近红外光谱技术结合4种算法分析尾巨桉-马占相思制浆原料的混合程度与主化学成分

为缓解我国木浆供应压力,满足混合原料制浆的实际需求,该文进行了近红外光谱快速分析混合制浆原料的研究。采集145个人为控制尾巨桉含量的尾巨桉-马占相思混合样品的近红外光谱,用常规方法测定其综纤维素、聚戊糖、Klason木质素含量。对原始光谱进行一阶导数与标准正态变换预处理后,分别运用偏最小二乘法、支持向量机法、人工神经网络法和LASSO算法建立尾巨桉、综纤维素、聚戊糖、Klason木质素含量分析模型。其中LASSO法建立的尾巨桉和综纤维素含量分析模型最优,预测均方根误差(RMSEP)分别为1.80%、0.60%;绝对偏差(AD)分别为-3.03%~3.17%、-1.03%~0.98%,模型性能可满足较精确的快速分析。偏最小二乘法建立的聚戊糖含量分析模型最优,RMSEP为0.75%,AD为-1.26%~1.33%;支持向量机法建立的Klason木质素含量分析模型最优,RMSEP为0.48%,AD为-0.82%~0.86%,两个模型性能适用于非精确性的分析。该研究为混合制浆原料的快速分析提供了可能,同时也证实了LASSO算法的适用性。     

近红外光谱法快速测定推进剂中N-甲基对硝基苯胺

采用近红外光谱法快速测定固体推进剂中N-甲基对硝基苯胺(MNA)的含量。评价了滤波平滑、一阶导数、二阶导数、多元散射校正(MSC)和标准正态变量校正(SNV)这5种不同光谱预处理方法的优化效果，基于建模参数优化结果建立了MNA定量模型，并对模型进行了准确性和重复性验证。结果表明，光谱最佳预处理方式是SNV，模型最佳主因子数为7，模型校正决定系数(R_C²)和验证决定系数(R_P²)分别为0.998 6和0.987 2，交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.012 0和0.009 8，重复性极差和绝对误差均低于0.2%。近红外光谱法与液相色谱法测定结果相比相对偏差在6%以内，经t检验，两种方法测定结果无显著性差异。近红外光谱法快速、准确，可用于推进剂老化进程监控。     

近红外光谱法快速测定鲜木薯中淀粉含量

提出了用于现场快速测定鲜木薯中淀粉含量的近红外光谱法。取不同品种的鲜木薯样品90个,按国家标准方法(化学分析法)测得其淀粉含量。用近红外光谱法对此90个样品所制作的柱状样块的横截面进行光谱扫描,得其光谱图谱,并转换得到其一阶导数图。用CAUNIFT软件QPLS分析模块建立数学模型。结果表明:验证样品中淀粉的化学法测定值与近红外模型的预测值之间呈线性关系。用5份未知样品对所建模型进行外部验证,预测值与化学法测定值之间的绝对误差在2%以内,相对误差均小于5%。     

近红外光谱技术对烟草pH值的快速测定

提出了一种基于近红外漫反射光谱技术快速测定烟草pH值的方法.采集不同烟草粉末样品的近红外漫反射光谱,并对其原始光谱数据进行一阶微分、二阶微分及平滑等预处理,用偏最小二乘法(PLS)方法建立pH值预测模型(建模样品572个).从光谱主成分分布和pH值分布方面考察了81个验证集样品,结果表明验证集样品分布范围较大,分布较合理.利用主仪器模型对验证集样品进行预测,结果表明主仪器一阶微分模型和二阶微分模型对验证集样品的pH值预测与实际测量值的平均绝对偏差分别为0.057、0.065,t检验表明预测值和实测值之间没有显著性差异,达到了较好的结果.考察了主仪器pH值一阶微分、二阶微分模型在同一型号不同仪器间的直接转移效果,一阶微分模型转移给了子仪器A ～F,二阶微分模型转移给了子仪器G,7台子仪器pH值预测的平均绝对偏差为0.049 ～0.070,且都通过了F检验.实验表明,该主仪器模型能够快速预测烟叶中的pH值,并成功转移到同类仪器上进行检测.     

近红外光谱法快速测定肼-70纯度

利用重量法精确配制不同肼质量分数的肼-70样品集,采用偏最小二乘法建立了肼质量分数的近红外光谱模型,以快速测定肼-70的纯度。样品恒温时间为5 min,光谱最佳预处理方式:均值中心化,一阶导数,21点平滑,模型最佳主因子数为4。近红外光谱法与碘酸钾直接滴定法测定结果相比相对偏差绝对值小于0.13%,经t检验,两种方法测定结果无显著性差异。近红外光谱法快速、准确,可用于肼-70产品的质量控制。     

近红外光谱法测定5-羟基色氨酸的含量

本文利用近红外光谱法建立了5-羟基色氨酸的偏最小二乘(PLS)定量模型。采用相关数法选择波段以及二阶导数、Norris derivative平滑滤波进行数据预处理,所建校正模型的R为0.99907,RMSEC为0.0638,RMSEP为0.0675。经验证模型的预测性能良好,为5-HTP的快速测定提供了一种方法。     

近红外光谱法同时测定卷烟纸中的钾和钠

为适应快速分析卷烟纸中K和Na含量的需要,应用傅立叶变换近红外(FT-NIR)光谱法和常规化学分析方法分别测定了101个卷烟纸样品的光谱数据和K及Na含量.以光谱数据和检测数据为基础,利用偏最小二乘法建立了预测卷烟纸中K和Na含量的数学模型,并进行了样品扫描条件和模型的优化.结果表明:每个纸样取14张扫描比较适宜;K和Na建模的适宜谱区范围均为4 000-7 700 cm<'-1>;一阶导数+Norris导数滤波法进行光谱预处理;K和Na优化模型的R分别为0.990 6和0.986 5,RMSECV为0.065 7和0.035 9,其预测值与化学测定值的平均相对偏差各为9.63%和9.03%.     

近红外光谱法快速鉴定油菜杂交种的纯度

建立近红外光谱技术测定油菜杂交种纯度的方法。考察了样品杯类型、光谱预处理方法和波长范围对近红外模型预测性能的影响。结果发现,由不同样品杯采集近红外光谱所建立的校正模型,其预测性能存在较大的差异,旋转杯明显优于安瓿瓶;采用消除常数偏移量对光谱进行预处理能有效地提取光谱信息,选择5 000~8 000 cm–1波数范围作为建模谱区,其包含的有效信息率最高。在最佳条件下建立油菜杂交种纯度的校正模型,其决定系数(R2)为0.980 0,交互验证均方根误差(RMSECV)为0.008 59。利用该模型对预测集进行测定,预期均方根误差(RMSEP)为0.007 59,表明该模型具有很好的预测性能,近红外光谱法用于杂交种纯度的鉴定是可行的。     

基于支持向量机的近红外特征变量选择算法用于树种快速识别

将稳定度自适应重加权采样特征变量选择算法用于支持向量机定性分析(Support vector machine-stability competitive adaptive reweighted sampling,SVM-SCARS)。该算法通过对数据多次采样建模计算各变量的稳定度值,稳定度值能更加客观准确地评估变量在建模中的作用,因此可作为变量重要性的评价依据。通过循环迭代方式,采用自适应重加权采样技术逐步筛选变量,然后以每次循环所得变量子集建立SVM模型,并以模型交叉验证分类正确率(Correct classification rate of cross validation,CCRCV)评估子集优劣,确定最优特征变量子集。将该算法结合漫反射近红外光谱技术建立了制浆造纸常用木材的树种识别模型,实现了对4种桉木和2种相思木的快速识别分类。最终共筛选出15个特征变量建立分类模型,模型对各树种分类的正确率达97.9%,具有较好的分类效果。与全光谱模型和递归特征消除支持向量机模型相比,SVM-SCARS能够筛选出更少的特征变量,且模型具有更好的预测性能和稳定性。研究结果表明,SVM-SCARS算法能够有效优化光谱特征变量,提高近红外在线分析模型在木材材性分析中的稳健性和适用性。     

基于近红外光谱法的定量分析模型快速预测蕨菜中总黄酮的含量

采用近红外光谱法结合偏最小二乘法构建蕨菜中总黄酮含量的快速无损测定方法。取蕨菜样品140份,采用傅里叶变换近红外光谱仪采集4 000～11 500 cm^-1波段内近红外光谱,以一阶导数预处理原始光谱,设置主因子数为10,在6 100～7 500 cm^-1和5 400～6 000 cm^-1波段内建模。结果表明：校正集定量分析模型的校正均方根误差(RMSEC)为0.078,交叉验证决定系数(R²)为0.991 9;验证集定量分析模型的预测均方根误差(RMSEP)为0.125,R²为0.984 1,说明所建模型性能较优。分别以定量分析模型和紫外-可见(UV-Vis)分光光度法分析完全外部验证集样品,预测回收率(预测值和测定值比值的百分数)接近100%,说明所建模型的预测准确度较高,可用于蕨菜中总黄酮的快速、准确测定。     

近红外光谱法对头孢氨苄粉末药品的非破坏定量分析

采用近红外漫反射光谱法对头孢氨苄粉末药品中主要成分头孢氨苄进行快速、无损定量分析.采用偏最小二乘法建立近红外光谱信息与待测组分含量间的最佳数学校正模型.对3种光谱(SNV光谱、一阶导数、二阶导光谱)的预测结果进行了比较,讨论了光谱的预处理方法和主成分数对偏最小二乘法定量预测能力的影响,并对预测集样品进行预测.     

近红外光谱与化学计量学方法用于镉污染稻米的定性鉴别

采用近红外光谱漫反射模式结合化学计量学方法对稻米镉含量是否超标进行可行性鉴别分析.本研究收集了120个样本,测定其镉含量值(合格49个,不合格71个).对光谱数据预处理方法优化,确定了平滑,一阶导数以及自归一化后的数据作为输入变量.采用竞争性自适应重加权算法筛选了45个关键变量,并对上述变量的光谱吸收带进行归属.比较了主成分分析-判别分析法、偏最小二乘识别分析、线性判别分析、K-最近邻法与簇类独立软模式法5种模式识别方法.确定采用偏最小二乘识别分析建模效果最好,模型训练集与预测集鉴别准确率分别达到98.8％与91.7％.结果表明,近红外光谱作为初筛方法可用于鉴别稻米中镉含量是否超标.     

中药口服固体制剂原辅料近红外光谱数据库的构建及应用

建立了中药口服固体制剂原辅料近红外(NIR)光谱数据库,采用模式识别方法研究了NIR光谱数据在物料分类和物性预测中的应用。使用便携式近红外光谱仪快速测量149批原辅料粉末的NIR漫反射光谱数据,并录入iTCM数据库。利用主成分分析(PCA)法探究NIR光谱数据对已知结构物料的分类能力,采用偏最小二乘(PLS)法研究了NIR光谱对原辅料物性参数和直接压片片剂性能的预测能力。经标准正态变量变换(SNV)+Savitzky-Golay(SG)平滑+一阶导数处理后的NIR光谱数据对微晶纤维素、乳糖、乙基纤维素、交联聚维酮和羟丙基甲基纤维素这5类辅料的区分能力较好。NIR光谱数据与原辅料粉末粒径、密度和吸湿性的相关性较强。NIR光谱信息作为物料物理性质的补充,可提高粉末直接压片片剂性能预测模型的性能。NIR光谱数据是iTCM数据库物性参数数据的补充,物性参数与NIR光谱数据的结合能更全面地表征原辅料的性质。     

温度对测定乙醇含量近红外模型的影响

以不同浓度的乙醇溶液为实验材料,研究了温度对近红外光谱法定量分析结果的影响.对体积百分比在5%～70%范围内的乙醇溶液,在15,18,20,25℃和28℃等5个温度点做了研究.对光谱经过不同预处理后,使用不同浓度的20个样品建立了测定乙醇含量的眦校正模型,根据模型评价参数选择了最佳模型.分析结果显示,温度在20℃时采用一阶导数(3点平滑)光谱预处理所建立的模型最佳.其相关系数为0.9986,预测均方根误差(RMSEP)和预测标准误差(SEP)分别为0.0079和0.0081.通过对模型进行t-检验,在显著性水平大于0.05的条件下,其测定结果与GC的测定结果对比,两者无显著性差异.应用于测定酒样中乙醇的含量,结果令人满意.     

近红外光谱法快速检测烟草中部分香气物的应用研究

应用傅立叶变换近红外漫反射光谱仪,从500个样品中按高、中、低含量挑选出具代表性的150～172个烟草样品建立了近红外光谱与烟草中的苹果酸、柠檬酸和石油醚提取物成分含量间的数学模型,用建立的模型对36个样品进行预测,结果表明,各成分近红外预测值与实测值之间的平均偏差:苹果酸为0.090,柠檬酸为0.040,石油醚提取物为0.124;且近红外预测值与化学法不存在显著性差异,近红外光谱分析技术可初步用于烟草部分香气成分的快速定量分析.     

藏药五脉绿绒蒿提取过程的在线近红外光谱质量控制研究北大核心CSCD

利用近红外光谱技术和自建的在线检测系统,实现了藏药五脉绿绒蒿提取过程中总黄酮含量的在线近红外光谱监测和提取终点的判定。以403个样品为建模集,分别获得了主成分回归(PCR)、偏最小二乘(PLS)、决策树(DT)、随机森林(RF)算法下的最佳光谱预处理方法和建模区间,以残差预测偏差(RPD)值为指标选择最佳建模方法。以62个样品为外部验证集,考察模型应用于总黄酮含量实时监测的可行性。此外,还探讨了利用模型预测值进行相对浓度变化率(RCCR)分析直接判定提取终点的可行性,并比较了标准偏差绝对距离法(ADSD)和移动窗口标准偏差法(MBSD)对提取终点判定的适用性。结果表明,在预处理方法为Constant+一阶导数+SG平滑、建模区间5300~9000 cm^(-1)条件下所建的总黄酮含量的PLS模型效果最好,其校正集和验证集的误差均方根均小于0.14、相关系数均大于0.97,RPD值为4.68。所建PLS模型对未知样品的平均预测率为79%,实际值与预测值的相关系数大于0.98,表明模型有较好的预测效果。外部验证集中RCCR法判定的预测提取终点和ADSD法判定的提取终点均与实际提取终点一致。所建模型性能较好,通过对未知样品进行准确快速的定量分析,实现了五脉绿绒蒿提取过程中总黄酮含量的实时监测,同时,以RCCR和ADSD作为提取终点的判定方法较为准确,可为藏药材提取过程在线近红外光谱分析技术的研究提供有益借鉴。     

胆酸含量的近红外分析数学模型

本文应用近红外技术研究了快速测定胆酸含量的方法.通过测定胆酸在10000~4000cm-1范围内的近红外透射光谱,基于偏最小二乘(PLS)算法,建立了胆酸含量的数学模型.以校正均方差(RMSEC)和相关系数(R)为指标,确定了用于建模的最优近红外波段和光谱预处理方法,并基于此模型预测了9个样品.结果显示,建模效果良好,...     

血糖近红外光谱分析的Savitzky-Golay平滑模式与偏最小二乘法因子数的联合优选

利用偏最小二乘法(PLS)和光谱Savitzky-Golay(SG)平滑方法,建立血清葡萄糖近红外光谱分析的优化模型。基于最优单波数模型的预测效果,提出划分校正集和验证集的一种新方法。采用10000～5300cm-1和4920～4160cm-1的组合波段,光谱经过SG平滑处理,利用PLS方法建立定标预测模型。将平滑点数扩充为5,7,…,87(奇数),多项式次数扩充为n=2,3,4,5,6,得到包含582个平滑模式的14个平滑系数表。对所有平滑模式和PLS因子数(1～40)分别建立PLS模型。按照预测效果进行优选,得到最优SG平滑模式为1阶导数平滑,3、4次多项式类型,SG平滑点数为53,最优PLS因子数为7,最优RMSEP达到0.376mmol/L。所采用的划分校正集和验证集的方法、SG平滑模式的扩充、SG平滑模式和PLS因子数的联合大范围筛选能够有效地应用于近红外光谱分析的模型优化。     

基于近红外光谱技术的亚麻纤维化学成分含量快速测定

在推进亚麻纤维的纺纱及其产业化生产过程中,快速、准确的定量分析纤维的化学成分是重要趋势。该研究利用近红外光谱技术分析亚麻纤维化学成分,以化学分析法测定值为对照,采用偏最小二乘法(PLS)建立亚麻纤维化学成分的近红外模型,从而实现了其化学成分的高效、快速定量分析。结果表明,建立的亚麻纤维纤维素、半纤维素、木质素和果胶近红外模型的校正相关系数(R_C)与验证相关系数(R_(CV))均在0.9以上,校正均方根误差(RMSEC)小于预测均方根误差(RMSEP)且均小于1。外部验证和双尾t检验表明模型预测结果较为准确,预测值与化学分析法得到的实测值无显著性差异,故该模型可用于相关化学成分含量的快速预测。     

近红外反射光谱法分析玉米秸秆纤维素含量的研究

利用近红外反射光谱分析技术和偏最小二乘回归法（PLS）,通过比较不同光谱范围和光谱预处理方法,采用二阶导数光谱预处理,在7540．3-5361．1cm^-1和4882.9—4504．9cm^-1谱区内建立了近红外光谱测定玉米秸秆纤维素含量的校正模型。利用15个玉米秸秆样品对所建模型的实际预测效果进行了验证,预测值与化学值的相关系数（r）可达0．9953,最大相对误差仅为5．20。结果表明,近红外光谱技术可以快速、准确地测定玉米秸秆纤维素,该结果对玉米秸秆材料的快速鉴定和筛选利用具有重要的意义。