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。     

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。     

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.     

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。     

基于近红外光谱的商品玉米品种快速鉴别方法

现有的玉米种子品种鉴别方法检测时间长,费用高,不易大批量快速鉴别。提出了一种基于近红外光谱数据快速鉴别商品玉米品种的新方法。先使用傅里叶变换近红外光谱仪获得从4 000到12 000 cm-1波段范围的37个商品玉米品种籽粒的漫反射光谱数据。对原始光谱进行矢量归一化预处理以消除噪声干扰,为了找到玉米品种籽粒的光谱特征波段,提出一种基于标准差的方法,进而对寻找到的玉米籽粒特征波段光谱做主成分分析(PCA),取能反映玉米品种 99.98％ 光谱信息的前10个主成分。最后使用仿生模式识别 (BPR)方法建立了37个玉米品种鉴别模型,对于每个品种的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900个样本作为第二测试集。该鉴别模型对于37个玉米品种的平均正确识别率为94.3%。该方法的进一步研究有利于建立以近红外光谱为基础的物理指纹品种鉴别技术。     

基于小波变换的木材近红外光谱去噪研究

木材近红外光谱常常被一系列噪声所污染,影响光谱分析结果。为了提高近红外光谱分析精度,需要对光谱数据进行预处理。光谱导数可以消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率,但导数光谱在增强信号的同时,也使信号噪声得到增强。应用小波变换对杉木木材近红外一阶导数光谱进行去噪研究,分别采用9点平滑法、25点平滑法、非线性小波硬阈值和软阈值法、9点平滑+小波变换法和25点平滑+小波变换法对光谱数据进行去噪研究。结果显示, 小波变换能够有效去除导数光谱中的噪声信号,保留光谱中的有效信息,提高光谱信噪比,提高光谱的分析能力,在木材近红外光谱分析中具有很好的应用前景。     

温度对叶片近红外光谱的影响

近红外光谱分析技术是发展最快的定性和定量分析技术之一,在各个领域得到了广泛应用。但近红外谱区自身信息的特点决定了其吸收强度弱、信噪比低、谱峰严重重叠等缺点,这使得近红外光谱易受样品来源、样品种类、样品状态、装样条件和样品温度等的影响,造成光谱的不确定性。文章以温度对叶片近红外光谱的影响为研究内容,详细考察了不同温度下样品的叶绿素的校正和预测模型。结果发现温度对模型精度有一定的影响,样品的温度在10和20℃下模型的精度较高,10℃下模型精度效果最好,但是所用的主成分也较多。当实验温度达到25℃时,模型的校正和预测精度都相对较差。利用判别分析对各个温度下的光谱进行分类。发现20℃下采集的光谱没有分到其他温度区外,其他的都有不同程度的跨区,这说明除20℃外,其他温度下测得的光谱差异不明显。试验对叶片近红外检测的条件和应用做了初步的探索性工作,为今后提出温度修正模型提供理论基础。     

近红外光谱的小波特性研究

通过对在柴油近红外光谱中加入模拟噪声和模拟背景构成的模拟光谱进行小波分析,考察了模拟噪声和模拟背景(线性、二阶和三阶非线性漂移)在小波时-频区域的分布。结果表明,近红外光谱的背景主要分布在低频部分,尤其是逼近部分;噪声主要分布在高频细节部分;反映柴油性质变化的信号主要分布在中间频率细节部分。利用小波变换可同时有效地扣除背景和噪声;选取中间频率细节的小波系数作为多元校正变量进行柴油性质分析,有利于提高分析精度和分析速度。     

基于近红外光谱的橄榄油品质鉴别方法研究

目前市面上销售的橄榄油主要分为特级初榨橄榄油和普通初榨橄榄油两类,为了鉴别两种不同品质的橄榄油,提出了一种应用siPLS-IRIV-PCA算法的橄榄油品质鉴别的新方法。基于橄榄油的近红外光谱数据,应用联合区间偏最小二乘法(siPLS)对橄榄油的近红外光谱进行了波长区间优选,使用交叉验证均方根误差(RMSECV)评估模型的性能并选择最优波长区间,通过迭代保留信息变量(IRIV)算法从最优波长区间中选择特征波长,根据选择的特征波长构建主成分分析(PCA)模型。对90组特级初榨橄榄油和90组普通橄榄油样本进行了判别鉴定。PCA将1 427个波长变量作为输入变量,前两个主成分贡献率为51.891 8%和26.473 2%;siPLS-PCA将408个波长变量作为输入变量,前两个主成分贡献率为56.039 1%和36.235 5%;siPLS-IRIV-PCA将6个波长变量作为输入变量,前两个主成分贡献率为66.347 6%和32.304 3%。结果表明,与PCA和siPLS-PCA鉴别方法相比,siPLS-IRIV-PCA具有最佳的鉴别性能。     

近红外光谱分析中应考虑的几个问题

近年来红外光谱分析技术得到了迅速的发展,原因在于它能够有效地提供关于样品的定性和定量信息。但是,在进行近红外光谱分析时,应考虑样品的特征、分析实验的设计及数据处理等多方面的问题,以取得更 可靠的分析结果。     

一种基于SCARS策略的近红外特征波长选择方法及其应用

针对近红外光谱数据的内在特点,提出了一种基于稳定性竞争自适应重加权采样(stability competitive adaptive reweighted sampling, SCARS)策略的近红外特征波长优选方法。该方法以PLS模型回归系数的稳定性作为变量选择的依据,其过程包含多次循环迭代,每次循环均首先计算相应变量的稳定性,而后通过强制变量筛选以及自适应重加权采样技术(ARS)进行变量筛选;最后对每次循环后所得变量子集建立PLS模型并计算交互验证均方根误差(RMSECV),将RMSECV值最小的集合作为最优变量子集。利用饲料蛋白固态发酵过程近红外光谱数据集对所提方法进行了验证,并与基于PLS的蒙特卡罗无信息变量消除法(MC-UVE)和竞争自适应重加权采样(CARS)方法所得结果进行了比较。试验结果显示： 建立在SCARS方法优选的21个特征波长变量基础上的PLS模型预测效果更好,其预测均方根误差(RMSEP)和相关系数(R_p)分别为0.054 3和0.990 8;该优选策略能有效地增强固态发酵光谱数据特征波长变量选择的准确性和稳定性,提高了模型的预测精度,具有一定的应用价值。     

液态样本近红外光谱测量中的光程变化误差消减方法研究

以蔗糖溶液为研究对象,利用近红外光谱分别测量4,5和6 mm光程下不同浓度蔗糖溶液的透反射光谱,研究采用矢量归一化、基线偏移校正、多元散射校正、标准正态变量变换、一阶导数5种预处理方法消除光程差异的影响,并结合PLS方法建立校正集模型。与原始光谱的PLS模型相比,五种预处理方法均对模型的预测精度有不同程度的提高,其中,多元散射校正结合PLS方法建立的模型最优,使原始光谱的主成分数PC由6下降为3,决定系数R2由0.891 278提高到0.987 535,交互验证决定系数R2_CV由0.888 374提高到0.983 343,校正标准偏差RMSEC由1.704%下降到0.89%,交互验证的校正标准偏差RMSECV由1.827%下降到1.05%,预测集样本的相关系数由0.950 89上升到0.976 22,预测标准偏差由0.014 36下降为0.01。结果表明,五种预处理方法中,多元散射校正法能够消除光程差异的干扰,提高模型的预测精度,改善稳定性。