现代近红外光谱技术及应用进展

简要介绍了现代近红外光谱的发展、技术特点和测量原理 ,对近年来近红外光谱仪器、化学计量学方法及软件和应用的进展情况及我们在这几个方面开展的工作进行了简要介绍     

常见皮革的近红外光谱快速判别分析

皮革种类的鉴定对生产控制、贸易过程和市场管理都具有重要意义,目前尚未有皮革种类鉴定的正式检测标准,皮革种类鉴定主要依靠感官法、燃烧法、化学溶解法、显微镜法等综合判定,对人员要求高,主观性强。利用近红外光谱技术对市场五种常见皮革样品(头层牛皮革、剖层移膜革、羊皮革、再生革和人造革)进行分析,利用判别分析法(discriminant analysis, DA)结合标准正态变量变换(multiplicative signal correction,MSC)、多元散射校正(standard normal variate,SNV)、一阶微分(first derivative)、二阶微分(second derivative)等光谱预处理方法进行分类鉴别。结果显示：上述五种革类在同一空间中重叠严重,但是利用样本反面光谱数据可以轻易将人造革和其他革类进行区分,误判率为1.2%,余下四种天然或加工革类重叠稍显严重,在同一个空间内同时对四种革类区分效果不是很理想,两两分组的分类效果较好,误判率13%～17.9%。而不同的数据处理方法在不同的判别分析模型中带来的效果也不尽相同,未发现一种能持续稳定为模型提供优化效果的预处理手段。上述数据说明采用近红外手段对于皮革种类进行判别是具有可行性的,由于本次取样来自于市场上的皮包、皮衣、皮带等最终产品,已经过染色、压花、覆膜等各种复杂处理,可能对模型带来一定的影响,如果能采取一些手段,如扩大样本量等,减弱这些影响,应该能得到更满意的结果。     

化学计量学在近红外光谱定性分析中的应用

近红外光谱的多元特性使得它特别适合于应用化学计量学技术进行物质的分析。本文讨论了判别分析技术在近红外光谱定性分析中的应用,结果表明应用相关的化学计量学方法采用近红外光谱进行物质的定性分析是可行的。     

反刍动物源肉骨粉的近红外漫反射光谱判别分析

为了探讨利用近红外漫反射光谱判别分析技术快速鉴别非反刍动物源肉骨粉中是否掺有反刍动物源肉骨粉的可行性,收集了来源于国内不同地区的不同种类的肉骨粉样本39个,其中猪、鸡肉骨粉各15个,牛肉骨粉5个和羊肉骨粉4个。通过在非反刍动物源猪或鸡肉骨粉中人为掺入0%～48%的反刍类动物源牛或羊肉骨粉,制备了252个肉骨粉的样本。利用FOSS 6500型近红外光谱仪获取样本光谱,WINISI软件随机选取180个样本作为校正集,72个样本作为独立的验证集。采用基于偏最小二乘回归法(PLS)的判别分析技术,建立了判别分析模型,利用独立的验证集对判别分析模型进行了验证,最优判别分析模型正确判别率为90%。结果表明所建立的判别分析模型可以对非反刍动物源肉骨粉中含有的反刍动物成分进行快速鉴别,但对反刍动物成分含量低于2%的肉骨粉样本,模型的判别精度还有待提高。文章结果为反刍动物源性肉骨粉的鉴别分析提供了一种有效的快速筛选方法。     

近红外光谱分析技术

介绍了近红外光谱分析技术的工作原理,阐述了其数学模型的建立及分析过程,总结了现有常用的化学计量学方法及各自的优点,最后简单的概括了近红外光谱分析技术的应用,尤其是在制药方面的应用.     

近红外化学模式识别方法及应用研究

近红外模式识别技术是现代近红外光谱分析技术的一个重要方面。文章较系统地介绍了近红外模式识别中常用的化学模式识别方法和这一领域内的最新进展,涉及到聚类分析、判别分析、特征投影显示3个方面多种方法的基本原理,以及近年来出现的支持向量机(SVM)、气泡凝聚算法(BA)、焦点本征函数(FEF)等新方法的基本思想。综述了近几年近红外模式识别技术在农业、医药、食品分析、石油等领域的具体应用。     

近红外光谱分析技术进展及其在烟草行业中的应用

对国内外近红外光谱的发展现状、分析技术特点、分析仪器、近红外光谱中常用的化学计量学方法以及近年来近红外光谱在烟草行业中的应用等几个方面进行了较详细地综述,认为近红外光谱分析技术在烟草行业中正扮演着越来越重要的角色,具有十分广阔的应用前景.     

近红外光谱逆回归降维定量分析模型

在近红外光谱定量分析中,由近红外光谱数据的高维特点引起的复共线性,是利用化学计量方法建模经常遇到的问题,可利用一种新的逆回归方法处理这一问题.该方法首先利用自变量X和因变量Y的相关性质降维,找到真正与回归函数有关的X的线性组合,再利用新找到的低维变量估计回归函数.文中以103个玉米样品为实验材料,随机选择其中70个玉米...     

近红外透射光谱结合判别分析方法在汽车制动液品牌与新旧鉴别中的应用研究

采用近红外透射光谱研究了汽车制动液品牌及新旧的鉴别。采集宝马(BMW),丰田(Toyota),沃尔沃(Volvo)以及嘉实多(Castrol)四种品牌的汽车制动液全新样本以及用过的样本的透射光谱。分别对每一种品牌下全新与用过汽车制动液样本的光谱数据进行主成分分析(PCA),主成分得分图表明不同品牌制动液以及该品牌下全新样本以及用过的样本能够被较好的区分,其光谱特性存在差异。基于主成分载荷(Loadings)进行特征波数选择,偏最小二乘判别分析(PLS-DA),线性判别分析(LDA),簇类独立软模式法(SIMCA),k最邻近分类算法(KNN),随机森林(RF),误差反向传播人工神经网络(BPNN),径向基神经网络(RBFNN),极限学习机(ELM),支持向量机(SVM),最小二乘支持向量机(LS-SVM)等判别分析方法用于建立基于特征波数的判别分析模型,判别模型的建模集和预测集判别正确率均略低于或达到了100%。与其他三种品牌汽车制动液相比,嘉实多全新样本与用过样本的差异较小,KNN与LS-SVM模型的建模集正确率均低于100%。结果表明,近红外透射光谱结合特征波长选择以及判别分析模型对不同品牌制动液以及同一品牌下全新样本以及用过的样本进行识别是可行的,为开发在线或便携式仪器提供理论支持。     

近红外光谱分析技术的一些数据处理方法的讨论

介绍了近红外光谱分析的技术原理,常用的几种建模方法以及各自的特点。同时,阐述了光谱的预处理,其中的小波变换方法是一种新的数学工具,有着广泛的应用前景。     

有监督主成分回归法在近红外光谱定量分析中的应用研究

介绍了运用有监督主成分回归法建立近红外光谱定量分析模型的原理和方法.利用该方法先进行近红外光谱定量分析建模的波长信息选择,达到降低光谱数据维数的目的,然后建立数学模型,并用其分析预测集样品.文中以66个小麦样品为实验材料,随机选择其中40个样品建立小麦样品中蛋白质含量的近红外光谱定量分析模型,首先优选出4个波长点:4 632,4 636,5 994,5 997 cm-1,利用这4个波长点处光谱信息建立主成分回归模型预测26个样品的蛋白质含量,其结果与凯氏定氮法分析结果的相关系数为0.991,平均相对误差为1.5%.该方法从大量光谱数据中筛选出最重要的部分波长信息,实现了"少而精"的波长点选择,对建立抗共线性信息干扰的光谱定量分析模型,同时对指导专用近红外分析仪器设计中波长点的选择等方面都有一定的意义.     

MAXR回归法在近红外光谱定量分析及最优波长选择中的应用研究

介绍了运用MAXR回归法建立傅里叶变换近红外光谱定量分析模型的原理和方法。以此方法,由Matlab语言设计程序,进行近红外光谱定量分析建模的波长信息选择。并以小麦样品为实验材料,建立了蛋白质含量的近红外光谱定量分析模型,其中优选出2个和3个波长点处光谱信息建立的多元回归模型的预测结果与凯氏定氮法分析结果相关系数分别为0.977 1和0.976 5,标准差分别为0.335和0.340。MAXR回归法在进行波长信息,选择时可建立分别包含1,2,…,k个波长点信息的最优回归模型,且计算量适中,因此是一种实用的选择“最优”波长信息的回归方法。该方法不仅可少而精选择波长信息,建立抗共线性信息干扰的光谱定量分析模型,而且对于特定样品、特定待分析组分,选择最优波长信息建模分析的工作,可指导专用近红外分析仪器的设计。     

玉米亚正常籽粒生活力近红外光谱判别方法研究

应用近红外光谱分析技术,针对玉米诱导过程中产生的亚正常种子,发展亚正常种子的单籽粒生活力判别方法。该研究应用了一种基于Kolmogorov-Smirnov检验的方法(KS法)对近红外光谱进行特征提取,并比较了十种采用不同预处理数据和特征提取方法建立的模型的判别性能,每种模型试验了1134种参数组合,并对采用多种方法和参数组合建立的模型进行交叉验证。结果表明,采用矢量归一化预处理,KS法提取特征波长,并去除低信噪比区域的数据建立的模型判别效果最好。发芽籽粒和不发芽籽粒的平均正确识别率分别达到92.20%和84.86%。该方法将发芽籽粒的筛选准确率由随机筛选的不足40%提高至85%以上,可显著提高筛选效率。     

近红外光谱波段优化选择在驴奶成分分析中的应用

近年来,驴奶引起了越来越多研究者的注意.与牛奶相比,驴奶的营养成分更接近母乳,且有着许多独特的优势.由于驴奶与牛奶成分差别较大,适用于牛奶的模型无法直接应用于驴奶的成分分析中.但目前还未见将近红外光谱分析技术应用到驴奶成分分析中的研究报道.文章采用傅里叶变换近红外光谱法,快速测定了新疆疆岳驴奶中脂肪、蛋白质、能量和灰分的含量.其含量分布范围分别为:1.15%～2.54%,0.34%～2.67%,355.87～565.17 cal·kg-1,0.28%～0.57%.光谱扫描区为3 899.6～12 493.4 cm-1,扫描间隔1 cm-1.采用PLS回归算法对光谱信息阵X提取主成分时附加约束,使X的主成分与待分析组分Y相关.并利用优化波段和不同预处理方法优化组合,建立了PLS回归预测模型,并与PLS全谱区建模预测进行了比较.结果表明波段优化组合建模分析效果整体优于全谱区建模结果,驴奶样品中脂肪、蛋白质、能量和灰分的近红外光谱定量分析模型预测值与化学分析实测值在水平α=0.05下显著相关,其含量分析模型的校验集(RMSEP)值分别为0.18,0.117,23.5,0.040 6,表明预测值有较好的精度.结果表明建立近红外光谱定量分析模型用于驴奶样品成分分析是可行的,波段优化选择与全谱建模分析效果比较表明,建立定量分析模型对波段优化组合选择是必要的,当模型中包含了与组分无关的信息时,对模型定量分析将起干扰的作用,会影响模型的分析效果.因此进行谱段信息选择建立相应组分分析模型是数据预处理的有效环节.样品各组分标准值的测定结果的准确度和精确度都影响近红外定量分析的准确度.以近红外光谱法进行定量建模分析时,扩大组分含量的分布范围,提高标准数据的分析精度和准确度都是很必要的.     

基于近红外光谱技术和人工神经网络的玉米品种鉴别方法研究

提出了一种采用近红外光谱技术结合人工神经网络对玉米品种进行鉴别的方法。在3 800～10 000 cm-1(波长1 000～2 632 nm)范围内采集四种玉米单粒完整籽粒的近红外漫反射光谱,经Savitky-Golay平滑和多重散 射校正预处理后,对数据进行主成分分析,再结合人工神经网络技术进行品种鉴别。主成分分析表明,前8个主成分的累积贡献率达到99.602%。以前8个主成分作为网络输入,品种类型作为输出,建立三层LMBP神经网络模型。每个品种 各取30粒共120个样本用于建模,10粒共40个样本用于预测。模型对建模集120个样本鉴别率为100%,对预测集40个样本的鉴别率为95%。实验结果说明该方法能快速无损地鉴别玉米品种,为玉米的品种鉴别提供了一种新方法。     

近红外漫反射光谱法快速无损鉴别阿胶真伪

采用近红外光谱漫反射光谱技术和模式识别技术快速鉴别阿胶真伪.收集来源不同的阿胶(真品8个,伪品6个),采集其近红外漫反射光谱,使用多重散射校正和小波变换对光谱进行预处理后,分别应用相似度匹配和马氏距离方法建立质量鉴别模型.相似度法使用真品谱图作为标准谱图,用样品谱图与标准谱图的相似度值来鉴别阿胶质量;对阿胶样品进行重复扫描得到28张谱图,随机分为3组后应用马氏距离法建立交叉验证鉴别模型.两种模式识别方法均能准确无误的鉴别阿胶真伪,表明近红外光谱和模式识别技术结合可快速、准确、客观地进行阿胶质量鉴别,可推广到其他中成药的质量鉴别.     

基于近红外光谱和化学计量学的驴肉鉴别方法研究

驴肉具有极高的食用价值,资源的缺乏使其价格持续走高,由此引发的欺骗和掺假亟待解决。选取了不同部位(脖子、肋板、后墩和腱子)的驴肉样品(n=167)及牛肉(n=47)、猪肉(n=51)和羊肉(n=32)样品在4 000~12 500cm-1光谱范围上建立了驴肉的近红外光谱鉴别模型。比较了马氏距离判别分析、簇类独立软模式分类法、最小二乘-支持向量机方法分别结合平滑(5点、15点及25点)、一阶和二阶微分、多元散射校正和标准归一化的光谱预处理方法对肉块样品及大中小三个不同粉碎粒径(7,5,3mm)肉糜样品的分类模型结果发现,原始光谱前11个主成分得分作为输入的马氏距离判别及前6个主成分作为输入的最小二乘-支持向量机肉块样品分类模型较优,校正集和预测集正确率分别为100%和98.96%;原始光谱前5个主成分作为输入的LS-SVM大粒径肉糜样品分类模型结果较优,校正集和预测集判别正确率为100%和97.53%;原始光谱前8个主成分得分作为输入的簇类独立软模式分类法中粒径肉糜样品分类模型结果较优,校正集和预测集的判别正确率均为100%;而对于小粒径肉糜样品,原始光谱前7主成分输入的马氏距离判别和前9主成分输入的簇类独立软模式分类法模型均得到了校正集和预测集100%的判别正确率。以上模型中的驴肉样品均得到了100%的判别正确率。研究结果表明,使用近红外光谱分析技术结合化学计量学方法鉴别驴肉是可行的。     

近红外漫反射光谱法快速测定秸秆青贮饲料成分含量

采用傅里叶近红外漫反射光谱技术,结合偏最小二乘回归法,以158个不同种类的秸秆青贮饲料样品建立了常规化学成分和发酵成分含量的近红外定量分析校正模型。其中常规化学成分中, 粗蛋白、中性洗涤纤维、酸性洗涤纤维、半纤维素、干物质、粗灰分和酸性洗涤木质素含量的校正模型决定系数R2分别为0.95,0.90,0.86,0.91,0.86,0.95和0.90;发酵成分的pH、乳酸、乙酸、丙酸、丁酸和氨态氮含量的校正模型决定系数R2分别为0.98,0.83,0.85,0.3,0.90和0.92。研究发现除乙酸、丙酸和丁酸之外,其他成分含量的相对分析误差RPD(SD/SECV)均大于2.5;除乳酸、乙酸、丙酸和丁酸之外,所建近红外定量分析模型对独立检验集样品其他成分含量的预测值与化学值的相关决定系数R2均大于0.08。该研究结果对青贮饲料品质的快速检测具有重要的实际意义。