一种基于近红外光谱技术的不同品种及掺假三七的无损鉴别分析研究

基于近红外光谱技术与化学计量学方法,提出了一种不同品种及掺假三七的快速无损鉴别方法。分别采集景天三七、菊三七、血三七、田三七完整、粉末及掺假样品的近红外光谱,采用单一和组合预处理方法消除光谱中的干扰,筛选出最佳的预处理方法;结合主成分分析法建立不同品种以及掺假三七样品的鉴别模型。结果表明：结合主成分分析,采用原始光谱即可实现粉末及掺假样品的100%鉴别分析,而完整样品由于受到物理性状的干扰,其原始光谱数据的品种鉴别率仅为9.38%;而经连续小波变换预处理后可达93.75%。采用组合预处理方法可以进一步消除光谱存在的多种干扰,显著提高完整样品的鉴别准确性,采用去偏移 + 一阶导数、去偏移+连续小波变换以及二阶导数+标准正态变量变换预处理方法预处理后,完整样品的鉴别准确率达到了93.75%。以上结果表明,采用近红外光谱技术与化学计量学方法可有效实现对不同品种以及掺假三七的快速无损鉴别分析。     

基于近红外光谱技术与化学计量学的绿茶无损鉴别方法研究

该文利用近红外光谱技术结合化学计量学方法开发了不同品种绿茶的无损鉴别方法。通过近红外光谱技术得到了8个品种绿茶样品的近红外光谱,比较了单一以及优化组合光谱预处理方法对光谱的影响,利用无监督的主成分分析(PCA)与有监督的线性判别分析方法(LDA)分别构建了茶叶品种鉴别模型。结果表明：对比单一预处理方法,优化组合预处理具有更优的鉴别准确性。标准正态变量变换预处理消除了茶叶样品大小不均造成的光谱散射影响,一阶导数预处理实现了变动背景的消除,减少了基线漂移的影响,突出了图谱中的有效信息,采用二者相结合的预处理方式并结合无监督的主成分分析法可实现较为准确的绿茶样品种类鉴别分析,准确率达75.0%。此外,采用有监督的线性判别分析方法处理原始光谱数据,可达到100%的鉴别准确率,但该方法需提供类别的先验知识。因此,采用近红外光谱技术和化学计量学相结合的手段可实现不同品种绿茶的快速无损鉴别。     

基于近红外光谱技术与优化光谱预处理的陈皮产地鉴别研究

采集不同产地陈皮内侧和外侧的近红外光谱,采用不同光谱预处理方法进行预处理,筛选得到最佳光谱预处理方法,结合主成分分析法建立了陈皮产地的鉴别模型。实验发现,陈皮原始光谱中存在明显的基线漂移与背景干扰。使用单一光谱预处理可在一定程度上消除干扰的影响。经标准正态变量变换、多元散射校正、一阶导数、二阶导数与连续小波变换预处理后,陈皮内侧光谱数据可获得最优的鉴别结果,鉴别准确率为91.67%;通过最大最小归一化预处理后,陈皮外侧光谱数据可获得最优鉴别结果,鉴别准确率为70.83%;在2种预处理组合的鉴别结果中,有9个组合方式结合陈皮外侧光谱数据实现了对陈皮产地的100%鉴别分析,对于陈皮内侧光谱数据的最佳预处理组合为去趋势校正+最大最小归一化,鉴别准确率为95.83%;而3个预处理组合的鉴别准确率较2个预处理的结果低,表明采用预处理种类过多时可能会扣除有用信息。结果表明:近红外光谱技术结合光谱预处理可以实现不同产地陈皮的无损鉴别分析,其中陈皮外侧光谱数据结合优化光谱预处理方法可实现陈皮产地的100%鉴别分析。     

小波变换-可见-近红外光谱技术用于鉴别品牌料酒的研究

模式识别技术广泛应用于食品种类、品牌和原产地的分类鉴别.本文测定了三个品牌114个料酒样品的可见-近红外光谱,利用小波变换技术对光谱信号进行了去噪和压缩处理,并采用Fisher权重法计算了16个小波细节系数的Fisher权重.以16个小波细节系数为特征变量采用向量相似度法对三种不同品牌料酒进行了相似度分析,主成分分析法...     

基于近红外光谱技术的不同产地茯苓块无损鉴别

基于近红外光谱技术,建立了不同产地茯苓块快速无损鉴别方法.利用近红外光谱仪采集了8个不同产地茯苓块的光谱信息;通过单一及组合预处理方法消除光谱中的多种干扰;结合主成分分析方法、软独立模式分类法和Fisher线性判别分析方法分别构建了不同产地茯苓块的鉴别模型.结果 表明:光谱中存在较为明显的背景以及噪声干扰;仅采用主成分分析结合光谱预处理的方法无法实现不同产地茯苓块的准确鉴别分析,鉴别率仅为14.1％;采用软独立模式分类法可显著提高不同产地茯苓块的鉴别率,采用原始光谱或去趋势预处理可获得最佳鉴别结果,鉴别率为54.2％;采用Fisher线性判别分析方法时,用原始光谱即可得到最佳鉴别结果,鉴别率为91.7％.以上结果表明,近红外光谱技术结合Fisher判别分析方法可实现不同产地茯苓块的准确鉴别分析.     

基于小波变换动态时间规整的近红外光谱模型传递方法

为解决因测量环境及仪器差异而导致的近红外光谱模型通用性较差的不足,提出一种基于小波变换动态时间规整算法的模型传递方法(Wavelet transform combined with dynamic time warping,WDTW),从而实现不同仪器之间模型的共享。首先,该方法将光谱进行小波变换预处理,然后利用动态时间规整算法(Dynamic time warping,DTW)找到近红外光谱波长点之间最优的对应关系并建立回归方程。使用近红外药品光谱数据集和汽油数据集建立传递模型,验证了基于小波变换动态时间规整模型传递方法的有效性。汽油光谱数据集C7、C8、C9和C10成分的预测标准偏差(SEP)分别为0.414 4、0.801 1、1.090 4和1.290 8;药品光谱数据集活性、硬度和重量的SEP分别为2.585 6、0.434 5和2.270 3,均小于传统方法。上述实验结果表明,所建立的模型传递方法能有效消除源机光谱和目标机光谱之间的差异,提高模型的稳定性和准确性,实现模型传递的效果。     

傅立叶变换拉曼光谱和红外光谱鉴别塑料

用傅立叶变换拉曼光谱、衰减全反射红外光谱和近红外光谱结合OPUS/Ident软件对添加不同填料、不同助剂的塑料进行鉴别分类。结果表明:分子光谱结合化学计量学鉴别塑料是一种快速可靠的方法。其中拉曼光谱和衰减全反射红外光谱能够直接区分样品,而近红外光谱非常类似,不能直接区分。但是用OPUS/Ident软件中的W ard算法处理这3种光谱后,得到的树形图能够将样品准确分类。     

基于料酒的三维同步荧光光谱模式识别研究

提出了一种应用同步荧光光谱技术无损快速鉴别料酒品牌的新方法.利用主成分分解法和小波变换法对料酒样品的同步荧光光谱信号进行了压缩处理,分别采用同步荧光光谱数据的第一主成分和小波细节系数为特征变量进行主成分分析和聚类分析,分类结果表明小波系数作为料酒的特征变量对料酒品牌分类正确率更高.利用偏最小二乘和径向基人工神经网络方法...     

基于光谱比值分析的无标样近红外模型传递方法

测量环境及光谱仪台间差异导致近红外光谱(NIRS)模型传递到从机后,常产生较大误差。该文使用标准正态变量变换(SNV)+微分处理光谱消除光谱散射和基线漂移的影响,提出通过仪器间光谱信号比值分析筛选波长的方法(Screening wavelengths based on spectrum ratio analysis,SWSRA),选出仪器间一致性较好且样本间差异大的光谱特征波长,采用筛选出的波长信号建立待测性质的偏最小二乘近红外光谱定标模型。以80个玉米样品中水分、油、蛋白质含量及72个黄芩样品中黄芩苷含量的NIRS预测对该方法进行了检验。结果表明,SWSRA主机模型预测从机样品的各成分含量的平均相对误差均小于4.3%,明显优于全波长模型直接传递的结果,且其预测均方根残差RMSEP与文献报道的其他模型传递方法的结果相当或更优。SWSRA方法具有模型参数少、稳健、简便易行等优点,可以在同类型近红外光谱仪器之间实现模型的无标样传递。     

近红外漫反射光谱的小波变换滤波

利用小波变换对５２个烟草样品的近红外漫反射光谱进行滤波处理，并用ＰＬＳ法来计算烟草样品的总氮含量，结果表明小波变换滤波后，预测集的相对标准偏差由原来的９．２％降为７．４％，此结果也优于傅里叶变换和五点三次平滑。     

The Application of Complex Wavelet Transform to Spectral Signals Background Deduction

The accuracy of spectrograms may be affected by baseline excursion or drift when infrared spectrometers are used in the analyses of gases. Background deduction or baseline correction is one of the effective pretreatment methods that can improve measurement accuracy. This paper presents a novel methodology based on complex wavelet transform algorithm to perform background deduction. The complex wavelet transform methodology establishes a complex wavelet filter to decompose the spectral signals first, and set the decomposition coefficients in the high-frequency section to zero, and then reconstruct the background signals; finally, the background deduction can be realized by deducting the background signals. In this study, the complex wavelet established by Daubechies was selected to demonstrate background deduction aiming at simulative spectral signals with different backgrounds and the real spectral signal of SF6 decomposition gases. Compared with the results done by the real wavelet transform in the same conditions, the results indicate that complex wavelet transform methodology can perform background deduction more efficiently than real wavelet transform methodology, thus improving the effectiveness and precision of spectrogram measurements greatly, which is useful for SF6 gas decomposition compositions analysis     

The Application of Complex Wavelet Transform to Spectral Signals Background Deduction

The accuracy of spectrograms may be affected by baseline excursion or drift when infrared spectrometers are used in the analyses of gases. Background deduction or baseline correction is one of the effective pretreatment methods that can improve measurement accuracy. This paper presents a novel methodology based on complex wavelet transform algorithm to perform background deduction. The complex wavelet transform methodology establishes a complex wavelet filter to decompose the spectral signals first, and set the decomposition coefficients in the high-frequency section to zero, and then reconstruct the background signals; finally, the background deduction can be realized by deducting the background signals. In this study, the complex wavelet established by Daubechies was selected to demonstrate background deduction aiming at simulative spectral signals with different backgrounds and the real spectral signal of SF6 decomposition gases. Compared with the results done by the real wavelet transform in the same conditions, the results indicate that complex wavelet transform methodology can perform background deduction more efficiently than real wavelet transform methodology, thus improving the effectiveness and precision of spectrogram measurements greatly, which is useful for SF6 gas decomposition compositions analysis

     

Quality control of the powder pharmaceutical samples of sulfaguanidine by using NIR reflectance spectrometry and temperature-constrained cascade correlation networks

Temperature-constrained cascade correlation networks (TCCCNs) were applied to the identification of the powder pharmaceutical samples of sulfaguanidine based on near infrared (NIR) diffuse reflectance spectra and their first derivative spectra. This work focused on the comparison of performances of the uni-output TCCCN (Uni-TCCCN) and multi-output (Multi-TCCCN) by near infrared diffuse reflectance spectra and their first derivative spectra of sulfaguanidine. The TCCCN models were verified with independent prediction samples by using the “cross-validation” method. The networks were used to discriminate qualified, un-qualified and counterfeit sulfaguanidines pharmaceutical powders. The results showed that single outputs network generally worked better than the multiple outputs networks, and the first derivative spectra were more suitable for the identification comparing with original diffuse reflectance spectra. With proper network parameters the pharmaceutical powders can be classified at rate of 100% in this work. Also, the effects of parameters and related problems were discussed.     

连续小波变换-独立成分回归算法及其在多组分分析中的应用

采用连续小波变换（CWT）对光谱数据进行处理，用独立成分分析（ICA）进行特征提取，再用回归分析方法对被测组分进行测定，建立了连续小波变换一独立成分回归（CWT-ICR）方法。方法用于肉样品中水分、脂肪和蛋白质多组分的同时测定，所得结果与化学法测得结果相符。     

基于最小角回归结合一元线性直接校正法的近红外光谱模型传递方法

针对近红外光谱分析技术中模型通用性较差的问题,提出了一种新的模型传递方法——最小角回归结合一元线性直接校正法(Least angle regression combined simple linear regression direct standardization,LARSLRDS)。该方法首先采用小波变换对样品光谱数据进行预处理,然后利用LAR实现样品全谱区光谱特征波长点的筛选,最后利用SLRDS对筛选出来的变量进行校正。采用汽油和药品样本的近红外光谱数据验证LAR-SLRDS性能,汽油数据集C7、C8、C9和C10成分的光谱差异为0. 002 8、0. 002 7、0. 002 6和0. 002 7,预测标准差为0. 410 6、0. 849 2、1. 034 9和1. 215 8;药品数据集活性、硬度和重量成分的光谱差异为0. 030 0、0. 031 8和0. 033 6,预测标准差为1. 933 8、0. 440 2和2. 130 9。结果表明,LAR-SLRDS算法不仅能够消除主、从仪器光谱之间存在的差异,实现模型传递,而且能够提高PLS定量模型的准确性和稳定性,具有广泛的应用潜力。     

小波变换用于近红外光谱性质分析

以汽油研究法辛烷值分析为例,研究了小波变换在近红外光谱分析中的应用。对近红外光谱的小波特性、小波变换参数以及变量提取方法进行了详细研究。研究结果表明：光谱噪音、有用信息和背景分别分布在小波高、中和低频区域;母小波函数对性质分析结果影响很大;小波变换可以同时扣除光谱背景、去除噪音和压缩变量,具有运算速度快、分析精度高以及无需去噪后处理等优点,在近红外光谱分析中具有很好的应用前景。