近红外光谱结合LSTSVM算法判别不同等级烟叶

本文用近红外光谱结合最小二乘双胞胎支持向量机(LSTSVM)算法建立了烟叶等级分类模型。从三个等级共210个烟叶样品中,取出120个样品作为建模集,剩余90个样品作为预测集。为了建立最优模型,对光谱预处理方法和模型参数进行筛选优化,最优模型对预测集样品的平均识别率为95.56%,结果表明该方法可以作为烟叶等级分类的一种有效方法。此外,将该算法与SIMCA、PLS-DA、SVM等三种常见的模式识别算法进行了比较,结果表明基于样品的原始光谱,同等条件下,LSTSVM算法的预测效果优于其他三种算法。     

无信息变量消除法变量筛选优化烟草中总氮和总糖的定量模型

应用近红外光谱技术对烟草常规化学成分中总氮和总糖进行了测定。无信息变量消除(UVE)剔除光谱矩阵中没有有效信息的数据点,并用偏最小二乘方法(PLS)建立总氮和总糖的定量分析模型,外部检验对模型效果进行了评价。总氮定量模型校正集的决定系数R2为93.35%,标准偏差SEC为0.10;外部检验集的决定系数R2为94.09%,标准偏差SEP为0.11,相对标准偏差RSD为6.12%;总糖的定量模型校正集的决定系数R2为98.20%,标准偏差SEC为0.95;外部检验集样品的决定系数R2为98.01%,标准偏差SEP为0.78,相对标准偏差RSD为2.93%。结果表明:采用UVE建立的总氮与总糖的模型优于用全谱建立的模型,UVE提高了PLS模型的预测能力。     

PCA-LDA法结合近红外光谱用于酵母水解物真假判别及产地溯源

运用近红外光谱结合化学计量学方法实现酵母水解物的产地溯源以及真假判别分析。先选取不同地方的酵母工厂(柳州、伊犁、崇左)、不同工艺(NX系列、NA系列)的酵母水解物样品500个,市场流通的伪劣产品10个。工厂样品共计五种类型,伊犁NA系列、柳州NA系列、崇左NA系列、崇左NX系列、柳州NX系列。利用近红外光谱仪收集所有样品14 304～3 856 cm^-1全波段光谱,通过对预处理后的训练集全样品、全波段光谱进行主成分分析(PCA),选出最佳主因子数,再结合线性判别分析(LDA)建立酵母水解物原产地溯源模型。验证集伊犁NA系列识别率为100%、柳州NX系列识别率为85%、崇左NA系列识别率为100%、崇左NX系列识别率为100%、柳州NA系列识别率为95%。设置模型的马氏距离阈值,造假样品报警率为100%,所有样品识别准确率均较高。PCA-LDA法结合近红外光谱可准确溯源酵母水解物的原产地以及准确对其真假进行判别。