小波阈值降噪模型在红外光谱信号处理中的应用研究

针对近红外光谱经常受到噪声干扰的特点,提出了利用小波阈值降噪方法进行光谱数据的降噪处理,以山羊绒表面油脂的近红外光谱检测为例,对比分析了三种小波阈值降噪模型(Penalty阈值降噪模型、Brige-Massart阈值降噪模型、缺省阈值降噪模型)的降噪性能.对降噪后的光谱数据采用偏最小二乘和支持向量机回归相结介建立了校正和预测模型,通过对比校验参数R~2,RMSEC,RMSEP,分析评价了三种小波阈值降噪模型的降噪效果.结果表明:三种降噪模型都能在一定程度上降低光谱信号的噪声,提高信噪比,改善光谱预测模型的精度,其中,Brige-Massart阈值降噪模型和缺省阈值降噪模型的降噪效果明显优于Penalty阈值降噪模型,与原始光谱信号建模的预测精度(R~2=0.793,RMSEC=0.233,RMSEP=0.225)相比较,经过Brige-Massart阈值降噪模型降噪后的光谱信号建模的预测精度(R~2=0.882,RMSEC=0.144,RMSEP=0.136)和经过缺省阈值降噪模型降噪后的光谱信号建模的预测精度(R~2=0.876,RMSEC=0.151,RMSEP=0.142)均有较大程度的改善和提高,说明提出的小波阈值降噪方法能有效地降低原始光谱噪声作用,使光谱数据多变量分析模型更具有代表性和稳健性,从而可以提高模型的预测精度.     

直流磁控溅射镀膜实验条件的选择

介绍一台改制的直流以磁控溅射镀膜机用于溅射镀膜实验,选择实验条件,观察实验现象,得到多层薄膜。     

聚乳酸-聚己内酯复合纳米纤维支架的制备和表征

在二氧六环/乙醇溶剂体系中,采用凝胶抽提相分离法制备了聚乳酸-聚己内酯(PLLA-PCL)复合纳米纤维支架,研究了凝胶温度、聚合物比例、聚合物浓度、致孔剂及二氧六环/乙醇(溶剂/非溶剂)比例对复合纳米纤维支架结构与性能的影响.结果表明,当凝胶温度处于-20~-10℃,PCL含量为30%~50%,非溶剂含量不超过15%,致孔剂与溶质质量比不超过20∶1时,均能得到具有类似于天然细胞外基质的纳米纤维(50~500 nm)结构的PLLA-PCL复合纤维支架.随着PCL含量的增加,复合纤维支架的弹性模量减小;PCL含量为30%时,复合支架的相容性和结晶性最好.该复合纤维支架具有良好的生物活性和一定的降解性能.     

基于主成分分析和支持向量机的山羊绒原料品种鉴别分析

提出了一种用近红外光谱技术快速无坝鉴别羊绒原料品种的新方法.山羊绒的外观形态和品质特征随着山羊绒原料的品种不同有很大的区别,快速、有效、正确地鉴别山羊绒纤维,对山羊绒及其制品的生产与交易具有重要的意义.应用可见/近红外光谱漫反射技术测定各种山羊绒原料的光谱曲线,用主成分分析法对不同品种山羊绒原料进行聚类分析并获取山羊绒原料的近红外指纹图谱,再结合支持向量机技术进行品种鉴别.用主成分1,2和3对所有建模样本的得分值做出的得分图,分析聚类效果,将主成分分析得到的10个主成分作为支持向量机的输入,应用数据挖掘新方法-支持向量机对山羊绒原料品种进行鉴别.通过对5个山羊绒原料品种共100个样本的训练,对未知的75个样本进行鉴别,建立了山羊绒原料品种鉴别的支持向量机的分类模型,并对比了四种核函数的支持向量机的分类性能,结果表明,具有高斯核函数的支持向量机对山羊绒原料的鉴别准确率达到100%.说明文章提出主成分分析结合支持向量机的数据挖掘方法具有很好的分类和鉴别作用,为山羊绒原料的品种快速鉴别提供了一种新方法.     

不同厚度溅射Ag膜的微结构及光学常数研究

用直流溅射法在室温Si基片上制备了4．9nm-189.0nm范围内不同厚度的Ag薄膜，并用X射线衍射及反射式椭偏光谱技术对薄膜的微结构和光学常数进行了测试分析。结构分析表明：制备的Ag膜均呈多晶状态，晶体结构仍为面心立方；随膜厚增加薄膜的平均晶粒心潮6．3nm逐渐增大到14．5nm；薄膜晶格常数均比标准值（0．40862nm)稍小，随膜厚增加，薄膜晶格常数由0．40585nm增大到0.40779nm。250nm-830nm光频范围椭偏光谱测量结果表明：与Johnson的厚Ag膜数据相比，我们制备的Ag薄膜光学折射率n总体上均增大，消光系数k变化复杂；在厚度为4．9nm-83.7nm范围内，实验薄膜的光学常数与Johnson数据差别很大，厚度小于33．3nm的实验薄膜k谱线中出现吸收峰，峰位由460nm红移至690nm处，且其对应的峰宽逐渐宽化；当膜厚达到约189nm时，实验薄膜与Johnson光学常数数据已基本趋于一致。     

葡萄浆果糖度可见/近红外光谱检测的研究

针对可见/近红外光谱与水果糖度存在非线性相关的特点,利用漫反射光谱测定方法获取了葡萄浆果的可见/近红外光谱,提出了应用偏最小二乘(PLS)结合人工神经网络(ANN)建立葡萄浆果糖度的预测模型,利用偏最小二乘法(PLS)对原始光谱数据进行处理,得出交叉检验的最佳主因子数为3,并将3个主因子的得分作为三层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,用优化的BP神经网络模型对预测集样本进行预测.PLS-ANN模型对样本的预测模型检验参数r2为0.908,:RMSEP为0.112,Bi-as为0.013,好于只使用PLS模型的预测模型检验参数r2为00.863,RMSEP为0.171,Bias为0.024.结果表明,利用近红外光谱技术无损检测葡萄浆果糖度等内部品质是可行的,为今后进一步分析建立浆果内部品质预测模型奠定了基础.     

可见-近红外光谱用于鉴别山羊绒与细支绵羊毛的研究

近红外光谱作为快速、无损的检测技术,近年来在国内外越来越受到广泛关注。针对山羊绒与细支绵羊毛的可见/近红外光谱的特点,提出了应用主成分分析(PCA)结合人工神经网络(ANN)进行山羊绒与细支绵羊毛的鉴别,并建立了羊毛、羊绒分析模型。应用可见/近红外反射光谱获取山羊绒与细支绵羊毛的光谱曲线,利用主成分分析对原始光谱数据进行处理,根据主成分的累计贡献率99.8%选取主成分数6,并将所选取的6个主成分作为三层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,用优化的BP神经网络模型对预测集样本进行预测。实验结果表明,16个未知样本的鉴别全部正确,表明可见/近红外光谱结合主成分分析和神经网络技术对山羊绒与细支绵羊毛进行快速鉴别是可行的。     

基于独立主成分和BP神经网络的干红葡萄酒品种的鉴别

为了实现葡萄酒品种的快速无损鉴别,选用五种干红葡萄酒,进行可见和近红外光谱实验,提出了一种用可见和近红外光谱技术快速鉴别葡萄酒品种的新方法.采用独立主成分分析进行模式特征分析,经过选用不同的独立主成分数进行建模和预测,确定最佳独立主成分数为20.将这20个主成分作为神经网络的输入变量,建立三层BP神经网络,实现类别预测的同时也完成了数学建模与优化分析工作.5个品种的葡萄酒样本数均为35,共计175个样本.在神经网络学习中,将其分成训练集样本150个和预测集样本25个.对25个未知样本进行预测,准确率为100%.该研究在独立主成分分析的基础之上,根据干红葡萄酒各独立主成分的混合矩阵向量载荷图,选取了两个波段(400～430 nm与512～532 nm)作为葡萄酒的独立主成分分析的特征波段.说明该文提出的基于光谱技术和模式识别的方法不仅对葡萄酒具有很好的分类和鉴别能力,并且可以提取出葡萄酒的指纹特征,可用于葡萄酒的检测与技术开发.     

应用可见/近红外光谱进行纺织纤维鉴别的研究

为了实现纤维种类的快速鉴别,选用了棉、麻、毛、丝、天丝5种纤维,提出了一种用近红外光谱技术快速无损鉴别纤维品种的新方法。应用可见/近红外光谱漫反射技术测定各种纤维的光谱曲线,用主成分分析方法(PCA)对光谱数据进行模式特征分析,根据主成分的累积贡献率选用前6个主成分数进行建模和预测,通过建立最小二乘支持向量机模型(LS-SVM)对主成分分析模型进行优化,将前6个主成分作为最小二乘支持向量机的输入变量,建立PCA-LS-SVM模式识别模型,实现类别预测的同时也完成了数学建模与优化分析工作。5个品种的纤维训练集样本200个用于PCA-LS-SVM的模型的建立,对其余预测集样本50个进行验证,结果能准确的区分预测集的5种纤维。并提出主成分分析结合最小二乘支持向量机的光谱数据分析方法具有很好的分类和鉴别作用,为纤维品种快速鉴别提供了一种新方法,为维护消费者权益,保证纺织品质量,实现纺织原料及其制品的合理化生产与交易具有重要的意义。