近红外光谱方法预测生物柴油主要成分

采用近红外光谱快速测定法对生物柴油的成分(脂肪酸甲酯、单甘酯、二甘酯、三甘酯和甘油)进行了研究.采用气相色谱方法获得其成分的基础数据,通过偏最小二乘方法与近红外光谱数据进行回归运算,分别建立以文冠果油生物柴油为例的单原料油校正模型及多种原料油生物柴油的混合校正模型,并以花椒油生物柴油为例考察了校正模型的适用性.结果表明: 通过偏最小二乘方法可以建立适合多种原料油生物柴油的通用校正模型.对于新型生物柴油,向校正集中添加10个以上样本,扩充校正模型后,便可较为准确地测定这类新生物柴油样本的成分含量.此方法分析速度快、成本低、操作便捷、重复性好,适合于生物柴油生产过程的中间控制分析.     

人工神经网络用于近红外光谱测定柴油闪点

采用主成分－人工神经网络对不同留程柴油的近红外光谱进行校正,预测其闪点。采用监控集控制网络训练过程,以避免过训练。探讨了人工神经网络（ＡＮＮ）、直接线性连接人工神经网络（ＬＡＮＮ）的校正效果,并与局部权重回归（ＬＷＲ）、主成分回归（ＰＣＲ）及偏最小二乘（ＰＬＳ）等校正方法进行了比较,认为人工神经及直接线性关联的较好手段。     

基于PLSR的近红外光谱沼液主要营养成分实时在线检测方法研究

按需施用沼肥,可提升我国粮食产能,筑牢大国粮仓。鉴于国内外利用近红外模型对沼液中氮、磷、钾含量快速检测的研究未见报道,本文对183个沼液样本用偏最小二乘回归(PLSR)法建立快速预测模型。结果显示,模型对沼液中的总氮、总钾和氨氮含量,校正决定系数(R_C²)分别为0.9238、0.9339和0.9191,预测决定系数(R_P²)分别为0.9255、0.9184和0.9160,均大于0.9。校正集残留预测偏差RPD_C分别为3.8044、4.0034和3.6724,预测集残留预测偏差RPD_P分别为3.7035、3.5403和3.4876,均大于3。这说明模型定标效果好、稳定性好、预测精度高,能够用于实际检测;总磷含量的R_C²为0.9047,大于0.9,R_P²为0.8083,RPD_C为3.2538,大于3,RPD_P为2.3100。模型可...     

基于可见/近红外透射光谱的番茄红素含量无损检测方法研究

针对番茄内外部结构特征,搭建了可见/近红外透射检测系统,利用完整番茄透射光谱信息,对番茄红素含量进行无损伤快速检测研究。采集的原始光谱曲线经去趋势(DT)、标准正态变量变换(SNV)、多元散射校正(MSC)、归一化(NOR)、一阶导数(FD)预处理后分别用偏最小二乘(PLS)进行建模分析。其中SNV预处理后的模型效果最好,校正集和验证集相关系数分别为0.9771和0.9504,校正集和验证集均方根误差为0.9711和1.0496 mg/kg。为进一步提高模型的精度和稳定性,采用无信息变量消除法(UVE)、连续投影算法(SPA)、竞争性自适应重加权算法(CARS)3种方法单独或联合处理(UVE-SPA,UVE-CARS),对全光谱进行变量优选。经UVE-CARS处理后番茄红素预测模型效果最好,其校正集和验证集相关系数分别提高至0.9830和0.9741,均方根误差分别降低至0.6919和0.7680 mg/kg。最后,选用25个番茄样品对所建立模型进行了外部验证,UVE-CARS-PLS模型的预测集相关系数为0.9812,预测集均方根误差为0.7071 mg/kg,平均相对误差为4.3%。而作为比较的PLS模型的预测集相关系数为0.951,均方根误差为1.0610 mg/kg,平均相对误差6.0%,相比于全光谱PLS模型,UVE-CARS可以很大程度地简化模型,提高模型精度,降低检测的误差限。结果表明,基于自行搭建的番茄可见/近红外透射检测系统结合光谱处理方法,可以实现对生鲜番茄中番茄红素含量的快速、无损检测,为番茄红素定量检测提供了新方法。     

基于近红外光谱的果蔬脆片品质评价方法研究

本文选取苹果脆片为研究对象,结合最新果蔬脆片研究成果和支持向量机机器学习方法,以苹果脆片近红外光谱吸收值数据样本为基础,根据不同苹果样本、不同时序的红外光谱吸收值数据特征信息,产生不同的映射关系,将红外光谱吸收值映射到对应样本在对应时刻的各项品质指标(如水分含量),然后利用支持向量机(Support Vector Machine,SVM)方法对近红外光谱吸收值的数据样本进行训练,通过调整模型参数来体现不同苹果个体间的生理差异,以取得更接近于实际情况的品质指标预测效果。模拟仿真实验表明该模型的平均相关系数(R~2)达到93.81%,均方误差(MSE)为0.0057。该研究可为果蔬脆片的评价体系提供新的参考方法。     

柑橘黄龙病检测的近红外光谱集成建模方法

针对黄龙病检测问题,提出了一种集成了多特征提取模型和多分类器的柑橘黄龙病检测算法。将谱回归核判别分析和主成分分析并行融合进行特征提取,将偏最小二乘判别分析、决策树和支持向量机利用Stacking策略融合完成分类任务。基于3个主要柑橘品种共1 620条近红外光谱数据,与单特征提取单分类器方法和多特征提取单分类器方法进行对比,集成分类模型的正确率可达98.52%,精度在98.57%以上,F2得分可达98.01%。实验结果表明,集成分类模型明显优于单特征提取单分类模型和多特征提取单分类模型,证明利用集成分类模型进行柑橘黄龙病的无损检测是可行的,为其他领域的光谱分类提供参考。     

基于灰狼算法的近红外光谱变量选择方法研究

基于群体智能的灰狼优化(GWO)算法具有参数少、结构简单、易于实现的优点,但在光谱领域的应用较少。该研究将GWO算法引入近红外光谱的变量筛选中,以玉米数据为例,考察了GWO算法中狼群性能、迭代次数、狼群数量及运算效率,并建立了偏最小二乘(PLS)模型对玉米样品中蛋白质、脂肪、水分以及淀粉含量的测定。结果显示,GWO算法运算效率很高,经过参数调优后建立PLS模型,其蛋白质、脂肪、水分及淀粉的保留变量数分别为19、19、14、34,预测均方根误差(RMSEP)从全波长PLS建模的0.245 8、0.122 4、0.339 8、1.105 8分别下降到0.147 7、0.080 1、0.176 2、0.739 8,分别下降了40%、35%、48%、33%,相关系数也相应地提高。因此,GWO算法不仅优化速度快,选择变量数少,还可以显著提高PLS模型的预测精度,是一种近红外光谱变量选择的有效方法。     

基于近红外光谱的人工神经网络研究STR基因座分型方法

以D16S539基因座的3种(9-9、9-11、11-11)基因型为例,设计引物扩增包含该多态性位点的1段DNA片段,获得了3种基因型建模样本各50个.基于近红外光谱(NIRS)结合误差反向传播人工神经网络(BPANN)建立了测定短串联重复序列(STR)基因型的判别模型,所建立的判别模型的校正均方根残差和预测集均方根误差分别为0.082 5、0.072 5,预测准确率均为100%.该方法不需任何前处理,只需一步PCR扩增和NIRS检测即可实现STR基因型判别,具有简单、快速、低成本等优点.     

基于近红外光谱的烟气成分定量分析方法

<正>公开号:CN103884670A公开日:2014.06.25申请人:西安交通大学摘要一种基于近红外光谱的烟气成分定量分析方法,采集火力发电厂烟气信号构成现场历史数据库,数据库包括火电厂烟气在近红外光的各个波长的吸收率和各成分浓度,采用异常点检测将异常样本从数据库中剔除,得到新数据库,利用猫群聚类方法将新数据库进行聚类划分,建立烟气成分定量分析的预测模型并对模型参数进行训练,最终通过所得到     

白酒基酒中酮类物质的近红外光谱检测方法

应用近红外光谱技术建立了白酒基酒中2,3-丁二酮和3-羟基-2-丁酮的快速检测模型。从洛阳杜康酒厂选取182个白酒基酒样品为材料,运用气相色谱法测得两种物质的化学值,同时采集其在12 000～4 000 cm^-1范围内的光谱数据,采用偏最小二乘法(PLS)结合内部交叉验证建立校正模型。通过对比不同光谱预处理下PLS模型效果对其进行优化,确定2,3-丁二酮和3-羟基-2-丁酮的最佳预处理方法分别为一阶导数+多元散射校正和二阶导数,最佳光谱区间分别为9 403.2～7 497.9 cm^-1和9 403.2～7 497.9 cm^-1+6 101.7～5 449.8 cm^-1。优化后2,3-丁二酮和3-羟基-2-丁酮校正集样品的化学值和近红外预测值的决定系数(R²)分别为0.960 2和0.963 2,交叉验证均方根误差(RMSECV)分别为0.39、0.22mg/100 mL;通过外部检验,验证集样品的R²分别为0.957 6和0.957 8,预测均方根误差(R...     

近红外光谱分析模型传递简易方法研究

本文在不同时间安装的多台同型号近红外光谱仪上建立推进剂校正模型时,由于推进剂样品数量少且难于保存,新到仪器在建模时常遇到代表性样品数量严重不足.为此,提出将2台波长一致性好的近红外光谱仪器上采集的光谱组成一个混合校正样品光谱集,使用偏最小二乘法(PLS)建立模型的方法.结果表明,在用户缺少专业模型传递软件情况下,该方法...     

CCD近红外光谱快速测定柴油中的芳烃含量

研究了采用电感耦合器件（ＣＣＤ）近工外光谱仪在短波近红外区域（７００－１１００ｎｍ）、利用偏最小二乘回归（ＰＬＳ）测定柴油中芳烃含量的方法。考虑样品颜色对短波近红外光谱的影响,对波长范围的选择和基线处理方式进行了研究。考察了样品进入光路的时间对测定结果的影响。将ＣＣＤＮＩＲ对未知样品的预测结果与傅里叶变换近红外光谱（ＦＴ－ＮＩＲ）在长波近红外范围（１０００－２０００ｎｍ）的预测结果及液相色谱的测定     

基于贝叶斯决策的近红外光谱药片分类方法

针对药片近红外光谱法分类过程中校正集样本数量过少且各类样本数量不均导致分类误差问题,提出了基于贝叶斯决策的分类方法。本方法对校正集样本在各类中的先验概率密度和各类药片光谱的类条件概率密度进行了估计,利用贝叶斯全概率公式计算了待分类光谱分属于各类的后验概率,根据后验概率大小对药片分类。实验随机选取4类数量不等的西酞普兰药片70片,建立贝叶斯决策分类模型,对20片验证集药片进行分类,各类的分类灵敏度和特异度均达到了100%,对比判别最小二乘法的分类结果,验证了贝叶斯决策分类法能将样本及其近红外光谱的分布信息参与分类决策,提高了分类的准确性和适应性。     

基于近红外光谱技术的电子烟油烟碱含量快速检测研究

烟碱是电子烟烟油中的主要成分,其含量决定了电子烟油的风味口感及产品的安全性。为了提高电子烟油烟碱含量的测量效率,该文采用近红外光谱技术和极限学习机回归(ELMR)建立了电子烟油烟碱含量的定量预测模型。实验结果表明：相比于传统的主成分回归(PCR)和偏最小二乘回归(PLSR)模型,所建立的ELMR预测模型的决定系数R2为0.926 2,远高于PCR预测模型的0.859 0和PLSR预测模型的0.860 4;同时,使用ELMR模型的预测均方根误差(RMSEP)为0.026 8,小于PCR预测模型的0.043 1和PLSR预测模型的0.040 9。以上结果说明该文所建立的近红外光谱定量模型能够应用于烟碱含量的快速准确测量,为实现电子烟油烟碱含量的实时在线监测和其它质量参数的快速测量奠定了良好的基础。     

基于小波系数的近红外光谱局部建模方法与应用研究

局部建模方法使用与预测样本相似的样本建立模型,可解决光谱响应与浓度之间的非线性问题,扩大模型的适用范围,提高预测准确度。采用小波变换进行数据压缩并利用小波系数之间的欧氏距离作为光谱相似性的判据,实现了近红外光谱定量分析的局部建模方法,避免了样本之间的依赖性。将所建立的方法用于烟草样品中氯含量的测定,100次重复计算得到的预测集均方根误差(RMSEP)平均值为0.0665,标准偏差(σ)为0.0045,优于全局建模和基于主成分的局部建模方法。     

磁场作用下葡萄糖近红外光谱检测技术研究

采用傅立叶变换红外光谱仪(FTIR)研究了磁场强度对葡萄糖溶液近红外光谱的影响,发现磁场作用下葡萄糖的近红外光谱吸收强度和部分峰位发生显著变化。分析了磁场对葡萄糖溶液近红外光谱吸收的影响机理。采用偏最小二乘回归法(PLS)建立了磁场作用下葡萄糖溶液的定量分析模型,使用验证集进行验证。研究结果表明,磁场对葡萄糖分子基团偶极矩产生诱导作用,使偶极矩增大,吸收增强;同时磁场作用下,葡萄糖分子趋于沿平行于磁场的方向排列,其基团振动频率(特征吸收峰)吸光度与浓度变化的线性关系得到极大的改善。该研究有助于提高葡萄糖分子吸收强度及其测量精度,为进一步提高血糖检测精度提供技术支持。     

基于BP-神经网络的航空煤油总酸值近红外光谱快速检测

针对航空煤油中总酸值量较小,在近红外定量分析时有用信息易被干扰的问题,采用误差反向传播神经网络(BP-ANN)建立航空煤油总酸值近红外光谱分析模型.根据模型校正集预测偏差最小原则,确定了隐含层神经元个数、学习效率等参数.用建立的网络模型预测了验证集样品总酸值,预测的相关系数R2为0.9778,预测标准偏差(RMSEP)...     

基于改进免疫遗传算法的近红外光谱变量选择方法

该文在免疫遗传算法（IGA）的基础上,提出一种改进免疫遗传算法（iIGA）用于近红外光谱波长变量的选择。该算法舍去了原算法中固定抗体相似度阈值的思想,取而代之的是抗体相似度阈值自适应,同时引入精英保留策略和贪心算法思想,使得算法朝着正确的方向进行局部性探优。将该算法在玉米的淀粉和蛋白质含量数据集上进行实验测试,建立偏最小二乘（PLS）分析模型,并与IGA、遗传算法（GA）以及全谱方法进行了对比。结果表明,在玉米淀粉含量的预测上,iIGA相较于原IGA算法,预测集均方根误差（RMSEP）从0.312 0降至0.298 0,预测集预测精度提升4.5%;在玉米蛋白质含量的预测上,RMSEP从0.124 4降至0.110 3,预测集预测精度提升11.3%。分别对预测淀粉和蛋白质模型的RMSEP值进行显著性检验,F值分别为165.22和182.05,P值分别为9.5 × 10－23和4.5 × 10－24,P值均小于0.05,因此,iIGA能显著提升模型预测精度。     

近红外光谱模型检测苯磺酸氨氯地平片中有效含量的研究

以12种苯磺酸氨氯地平片为研究对象,以高效液相色谱(HPLC)法准确测定出苯磺酸氨氯地平片中苯磺酸氨氯地平的有效含量为标准,利用近红外光谱技术,建立了苯磺酸氨氯地平片的近红外定量分析模型。结果表明,利用二阶导数谱图,在4070.89～4248.69cm^-1、4316.83～4656.56cm^-1、4749.74～5449.81cm^-1、7315.64～6942.53cm^-1等四个波段下,得到的样品粉末定量分析模型最优。模型的预测值与HPLC测定值的绝对误差为-0.12%～0.18%,相对误差为-3.51%～5.41%。建立了一种快速检测苯磺酸氨氯地平片含量的方法。     

基于粘度的现场快速检测方法及应用

即时检测技术（POCT）是一种价格低廉、响应灵敏、无需大型仪器、可快速得到检测结果的检测手段,通常由具有便携式“样品进-信号出”功能的生物传感器完成。虽然基于刺激响应聚合物溶胶-凝胶转变构建的生物传感器已有大量的研究报道,开发制备简单、检测快速、灵敏度高、选择性好的生物传感器依然具有十分重要的意义。近年来,研究者开发了基于聚合物粘度变化的新型生物传感器,可以一定程度上克服传统水凝胶传感器的缺点,具有较大的发展潜力。本文主要从检测平台以及输出信号模式两个方面,总结归纳了基于粘度的现场快速检测方法及应用。最后,对其发展趋势进行简要的讨论,以期为基于粘度的POCT技术的后续研究和发展提供参考。