半监督偏最小二乘法在烟叶近红外感官评价模型中的应用

半监督学习方法可以充分利用大量未标注样本来弥补已标注样本的不足,针对应用近红外光谱建立农产品等复杂体系的分析模型中,存在获得大量精确标注样本较困难,而使用少量标注样本或大量未准确标注样品建模结果不理想的问题,基于半监督自训练理念,提出半监督偏最小二乘(Semi supervised-partial least squares,SS-PLS)方法优化模型。本研究以全国不同产地、不同等级的211份原料烟叶近红外光谱及其对应感官评价数据为例,应用SS-PLS方法优化模型,模型性能较原始模型有显著提高,优化后SS-PLS方法模型的决定系数(R2)达90%左右,建模标定值分布标准差与拟合值标准差的比值(Ratio of Performance to Deviation,RPD)达3.0以上,模型内部交叉验证及预测标准差(Standard error of cross validation SECV以及Standard Error of Prediction,SEP)值达1.0以下;并将原始感官评价数据与SS-PLS优化后的数据,按照固定阈值划分为优、中、差三个等级,应用基于主成分及FISHER准则的投影方法(Projection Model based on Principal Component and Fisher Criterion,PPF)分析得到的结果表明,SS-PLS优化后的分类结果也显著好于原始感官评价数据。SS-PLS可解决使用小样品集建模的数据代表性问题,在获得大量精确标注样本较困难情况下,为建立近红外光谱分析模型提供了一种新的化学计量学方法。     

应用在线近红外光谱分析复烤前后原烟及片烟的质量特性

应用在2012年"中华"专用分拣复烤生产线中采集的7个产地的复烤前原烟和复烤后片烟的在线近红外光谱为试验资料,通过建立不同产地近红外光谱的投影分析模型,并结合方差及相关分析等,研究烟叶复烤前后的均一性及相似性等品质特征的变化,为客观的掌握烟叶原料质量及卷烟产品配方提供技术支撑。本研究结果表明,从数量庞大的在线近红外光谱中,按等间隔采样时间筛选约1万条左右用于建模分析可行,取样代表性充分;经人工分拣、打叶、复烤后的各产地烟叶近红外光谱的均一性提高幅度可达10%~35%,烟叶品质的均质化程度显著提高;同时复烤后各产地烟叶所体现的相似性关系亦发生了变化,从整体上其相似性显著降低,即由产地体现的风格品质差异显著提升,为优质卷烟的原料配方设计提供了更大空间,体现了我国烟草企业生产优质中式卷烟需要消耗大量财力、人力进行烟叶复烤加工的必要性。传统的化学分析等手段需要花费大量的时间和精力,难以对整个加工环节进行控制,近红外光谱技术以其快速、无损的优势,不仅能够实现待测样品成分含量等的实时检测与质量控制,而且应用生产过程中的大量近红外光谱,可以从多角度进行有关产品品质信息的充分挖掘,是一种在众多行业特别是农产品和食品加工行业中极具应用前景的在线分析检测技术。     

近红外光谱主成分-所有可能回归法定量分析烤烟、小麦样品中的组分含量

利用主成分-所有可能回归法,建立了烤烟、小麦样品不同组份的近红外光谱定量分析模型。结果表明,烤烟样品的总糖、还原糖以及小麦样品的蛋白质含量的预测模型均有好的定量分析结果,且其预测结果与PLS法预测结果相当。     

化学计量学定量分析模型的评价及应用

本文介绍了评价化学计量学校正技术所建立的定量分析模型定量分析效果的一种实用方法，根据定量分析模型对样品待测组分的计算值ｘ与样品待测组分的标准值ｙ建立简单回归模型：ｙ＝ａ＋ｂｘ通过检验回归参数ａ＝０，ｂ＝１的假设能否在一定概率水平上被接受，评价定量分析模型对样品待测组分的预测效果。     

Richards模型在蔬菜生长预测中的应用

本文从 Richards模型的数学表达出发 ,阐述了模型中各参数初始值的确定以及优化过程 .并利用菜花和菠菜的试验数据建立其“最优”生长模型 .     

局部偏最小二乘回归建模参数对近红外检测结果的影响研究

报道了在局部加权(LWR)回归方法基础上,自主改进的更简单、实用的局部偏最小二乘回归(LPLS)的原理和方法.并以云南优质烤烟为实验材料,在国产光栅漫反射型近红外仪器上,研究了主成分数以及局部建模样品数对检测结果的影响.结果表明:应用交叉验证方法推荐的尼古丁组分模型主成分数并不是最优,通过适当降低主成分数可提高检测效果;局部建模样品数为30～50个时总糖、总氮、尼古丁预测准确度的提高幅度可分别达7%,14%,10%以上.该方法能有效提高近红外数学模型的预测准确度,是建立具有高度适应性近红外数学模型的有效方法.     

近红外光谱法测定紫花苜蓿青贮鲜样的营养价值

应用近红外光谱技术(NIRS)直接分析新鲜饲草的营养价值,如饲草中干物质(DM),粗蛋白(CP),中性洗涤纤维(NDF),酸性洗涤纤维(ADF)含量,对畜牧业生产具有重要意义.鲜草中由于含有较多的水分,不易制备均一的样品和进行光谱中有用信息的提取,因此难于进行近红外光谱分析.本试验应用偏最小二乘回归法(PLS)、傅里叶变换近红外光谱技术和液氮冷冻制样技术,建立了适合于不同品种,不同生育期,不同茬次和不同青贮方法即时测定青贮苜蓿鲜样中DM,CP,NDF,ADF的模型,以期对NIRS在测定紫花苜蓿青贮鲜样品这些成分测定的可行性进行分析.所建DM,CP,NDF和ADF模型的交叉检验决定系数(R2cv)为0.884 6～0.989 8,交叉检验标准误(RMSECV)为3.9～9.7 g·kg-1鲜重.用50个样品对模型进行外部检验,预测相关系数(r)为0.939 7～0.994 9,预测标准误为1.9～8.3 g·kg-1鲜重.结果表明:采用适当的样品处理方法和光谱分析技术可以实现近红外光谱技术对苜蓿青贮鲜样的营养价值评定.     

近红外漫反射光谱信息分解的数量分析

近红外漫反射光谱分析中,一直认为近红外光可获取样品内部的物质信息,但近红外漫反射光谱包含样品内部信息量究竟是多少,一直未给出准确的数量描述.该研究以烤烟样品为实验材料设计样品,每个实验样品分别由表层片状烤烟与内部烤烟粉末两部分组合而成,测定样品近红外漫反射光谱,提取光谱主成分信息(principal component,PC),将所提取的各主成分的不同组合作为统计指标,对样品进行聚类分析,结合各主成分方差贡献率,初步给出了样品不同深度光谱信息分解量的描述.实验结果表明,近红外漫反射光谱第1和第2主成分包含的信息量约占总信息的98%,反映样品表层信息;第3和第4主成分约占1.5%,表征样品内部信息.这一结果将有助于我们对近红外光谱定性定量分析时主成分信息的选择有一个更深刻的理解.     

自动对靶喷雾靶标红外探测研究

农林作物一般非连续种植,喷在农林作物靶标之间的药液造成巨大浪费和严重环境污染,因此探讨利用红外线探测技术实现靶标的自动探测,对靶精准喷施意义重大.红外线可有效防止可见光的干扰,响应速度快,可实现无接触探测,由此建立的红外光电探测系统可靠性好、成本低.红外发光管发射出红外光照射到被探测物体上,反射的红外线被光电探测器接收,触发控制信号,实现自动对靶施药.系统中不同探测器组采用不同编码的调制脉冲红外信号,可消除组间光路干扰及其他光信号的干扰.实验结果表明所建立的红外靶标自动探测装置可对农林作物靶标进行自动探测,光波波长为850 nm,探测距离为0.1～6 m可调,靶标最小识别间距小于0.3 m.     

近红外光谱法最小二乘双胞胎支持向量机的应用研究

依据中药大黄的近红外光谱信息,采用最小二乘双胞胎支持向量机( LSTSVM)算法,通过MATLAB软件编程,建立参数可优化识别模型,实现了对中药大黄的真伪鉴别.将实验材料98个大黄样品随机划分为训练集和测试集,对于训练集60个样品采用留1/5法交叉验证优化模型参数,以所选最优化参数结合训练集样品的近红外光谱建立最优识别模型,对测试集的38个样品的真伪迸行识别,识别率可达97.4％.结果表明,LSTSVM算法是一种有效的识别方法,可依据中药大黄的近红外光谱对其真伪进行快速识别.同时,本研究将大黄样品6次随机划分为训练集和测试集,建模预测平均识别率为93.4％,表明采用LSTSVM算法建立识别模型具有较好的稳健性.