基于近红外光谱和SIMCA算法的烟叶部位相似性分析

烟叶的外观特征能反映其内在品质,不同部位、品种、成熟度的烟叶在外观上表现出来的特征为烟叶生产加工提供了标准和依据.烟叶根据其在植株上着生位置不同可分为5个部位,分别为:顶叶、上二棚叶、腰叶、下二棚叶和脚叶.文章以2008年云南玉溪地区K326品种的5个部位各100份烟叶样品为实验材料,采集了500个近红外光谱数据,应用基于SIMCA算法的相似性分析数学模型,对不同部位烟叶的近红外光谱进行了相似性分析.实验结果表明,基于近红外光谱的烟叶部位相似性分析结果与实际烟叶部位之间的相似性程度是相符的,部位之间相距越大其相似性越差,同时相邻部位之间的相似程度是不同的.该研究对基于SIMCA算法的主成分数确定进行了讨论,并实现了类别间相似性的量化分析,对于烟叶复烤配方的替代、调整以及进行工业分级的评价等具有指导意义.     

应用近红外光谱投影模型法分析烟叶的部位特征

以自2003年至2012年在国内外主要烤烟产地收集的5 170个烟叶样品的近红外光谱为试验对象, 其中典型上部烟叶光谱1 394 条, 中部2 550条, 下部1 226条;应用基于主成分及Fisher准则(PPF)的方法建立投影分析模型,遵循相邻主成分数下得到的投影结果没有显著性差异和主成分个数尽量少的原则,推荐主成分数为4下建立投影分析模型,模型结果表明：上、下部烟叶的近红外光谱特征具有显著差别,基本实现完全区分;而中部烟叶分别与上部和下部具有一定程度重叠,这与部位本身具有连续性特征的实际情况相符合。同时,依据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部位特征程度的量化分值,并结合模型中各类投影值的离散度以及设定的阈值,将预测结果细化为典型上、上偏中、中偏上、典型中、中偏下、下偏中、典型下等7类或超模型范围样品;应用2012年在实际复烤生产加工中取得的不同部位、不同产地的34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,而且可得到关于预测样品更丰富的属性特征信息,可对烟草工业企业实现原料的均值化加工和烟叶配方等提供指导。     

基于近红外光谱的烟叶纵向分切方法

为了研究初烤烟叶纵向分切方法,分别对玉溪K326和昆明红大两个品种3个典型等级初烤烟叶进行纵向等面积分切,并测定不同分切部位的近红外漫反射光谱,利用主成分分析法以及系统聚类法研究初烤烟叶各分切部位的差异性。结果表明:(1)主成分分析对初烤烟叶不同纵切部位的样本有一定的聚类作用,但是需要肉眼判断,带有一定的主观性;(2)系统聚类分析结果表明,昆明红大3个等级样品均是近叶基端(12A部分)为第一类,其余部分为第二类;玉溪K326不同等级分类方法有所不同,但均是近叶基端为一类。(3)本研究认为,不论对于玉溪K326还是昆明红大初烤烟叶品种,均可以切除约占烟叶面积9%—25%(约占烟叶长度15%—30%)的近叶基端部分进行单独切断打叶复烤。研究结果为两段式打叶复烤新技术提供了新的分切方法与理论支持。     

应用近红外光谱分析不同生态环境的烟叶特性

以2010年云南、河南、福建、广东、江西等省份11个不同生态环境地点,三个部位烟叶共495份样品为试验对象,应用近红外光谱分析不同生态环境烟叶的品质特性,结果表明:相同生态环境下,上部与中部烟叶的品质特性差异较小,而上部与下部、中部与下部烟叶的品质特性差异较为明显;不同生态环境下烟叶的品质特性间的相似性关系具有较好的一致性,其分析集与验证集特征投影值的相关系数达0.98以上。同时提出了一种相似度计算方法来表征不同生态环境下烟叶品质特性之间的相似关系,其结果可为烟叶的种植规划、质量管理以及烟叶配方等提供量化的参考数据。     

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。     

应用近红外光谱分析云南主要烟叶生产基地之间的烟叶特性

以2010年红塔集团在云南4个烟叶生产基地内收集的中部上等烟叶样品为试验对象,其中玉溪、楚雄、昭通的烤烟品种为K326,大理的烤烟品种为红大,共计烟叶近红外光谱1 276条;应用光谱特征投影及相关分析等方法对不同烤烟生产基地之间烟叶近红外光谱的分析结果表明：将样品随机按2：1划分为分析集与验证集后,其分析集与验证集的一维、二维投影均值的相关系数都达到0.99以上,具有较好的一致性;同时,应用一种相似度计算方法得到了不同基地的烟叶样品光谱之间的相似度值,该相似度值可为烟叶的种植规划、质量管理以及烟草工业企业的原料收购和烟叶配方等提供参考。     

应用可见-近红外高光谱分析烟叶的颜色和部位特征（英文）

颜色和部位是烟叶分级的重要组成部分,是影响烟叶质量的关键因素。以红塔集团提供的6类工业分级烟叶标样作为试验样品,其中包括上(B)、中(C)、下(X)三个部位,每个部位包含桔黄(O)、柠檬黄(L)两个色组。采用基于主成分及Fisher准则(PPF)的方法和支持向量机(SVM)方法分析烟叶可见-近红外高光谱的颜色和部位特征,结果表明,采用PPF投影模型法分别对烟叶颜色、部位以及颜色和部位分组进行投影和相似性分析,两种颜色能完全区分,其相似度值为-1.00 08;上部烟叶和下部烟叶能完全区分,与中部烟叶有部分交集,其中上部烟叶和下部烟叶的相似性值为-0.405 3;6类分组烟叶样品能完全区分,且投影位置关系符合实际的烟叶外观特点。采用SVM方法分别对烟叶颜色、部位以及颜色和部位分组进行判别分析,烟叶颜色的平均识别正确率达到98%,部位的平均识别正确率为96%,颜色和部位分组的平均识别正确率为94%,判别效果良好。因此,应用可见-近红外高光谱分析烟叶的颜色和部位特征具有可行性,为烟叶质量评价、计算机辅助分级以及烟叶智能收购等方面提供参考,同时也为其他农产品外观特性的分析提供了一种新方法。     

基于卷积神经网络的烟叶近红外光谱分类建模方法研究

卷积神经网络(CNN)在图像分类识别领域应用广泛,但其在近红外光谱分类中的研究还未见报道,对基于CNN的近红外光谱分类建模方法进行了研究。针对近红外光谱数据的特点,提出了一种改进的卷积神经网络建模方法,对CNN经典模型LeNet-5所做改进：①将方形矩阵卷积核改为适用于一维近红外光谱的向量卷积核;②简化网络结构,将LeNet-5结构中C5,F6及输出层改为单层感知机。同时,采用隔点采样的方法对近红外光谱降维,加快收敛速度;并对卷积核尺寸对建模结果的影响进行了研究。以我国东北、黄淮、西南三大烤烟产区的600个中部烟叶样本的近红外光谱为实验对象,建立烟叶产区分类NIR-CNN模型。该模型对训练集和测试集的判别准确率为98.2%和95%。实验结果表明,应用卷积神经网络可对近红外光谱数据准确、可靠地判别分类;烟叶产区NIR-CNN建模方法可为卷烟企业烟叶原料科学合理利用提供指导,为维护卷烟产品的质量稳定有重要意义;基于卷积神经网络的近红外光谱判别方法也可推广到其他农产品的分类应用中。     

应用近红外光谱分析不同年度工业分级烟叶的特性

以红塔集团2007年—2010年在云南省玉溪烤烟产区内采集的主要工业分级烟叶样品为试验对象,其品种为红大,包括不同部位及色组的主要工业分级,共计近红外光谱5 730条;应用光谱特征投影及相关分析方法对不同年度的主要分级烟叶近红外光谱的分析结果表明：相同年度下,将各类型工业分级样品随机按2∶1划分为分析集与验证集后,其分析集与验证集特征投影均值的相关系数达0.98以上,具有较好的一致性;不同年度间,其工业分级样品光谱特征投影均值的相关系数在0.97以上,其中年度一致性最高的是2008年和2009年,较低的是2007年和2010年。同时,应用一种相似度计算方法得到了各工业分级样品光谱之间的相似度值,该相似度值以及不同年度之间的一致性系数,可为烟叶的模块配方组合或替代等提供量化的参考数据。     

声光可调近红外光谱技术快速检测再造烟叶的厚度

厚度是衡量再造烟叶品质及稳定性的一项重要指标,目前再造烟叶厚度测定方法存在读数不稳定、测量准确性受样品特性影响,不利于检测和控制.本文应用声光可调滤光器近红外光谱仪建立再造烟叶厚度检测方法模型,能准确预测再造烟叶厚度指标,具有准确性好,精密度高的特点,符合再造烟叶厚度检测的需要.     

流形学习方法及近红外透射光谱的新疆冰糖心红富士水心鉴别

苹果水心病在众多苹果主产区都有发生,现阶段没有合适的方法实现快速鉴别和分类。为了探索苹果水心鉴别新方法,采用近红外透射光谱与化学计量学方法结合非线性流形学习数据降维技术,逐个采集好果与疑似水心病果样本590~1 250 nm的近红外透射光谱,将经光谱校正后的原始光谱做多元散射校正（multivariate scattering correction,MSC）、标准正态变量变换（standard normal variate transformation,SNVT）、二阶求导（2nd derivative）、一阶求导（1st derivative）、归一化（normalization）、卷积平滑法（savitzky-golay smoothing,SG）、均值中心化（mean centering,MC）、移动平均平滑（moving average,MA）、直接差分二阶求导（direct differential second derivative,DDSD）以及直接差分一阶求导（direct differential first derivative,DDFD）等10余种光谱预处理;先对预处理后的光谱数据建立全波长模式识别模型从而找出多元散射校正是最优预处理方法,而后再分别用多维尺度分析（multidimensional scaling,MDS）、分布邻域嵌入（stochastic neighbor embedding,SNE）、对称分布邻域嵌入（symmetric stochastic neighbor embedding,SymSNE）、t分布邻域嵌入（t-distributed stochastic neighbor embedding,t-SNE）、拉普拉斯映射（laplacian eigenmaps,LE）、等距特征映射（isomap）、地标等距映射（landmark isomap）、局部线性嵌入（locally linear embedding,LLE）、扩散映射（diffusion maps,DM）等多种流形学习方法对经多元散射校正预处理后的光谱数据做降维处理,并结合马氏距离判别（mahalanobis distance discrimination,MD）、二次判别分析（quadratic discriminant analysis,QDA）、贝叶斯判别（Bayesian discrimination,BD）、K最近邻法（K nearest neighbor,KNN）识别其水心存在与否。结果表明,提取前12主成分,采用多元散射校正-地标等距映射-K最近邻法（MSC-landmark isomap-KNN）模型识别效果最优,校正集和预测集识别率分别为97.5%和96.3%。故,流形学习方法结合近红外透射光谱可成功、高效地实现苹果水心鉴别,为进一步研发水心鉴别设备提供新的理论指导。     

一种基于模糊C均值聚类和边缘提取算法的红外偏振图像的模式识别方法

为了解决红外偏振图像不能很好地对目标物进行分类的问题,通过分析红外偏振图像在各个偏振角度下的冗余性和互补性,基于模糊C均值聚类算法和边缘提取算法,提出了一种适合红外偏振图像的模式识别方法.该方法分别使用模糊C均值聚类算法和边缘提取算法对图像进行处理,然后采用加权法对图像进行融合得到最后的的结果.计算并比较了本文的识别方法和直接使用模糊C均值聚类算法获得图像的总准确度、生产准确度和用户准确度.结果表明:本文的模式识别法不仅可以达到识别人造目标的目的,而且能够对人造目标进行清楚的分类,实现了计算机和观察者对图像中物体的识别分类.     

近红外光谱漫反射和漫透射测量方法在玉米品种真实性鉴定中的应用研究

研究了适合进行玉米群体样品品种真实性鉴定的光谱测量方法。分别用近红外光谱仪的全波漫反射和短波漫透射测量方法采集8个玉米品种的光谱数据,对预处理后的数据做偏最小二乘分析(PLS-DA),建立8个玉米品种的仿生模式识别模型。分别统计用两种方法所测数据建立的品种识别模型对本类样品的平均正确识别率和对异类样品的平均正确拒识率,漫反射方法达到94.5%和96.71%,漫透射方法达到98.50%和98.00%,均满足玉米品种初筛所要求的精度,其中短波漫透射方法建立的模型对测试样本的平均正确识别率和拒识率分别比全波漫反射方法高出4%和1.3%。     

基于近红外光谱和仿生模式识别玉米品种快速鉴别方法

文章提出了一种采用近红外光谱快速鉴别玉米品种的新方法,并对不同品种的玉米种子建立了相应的鉴别模型。对7个玉米品种共140个样本,通过近红外光谱仪扫描获得4 000～12 000 cm-1波段范围内的光谱数据。为了消除噪声、提高数据处理效率,对原始数据进行了归一化预处理,采用固定尺寸移动窗口渐进因子法(fix-sized moving window evolving factor analysis)寻找特征波段,使用主成分分析(PCA)方法得到能反映玉米种子99.96%光谱信息的5个主成分,进而利用仿生模式识别(biomimetic pattern recognition)方法建立玉米品种的鉴别模型。对于每个品种中的20个样本,随机挑选10个样本作为训练样本,其余10个样本作为第一测试集,其他品种共120个样本作为第二测试集。在对第二测试集平均正确拒识率达到99.1%的情况下,对第一测试集中的样本取得了94.3%的平均正确识别率。该方法具有较高的鉴别准确度,可以作为一种快速无损的玉米品种鉴别方法。     

基于SVM的混合气体分布模式红外光谱在线识别方法

针对混合气体组分浓度分析中海量训练样本的获取、分析精度及实时在线分析等问题,将支持向量机这一新的信息处理方法和红外光谱分析法结合,提出了混合气体分布模式的概念。在此基础上,采用先进行混合气体分布模式识别,然后再进行混合气体分析的思路,在大量调查的基础上,研究探索了实际应用中可能出现的混合气体分布模式,确定60种混合气体分布模式,共计6 000个混合气体红外光谱数据样本用于模型的训练与检验。采用SMO算法实现了减量和增量的在线学习,最终建立了基于SVM的混合气体分布模式红外光谱在线识别模型。模型由模式识别和结果输出2层组成,模式识别层完成混合气体模式分布模式识别任务;结果输出层由60个SVM校正模型组成,完成具体的浓度分析任务。实验结果表明,该方法对混合气体分布模式的正确识别率不低于98.8%,可在小样本条件下对混合气体的分布模式进行在线识别,可在线实时加入新的混合气体分布模式,具有实际应用价值。     

基于仿生模式识别和近红外光谱的转基因小麦快速鉴别方法

提出了一种采用近红外光谱快速鉴别转基因小麦种子的方法,对不同品种的9个转基因小麦样品种子分别建立了鉴别模型。对9个小麦样品共225个样本,通过近红外光谱仪扫描获得从4 000～12 000 cm-1波段范围的光谱数据。为了消除噪声,对原始数据先进行了归一化预处理;然后使用主成分分析(PCA)方法得到能反映小麦种子97.28%光谱信息的前10个主成分,提高了数据处理效率;最后利用仿生模式识别(biomimetic pattern recognition, BPR)方法建立小麦品种的鉴别模型。对于每个样品中的25个样本,随机挑选15个样本作为训练样本,其余10个样本作为第一测试集,其他品种共200个样本作为第二测试集。在对第二测试集平均正确拒识率达到96.7%的情况下,对第一测试集中的样本取得了95.6%的平均正确识别率。实验结果表明,该方法具有较高的鉴别准确度,可以作为一种快速无损的转基因小麦种子鉴别方法。     

近红外光谱技术在水果产业中的最新应用

综述了近红外光谱技术在水果产业中的最新应用,系统阐述了NIR在果树栽培调控、果实品质检测、果实贮藏三方面的最新研究进展,并对其发展前景提出了展望。     

基于近红外光谱的高精度测温系统

目前红外测温方法难以消除复杂环境下外来辐射的干扰,导致测温精度低,设计了一种高精度的红外测温系统。该系统提出了由宽带滤光片和三级干涉滤光器结合的滤光方法,根据该方法对高温物体发出的近红外光谱进行滤光,将高温背景光和环境干扰光滤掉,得到两个单色光谱,经红外探测器接收获得其辐射功率比,通过计算得出物体温度。该系统透过的单色光谱带宽仅有1nm,将透射光谱以外的背景光辐射和环境光源辐射抑制达8个数量级,降低了因被测对象周围环境升温引起的测温误差,提高测温系统的精度。最后通过实验验证了该测温系统的可行性,精度达0.2%。     

鉴别玉米杂交种纯度的近红外光谱分析技术研究

以不同产地和年份的农华101(NH101)玉米杂交种和母本种子为对象,研究了鉴别玉米杂交种子纯度的近红外光谱分析方法。 光谱采集时间跨度达10个月,运用傅里叶变换(FT)近红外光谱仪器,在不同季节用23天(分五个时间段)采集了这些样品共920条玉米单子粒近红外漫反射光谱。 全部原始光谱用移动窗口平均、 一阶差分导数和矢量归一化进行预处理,使用主成分分析(PCA)方法和线性判别分析(LDA)方法降维,采用仿生模式识别(BPR)方法建立模型。 通过对光谱预处理校正光谱失真,使样品光谱集在特征空间分布的范围收缩,相对距离增大了近70倍,实现了母本和杂交种子的鉴别。 通过代表性样品的选择,提高了模型对光谱采集时间、 地点、 环境等条件变动的应变能力,也提高了模型对样品种子制种时间与地点变动的应变能力,增强了模型的稳健性,使测试集玉米单子粒杂交种和母本种子的平均正确识别率达到95%以上,而平均正确拒识率也达到85%以上。