番茄碰伤和可溶性固形物近红外光谱同时在线检测

可溶性固形物和碰伤是影响番茄品质的两个主要因素。研究的目的是探索可见近红外漫透射光谱同时在线检测番茄碰伤和可溶性固形物的可行性。在单通道送果速度5个每秒条件下，采集番茄近红外漫透射光谱。对比分析碰伤与正常番茄样品的近红外漫透射光谱特性，结果表明，碰伤与正常番茄样品的近红外漫透射光谱在光强上存在明显差异，碰伤果光强要强于正常果，其原因可能是碰伤后果肉变软，透光性变强；在650和675 nm处碰伤果比正常果要多两个吸收峰，可能是碰伤后，番茄表皮颜色发生变化所致。选取贡献率占比最多的前三个主成数，对正常果与碰伤果近红外漫透射光谱主成分定性分析，正常果与碰伤果不能有效聚类，故近红外漫透射光谱主成分定性分析效果不明显，需选择建立高维近红外漫透射光谱定性判别模型。故建立了碰伤番茄样品的近红外漫透射光谱偏最小二乘定性判别模型，误判率为0%，能正确判别碰伤果，故选用碰伤番茄样品的近红外漫透射光谱偏最小二乘定性判别模型作为番茄碰伤果在线剔除分选模型。通过对未参与建模的样品进行验证，能正确识别出碰伤果。经近红外漫透射光谱偏最小二乘定性判别模型剔除碰伤果后，按照可溶性固形物指标进行分级。分别使用全部波段和606～850 nm的波段进行建模预处理，且对全部波段和606～850 nm波段光谱进行2阶导数预处理，前后平滑设为9，利用连续投影算法与遗传算法优选可溶性固形物的光谱建模变量，对比发现，利用未经算法筛选过的606～850 nm波段光谱变量进行建模，效果最好，建立了可溶性固形物在线检测模型，预测集均方根误差为0.43 Brix°。采用未参与建模的样品进行碰伤和可溶性固形物同时在线检测验证，碰伤样品的分选准确率达96%，可溶性固形物样品的分选准确率达91%。表明：番茄碰伤和可溶性固形物近红外漫透射光谱同时在线检测是可行的。     

基于可见与近红外光谱联用的柑桔黄龙病快速无损检测研究

黄龙病是柑桔果树的毁灭性病害，对柑桔产业危害巨大。基于模型平均理论，探讨联用可见与近红外光谱技术，提高柑桔黄龙病快速无损检测精度的可行性。采集记录柑桔叶片的可见与近红外光谱，经实时荧光定量PCR鉴别黄龙病叶片为轻度、中度和重度三类，缺素和正常样品也经PCR鉴定，共五类叶片。基于光谱直接拼接、光谱归一化拼接和模型平均三种不同策略，结合偏最小二乘判别分析(PLS-DA)和多元线性回归(MLR)方法，分别建立了柑桔黄龙病可见与近红外光谱联用无损检测模型。经比较发现，光谱联用模型的检测精度均高于可见或近红外单一检测模型，且经导数处理后的光谱直接拼接PLS-DA模型检测精度最高，模型预测相关系数为0.97，预测均方根误差为0.67，模型总误判率为3%，其原因是导数消除了光谱的基线漂移。光谱归一化拼接的PLS-DA模型检测精度次之，模型总误判率为7%。可见与近红外模型平均的检测精度最低，模型总误判率为7.2%。实验结果表明，联用可见与近红外光谱，结合光谱拼接方法，提高了柑桔黄龙病无损检测模型的检测精度，研究可为其他领域的光谱联用提供参考依据。     

中红外光谱检测不同浓度乙醇柴油性能指标

利用中红外光谱和化学计量学实现了对乙醇柴油各项性能指标的定量分析。实验样品96个，为32种不同浓度的乙醇柴油溶液。采用S-G平滑、MSC、微分处理(1stD和2ndD)、SNV等四种方法对光谱数据进行预处理，并结合八种波段筛选方法(UVE，CARS，SPA，RPLS，UVE-SPA，UVE-CARS，SPA-CARS，UVE-SPA-CARS)对乙醇柴油MIR光谱数据进行处理，分别建立乙醇柴油密度、粘度、乙醇含量的PLSR模型，得出以下主要结论：综合比较八种变量筛选方法，发现UVE-SPA-CARS-PLS对乙醇含量的建模效果最好，模型预测集的R_p和RMSEP分别为0.978 1和0.825 5。变量筛选较原始光谱建立的模型来说，不仅模型输入数量减少，预测效果也有所提高。     

苹果可溶性固形物便携式检测实验研究

为实现苹果可溶性固形物的便携式快速检测,搭建了以STS光谱仪和自制样品杯作为光谱检测装置的苹果可溶性固形物便携式检测平台。采用自行设计的检测平台采集了苹果的近红外漫反射光谱,对比分析了不同的光照角度、光源与探头距离对光谱响应特性的影响,建立了苹果可溶性固形物偏最小二乘模型(PLS)和最小二乘支持向量机模型(LS-SVM),采用连续投影算法及主成分分分析法对最小二乘支持向量机模型进行了优化,并对比分析了两种检测模型的优劣。其中当光源距探头距离为15mm光源角度为45°时,结合偏最小二乘法建立苹果的可溶性固形物定量检测模型精度最高。模型的预测集相关系数为0.924,预测均方根误差为0.334%。实验结果表明,采用四周照射、底部接收并结合避光圈的这种结构布置能够有效的克服杂散光现象并且提高了光谱中的有效信息。研究可为快速、便携的苹果可溶性固形物检测仪器的设计提供参考依据和理论支撑。     

基于近红外漫反射光谱的丁香蓼叶片重金属铜含量快速检测研究

植物中的重金属离子以一定形式与具有近红外吸收的有机分子基团结合,因此可以借助近红外光谱技术间接检测其重金属离子含量。研究了基于近红外漫反射光谱技术快速检测丁香蓼叶片中重金属铜含量的方法。通过不同光谱数据预处理方法的对比,结合偏最小二乘法,建立了丁香蓼叶内重金属铜含量近红外光谱检测定量模型。实验结果为,经过平滑处理的光谱建模效果较理想,其建立的校正相关系数为0.950,校正均方根误差为5.99;外部验证相关系数为0.923,预测均方根误差为7.38。研究表明,近红外漫反射光谱技术用于丁香蓼叶片中重金属铜含量的快速检测具有可行性。     

基于高光谱的GA和SPA算法对赣南脐橙叶绿素定量分析

用遗传算法(GA)和连续投影算法(SPA)分别提取了赣南脐橙叶片高光谱图像的有效信息,对叶绿素的含量用偏最小二乘法(PLS)进行建模定量分析。高光谱图像标定后,提取感兴趣区域(ROI)的平均光谱,用GA和SPA算法分别选出了27和8条特征波长,然后用PLS对叶绿素含量建模。GA-PLS与SPA-PLS模型得到的预测集相关系数分别为0.80和0.83,均方根误差分别为2.45和2.30。结果表明:SPA-PLS模型具有较高的优势,可以结合高光谱技术对赣南脐橙叶绿素含量快速、无损的定量分析。     

可见／近红外漫反射光谱无损检测南丰蜜桔维生素C的研究

应用可见/近红外漫反射光谱对南丰蜜桔维生素C含量进行了无损检测研究.在谱区350～1 800nm,应用主成分分析和偏最小二乘法对经过预处理光谱进行数学建模,主成分数和光谱区间选择分别由完全交互验证和回归系数法确定.定标模型对10个未知样品的预测结果是:预测相关系数为0.813,预测均方差为2.112 mg(100 g)-1,预测偏差为-0.810 mg(100 g)-1.文章表明利用可见/近红外漫反射光谱技术无损检测南丰蜜桔维生素C具有可行性.     

水果坚实度的近红外光谱检测分析试验研究

应用傅里叶漫反射近红外光谱技术探讨了水果坚实度无损检测的方法.利用偏最小二乘法建立了坚实度与漫反射光谱的无损检测数学模型,同时对不同光谱预处理方法和不同建模波段范围对模型的预测性能进行了对比分析.结果表明:利用傅里叶变换光谱仪采集的原始光谱的平滑预处理对结果并没有太大影响;原始光谱在800～2 500 nm范围的模型得到了最好的预测结果:校正集样本的相关系数r为0.869,校正均方根误差RMSEC为3.88 N;预测集样本的相关系数r为0.840,预测均方根误差RMSEP为4.26 N.通过本研究得出:应用近红外漫反射光谱检测水果坚实度是可行的,为今后快速无损评价水果成熟度提供了理论依据.     

新鲜苹果汁可溶性固形物含量的傅里叶变换近红外光谱检测

用傅里叶变换近红外(FTNIR)光谱透射方式对新鲜苹果汁溶性固形物含量(SSC)进行了快速定量分析.实验共测定了60个果汁样品的SSC,并采集了样品的近红外光谱数据.42个样品用来建模,剩下的18个用来验证模型的性能.对实验室测得的SSC与FTNIR光谱数据进行相关性分析,以TQ 6.2.1定量分析软件中集成的主成分回归法(PCR)和偏最小二乘回归法(PLS)建立了检测模型.该研究对比了不同光谱范围内建立的检测模型的性能.根据预测平方根误差(RMSEP)和相关系数(r2)进行不同模型的预测性能,最好的新鲜苹果汁SSC预测模型的RMSEP=0.603°Brix,r2=0.997.结果表明FT-NIR可以作为一种可靠、准确、快速的无损检测方法来评价新鲜果汁的可溶性固形物含量.     

中红外光谱对甲醇汽油甲醇含量检测研究

甲醇汽油是一种清洁能源，甲醇汽油中甲醇的含量决定了汽油的性能。通过中红外光谱对甲醇汽油中甲醇含量进行定量检测和分析。首先，对采集的甲醇汽油原始中红外光谱进行平滑处理（smoothing）、多元散射校正（MSC）、基线校正（baseline）、归一化（normalization）等预处理，再建立PLS模型，对比选择最佳预处理方法，结果表明：在多元散射校正（MSC）处理后建立的PLS模型效果最好，模型的预测集相关系数r为0.918，预测均方根误差RMSEP为2.107。为进一步简化模型，提高预测精度，采用无信息变量消除(uninformative variable elimination, UVE)方法对波长进行筛选，将UVE波段筛选之后的作为模型的输入变量，采用偏最小二乘法（partial least squares, PLS）、主成分回归(principal components regression, PCR)和最小二乘支持向量机（least square support vector machine, LSSVM）三种方法分别建立甲醇汽油中甲醇含量的定量预测模型，并比较不同模型的预测效果和结果。结果表明，使用无信息变量消除可以较好提高数据的运算速度，其中，UVE-PLS模型建模效果最好，r和RMSEP分别为0.923和2.075。该实验表明中红外光谱检测甲醇汽油中甲醇含量是可行的并可以得到较好的效果；UVE是一种对甲醇汽油的中红外光谱非常有效的波段筛选方法，该模型的建立对石油化工领域具有较为重要的意义。