近红外漫反射光谱聚类分析用于血竭的鉴别

建立用近红外漫反射光谱法鉴别血竭的方法，采用聚类分析方法进行分类鉴别，快速、准确地鉴别了不同产地的血竭。近红外漫反射光谱法快速、简便、无损，可用于血竭等中药的分类鉴别。     

基于马赫-曾德干涉仪的色散转折效应及其传感性能模拟研究

设计了工作在近红外波段的硅基马赫-曾德尔干涉仪(MZI)折射率传感器。理论和仿真模拟分析表明,通过改变MZI的结构参数可以对输出干涉谱的色散转折特性进行调控,经过优化后色散转折点(DTP)所对应的波长可以调至近红外波段(1550 nm),通过改变MZI周围的环境折射率(SRI)可以使折射率灵敏度达到37500 nm/RIU。由于DTP两侧的干涉条纹对外界折射率响应有相反的特性,将干涉波谷的相对漂移量作为检测对象,能够将灵敏度提高2倍,即75000 nm/RIU。不同于常规基于光栅和波导耦合构架的DTP传感器,所设计的DTP结构中两个干涉模式互不相关且均可独立调控,并可根据需要灵活调控色散转折波长。     

基于贝叶斯优化的SVM玉米品种鉴别研究

为了快速检测玉米品种类型,基于支持向量机(SVM)和近红外光谱联合建立玉米品种的分类模型。以郑单958、先玉335、京科968、登海605和德美亚等五个品种共计293个样本为研究对象,对采集的近红外光谱进行标准正态变量变换(SNV)处理后使用主成分分析法(PCA)对光谱数据进行降维处理。按照6∶1比例,随机选取251个样本为训练集,42个样本作为测试集,探讨贝叶斯优化算法(BO)对SVM模型性能的影响。分别使用网格搜索(GS)、遗传算法(GA)和BO算法等三种方法对SVM模型的两个重要参数惩罚因子C和径向基核函数参数γ进行寻优。选择各模型十折交叉验证识别准确率最高时对应的惩罚因子和核参数作为建模参数,建立SVM分类模型。将使用BO算法建立的SVM分类模型与使用GS和GA进行参数寻优后建立的模型性能进行比对。实验发现,使用BO优化的SVM分类模型相比于其他两种优化算法得到的SVM模型性能具有显著优势,测试集的识别准确率可达到100%。说明使用BO算法寻优的SVM模型参数是全局最优参数,其他两种优化算法寻优的参数可能陷入了局部最优,从而导致模型性能表现不佳。在进行PCA降维前后的光谱数据上分别建立BO-SVM模型,结果表明,BO算法对于高维数据优化效果不佳,更适用于低维数据。对于不同样本类别间数量不均衡导致模型性能表现不佳的问题,通过剔除郑丹958和先玉335两类数量较少的样本,使用剩余三个类别,共计248个样本重新建立SVM模型,实验发现,剔除两类小样本之后,各个模型在测试集上的性能均有提升,说明对于类间样本数量不均衡问题,某类样本数量越多,对于模型参数的修正就越细腻,模型对该类的拟合效果就越好。研究结果可用于玉米品种的快速鉴别,也可为基于近红外光谱的其他农产品分类和产地鉴别提供参考。     

基于光谱的春季育苗移栽期番茄苗健壮度量化检测

为了筛选影响春季育苗移栽期番茄穴盘苗健壮程度的关键指标,并实现其快速无损检测,测定了5项秧苗指标,经向量归一化预处理并采用独立性权系数法确定各指标权重,并根据权重结果挑选出包含信息较全面,影响较大的两个指标：叶绿素和干质量。两项指标所组成的简化秧苗评价值可以近似表示综合评价值,相关系数r为0.92,大大减少了品质检测所需的指标量,并可以很好的表征春季育苗移栽期番茄苗的健壮度。提取了各穴盘苗的可见-近红外光谱数据,经去噪和多元散射矫正（MSC）预处理,消除了由光散射等带来的光谱干扰信息,相较原始光谱信息更具可利用性。随后采用光谱-理化值共生距离（SPXY）算法对样本集进行划分,利用波段值和评价值两种变量同时计算样本间距离,以最大化表征样本分布,提高样本差异性和代表性。采用竞争性自适应重加权算法（CARS）和无信息变量消除连续投影算法（UVE-SPA）优选光谱特征波数,降低光谱数据维度,得到了更能体现光谱特征的简化光谱信息,减少了冗余信息对建立模型精准度和分析速度的影响。最后应用偏最小二乘支持向量机（LS-SVM）和基于U-Net模型改造的卷积神经网络(CNN),以预处理后的光谱数据和提取特征波长后的光谱数据分别作为模型的输入,建立了光谱数据与综合评价值的非线性映射模型,并进行对比选优。结果显示：应用UVE-SPA预处理方法筛选出的波段,光谱信息更加丰富有效;两种预处理后的优选波段所建模型回归效果整体优于全波段建立的模型;CNN模型的建模效果整体优于LS-SVM模型,且UVE-SPA-CNN模型对光谱数据和秧苗评价值的回归分析效果最好,其建模集和预测集的相关系数r分别为0.988和0.946,均方根误差RMSE分别为0.085和0.025,为直接利用光谱数据获取融合了多种因素的番茄秧苗评价值,从而判别秧苗健壮度提供了理论依据。     

丹参酮ⅡA和隐丹参酮近红外光谱的2D-COS解析及其在丹参酮提取物近红外模型中应用

采用二维相关光谱（2D-COS）技术,以氘代氯仿为溶剂,解析了丹参酮ⅡA和隐丹参酮标准品的近红外光谱（NIR）。丹参酮ⅡA和隐丹参酮二维相关切片谱在1 600~1 800,1 900~2 230和2 300~2 400 nm处有特征吸收,其中丹参酮ⅡA在1 640和2 140 nm处有不同于隐丹参酮的呋喃环双键一级倍频和组合频吸收,1 696 nm为丹参酮ⅡA和隐丹参酮分子中甲基伸缩振动二级倍频,1 726和1 740 nm处吸收为丹参酮ⅡA和隐丹参酮环己烯亚甲基伸缩振动二级倍频,2 146和2 220 nm为丹参酮ⅡA和隐丹参酮苯环C—C伸缩振动与C—H伸缩振动的组合频,2 300～2 400 nm处一系列峰为丹参酮ⅡA和隐丹参酮甲基伸缩振动与弯曲振动组合频吸收。以丹参酮提取物为载体,以丹参酮ⅡA和隐丹参酮光谱解析特征波段及组合间隔偏最小二乘（SiPLS）筛选特征波段分别建立偏最小二乘（PLS）定量模型,模型的决定系数R2均大于0.9,校正均方根误差（root mean of square error of calibration, RMSEC）和交叉验证均方根误差（RMSECV）,预测均方根误差（RMSEP）均较小。结果表明,2D-COS技术解析特征波段与SiPLS波段筛选所建PLS模型均稳定。2D-COS技术使近红外定量模型更具解释性,可解析出结构差异特征吸收,同一波段可实现结构类似物的同时定量测定。     

光谱分析方法在同位素检测中的研究和应用进展

同位素在核工业为主的各种工业生产中受到广泛的关注,并推动着地质学、材料科学、化学等相关学科的发展。近年来,基于光谱分析原理的同位素分析方法的开发逐渐受到关注。虽然多接收杯电感耦合等离子体质谱（MC-ICP-MS）、热电离质谱（TIMS）和气体同位素质谱（IRMS）等质谱技术是同位素分析的标准方法,但是这些质谱方法通常需要复杂的样品前处理流程以及频繁的仪器维护。光谱分析方法在这些方面有着自身独特优势,甚至可以满足现场实时快速的同位素分析,并在核工业同位素分析和传统稳定同位素分析领域已经取得了日益广泛的应用。随着光谱仪器关键部件和数据处理方法的进一步发展,极大地改善了光谱法同位素分析的性能（灵敏度、分辨率和精密度）,使光谱分析方法被逐渐开发并应用于环境和地质同位素分析领域。综述了光谱分析方法在同位素分析（定量或定性）领域的主要进展,从光谱分析原理的角度归类为发射光谱（原子发射、分子发射、拉曼光谱）和吸收光谱（原子吸收、分子吸收）两大类。着重讨论了光谱法进行同位素分析的基本原理、发展历程以及重要进展,简述了与质谱法相比的优缺点。针对仍然有待突破的技术难点,展望了光谱法应用于同位素分析的发展前景。该综述可为光谱分析方法在同位素检测中的发展方向提供重要参考。     

近红外光谱的阵列扫描式灵敏度法探测颅脑血肿

利用近红外光谱技术对脑组织进行检测实现脑血肿的定位一直以来都是无损光学诊断的研究热点。为了实现开放式全方位的精准探测,基于功能性近红外光谱技术提出一种新的方法-阵列扫描式灵敏度法,即建立全方位阵列探测器,通过单边阵列式扫描检测来获取不同探测位置的光通量,计算每个探测器的探测灵敏度,就能得到全方位的探测信息。首先,建立单层有限元模型,设置光学参数、光源、探测位置及边界条件,将仿真结果与蒙特卡洛的运行结果进行对比,验证有限元模型条件设置的准确性。其次,根据人脑组织结构建立脑部模型,在模型中插入血肿,选择波长为850 nm的近红外光作为光源,设置该波长下各层生物组织的光学参数,模拟光子在正常脑组织与含血肿脑组织中的传播,在距光源不同位置的探测器处检测到多组光通量数据,处理数据后发现有限元仿真软件在图像、数据方面反映了血肿对光的传播有极大影响。为研究探测到的光通量信息与血肿位置之间的关系,基于近红外光谱技术采用阵列扫描式灵敏度法分别改变组织内血肿的方位、横向位置与纵向深度,在距光源不同的探测位置处检测到多组光通量数据,处理数据后建立血肿位置与对应探测灵敏度之间的关系图进行分析。结果显示采用阵列扫描式灵敏度法,近红外光谱技术能准确探测血肿的方位信息与横向信息,且血肿位于源-探测距离中间时,探测效果最佳,而纵向深度只影响光子穿过较深层组织的概率,位置越深,光子的穿过率越小,探测灵敏度越小。由此得出,基于阵列扫描式灵敏度法可以实现颅脑组织内一定深度处血肿的快速准确定位,为近红外光谱技术的光学成像、检测组织内部肿瘤等提供了新思路和有效参考。     

近红外光谱判别分析滤波器的设计与应用

近红外光谱（NIRS）在定量和判别分析中已得到广泛应用,化学计量学在其中发挥了重要作用,但仍需要建立基于新原理的方法,简化数据处理和建模过程,使近红外光谱分析更加方便、更加快速。多元光学计算（MOC）技术通过设计合适的光学滤波器可以在光谱测量的同时,根据光谱的整体形状得到定性定量结果。作为一种新的测量和计算方式,近年来在光谱分析领域逐渐得到应用。基于多元光学计算的原理,基于主成分分析和Fisher判别准则设计了近红外光谱的判别滤波器,将近红外光谱投影到二维空间,并在二维空间中计算每一类样品的置信椭圆作为模型进行判别分析。预测样本在二维空间的投影与模型的距离可以作为判别参数,判别值小于等于1时预测样品与模型样品判别为同一类别,否则判别为不同类别,且距离越大,差异性越大。采用460个不同部位的烟叶样品和73个不同生产厂家的药品对所建立的方法进行了测试,表明了方法的准确性。对于三类不同部位烟叶样品和四类不同厂家生产的药品,预测结果的真阳性率可以达到90%以上（除上部烟叶样品外）,药品的真阳性率高达95%以上。但烟叶样品的假阳性率仍有些偏高,对于光谱极为相似的实际生产样品结果仍属可接受范围。所建立的方法可推广到其他应用领域,广泛用于基于近红外光谱的质量控制、产品检测、生产一致性监控等。     

基于近红外光谱分析的高丹草种子发芽率检测研究

高丹草中粗蛋白质以及碳水化合物的含量丰富,适合青贮处理。优质的高丹草种子是发展畜牧业十分重要的前提,发芽率是检验种子质量最常规的指标之一,播前种子发芽率检测与筛选十分必要。现阶段采用发芽试验法进行种子发芽率的检测,周期长、成本高。基于此,提出利用近红外光谱对高丹草种子进行发芽率的快速、无损检测。选择适量的高丹草种子样品,采集近红外漫反射光谱,进行一阶导和二阶导预处理以及对比分析R2_c,R2_p,RESEC和RMSEP。采用支持向量机（SVM）建模,使用MATLAB中调用的LIBSVM软件包来实现SVM训练和检测过程,以检测不同发芽率的高丹草种子。对来自不同省份的100组高丹草种子先剔除种子内的杂物、破损以及不能满足试验条件的种子后,用人工气候培养箱进行种子发芽试验,获得100组种子样本的发芽率,其发芽率分布在41%~64%的范围。采用美国Unity Scientific 2600XT近红外光谱仪对样本进行光谱扫描。随机分成校正集70份和检验集30份。分别采用一阶导和二阶导进行了高丹草种子光谱的预处理,将预处理之后的数据采用支持向量机的方法建模,并对其参数进行了分析和讨论。结果表明,近红外光谱预测模型训练集相关系数（R2_c）和测试集相关系数（R2_p）分别为0.94和0.92,校正均方根误差（RMSEC）、预测均方根误差（RMSEP）分别为0.21和0.25,两个产地的高丹草种子数据采用一阶导预处理时模型最优。支持向量机的方法建模采用Rbf核函数,当支持向量机惩罚因子c=2 896.309 4和核函数g=0.5时,测试集种子发芽率的检测准确率为96.666 7%（29/30）。该模型预测种子发芽率是可行的,可以作为初步检测高丹草种子发芽率快速无损检测的手段之一,能够有效的促进种子生产。     

青饲大豆主要品质参数的近红外光谱快速分析

饲料是畜牧生产的物质基础,饲草原料和饲料产品营养价值的检测与评估是饲料生产中的重要环节,面对饲草资源中粗蛋白含量低和大量依靠进口饲料的局面,大豆作为优质的高蛋白豆科饲草是畜牧业生产利用的重要资源。不同青饲大豆及其不同刈割期的饲用品质参数可以评价青饲大豆的饲用性能,但目前主要以化学方法进行检测,过程繁琐,试验周期长、易造成人为操作误差,且青饲大豆主要饲用品质指标的光谱快速检测尚属空白,亟待开发和利用。鉴于近红外光谱快速分析技术在检测领域及饲料分析中的广泛应用,利用近红外光谱分析技术在950～1 650 nm范围内收集不同大豆品种不同刈割时期的全株样品光谱,对样品的主要饲用品质参数粗蛋白（CP）含量、中性洗涤纤维（NDF）含量和酸性洗涤纤维（ADF）含量三个指标按国家标准或行业标准的化学方法进行检测,得到的150份样品的品质数据按3∶2分为校准集和验证集。通过一阶求导（NW1st）、二阶求导（NW2nd）、标准正态变量变换方法（SNV）、去趋势算法（DE-trending）4种不同光谱预处理方法中的一种或多种处理的组合,结合偏最小二乘（PLS）回归算法建立了青饲大豆三个主要品质参数CP,NDF和ADF含量的预测模型。通过比较回归模型中的校准集和验证集中决定系数（R2）和均方根误差（RMSE）得出,NW1st+DE-trending+SNV+PLS处理后所建立的模型效果最好,青饲大豆CP含量模型中的校准集的R2_C和验证集的R2_P分别为0.96和0.95,NDF含量模型中的R2_C和R2_P分别为0.90和0.89,ADF含量模型中的R2_C和R2_P分别为0.94和0.93。通过验证集对预测模型的检验分析进一步证实了该模型的准确性和稳定性,形成了一种便于青饲大豆品质检测的近红外光谱(NIRS)快速分析法。随着青饲大豆品质参数数据量的增加,将不断完善青饲大豆品质检测模型,该方法不但扩大了近红外光谱仪对饲草资源品质的检测类别与范围,而且准确高效,有利于高蛋白优质饲草资源的开发和有效利用。