 cm-1,功率衰减率50%,曝光时间5 s及累加次数为2次的优化条件下,获得了无损检测条件下的血液样本拉曼光谱图.针对血液样本组分复杂、拉曼光谱信号基底背景高等问题,提出了基于小波变换去噪,进行分段多项式基线校正的预处理方法,有效解决了血液样本拉曼光谱谱图的高噪音和基线漂移问题.实验选择30例正常人血和33例比格犬血为样本训练集,5例正常人血和5例比格犬血为测试集,基于主成分分析法(PCA)联合线性判别法(LDA)模型,训练集分类正确率达到95.23%,盲测集分类正确率达90.00%.这种基于非接触式血液样本拉曼光谱和PCA-LDA判断模型的测试方法在进出口检验检疫等涉及血液无损鉴别的领域具有广泛的应用价值和前景.     

拉曼光谱结合背景扣除化学计量学方法用于汽油中MTBE含量的快速测定研究

应用便携式拉曼光谱仪测量了汽油样本的拉曼光谱,以自适应迭代惩罚最小二乘方法(airPLS)对光谱进行了背景扣除和平滑处理,并选取特征峰区间利用偏最小二乘方法(PLS)建立了预测甲基叔丁基醚(MT-BE)的校正模型。以训练集相关系数和拟合误差及测试集相关系数和预测误差作为判定依据,确定了最佳建模条件。最终训练集相关系数为0.996 0,拟合误差为0.316 1,测试集相关系数为0.996 6,预测误差为0.490 1。结果表明采用便携式拉曼光谱结合化学计量学方法处理,可以满足对汽油中MTBE含量快速检测的要求。     

基于近红外光谱和OPLS-DA的不同牌号卷烟分类识别方法研究

为了对卷烟牌号进行准确分类鉴别,提出了一种基于近红外光谱(NIRS)分析技术结合有监督的模式识别快速鉴别卷烟牌号的新方法。利用标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数(FD)、二阶导数(SD)和Savitzky-Golay平滑(SG)及其相结合的光谱预处理方法对烟丝光谱进行预处理,通过近红外光谱结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和正交偏最小二乘判别分析(OPLS-DA) 3种模式识别方法对不同牌号烟丝进行分类识别研究,并采用分类识别正确率作为评价指标。实验结果表明：(1)烟丝近红外光谱主成分得分图交叉重叠,区分不明显,PCA无法识别出5种牌号的成品烟丝;(2)烟丝光谱经MSC+FD预处理后的PLS-DA模型可得到较好的识别效果,校正集和测试集的分类识别正确率分别为100%和98.3%;(3)烟丝光谱经MSC+SD预处理后的OPLS-DA模型的模式识别效果最好,模型对自变量拟合指数(R2X）,因变量的拟合指数(R2Y)和模型预测指数(Q2)分别为0.485、0.907 和0.748,近红外光谱校正集和测试集的分类识别正确率均为100%。说明近红外光谱技术结合有监督模式识别方法OPLS-DA建立的烟丝牌号分类模型具有高效快速、准确无损的优点,为卷烟烟丝分类提供了一种新的快速鉴别方法。     

基于随机森林结合博弈论的特征选择算法在近红外光谱分类中的应用研究

针对近红外光谱中的噪声和冗余信息导致分类模型识别率低的问题,提出了随机森林结合博弈论的特征选择算法。该算法首先根据随机森林对特征重要性进行度量,优选出对分类具有一定相关性的特征;然后利用改进的夏普利值结合互信息计算优选特征的权重,从加权后的特征集合中去掉冗余得到最优特征子集。为了验证算法的有效性,将其应用于烟叶产地识别模型,实验结果表明,该文所提出的特征选择算法对烟叶产地识别效果较好,分类识别率可达95.88%。     

The establishment and evaluation of near infrared universal model to determinate the effective ingredient content in pesticide rapidly

A near infrared universal quantitative analysis model was established to determinate the effective ingredient content in pesticide EC(hikemalisation) by the PLS(partial least squares) algorithm,the model predictive ability was evaluated by the external inspection method.The model was established among samples containing the same active ingredient from five different companies, and the model determination coefficient R~2 and RMSECV(root mean square error of cross validation) were 0.9997 and 0.0223, respectively,the relative error between predicted value and chemical value of the testing set samples was between—2.71%and 3.36%,which indicated that the method to determinate the effective ingredient content in pesticide EC by the established universal model can meet the need of pesticide market monitoring.