基于近红外光谱分析技术测定库尔勒香梨硬度

采用近红外(NIR)漫反射光谱法对新疆特色梨果库尔勒香梨的五种不同果（包括青头、粗皮、脱萼、宿萼、突顶果）的硬度进行测定。由于近红外光谱数据量大且原始光谱噪声明显、测定水果时散射严重等导致光谱建模时关键波长变量提取困难。以新疆库尔勒香梨为研究对象，为了有效地消除固体表面散射以及光程变化对NIR漫反射光谱的影响，首先采用标准正态变量变换（SNV）和多元散射校正（MSC）对库尔勒香梨的原始光谱进行预处理。为寻找适合近红外光谱检测库尔勒香梨硬度的最佳特征波长筛选方法，进行香梨近红外光谱的特征波长变量选择方法的比较与研究。研究比较了两种特征波长筛选方法对库尔勒香梨硬度偏最小二乘法（PLS）建模精度的影响。同时使用反向偏最小二乘（BiPLS）和遗传算法结合反向偏最小二乘（BiPLS-GA）在全光谱范围内筛选香梨硬度的特征波长变量，将校正均方根误差（RESMC）、预测均方根误差（RESMP）以及决定系数（R2）作为模型的评价标准，并最终确定最优波段选择方法及最佳预测模型。基于选择的特征波长变量建立的PLS模型（BiPLS-GA）与全光谱变量建立的PLS模型进行比较发现BiPLS-GA模型仅仅使用原始变量中6.6%的信息就获得了比全变量PLS模型更好的库尔勒香梨硬度的预测结果，其中R2，RMSEC和RMSEP分别为0.91，1.03和1.01。进一步与基于反向偏最小二乘算法（BiPLS）获得的特征变量建立的PLS模型比较发现，BiPLS-GA不仅可以去除原始光谱数据中的无信息变量，同时也能够对共线性的变量进行压缩去除，使得建模变量从301个减少到20个。极大地简化模型的同时有效地提高了模型的预测精准度和稳定性。因此该方法能够有效地用于近红外光谱数据变量的选择。证明了近红外光谱分析技术结合BiPLS-GA模型能够高效地选择出建模变量，去除与库尔勒香梨硬度无关的近红外光谱信息，显著地提高库尔勒香梨硬度定量模型的预测精度。这不仅为新疆地区特色梨果库尔勒香梨的快速、精确、无损优选分级提供一定的技术支持，同时也为基于近红外光谱分析技术预测水果内部品质的研究提供了参考。     

中红外光谱技术在浓香型白酒原酒关键指标分析中的应用

基于中红外光谱分析技术对浓香型白酒原酒中总酸及己酸乙酯的关键指标含量进行检测分析，采用标准正态变换（SNV）方法对数据进行预处理，结合组合间隔偏最小二乘波段选择法（SiPLS）及遗传算法（GA）对各指标的特征吸收波长进行筛选，最终采用偏最小二乘法（PLS）建立分析模型，通过决定系数R2、预测标准偏差（RMSEP）、性能和标准差之比（RPD）以及实际生产的独立测试样品对所建模型效果进行评价，探索中红外光谱分析技术结合波段筛选用于白酒原酒关键指标的定量分析效果。结果表明：采用中红外全光谱397~4 000 cm-1波段所建模型效果并不理想，总酸及己酸乙酯模型的RMSEP值分别达到0.156及0.981，R2仅有0.666及0.453，RPD值为1.731及1.213，代表模型整体的相关拟合效果并不理想，预测误差较大，无法应用于实际生产。而采用GA在SiPLS波段优化基础上进一步进行特征变量筛选后，所建模型效果有了非常显著的提升，总酸及己酸乙酯两项指标的GA-SiPLS模型均体现出了较高的预测精度，R2分别提升到了0.993及0.997，RMSEP值分别降低到0.023及0.077，RPD值提升至11.739及15.455，变量数也分别从935个降低到55及40个，在保留关键信息变量，体现原酒中总酸及己酸乙酯指标特征吸收的同时，有效减轻了模型的复杂程度，同时提高了模型运算速度及预测效果，充分体现了波段筛选对于中红外光谱分析技术应用于白酒原酒关键指标定量分析的重要性，也说明了中红外光谱技术结合波段筛选在白酒品质控制及原酒成分分析中的巨大潜力。考虑到白酒成分复杂，大部分关键品质指标含量相对较低，而中红外吸收区域的基频吸收强度具有比倍频、合频吸收强数十倍的特点，中红外光谱可能比其余光谱技术更适用于白酒液体样品的快速分析，为白酒酿造过程的品质控制提供技术借鉴，同时为酒类品质的快速分析方法开拓提供新的思路。     

最小二乘支持向量机的核桃露饮品中脂肪成分的定量分析

利用近红外光谱对核桃露中的重要指标脂肪含量进行定量分析，同时进行建模变量优化、建模方法比较以优选最佳模型。为消除散射对光谱造成的影响，采用标准正态变换（SNV）方法对数据进行预处理，采用遗传算法（GA）结合向后间隔偏最小二乘法（BiPLS）优选的特征波长分别作为偏最小二乘法（PLS）及最小二乘支持向量机（LS-SVM）的输入变量，建立核桃露中脂肪含量的近红外定量模型，采用决定系数（R2）、预测标准偏差（RMSEP）以及性能偏差比（RPD）对各模型进行评价，探究光谱波段选择方法对于核桃露中脂肪指标模型构建的影响，同时确定最佳建模方法。结果表明：进行变量筛选能够对模型起到优化作用，BiPLS及GA-BiPLS方法分别选择了150及30个变量点，占全光谱的10%及2%，对应了核桃露样品中脂肪成分的特征吸收峰，使得PLS模型的RMSEP值从0.049分别下降到0.043和0.040，同时模型的相关系数R2从0.964提高到0.973及0.974，性能偏差比RPD从4.88增长到5.62及6.00，主成分数也有不同程度的减少，降低模型复杂程度的同时提高了模型准确性。相比于PLS模型，核桃露脂肪指标的LS-SVM模型的R2，RMSEP及RPD值均表现出了更好的效果，分别达到0.986，0.036及6.52。说明基于最小二乘支持向量机建立的分析模型有较高的准确度及稳定性，可能是由于PLS作为一种经典的线性建模方法，在建立模型的过程中忽略了样品数据集中的非线性因素，而核桃露样品光谱测量过程中噪声、背景等因素的干扰，以及各指标成分间的相互影响，使得脂肪含量与近红外光谱信息间存在复杂非线性的变化关系，LS-SVM方法能够更为有效地对其进行描述，增强了光谱变量与指标浓度间的相关性，使得建立的模型有着更好的准确度以及普适性，说明了在实际生产中，LS-SVM方法具备优良的可行性，体现了其在核桃露饮品品质分析方面的巨大潜力。基于最小二乘支持向量机方法所建立的核桃露脂肪含量的定量分析模型，具有准确、稳定的特点，能够为核桃露生产的质量监控提供技术借鉴，同时为饮品品质的分析方法研究提供了新的思路。     

空气折射率梯度分布的可视化实验

基于传统的纹影法,引入全息干涉技术记录了空气折射率梯度分布引起的光强和相位变化的全息图,经过显影、定影和漂白之后再现出全息干涉条纹,进而实现空气折射率梯度分布的可视化.