BP神经网络与近红外光谱定量预测杉木中的综纤维素、木质素、微纤丝角

利用近红外光谱(NIR)技术结合BP神经网络定量预测了杉木中的综纤维素、木质素和微纤丝角。首先对杉木的原始近红外光谱数据进行卷积(Savitzky-Golay)平滑和二阶导数处理,然后利用小波变换压缩,将由171个数据点组成的近红外光谱压缩为86个数据点,最后用BP神经网络建模,采用Leave-n-out交叉验证法对模型进行验证,并讨论了隐含层神经元个数、学习速率、动量因子和学习次数对所建BP网络的影响。用所建的网络模型预测了测试集中杉木样本的综纤维素、木质素和微纤丝角 ,预测的相关系数R2值分别为0.91, 0.90, 0.87,预测均方根误差RMSEP分别为：0.86%, 0.33%, 4.99%。结果表明该方法快速,无损,基本能满足定量分析的要求。     

近红外光谱技术检测植物木质素纤维素研究进展

近红外光谱技术可用来检测植物木质素、纤维素及半纤维素含量,与传统的湿化学方法相比具有快速、操作简单、准确、无损等优点,是一种新型的测定方法,近年来在检测木本植物及草本植物木质纤维素组成成分中被广泛应用。综述了国内外利用近红外光谱技术快速检测木本植物(用作造纸原料的木材、竹材以及潜在的可用作生物质能源的木材)及草本植物(饲草及草类能源植物)木质素、纤维素、半纤维素含量的研究进展,并从样品前处理、光谱预处理及波长选取方法、化学计量学方法三个方面对利用近红外光谱技术快速检测植物木质素、纤维素方法研究上的进展进行了总结,并结合国内木材、牧草及能源草行业发展现状提出了四点展望: 建立适用性更强的模型;建立全面的草产品品质指标近红外光谱数据库;建立能源植物能用品质指标相关模型并对建模方法进行进一步的探索和完善;推动应用近红外光谱技术检测植物木质纤维素的方法从实验阶段走向实际应用。随着对近红外光谱检测植物木质纤维素方法的不断成熟和完善,它必将对造纸、饲草及能源草行业的发展产生巨大的推动作用。     

近红外漫反射光谱法测定天然纤维素浆粕聚合度

提出一种采用近红外光谱测定天然纤维素(棉、木)浆粕聚合度的方法。实验收集了195个天然纤维素浆粕样品,采用GB/T 9107-1999方法测定了其聚合度,对样品进行粉碎预处理后,放入旋转杯中采集相应的近红外漫反射光谱。通过化学计量学偏最小二乘方法(PLS)将聚合度数据与近红外光谱关联,分别建立了棉木浆粕混合样品、棉浆粕样品和木浆粕样品的聚合度定量模型。最优模型相关系数分别为0.980,0.993,和0.886,预测均方根误差(RMSEP)分别为147,143和53。研究了近红外方法精密度和准确性。结果表明棉浆粕和木浆粕分类模型预测准确性优于混合模型,且其预测精密度符合国标(GB)方法要求。另外,采用主成分分析方法建立了棉浆粕和木浆粕的识别模型,结果表明该模型可以有效识别棉浆粕和木浆粕。该方法操作简单、分析速度快,能够满足天然纤维素浆粕聚合度在线检测要求,为实现清洁制浆新工艺聚合度在线监控目标提供了理论和技术依据。     

近红外漫反射光谱法快速测定天然纤维素清洁浆料α-纤维素含量

针对天然纤维素清洁制浆新型连续生产工艺,提出了采用近红外漫反射光谱测定天然纤维素(棉、木浆粕)清洁浆料中α-纤维素含量。收集了142个天然纤维素清洁浆料样品,采用GB/T 9107—1999方法(化学分析方法)测定其α-纤维素含量。通过粉碎预处理提高样品的均匀性,继而压入旋转杯采集光谱。采用簇类独立软模式(SIMCA)方法建立了有效的棉浆粕和木浆粕的分类模型,模型识别率达到100%。基于偏最小二乘(PLS)法分别建立的全部样品以及分类棉、木浆粕的α-纤维素含量定量校正模型相关系数分别为0.954,0.911和0.839,SEP分别为2.4%,1.2%和1.6%,模型预测精密度与GB方法的允差接近,表明该方法是可行的,且操作简单,分析速度快,对提高天然纤维素清洁浆料α-纤维素含量分析效率和指导其连续生产具有积极意义。     

近红外反射光谱法测定苜蓿干草主要纤维成分的研究

采集不同生育期、不同品种和不同干燥方式（烘干、阴干、晒干）的苜蓿干草样品60份,研究了利用近红外反射光谱法分析苜蓿干草中纤维素、半纤维素和木质素含量的可行性。实验结果显示,纤维素的交互验证相关系数（R_CV）、外部验证决定系数（r2）以及验证集样品标准差（SD）与预测残差均方根（RMSEP）的比值（RPD）分别为0.97,0.97,4.44,木质素为0.94,0.94,4.08,表明利用NIRS技术可以准确分析苜蓿干草中纤维素和木质素的含量。半纤维素的R_CV,r2,RPD分别为0.29,0.12,1.09,说明该模型不能进行半纤维素的实际预测。利用近红外反射光谱法准确测定纤维素和木质素含量的结果,对苜蓿生产加工中的质量评价,以及苜蓿育种等研究中纤维品质的快速分析都具有重要意义。     

近红外光谱法间接测定白酒酒精度

白酒是深受消费者喜爱的一种日常含酒精饮品，酒精度是衡量其品质的关键指标之一。简单、快速的酒精度分析方法有助于提升白酒的检验效率。光谱法具有响应快速、无损分析的优点，可为酒精度的分析提供较好的帮助。水分子对红外光具有较好的吸收效果，基于此特征探究了利用近红外光谱间接分析白酒中酒精度的方法。研究发现光程对水和乙醇分子的紫外-可见-近红外吸收光谱有影响，水分子在1 448 nm附近有一个独立的吸收峰，此吸收峰在光程10 mm条件下出现突跃，但当光程降低为1 mm时，峰形变为对称且平滑状态，可用于定量分析。乙醇水溶液在1 000～1 800 nm范围内的吸收峰随着乙醇含量的增大呈规律性递减，乙醇和水分子间的作用力未对二者的吸收光谱产生显著影响。提取1 448 nm处的吸光度，得出吸光度与酒精含量的线性方程：A=1.38-0.013m%（R2=0.996 7），酒精度低于20%或高于80%时的拟合效果存在较大的相对偏差。20%～80%范围获得拟合效果优良的线性拟合方程：A=1.40-0.014m%(R2=0.999 3)。并通过购置的部分市售散装白酒和品牌瓶装白酒检验了该方法的可靠性，本方法对品牌瓶装白酒的检测与瓶身标记的酒精度的相对偏差较小，符合吸收光谱的允许误差范围，而对部分散装白酒的检测结果与其标注的酒精度相差较大，鉴于散装白酒在品质控制方面弱于品牌瓶装白酒，在一定程度上说明本方法在检测白酒酒精度方面具有较好的准确度，且具有方便、快速、无需辅助试剂、线性范围宽的优点，可作为一种快速分析白酒酒精度的测试手段。     

海南制浆树种中主要成分的近红外分析与模型优化

为提高制浆树种的利用效率,缓解国内制浆造纸原料短缺的现状,降低行业污染与总体成本,尝试将近红外光谱技术用于海南省制浆树种的成分含量分析,以期根据实时所得成分含量相应调整工艺参数。用结构简单、易改装的全息光栅分光近红外光谱仪采集了海南省常见的适龄制浆树种（尾细桉、尾巨桉、尾叶桉、马占相思和粗果相思）共205个样本的近红外光谱,按传统实验室方法分析其主要成分--综纤维素和木质素的含量。选择合适的预处理方法与偏最小二乘法结合,建立了两种分析模型,并通过遗传算法剔除不相关的变量,筛选出特征波段,明确综纤维素和木质素的特征吸收,优化了模型。其中综纤维素分析模型建立时采用Savitzky-Golay 13点3倍平滑、矢量归一化和一阶导数预处理原始光谱,1 150.3～2 362.0 nm波段参与建模。筛选出的波段包含了1 188～1 196 nm之间CH₃中C-H伸缩振动的二级倍频吸收,1 742～1 633 nm区间内O-H伸缩振动的一级倍频,2 112 nm附近O-H变形振动、O-H伸缩振动的合频等纤维素的特征吸收;也包含了1 470～1 495 nm之间O-H伸缩振动的一级倍频,1 906和1 911 nm附近C═O伸缩振动的二级倍频等聚戊糖的特征吸收。模型RMSEP值为0.55%,绝对偏差范围为-0.91%～0.87%。木质素分析模型建立时采用Savitzky-Golay 13点3倍平滑、多元信号校正和二阶导数预处理原始光谱,1 137.6～1 872.5和2 131.0～2 424.1 nm波段参与建模。筛选出的波段包含了1 143 nm附近苯环C-H伸缩振动的二级倍频吸收和CH₃的C-H伸缩振动的二级倍频吸收,1 670～1 684 nm处苯环C-H伸缩振动的一级倍频,2 205 nm附近C-H、C═O伸缩振动的合频等木质素的特征吸收。模型RMSEP值为0.45%,绝对偏差范围为-0.76%～0.79%。两个模型的RPD值分别为4.71和3.47,均能满足制浆树种主要成分在线快速分析测定的工业需求。同时,本研究为制浆树种近红外表征体系的建立提供了理论依据,对近红外技术助力制浆造纸工业由自动化向智能化转变具有较为显著的意义。     

近红外漫反射光谱法测定麦冬的多糖含量

采用近红外光谱分析技术对麦冬多糖进行定量分析.对麦冬的原始漫反射光谱采用了一阶导数、二阶导数、平滑、散射校正等多种光谱解析手段,初步选择了建模波段,并结合偏最小二乘回归法对麦冬多糖进行了定标建模分析.结果表明,光谱经过一阶导数+标准乘性散射校正(MSC)+SG平滑处理,选取4 000～4 900,5 100～6 900,7 050～10 000 cm-1波段建模得到的定标模型效果最佳,分析结果精度较高,R2,RMSEC,R2CV,RMSECV,主因子数分别为0.996,0.237,0.973,0.583,6.模型经过验证样品集检验,预测相关系数达到0.968 8.     

近红外光谱法测定苜蓿中的叶含量

叶含量是一项对苜蓿的营养价值和家畜采食量、消化率都很重要的指标,目前常用的手工茎叶分离后测定叶含量的方法非常费时费力。利用近红外光谱分析技术(NIRS)对人工配制叶含量为15%～55%的41个苜蓿样品, 建立了苜蓿中叶含量的预测模型。用15,25, 35个定标样品分别建立的3个模型的RMSEP分别为1.02, 1.97, 0.51,RPD依次为5.50,2.85,25.93,外部验证的决定系数r2为0.978 9,0.984 4,0.998 9。结果表明,15个定标样品已经能够建立准确测定苜蓿叶含量的近红外预测模型,且模型的准确性随着数量增加而升高。     

近红外光谱法快速测定原油密度的应用研究

建立近红外光谱法快速测定原油20℃密度的方法,在市售原油光谱数据库的基础上,添加广西石化常炼原油品种,采用拓扑法建立分析模型。用该方法和标准方法对炼厂原油密度进行了三个月的对比测试,115个实际样品的预测标准偏差为0.0024g/cm3。近红外光谱法测定原油密度具有分析速度快,测定方法简便,重复性好等特点,能够满足炼厂对原油密度快速测定的要求。     

红木的近红外光谱分析

红木珍贵、种类多,大多数人对红木种类及真伪难以或无法鉴别。利用近红外光谱技术对国家标准中八类红木的近红外光谱进行分析,研究结果表明:(1)近红外光谱与红木色度学参数(L*,a*和b*)之间存在非常高的相关性,预测值与实测红木L*,a*和b*值的相关性分别达到0.988,0.991和0.993;(2)利用化学计量学中的主成分分析(PCA)方法可以将八类红木清楚地区分成八个相应的类别,利用三个主成份信息绘制的三维PCA得分图比二维图更能直观地展现八类红木的区别。研究结果说明应用近红外光谱技术识别红木类别具有可行性,这为开发红木的鉴定或识别提供新的方法和研究思路。     

近红外光谱法的甜菜糖度快速测定

为了实现甜菜依据含糖量定等分级,甜菜收购环节的按质论价,促进甜菜制糖行业的良好健康发展,应用近红外光谱技术对甜菜糖度的快速检测进行了系统研究,确定了一种快速、无损、准确的测量甜菜糖度的方法。采集具有代表性的28个甜菜品种,820个甜菜样品作为校正集,70个样品作为预测集,扫描得到甜菜校正集样品的近红外原始光谱,选择合适的光谱预处理方法,采用偏最小二乘法建立甜菜糖度的定量预测数学模型,以校正模型的内部交互验证均方根误差(RMSECV)、决定系数(R2)和外部预测标准误差(SEP)为指标对模型的性能进行评价,并对模型的预测效果进行了比较。采用一阶导数和标准正态变量变换对光谱进行预处理并结合偏最小二乘法所建立的定量预测数学模型的预测能力较好。甜菜糖度定量校正数学模型的模型决定系数为0.908 3,内部交互验证预测均方根误差为0.376 7。用此数学模型对预测集70个样品进行预测,预测值与实测值的相关系数达到0.921 4,预测标准误差为0.439,预测值和实测值之间不存在显著性差异(p＞0.05)。结果表明：近红外光谱法作为一种简单、快速、无损、环保的检测方法,能够良好的评价甜菜的糖度。建立的模型具有很高的精确性,可以满足甜菜糖含量测定的需要,该方法可以实现甜菜收购环节的定等分级和按质论价。     

利用近红外光谱和X射线衍射技术分析木材微纤丝角

利用近红外光谱和X射线衍射法对木材的微纤丝角进行了快速预测。微纤丝角是影响木材性质的最重要的物理量之一,木材资源利用和林木品质改良都要求能快速、方便地测定木材的微纤丝角。 该实验首先利用X射线衍射仪,快速测量和计算出154个杉木木材样品的微纤丝角。然后,依据木材不同成分在近红外区的不同吸收特性,在近红外光谱数据与X射线衍射仪测定的微纤丝角之间建立相关模型。结果表明,二者之间具有很好的相关性,其校正模型和预测模型的相关系数(r2)分别达到0.867和0.816。     

木材不同切面的近红外光谱信息与密度快速预测

用近红外光谱对木材密度进行了研究。发现木材三个不同切面(横切面、径切面、弦切面)的近红外光谱有较大的差异;结合偏最小二乘法(PLS),根据三个切面采集到的光谱数据与木材密度建立了校正模型,横切面预测集的相关系数r为0.94,径切面和弦切面分别为0.85和0.81。结果表明,从横切面采集到的光谱建立的预测模型效果最好。用该模型对随机抽取、未参与建模的15个样品的密度进行了预测,r2=0.977, 标准偏差：STDEV=0.006。     

相思树酸溶木素含量近红外光谱分析的新方法

用迭代法分别建立了相思树样品的酸溶木素含量和克拉森木素含量近红外光谱分析模型。结果表明对克拉森木素含量的预测效果明显好于对酸溶木素含量的预测效果。不同于一般的近红外光谱分析建模方法,利用酸溶木素含量与克拉森木素含量之间的近似线性关系,结合多波长下的近红外光谱数据,用预测效果较好的克拉森木素含量帮助构建了预测效果欠佳的酸溶木素含量的二十个子预测模型。通过计算这些子模型预测值的加权平均值,最终得到了每个相思树样品酸溶木素含量的新预测值。新模型的预测误差明显小于用迭代法所建模型的预测误差。文中建模方法有望用于某些用通常方法预测效果欠佳的化学成分含量,使它们的近红外光谱分析效果得到改善。     

近红外光谱法快速测定油品中的水分

介绍了用近红外光谱法,对油品水分进行快速测定的方法.通过数据预处理,模型优化及检验,结果表明,经一阶微分平滑处理后的模型精度较高,其校正集、验证集相关系数分别为0.9770、0.9635,校正均方误差分别为0.0998、0.0617,t检验结果表明,本法与国标法对测定结果无显著性差异,模型具有较高的预测能力.对实现油品...     

近红外光谱技术快速识别针叶材和阔叶材的研究

对一种针叶材和一种阔叶材的横切面采集波长范围为780～2 500 nm的近红外漫反射光谱,结合偏最小二乘判别分析法(PLS-DA)对针叶材杉木和阔叶材桉树快速识别的可行性进行了研究,结果表明：(1)利用近红外光谱结合PLS-DA法建立的识别模型对建模样品的识别正确率达到100%,识别模型预测的分类变量值与实际值之间相关系数r达到0.99,SEC为0.07;(2)即使采用短波区域780～1 100 nm的近红外光谱也可以获得理想的识别结果(识别正确率为100%),识别模型的r也达到0.99,SEC为0.07;(3)利用近红外光谱建立的识别模型对未知样本的识别正确率都为100%,说明近红外光谱技术可以快速、准确识别针叶材和阔叶材,这为木材识别提供了一种新方法和技术,也为开发低成本的近红外光谱识别仪器提供了科学依据。