样品年份、化学值分布参数对近红外检测结果的影响

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,比较研究了不同年份样品建模、不同化学值分布建模对近红外检测结果的影响。结果表明：总糖、尼古丁组分模型偏差受年份影响较大,总氮组分模型偏差与样品年份关系不明显。烤烟组分的不同化学值分布建模结果表明：用化学值按自然正态分布的样品建立模型的结果优于按均匀分布建模的结果。该研究对从大量天然产物样品中挑选代表性样品时所采用的挑选方法和原则具有指导性的参考价值。     

样品装样、测试条件等因素对近红外检测结果的影响与分析误差源比较研究

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,研究了样品装样、测试条件等因素对近红外检测结果的影响。并实现了通过建立全局模型应用自校正方法来降低分析误差。结果表明,在不考虑样品粒度、测试条件等因素的影响情况下,该仪器自身信噪比等性能指标引起的测试重复性误差、重装样误差、样品松紧度误差来源各占50%,30%,20%左右,通过压样措施可降低由样品松紧度产生的误差。当季节、温度等测试条件发生较大变化时,引起的测试准确性误差远大于所有测试重复性误差的总和。文章旨在从误差来源理论上解析各影响因素,为改进仪器提供基础理论数据;从理论上解析测试条件因素影响的重要性,并为近红外技术研究解决该问题给出了一种新思路。     

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。     

SPXY算法的西瓜可溶性固形物近红外光谱检测

可溶性固形物(SSC)是一种综合参数,主要包括糖、酸、纤维素、矿物质等成分,对评价果实成熟度和品质具有重要意义,影响果实口感、风味及货架期。西瓜可溶性固形物含量的无损快速检测对西瓜成熟度的确定、贮藏及运输过程中西瓜内部品质监控具有十分重要的意义,有助于提高西瓜生产效益和市场竞争力。在西瓜可溶性固形物含量的快速无损近红外光谱检测中,近红外漫透射的方式所需光源的能量大,同时大功率透射会对水果的内部品质产生影响;采用近红外漫反射方式的研究较少,但漫反射采集所需的能量小,有助于实现仪器小型便携化,成本低,同时避免透射引起的水果品质变化。以小型西瓜为研究对象,利用JDSU便携式近红外光谱仪采集西瓜样品瓜梗、瓜脐、赤道部位的近红外反射光谱,在976,1 186和1 453 nm附近有明显的吸收,利用偏最小二乘回归定量分析方法建立西瓜可溶性固形物的近红外光谱无损预测模型。首先,采用光谱-理化值共生距离(SPXY)算法对西瓜不同检测部位的样品集进行划分,以可溶性固形物含量为y变量,光谱为x变量,利用两种变量同时计算样品间距离,以保证最大程度表征样本分布,有效地覆盖多维向量空间,增加样本间的差异性和代表性,提高模型稳定性。将西瓜样品划分为51个校正集和15个预测集,校正集样本的SSC含量涵盖了预测集样本的SSC含量范围,且变异系数均小于9%,样品集划分合理,有助于建立稳健可靠的预测模型。其次,对比分析西瓜瓜梗、瓜脐、赤道检测部位的近红外反射光谱与可溶性固形物含量之间的定量模型的预测精度,结果得出西瓜赤道部位的反射光谱与可溶性固形物含量相关性较高,预测效果较好,预测集相关系数为0.629,预测集均方根误差为0.49%。对于不同检测部位获取的光谱信息所建立的近红外光谱SSC预测模型的精度问题,一方面与光谱的采集方式有关,另一方面与西瓜的产地、品种、成熟期等因素引起的其性状上的差异有关。在模型建立过程中根据实际情况确定西瓜的检测部位。最后,为提高西瓜赤道部位近红外反射光谱与可溶性固形物含量之间的预测模型精度,采用光谱预处理方法进行优化,结果得出经标准归一化预处理后,建立的偏最小二乘回归预测模型效果最佳,预测集相关系数为0.864,预测集均方根误差为0.33%,模型相关性较好,预测精度得到了很大提升。研究结果表明,近红外反射光谱检测小型西瓜赤道部位能很好预测其可溶性固形物含量,为实际生产中近红外光谱无损快速检测西瓜可溶性固形物含量及小型便携式仪器研发提供了技术储备。     

基于FPGA的无创伤血液成分光谱采集系统设计

血液成分检测是健康诊断的重要手段,常规的血液成分检测采用抽血的方法,不仅给病人带来痛苦,还存在交叉感染的风险。近红外光谱技术是无创伤血液成分检测中的研究热点。为满足近红外无创伤血液成分检测仪器对其光谱数据采集系统提出的高速、多通道和高信噪比的要求,设计了一种基于现场可编程门阵列(FPGA)的高速、多通道光谱数据采集系统。该系统采用Altera公司Cyclone IV系列的FPGA芯片作为其微控制器,控制两片8通道的A/D芯片并行采集16通道的人体血液脉搏波光谱信号,采集到的数据在FPGA的控制下首先缓存在FPGA内部建立的乒乓RAM中,然后转存至外部SRAM芯片中,最后经USB总线传输至计算机。实验结果表明,在19 531 Hz的采样频率下,该系统能够高速并行采集16个通道的信号,重复性信噪比可达40 000∶1。此外,在该采样率下,系统可以采集到高信噪比的人体血液脉搏波信号,采集速度能够达到每秒305幅光谱图。该系统满足近红外无创伤血液成分检测仪器对于光谱数据采集系统的基本要求。该研究的主要创新点为将FPGA应用于近红外无创伤血液成分检测仪器的数据采集系统中,FPGA能够同时控制两片AD芯片进行16路人体血液脉搏波数据的高速并行采集,解决了单片机作为微控制器时无法实现多通道大量数据高速采集和储存的问题,使仪器的采集速度大大加快;同时使用FPGA内部资源建立乒乓RAM进行数据的缓冲,实现了不同位数数据从AD芯片到SRAM芯片的无缝连续传输。     

近红外分析的样品前处理新技术研究

样品的水分含量、粒度等因素对近红外的检测结果会产生较大影响。在近红外实验室分析中,为获得较好的分析准确度,一般需采用干燥和粉碎等处理。文章以云南优质烤烟为实验材料,在近红外分析样品的前处理中创新性地采用微波快速干燥技术以及普通家用食物粉碎机快速粉碎的方法,使整个样品前处理时间可控制在5 min以内,同传统烘箱干燥、粉碎过筛等方法相比其处理速度可提高几十倍。实验结果表明：当样品的水分含量差异较大时,通过微波快速干燥方法能有效提高和保证模型分析的准确度;烤烟样品经过普通家用食物粉碎机快速粉碎25 s后可消除粒度差异对近红外检测结果的影响。研究结果可为近红外分析工作者提供一种快速有效的干燥和粉碎技术,从而简化样品的前处理。     

紫花苜蓿粗蛋白和粗纤维近红外分析模型的建立

采用近红外漫反射光谱技术,结合偏最小二乘法(PLS),以152个来源不同的紫花苜蓿样品建立了粗蛋白和粗纤维含量的近红外定量分析校正模型。在近红外光谱范围内(950～1 650 nm)对紫花苜蓿样品采集光谱数据时,分别设置了粗磨样、细磨样两种样品的状态和1,2,5 nm三种光谱扫描间隔,对建立的模型进行准确性和重复性的验证,比较其优劣。结果显示：光谱扫描时样品为细磨样,光谱扫描间隔为2 nm时所建立的粗蛋白和粗纤维含量的校正模型最佳,其相关系数(R2_cal)分别是0.97和0.94,最佳因素数时的定标标准差(SECV)分别是0.42和0.78。所建近红外定量分析模型对独立检验集样品粗蛋白和粗纤维含量的预测值与化学值的相关系数(R2_val)分别为0.96和0.92,预测标准差(SEP)分别为0.43和0.79。该研究结果表明：利用近红外漫反射光谱法测定紫花苜蓿内在主要品质性状是可行的,为紫花苜蓿粗蛋白和粗纤维含量的检验提供了新的方法模式。     

水分对土壤近红外光谱检测影响的二维相关光谱解析

为了能进一步分析水分对土壤近红外光谱检测的影响,分别从三个地方(桃园堡、 牧场和农大示范田)采集了三种土壤,经过筛、 烘干后分别配制了含水率为20%, 15%和10%的土壤,然后采用ASD公司的FieldSpec3光谱仪在保证其他检测条件不变的情况下,对不同含水率下不同采集地的土壤进行了检测,获得了其不同含水率下的动态光谱图。 最后视水分为外部干扰,应用二维相关光谱的理论对其进行了分析。 结果表明,在350～2 500 nm波段范围内,三个不同采集地土壤的同步二维相关光谱图比较类似,都在2 210和1 929 nm附近处出现较强的自动峰,在1 415 nm附近处有较弱的自动峰;从三处自相关峰的密集程度来看,1 929 nm处对应的官能团对水分最敏感,2 210 nm处次之,1 415 nm处最不敏感。 该研究明确找出了水分对土壤近红外光谱检测影响的敏感波段和敏感程度,为今后消除水分影响建立抗水分干扰模型提供了依据。     

近红外光谱分辨率对绿茶氮含量模型的影响

以绿茶为研究对象,氮含量为定量分析指标,研究了不同分辨率(2,4,6,8,16 cm-1)对近红外光谱图及氮含量模型的影响。结果表明：仪器的分辨率影响光谱图的质量,分辨率越高,得到的信息越丰富,但同时噪音增大;分辨率越低,光谱图更加平滑,信息量减少,当分辨率太低时光谱失真严重。分辨率为4 cm-1时,模型外部验证集RMSEP值为0.054 6,明显低于其他模型,相关系数为0.998 2,预测性能最好;模型预测精度也较好,STDEV和RSD分别为0.020和0.334。分辨率4 cm-1为最优分辨率。试验可以为近红外光谱仪采集绿茶光谱图提供参数选择依据,提高模型的稳定性与预测性能,促进近红外光谱检测技术在茶叶上的应用与推广。     

南疆红枣品质近红外光谱在线模型参数的实验研究

为建立南疆红枣品质近红外光谱在线校正模型,分析了在线检测结果的主要影响因素,对相应的参数进行了实验研究。设置红枣不同的光谱采集条件,如测量状态、波段谱区、仪器参数等,利用近红外光谱仪和自行设计的红枣批量采集附件,获取南疆红枣品质光谱,通过光谱预处理和检测精度相结合的办法选择条件参数。通过不同建模参数进行PLS光谱校正和二维相关光谱分析,选择糖度特征光谱参数。结果表明:红枣糖度中心波长9 116,9 418和10 500cm-1,采集分辨率16cm-1,扫描次数8次,糖度相对误差8%～10%,单粒红枣光谱数据量减少为原来的1/10,采集时间减少了3s左右。通过实验参数,压缩了数据量,建立了初级在线校正模型,基本实现南疆红枣品质近红外光谱在线检测。     

扫描次数对番茄叶漫反射光谱和模型精度的影响研究

近红外光谱分析技术因其诸多优点成为近年来发展最快的定量和定性分析技术之一,它是依据有机分子中的含氢基团(C—H, O—H, N—H)振动的合频与各级倍频的吸收获得信息。但是,近红外光谱易受到光谱仪的工作状态和扫描时各种参数的设置,如波长的准确性、仪器的分辨率、噪声、扫描次数、样品粒度的均匀性等的影响。为了给建立实际模型时选择最佳的测量条件提供依据,文章以番茄叶为研究对象,分析了扫描次数对番茄叶漫反射光谱和叶绿素定量模型精度的影响。结果发现扫描次数对番茄叶漫反射光谱和模型精度有较大的影响。随着扫描次数的增加,近红外光谱的均方根噪声的方差值逐渐变小。扫描次数越多,光谱的质量较高,但是仪器产生的系统误差也会增大;扫描次数越少, 光谱的质量较差,但是光谱较为光滑,系统的误差较小。在128次扫描次数下,叶绿素定量模型的决定系数较高,但是模型不稳定。当扫描次数为32时,模型的决定系数较低,但该模型比较稳定,检测时间也较短。同时,不同扫描次数下所建模型都用于预测叶绿素含量,发现没有显著差异(α＝0.05)。在采集光谱建立模型时,应考虑综合因素选择合适的扫描次数。     

基于GA和SCMWPLS算法的NIR光谱信息变量提取研究

光谱数据压缩、信息变量提取是近红外应用研究的热点,是简化模型、提高预测精度的重要手段。本文以杏可见/近红外光谱为例,采用二阶导数、标准化和正交信号校正(OSC)处理以滤除光谱与浓度阵无关的信号;使用SCMWPLS选择出880,894～910和932 nm为建模区间建立PLS预测模型,其相关系数(R)、校正误差(SEC)和预测误差(SEP)分别为0.920,0.454和0.470;进行独立运行GA程序100次,依次选择入选频率较高的2个波长点888和900 nm作为回归变量,建立GA-MLR预测模型,其R, SEC, SEP分别为0.905,0.488和0.459,均优于全谱的偏最小二乘建模结果。结果显示,OSC可以滤除光谱与浓度阵无关的信号,减少建立模型所用的主因子数;SCMWPLS和GA可以寻找最优信息变量组合。该方法对于建立低维度、高精度近红外快速分析模型具有普遍参考意义。     

傅里叶变换近红外光谱仪扫描条件对数学模型预测精度的影响

以小麦粉状样品为例 ,研究了傅里叶变换近红外光谱仪在不同分辨率 ,不同的激光频率下扫描样品对近红外光谱用于分析小麦样品蛋白质含量的影响。结果表明 :以 4 ,8,16cm- 1 的分辨率扫描样品或当激光频率改变幅度在 1cm- 1 以内时对小麦蛋白模型的影响不显著 ,样品粒度对模型影响较大     

BiPLS结合GA优选可见/近红外光谱MLR变量

利用反向区间偏最小二乘法(BiPLS)定位光谱糖度若干信息区间,运用遗传算法(GA)从中选择波长点,建立了多元线性回归(MLR)模型。光谱进行卷积平滑和二阶导数处理后,将光谱(225个数据点)分割成25个子区间时,BiPLS优化结果最优。在所定位的信息区间进行GA二次选择特征变量,运行100次依次选择入选频率较高的12个波长点。为简化MLR模型,对于入选的相邻波长选择频率较高者,最后选择 638,734,752,868,910,916和938 nm作为回归变量,建立的MLR预测模型相关系数(R2)、校正均方根误差(RMSEC)和预测均方根误差(RMSEP)分别为0.984,0.364和0.471,优于常用的逐步多元线性回归的建模结果。表明BiPLS结合GA可以有效地对李子糖度可见/近红外光谱MLR回归变量进行筛选,提高了模型的精度。     

应用多种近红外建模方法分析梨的坚实度

近红外光谱(near infrared spectroscopy,NIRS)技术是一种快速、无损的仪器分析方法,在农产品品质检测方面引起了广泛的关注,在近红外光谱信息和品质指标之间建立一个稳健的模型是近红外光谱分析中十分重要且有一定难度的过程,常见的多元校正方法有偏最小二乘回归(PLSR)、主成分回归(PCR)和逐步多元线性回归(SMLR)等,该研究中除了常用的线性方法外,还采用了一种结合非线性方法的组合算法[结合了SMLR和径向基神经网络(RBFN)]用于梨坚实度的近红外光谱检测。比较常用的线性建模方法,原始光谱的PLSR模型的得到了较好的结果：校正集相关系数r=0.87, 校正均方根误差RMSEC=3.88 N,预测集r=0.84, 预测均方根误差RMSEP=4.26 N;组合算法的建模结果比SMLR和PCR的结果好,但比PLSR的结果稍差：校正集r=0.85, RMSEC=4.15 N,预测集r=0.82, RMSEP=4.67 N。结果表明：NIRS可用于梨的坚实度检测,但是建模方法的选择值得进一步研究以提高预测的精度。     

近红外光谱的小波特性研究

通过对在柴油近红外光谱中加入模拟噪声和模拟背景构成的模拟光谱进行小波分析,考察了模拟噪声和模拟背景(线性、二阶和三阶非线性漂移)在小波时-频区域的分布。结果表明,近红外光谱的背景主要分布在低频部分,尤其是逼近部分;噪声主要分布在高频细节部分;反映柴油性质变化的信号主要分布在中间频率细节部分。利用小波变换可同时有效地扣除背景和噪声;选取中间频率细节的小波系数作为多元校正变量进行柴油性质分析,有利于提高分析精度和分析速度。