正交信号校正在人体血糖近红外光谱分析中的研究

本文以血清的近红外光谱为研究对象,首先运用载荷向量分析确定最佳定标谱区为4192-4943 cm-1与5294-7200 cm-1两个波段,然后分别用平滑、一阶导数、正交信号校正(OSC)预处理方法,结合偏最小二乘回归方法建立了血清中血糖的模型.用平滑、一阶导数所建立模型的预测标准偏差(RMSEP)分别是0.545、0.568,用OSC校正后所建立模型的RMSEP是0.390,结果表明使用OSC校正对光谱进行合理的校正,能够滤除光谱矩阵与浓度矩阵无关的信号,降低模型的因子数,从而降低模型的复杂性,提高模型的稳健性.     

用多维校正法提高近红外牛奶成分校正模型稳健性的研究

乳品质量问题是制约乳品工业发展的瓶颈。近红外光谱技术以其快速、简便等优越性广泛应用于各个领域,在乳品检测中有巨大的应用潜力和前景。但样品温度对近红外分析模型的稳健性和检测结果会产生较大影响,为获得较好的分析准确度,文章提出了抑制温度影响的新方法——多维正交校正(NOSC)结合多维偏最小二乘(NPLS)法。它将温度作为建模元素组成含温度信息的三维光谱矩阵,先将三维光谱阵进行预处理,运用NOSC方法滤除无关信息的干扰,再采用NPLS方法建立牛奶成分与透射光谱的校正模型。文章在25,30,35和40 ℃四个温度点处做了研究,波长范围为1 100～1 700 nm。通过常规法和多维校正法来减小温度的影响。实验结果表明,常规法无法抑制温度的影响,而与其他方法相比,NOSC-NPLS法建立的校正模型具有更好的预测能力和稳健性,能更有效地消除温度的影响。     

基于主成分正交信号校正算法和加强正交信号校正算法对柑桔酸度的检测

应用便携式近红外光谱分析仪对112个柑桔进行无损检测,运用主成分正交信号校正、加强正交信号校正结合广义回归神经网络的方法分别建立柑桔酸度定量分析模型。结果表明：采用EOSC方法能够使模型具有良好的预测能力并能够防止对数据造成过度校正。EOSC柑桔酸度模型校正集相关系数R_c=0.888 0,预测集相关系数R_p=0.885 6,RMSEP=0.081 65。研究结果表明EOSC预处理方法结合广义回归神经网络可以用于柑桔样本的酸度测定。     

一维双相介质孔隙率的小波多尺度反演

基于多尺度的思想,将小波多分辨分析和多尺度方法结合,构造了小波多尺度反演方法,并应用于一维双相介质孔隙率的反演.利用小波变换,将原始反问题分解为不同尺度上的一系列子反问题,并按照尺度从粗到细的顺序依次求解.在每一个尺度上,都采用稳定、收敛快的正则化高斯牛顿法求解,次一级尺度上求出的“全局最优解”作为上一级的初始解,依次类推,直到求出原始问题的真正的全局最优解.将小波多尺度方法归结为三种不同算子(分解算子、求解算子、插入算子)的交替应用,给出了小波多尺度反演算法的基本流程图,并推导出当采用Daubechie 关键词： 双相介质 反演 小波多尺度方法 孔隙率     

一维双相介质孔隙率的小波多尺度反演

基于多尺度的思想,将小波多分辨分析和多尺度方法结合，构造了小波多尺度反演方法，并应用于一维双相介质孔隙率的反演.利用小波变换，将原始反问题分解为不同尺度上的一系列子反问题，并按照尺度从粗到细的顺序依次求解.在每一个尺度上，都采用稳定、收敛快的正则化高斯牛顿法求解，次一级尺度上求出的“全局最优解”作为上一级的初始解，依次类推，直到求出原始问题的真正的全局最优解.将小波多尺度方法归结为三种不同算子(分解算子、求解算子、插入算子)的交替应用，给出了小波多尺度反演算法的基本流程图，并推导出当采用Daubechie     

基于小波多尺度积的目标识别

光学相关探测就是利用光学相关的方法,从混乱的图像中找出需要的目标,达到识别的目的.把小波变换应用于光电混含联合变换相关器,突破了传统的傅里叶变换的局限性,实现了对探测目标不同区域、不同尺度的分析.为了充分利用小波不同尺度的特性,采用小波多尺度积的方法提取出目标图像的边缘,兼顾了图像的细节与轮廓特征,将目标图像不同层次的轮廓信息和细节信息相结合,解决了复杂背景下目标图像的识别问题.光学实验结果表明,该方法有效增强了复杂背景目标的相关点强度,成功实现了目标的探测,具有良好的应用前景.     

基于ATR校正的红茶成分近红外光谱无损检测

采用偏最小二乘(PLS)算法结合衰减全反射(ATR)校正提取近红外光谱的特征信息,建立红茶含水率、茶多酚、游离氨基酸和酚氨比的预测模型。与原始光谱建模相比,在保证预测精度的前提下,采纳的主成分数更少,降低了预测模型的复杂性。红茶含水率、茶多酚、游离氨基酸和酚氨比预测集相关系数(R_p)和预测均方差(RMSEP)分别为0.994、0.960、0.944、0.922和0.182、0.523、0.184、0.556。通过配对双边t-检验,该方法与标准法测定结果无显著性差异。结果表明,偏最小二乘法结合ATR校正能够有效地简化红茶含水率、茶多酚、游离氨基酸和酚氨比的预测模型,实现红茶品质成分的快速检测,为评估红茶质量优劣提供了新的方法。     

一种照明无关的小波多尺度相乘边缘检测方法

提出了一种照明无关的小波多尺度相乘边缘检测方法,用于从非均匀的弱照明图像中提取边缘。根据照明反射图像形成模板与CCD相机成像原理,推导出图像的对应小波变换公式。然后,对图像局部区域中噪声、边缘与背景像素的小波系数进行比较分析,设计了一种照明无关的小波边缘检测公式。为增强边缘并抑制噪声,提出了一种改善的小波多尺度相乘边缘检测方法,并依照小波变换后边缘像素的特征,提取单像素的边缘。采用仿真和真实的非均匀的弱照明图像对该边缘检测算法进行验证,并与另外两种边缘检测方法进行定性的和定量的比较。实验结果证实了这种边缘检测方法能够从灰度不均匀的低衬比度图像中正确有效地提取边缘。     

奇异点快速检测在牛奶成分近红外光谱测量中的应用

近红外光谱作为一种依靠模型对物化性质进行分析的技术,对光谱数据的准确性进行快速准确的判断是得到可靠分析结果的前提。但是光谱数据中奇异点的存在会在很大程度上影响多变量校正模型的准确性,从而影响模型的预测效果。文章综合利用半数重采样法(Resampling by Half-Mean,RHM)和最小半球体积法(Smallest Half-Volume,SHV)成功剔除了被测量的牛奶成分近红外光谱中的奇异点,其效果远优于传统的奇异点剔除方法,并且该方法具有简单快速、计算量小、数值稳定等特点,非常适用于在线分析和其他类型的光谱数据中奇异点的检测。     

近红外相关光谱的多元散射校正处理研究

近红外相关光谱法可以揭示待测成分光谱吸光度数据与浓度数据之间的全光谱线性相关性,明确待测成分在近红外波段的特征吸收位置,为定标波长的优选提供了依据。但是该相关光谱法极易受到样品颗粒的散射影响而掩盖与待测成分相关的光谱信息。文章首先提出将原始近红外光谱数据进行散射校正处理后再参与相关运算得到散射校正相关光谱的思想,经过实验验证得到的散射校正相关光谱有效地降低了散射的影响,提高了相关光谱的信噪比,更加准确地表征了待测成分吸光度数据与浓度数据之间在近红外全光谱通道的线性相关性。     

一种结合直接正交信号校正与蒙特卡罗的波长选择方法

在近红外光谱数据分析中,全光谱数据具有波长点多、冗余量大、共线性关系严重的特点,导致了部分波长点对建立校正模型没有积极作用,甚至还会降低模型的预测能力.波长选择被证明是有效避免上述问题的重要方法.针对近红外光谱的特性,提出了一种基于直接正交信号校正(DOSC)与蒙特卡罗方法(Monte Carlo,MC)结合的波长选择...     

溶液近红外光谱分析中温度影响的修正

作为一种快速、无损的分析技术,近红外光谱分析在许多领域中被广泛应用,其中液体样品是其应用最为广泛的分析对象之一.由于水等常用溶剂在近红外波段的温度敏感性极高,因而不能忽视温度对溶液的近红外光谱测量带来的影响.文章以朗伯-比尔定律为基础,在理论上推导出了温度变化对溶液透射光谱的影响,并提出利用纯溶剂在不同温度下的吸光度变化量作为温度校正量,对样品光谱进行修正.文章还在不同温度下,对葡萄糖水溶液和白蛋白水溶液进行了光谱测量,建立了30℃下的校正模型,并以纯水的吸光度变化量为温度校正量,将不同温度下的预测样品光谱修正至对应于30℃的光谱.实验结果表明,对光谱进行温度修正后,有效消除了温度对光谱的影响,葡萄糖和白蛋白的浓度预测误差得到了明显的降低.     

近红外光谱技术用于豆浆粉品牌与假冒豆浆粉的鉴别

采用近红外光谱分析技术结合化学计量学方法研究对不同品牌的豆浆粉以及假冒的豆浆粉鉴别的可行性。采集不同品牌豆浆粉以及假冒豆浆粉在12 500～4 000 cm-1范围内光谱,并进行不同的预处理。采用偏最小二乘-判别分析(partial least squares-discriminant analysis, PLS-DA)对不同预处理的光谱进行建模比较,去趋势算法(De-trending)预处理光谱与多元散射校正(multiplicative scatter correction, MSC)结合De-trending(MSC+De-trending)预处理光谱的PLS-DA模型预测集判别正确率最高, 均为100%。采用x-loading weights方法分别基于De-trending和MSC-De-trending预处理光谱选择了6个和7个特征波数,并以特征波数分别建立了线性判别分析(linear discriminant analysis, LDA)和误差反向传播神经网络(back-propagation neural network, BPNN)的判别分析模型。结果表明,以所选出的不同的特征波数建立的BPNN判别分析模型取得了最佳的判别效果,建模集和预测集的判别正确率均为100%。采用近红外光谱分析技术可以准确的判别豆浆粉品牌以及假冒豆浆粉产品。     

近红外光谱技术在高尔夫草坪管理中的应用

近红外光谱技术是近年来在草坪管理中兴起的一种新的分析方法,可以快速、便捷、无损伤地同时检测高尔夫草坪-土壤系统中多种要素。文章对近红外光谱技术应用于高尔夫草坪-土壤营养成分含量和水分含量的检测,确定适宜的施肥时间和施肥量、灌溉时间和灌溉量,草坪外观质量评价以及高尔夫球场中有害生物预测与防治等方面进行了总结,使用该技术可以及时获取草坪草生长及环境状态数据,有效提高高尔夫草坪管理决策管理水平。目前存在的问题是,利用近红外光谱技术建模需要的有关球场的各种基础化学分析数据还有待于积累。此外,怎样及时准确地预测草坪的地下生物量还有待于进一步的研究,当前能够应用于球场中实地检测的光谱仪器还不多,需要开发更多便携式、可在球场实时检测的仪器。     

近红外光谱技术在牛奶及其制品品质检测中的应用

牛奶及其制品作为一类营养全面的理想食品,已成为人们日常生活中不可或缺的一部分。但与此同时人们也越来越关注乳制品的质量和品质,实时、快速、准确地检测牛奶及其制品成分和其他物质含量是提高乳制品质量,进行牛奶及其制品质量控制的首要条件。近红外光谱技术作为一种新型的分析检测技术,由于其快速、准确、无损的特点在乳及其制品产品检测和生产监控中有着巨大的应用潜力和前景。文章介绍了近红外光谱技术的原理、优点以及在牛奶及其制品营养成分含量测定、质量评定、在线检测等方面的研究进展,综合阐述了近红外光谱技术在牛奶及其制品品质检测中的应用现状,并对其前景进行了展望。证明近红外光谱技术可以有效地对乳及其制品的营养成分含量以及掺假物、残留物和防腐剂等进行快速、准确、无损的测定,从而实现对牛奶及其制品质量的检测和评定,以及生产过程的有效控制。随着近红外技术的不断发展,近红外检测技术将更加广泛地应用于牛奶及其制品的品质检测。     

基于小波变换的水果糖度近红外光谱检测研究

利用小波变换滤波技术对90个水果样品的近红外光谱信号进行了去噪处理,并结合滤波后重构光谱信号对水果糖度进行逐步线性回归(SMLR)建立其校正模型,通过34个样品的外部检验对校正模型精度进行评价。研究结果表明: 校正模型的预测精度在小波尺度为3时其预测精度最好,预测集的决定系数由原来的0.84提高到0.85, 预测集相对标准误差由原来的6.1% 降为6.0%。因此,使用小波去噪方法有消除原始光谱噪声作用,从而使最终的SMLR模型更具有代表性和稳健性,也提高了品质检测时模型预测精度。     

应用近红外光谱投影模型法分析烟叶的产区与风格特征

以在2003年—2012年向国内17个主要烤烟产地,五大烟叶生态产区,收集的4 733个烟叶样品的近红外光谱为试验对象, 其中浓香型烟叶光谱1 580条, 清香型2 004条, 中间香型1 149条;应用基于主成分及Fisher准则(PPF)的方法建立烟叶生态产区和风格特征的投影分析模型,以生态产区模型的分析结果阐释了烟叶香型风格划分的合理性,并依据风格特征模型得到的预测样品投影值与模型中各类投影均值之间的欧氏距离,对预测样品给出最近和次近类别及描述风格特征程度的量化分值,结合模型中各类投影值的离散度以及设定阈值,将预测结果细化为典型浓、浓偏中、中偏浓、典型中、中偏清、清偏中、典型清、清透浓、浓透清等9类或超模型范围样品;应用2102在实际复烤生产加工及各烟叶原料基地中收集的不同部位、不同产地的35个烟叶样品验证了分析结果的合理性。该种分析方式,不仅可以实现预测样品的判别分析,并且可得到关于预测样品更细化的风格特征信息,可对烟草工业企业实现原料的跨区组合及叶组配方等提供指导。     

POSC-PLS方法及其在电子吸收光谱定量分析中的应用

针对光谱数据局部效应显著,变量个数多,彼此间常存在严重的复共线性,构建了一种基于分段正交信号校正(piecewise OSC)的偏最小二乘(PLS)回归,即POSC-PLS方法。它以近邻分段方式进行逐个波长点的正交信号校正,剔除光谱矩阵中所含的各种噪声信号,将去噪后的光谱矩阵作为新的自变量矩阵,再利用偏最小二乘方法建立校正模型。将该法应用于多环芳香烃电子吸收光谱的多组分定量关系建模,效果良好。所建模型的预报性能优于其他方法,而且模型所需PLS成分数减少,模型更简洁。     

蜂蜜真伪的近红外光谱鉴别研究

如何有效鉴别蜂蜜真伪是目前我国蜂产品质量控制的难题之一。提出了一种用傅里叶变换近红外光谱结合判别偏最小二乘法(DPLS)快速鉴别蜂蜜真伪的新方法。首先采集了71个商品蜜样品的近红外光谱数据,其中包括27个纯蜂蜜和44个掺假蜂蜜,然后5次随机划分建模集样本和验证集样本,并对建模样本进行不同光谱预处理,选择并优化不同波段范围和主成分数,用DPLS法建立了5组蜂蜜样本的真伪鉴别模型,外部交叉验证法预测模型。通过对结果进行比较分析,5组校正模型中真蜂蜜和掺假蜂蜜的总体识别准确率分别为91.49%,94.68%,92.98%,93.86%,94.87%;预测样本的识别准确率为86.96%～93.75%,其中模型2,3,4中掺假蜜的识别准确率达100%。研究结果表明,该方法可作为鉴别商品蜜真伪的一种快速筛选技术,在我国蜂蜜质量监控中具有重要意义。