分组全连接的近红外光谱定量分析网络

全连接网络作为深度学习中的一种典型结构,几乎在所有神经网络模型中均有出现。在近红外光谱定量分析中,光谱数据样本数量较少,但每个样本的维度高。导致了两个问题：将光谱直接输入网络,网络的参数量会十分庞大,训练模型需要更多的样本,否则模型容易进入过拟合状态;在输入网络前对光谱进行降维,虽解决了网络参数量过大的问题,但会丢失一部分信息,无法充分发挥网络的学习能力。针对近红外光谱的特性,提出了一种分组全连接的近红外光谱定量分析网络GFCN。该网络在传统的两层全连接网络的基础上,用若干个小的全连接层替代第一个全连接层,克服了直接输入光谱导致网络参数量过大的缺点。采用Tecator和IDRC2018数据集对该方法进行测试,同时与全连接网络FCN和偏最小二乘PLS两种方法进行对比。结果显示：在两个数据集上,GFCN预测效果均优于FCN和PLS。在只有少量样本参与建模的情况下,GFCN依然能够保持较高的预测效果。表明,GFCN可以用于近红外光谱的定量分析,并且适应样本较少的场景,具有重要的研究价值和广泛的应用场景。     

一种基于流形学习的近红外光谱分析建模方法

近红外光谱分析的重要内容之一是基于校正样品集建立光谱和化学成分或类别之间的回归模型。流形学习是一类新的机器学习方法,它能够揭示出复杂数据的本质维数,提取最重要的特征信息,并用于建立回归或分类模型。文章以近红外光谱为研究对象,针对近红外光谱数据维数高、谱带归属难以确定等特点,基于流形学习中局部线性嵌入(LLE)算法的思想,提出了一种最小二乘局部加权回归(LS-LWR)建模方法。最后,利用各种浓度葡萄糖溶液的近红外光谱,对该方法进行了验证。同时建立主成份回归(PCR)和偏最小二乘回归(PLSR)模型,通过计算预测标准偏差(SEP)与LS-LWR模型进行比较。实验结果表明,LS-LWR模型有更好的预测效果,而且具有模型简单、稳定性好和计算省时等优点。     

基于Raman光谱的人、犬、兔血液鉴别

多物种血液鉴别对于进出口检验检疫、刑事侦检以及野生动物保护等领域尤为重要。传统的血液鉴别方法,在鉴别时常常会对血液样本造成破坏,而Raman光谱作为一种振动光谱可获得物质分子振动、转动信息,进而分析物质组成,为无损血液鉴别技术提供了可能。目前,已经有基于Raman光谱进行血液鉴别的报道,但存在如下两个问题：单一物种样本数量较少,易导致模型欠拟合;均采用线性分类模型,忽略了光谱中非线性因素的影响,降低了模型的分类性能。因此,将支持向量机沿用至Raman光谱血液鉴别中,克服了线性模型只能为光谱中线性关系建模的缺点,有效地吸收了Raman光谱中的非线性关系,实现了对人、犬及兔血液的三分类。实验通过激发波长为785 nm的海洋Raman光谱仪测得共326例样本数据(人110例、犬116例、兔100例),利用Savitzky-Golay平滑滤波、加权最小二乘多项式拟合基线以及矢量归一化等方法对Raman光谱数据进行预处理,并选择2/3的样本数据作为校正集用于模型训练,余下1/3作为测试集用于盲测。与线性分类模型对比实验结果显示,该模型的校正集分类正确率达100%,盲测集分类正确率达93.52%,均优于线性分类模型。实验结果表明,基于支持向量机的分类模型可以用于Raman血液光谱鉴别,具有重要的研究价值和广泛的应用前景。     

一种结合直接正交信号校正与蒙特卡罗的波长选择方法

在近红外光谱数据分析中,全光谱数据具有波长点多、冗余量大、共线性关系严重的特点,导致了部分波长点对建立校正模型没有积极作用,甚至还会降低模型的预测能力.波长选择被证明是有效避免上述问题的重要方法.针对近红外光谱的特性,提出了一种基于直接正交信号校正(DOSC)与蒙特卡罗方法(Monte Carlo,MC)结合的波长选择...     

基于非接触式拉曼光谱分析人血与犬血的PCA-LDA鉴别方法

将拉曼光谱分析法与数理统计方法有机结合,构建人血与犬血种属判别模型,实现了不同种属血液样本的高效无损鉴别.采用拉曼光谱的无损测试模式对血液样本进行测试,考察了抗凝管管材、聚焦位置及曝光时间等对血液样本拉曼光谱的影响,在激发波长为632.8 nm,光谱扫描范围为200~1800 cm-1,功率衰减率50%,曝光时间5 s及累加次数为2次的优化条件下,获得了无损检测条件下的血液样本拉曼光谱图.针对血液样本组分复杂、拉曼光谱信号基底背景高等问题,提出了基于小波变换去噪,进行分段多项式基线校正的预处理方法,有效解决了血液样本拉曼光谱谱图的高噪音和基线漂移问题.实验选择30例正常人血和33例比格犬血为样本训练集,5例正常人血和5例比格犬血为测试集,基于主成分分析法(PCA)联合线性判别法(LDA)模型,训练集分类正确率达到95.23%,盲测集分类正确率达90.00%.这种基于非接触式血液样本拉曼光谱和PCA-LDA判断模型的测试方法在进出口检验检疫等涉及血液无损鉴别的领域具有广泛的应用价值和前景.     

微型近红外光谱仪分析系统的研制

近红外光谱技术是光谱测试技术、化学计量学技术与计算机技术的有机结合,文章立足于食品有效成分无损定量检测的目标,介绍了微型近红外光谱分析系统的研制过程。作为系统测试的基础, 文章重点研究了适用于在线实时分析的微型化近红外光谱仪,研制出的微型近红外光谱仪样机工作波长:850～1 690 nm,分辨率小于10 nm。通过对样机主要参数的测试表明,性能接近国外同类产品水平。另外, 化学计量学与计算机技术的结合是系统的核心,提出了基于最小二乘的局部加权回归(LS-LWR)的建模方法。最后,应用研制出的系统对葡萄糖水溶液定量测试实验表明,其预测集的相关系数达到了0.995, 预测标准偏差为0.06。