苹果产地差异对可溶性固形物近红外光谱检测模型影响的研究

为更好地利用近红外光谱预测苹果可溶性固形物含量,减少产地差异对近红外光谱检测模型的影响,以4种不同产地的富士苹果为研究对象,采用基于x-y共生距离的样本划分方法分别对不同产地的苹果选取代表性样本作为校正集,利用偏最小二乘算法,建立和比较单一产地和混合产地下的苹果可溶性固形物近红外光谱检测模型,并结合竞争性自适应重加权算法(CARS)和连续投影算法(SPA)对苹果可溶性固形物的建模变量进行筛选。相比单一产地和其它混合产地模型,混合所有4种苹果产地的校正集样本建立的模型取得了最好的预测结果,另外,结合CARS-SPA筛选的16个特征波长,模型得到了进一步简化,其预测相关系数和预测均方根误差分别为0.978和0.441°Brix。结果表明,利用多个产地的苹果样本建立的混合模型,结合有效特征波长,可提高对苹果可溶性固形物含量的预测精度,减小产地差异对可溶性固形物近红外光谱检测的影响。     

区间偏最小二乘结合差分进化算法应用于鱼粉近红外光谱波长筛选

蛋白质含量是评价鱼粉质量的重要指标,该文采用近红外(NIR)光谱分析技术结合特征筛选方法建立了鱼粉蛋白质含量的快速定量分析模型,并结合区间偏最小二乘(iPLS)和二进制变异策略的差分进化(DE)算法建立了区间偏最小二乘差分进化(iPLS-DE)的波长筛选优化模式,对鱼粉NIR光谱数据进行特征波长筛选。iPLS-DE通过调试iPLS中等分子区间的数量,优选出9个最优特征波段,再采用二进制变异策略的DE算法在最优特征波段内筛选离散特征波长组合,最后根据模型的评价指标确定iPLS-DE优选模型并与iPLS优选模型进行比较。结果表明,将鱼粉全谱等分为5个子区间时,iPLS-DE筛选出50个离散特征波长建立的优选模型对测试集样品的预测均方根误差和相对分析误差分别为1.033%和4.058,而iPLS优选模型对测试集样品的预测均方根误差和相对分析误差分别为1.131%和3.855。表明iPLS-DE方法能够有效地提高NIR光谱分析模型对鱼粉蛋白质定量检测的预测能力。     

基于粒子群算法的波长选择方法用于苹果酸度的近红外光谱分析

采用便携式近红外光谱分析仪,对苹果样品进行扫描获得光谱数据,运用偏最小二乘法结合基于粒子群算法的波长选择方法对苹果试验数据进行多元统计分析,建立数学模型,利用该模型对苹果酸度进行了预测。对于基于粒子群算法和全谱偏最小二乘方法,校正集样品的酸度预测值和实测值之间的相关系数分别为0.9880和0.9553,校正均方根误差分别为0.0197和0.0388;预测集样品的酸度预测值和实测值之间的相关系数分别为0.9833和0.9596,预测均方根误差分别为0.0193和0.0304。与全谱偏最小二乘法相比,基于粒子群算法的偏最小二乘法,不仅较大地减少波长变量而降低计算量,而且也较大地提高了模型性能而增强了模型预测的准确性。该方法可建立较好的定量分析模型,能广泛应用于现场或野外苹果酸度的快速分析。     

应用遗传算法和PLS的近红外光谱预测玉米中淀粉含量的研究

以普通玉米籽粒为试验材料,在应用遗传算法结合偏最小二乘回归法对近红外光谱数据进行特征波长选择的基础上,应用偏最小二乘回归法建立了特征波长测定玉米籽粒中淀粉含量的校正模型．试验结果表明,基于11个特征波长所建立的校正模型,其校正误差（RMSEC）、交叉检验误差（RMSECV）和预测误差（RMSEP）分别为0.30％、0.35％和0.27％,校正数据集和独立的检验数据集的预测值与实际测定值之间的相关系数分别达到0.9279和0.9390,与全光谱数据所建立的预测模型相比,在预测精度上均有所改善,表明应用遗传算法和PLS进行光谱特征选择,能获得更简单和更好的模型,为玉米籽粒中淀粉含量的近红外测定和红外光谱数据的处理提供了新的方法与途径．     

近红外波长选择结合偏最小二乘法测定混胺中微量水分

对混胺的近红外波长范围进行选择并结合偏最小二乘法建立微量水分的定量分析模型,通过配对t检验(α=0.05)验证校正模型预测的准确性.首先对混胺的性质和其近红外吸收信息进行分析,采用二阶微分(差分宽度为4nm)对光谱进行预处理.研究波长范围对微量水分测定的影响并确定了建模的最佳波长区间为940 ～ 965 nm.采用偏最...     

基于近红外光谱的食用植物油中反式脂肪酸含量快速定量检测及模型优化研究

利用近红外光谱技术对食用植物油中反式脂肪酸(Trans fatty acids,TFA)含量进行快速定量检测,并通过波段选择、预处理方法、变量筛选及建模方法对TFA含量预测模型进行优化.采用AntarisⅡ傅里叶变换近红外光谱仪在4000~10000 cm-1光谱范围采集98个食用植物油样本的近红外透射光谱,然后采用气相色谱法测定TFA的真实含量.首先,对样本原始光谱进行波段、预处理方法优选;在此基础上,采用竞争自适应重加权法(Competitive adaptive reweighted sampling,CARS)筛选TFA相关的重要变量,最后应用主成分回归、偏最小二乘和最小二乘支持向量机方法分别建立食用植物油中TFA含量的预测模型.研究结果表明,近红外光谱技术检测食用植物油中的TFA含量是可行的,优化后的最佳预测模型的校正集和预测集R2分别为0.992和0.989,RMSEC和RMSEP分别为0.071%和0.075%.最佳预测模型所用的变量仅26个,占全波段变量的0.854%.此外,与全波段偏最小二乘预测模型相比,其预测集R2由0.904上升为0.989,RMSEP由0.230%下降为0.075%.由此表明,模型优化非常必要,CARS能有效筛选TFA相关的重要变量,极大减少建模变量数,从而简化预测模型,并较大提高预测模型的精度和稳定性.     

近红外光谱相似性评估结合局部回归方法无损检测苹果糖度

基于Bayesian相似性评估方法结合偏最小二乘局部回归,对苹果近红外数据库进行数据挖掘。通过相似性计算方法搜索出与预测样品相近的近红外光谱,形成校正子集后采用局部回归方法获得待测样品的相关信息。该方法所建立局部模型的平均检验标准偏差(SEV)约为0.57,分析30个预测样品的预测标准偏差(SEP)约为0.61;基于马氏距离的传统方法建立的偏最小二乘局部模型的平均SEV为0.59,分析30个待测样品的预测SEP为0.64;而采用整个数据库建立的全局偏最小二乘模型的SEV约为0.65,分析30个预测样品SEP约为0.70。基于Bayesian相似性评估的局部回归方法在苹果糖度的近红外无损定量分析中获得较好的应用结果,在实际应用中该方法比全局回归方法具有更强的适用性,为近红外光谱分析提供了新的分析工具。     

近红外光谱法快速分析罗红霉素中两种主要成分

针对大环内酯类抗生素罗红霉素制剂的近红外光谱分析,利用后向区间偏最小二乘算法(biPLS)对全光谱进行波长区间选择预处理,并将其压缩为主成分,再利用BP人工神经网络(BP-ANN)建立预测模型,对其中的主要成分罗红霉素和乳糖进行预测。通过这个方法建立的模型,可以有效地抵御因为噪声等偶然因素引起的瞬时扰动,并在有效减少建模所用的波长数和建模运算时间的同时,使所建模型能达到较高的预测精度。为近红外快速在线同时检测药物多组分含量提供了新的参考方法。     

最小角回归算法(LAR)结合采样误差分布分析(SEPA)建立稳健的近红外光谱分析模型

结合采样误差分布分析(SEPA)框架和最小角回归(LAR)算法,提出了一种SEPA-LAR变量逐步筛选方法用于波长选择,并建立了稳健的近红外光谱分析模型。利用蒙特卡洛采样(MCS)获得多个数据集划分建立多个模型,对光谱各变量(波长)在所有模型的LAR系数进行统计分析,按其回归系数绝对值总和由大到小排序,选择排序靠前的波长建立偏最小二乘(PLS)模型,以未参与SEPA-LAR和建模的独立验证集对该模型进行评价。将玉米湿度、柴油密度以及奶酪脂肪的近红外光谱数据用于SEPA-LAR的性能检验,独立验证集的预测均方根误差(RMSEP)分别为0.001 44%(湿度指标)、0.001 58 g/mL(密度指标)以及1.13 g/100 g(脂肪含量指标)。结果表明,相较于竞争自适应重加权采样法(CARS),该方法具有更优异的稳定性;相较于移动窗口偏最小二乘(MWPLS)以及蒙特卡洛无信息变量消除(MCUVE)方法,该方法选择的变量更少,预测误差更低,预测性、可解释性和稳定性更优异。     

基于改进鲸鱼优化算法的近红外光谱波长变量选择方法及其应用

该文在群体智能的鲸鱼优化算法（WOA）基础上,提出了一种改进的鲸鱼优化算法（iWOA）用于近红外光谱波长的选择。首先引入混沌策略初始化种群,避免算法过早陷入局部最优;其次引入一种非线性时变Sigmoid传递函数和贪心算法思想,提升算法探优能力,使得模型获得更好的预测精度。为验证算法的有效性,以玉米脂肪、蛋白质、淀粉、水4个指标的近红外光谱数据进行偏最小二乘（PLS）建模分析,并与其他算法进行对比。结果表明,iWOA算法能在最短时间内,有效地筛选出波长变量,降低模型的复杂度,提升模型的预测精度。在玉米脂肪、蛋白质、淀粉、水含量的预测上,与全光谱相比,模型的预测集均方根误差（RMSEP）分别从0.077 2、0.122 4、0.334 4、0.059 5降至0.033 2、0.050 7、0.139 2、0.004 4,预测精度分别提升了57.0%、58.6%、58.3%、92.6%;算法选出的波长数目分别为：84、69、87、66。     

基于近红外光谱分析技术的栽培香菇产地快速鉴别

建立了一种基于近红外光谱分析技术的香菇产地鉴别方法。利用近红外光谱仪扫描不同主产地的香菇干样,获得样品的近红外漫反射光谱。利用偏最小二乘判别分析(PLSDA)分别建立了吉林、湖北、福建3个省份栽培香菇的产地判别模型,同时使用光谱预处理和波长筛选技术对判别模型进行优化,最后使用预测样品对模型进行验证。结果表明,使用原始光谱建立的模型能够初步实现对产地的判别,使用光谱预处理技术扣除光谱中的背景信息,同时利用波长筛选技术选择特定波长对模型进行优化后,可进一步提高预测正确率。该方法为香菇产地真实性溯源提供了一种新方法,对香菇产业发展具有重要的实际意义。     

近红外光谱法对头孢氨苄粉末药品的非破坏定量分析

采用近红外漫反射光谱法对头孢氨苄粉末药品中主要成分头孢氨苄进行快速、无损定量分析.采用偏最小二乘法建立近红外光谱信息与待测组分含量间的最佳数学校正模型.对3种光谱(SNV光谱、一阶导数、二阶导光谱)的预测结果进行了比较,讨论了光谱的预处理方法和主成分数对偏最小二乘法定量预测能力的影响,并对预测集样品进行预测.     

近红外光谱法在红曲菌固态发酵过程参数检测中的应用

研究了近红外光谱技术快速检测红曲菌固态发酵过程参数水分含量和pH值的可行性。针对传统基于间隔策略波长选择方法忽略非线性因素的缺点,采用一种基于最小二乘支持向量机(Least squares support vector machines,LS-SVM)非线性模型的波长筛选算法:联合区间最小二乘支持向量机(Synergy interval least squares support vector machines,siLS-SVM),并将新算法与相关系数法、iPLS算法、siPLS算法对比。实验结果显示,联合siLS-SVM算法和LS-SVM模型取得了最好的预测效果,水分含量、pH值的预测集相关系数(R p)分别为0.962 1、0.976 1,预测均方根误差(RMSEP)分别为0.012 9、0.145 2,表明模型具有较好的拟合度和预测性能。应用近红外光谱法进行红曲菌固态发酵过程的水分含量和pH值的快速检测可行,该方法为进一步实现其过程参数的在线检测及发酵条件优化提供了技术基础。     

近红外光谱法在红曲菌固态发酵过程参数检测中的应用

研究了近红外光谱技术快速检测红曲菌固态发酵过程参数水分含量和pH值的可行性。针对传统基于间隔策略波长选择方法忽略非线性因素的缺点,采用一种基于最小二乘支持向量机(Least squares support vector machines,LS-SVM)非线性模型的波长筛选算法：联合区间最小二乘支持向量机(Synergy interval least squares support vector machines,siLS-SVM),并将新算法与相关系数法、iPLS算法、siPLS算法对比。实验结果显示,联合siLS-SVM算法和LS-SVM模型取得了最好的预测效果,水分含量、pH值的预测集相关系数(Rp)分别为0.962 1、0.976 1,预测均方根误差(RMSEP)分别为0.012 9、0.145 2,表明模型具有较好的拟合度和预测性能。应用近红外光谱法进行红曲菌固态发酵过程的水分含量和pH值的快速检测可行,该方法为进一步实现其过程参数的在线检测及发酵条件优化提供了技术基础。     

近红外光谱法测定端羟基环氧乙烷-四氢呋喃共聚醚的羟值

提出了用近红外光谱测定端羟基环氧乙烷-四氢呋喃共聚醚(PET)的羟值,结合主成分回归和偏最小二乘法建立了PET羟值与其近红外光谱之间的关联模型。结果表明,近红外光谱法与化学分析法的测定结果一致;近红外光谱法测定PET羟值的相对误差在5%以内;利用遗传算法选择部分波长建立校正可以降低模型的预测误差。     

近红外光谱技术结合4种算法分析尾巨桉-马占相思制浆原料的混合程度与主化学成分

为缓解我国木浆供应压力,满足混合原料制浆的实际需求,该文进行了近红外光谱快速分析混合制浆原料的研究。采集145个人为控制尾巨桉含量的尾巨桉-马占相思混合样品的近红外光谱,用常规方法测定其综纤维素、聚戊糖、Klason木质素含量。对原始光谱进行一阶导数与标准正态变换预处理后,分别运用偏最小二乘法、支持向量机法、人工神经网络法和LASSO算法建立尾巨桉、综纤维素、聚戊糖、Klason木质素含量分析模型。其中LASSO法建立的尾巨桉和综纤维素含量分析模型最优,预测均方根误差(RMSEP)分别为1.80%、0.60%;绝对偏差(AD)分别为-3.03%~3.17%、-1.03%~0.98%,模型性能可满足较精确的快速分析。偏最小二乘法建立的聚戊糖含量分析模型最优,RMSEP为0.75%,AD为-1.26%~1.33%;支持向量机法建立的Klason木质素含量分析模型最优,RMSEP为0.48%,AD为-0.82%~0.86%,两个模型性能适用于非精确性的分析。该研究为混合制浆原料的快速分析提供了可能,同时也证实了LASSO算法的适用性。     

粒子群算法结合支持向量机回归法用于近红外光谱建模

研究了最小二乘法支持向量机(LSSVM)应用于烟丝样品和小麦样品的近红外光谱建模,采用粒子群优化算法(PSO)优化LSSVM的参数。通过对烟草样品和小麦样品的近红外光谱建模和预测,并与常规的偏最小二乘法(PLS)比较发现,PSO-LSSVM法具有更好的预测效果和稳健性。     

近红外光谱与化学计量学方法用于镉污染稻米的定性鉴别

采用近红外光谱漫反射模式结合化学计量学方法对稻米镉含量是否超标进行可行性鉴别分析.本研究收集了120个样本,测定其镉含量值(合格49个,不合格71个).对光谱数据预处理方法优化,确定了平滑,一阶导数以及自归一化后的数据作为输入变量.采用竞争性自适应重加权算法筛选了45个关键变量,并对上述变量的光谱吸收带进行归属.比较了主成分分析-判别分析法、偏最小二乘识别分析、线性判别分析、K-最近邻法与簇类独立软模式法5种模式识别方法.确定采用偏最小二乘识别分析建模效果最好,模型训练集与预测集鉴别准确率分别达到98.8％与91.7％.结果表明,近红外光谱作为初筛方法可用于鉴别稻米中镉含量是否超标.     

苹果可溶性固形物含量的近红外模型传递研究

研究了苹果可溶性固形物含量(SSC)的近红外模型传递问题。样品集经过异常剔除和预处理之后,建立了主机的偏最小二乘(PLS)预测模型。分别采用一元线性回归直接标准化(SLRDS)、斜率/截距(S/B)法和专利算法(Shenk's)进行主机和从机间的模型传递,讨论了3种算法的传递效果和转换集标样数对传递效果的影响。结果表明,经过3种方法传递后预测集的预测效果比传递前均有不同程度提高,其中SLRDS算法传递效果最佳,经SLRDS传递后相关系数(R)、预测标准偏差(RMSEP)、相对分析误差(RPD)和光谱平均差异(ADS)分别为0.9614,0.4735,3.3866和0.0661。因此利用SLRDS算法实现两台便携式光谱仪之间的模型传递是可行的。     

连续投影算法在近红外光谱校正模型优化中的应用

主要从减少变量、提高校正速度的角度,采用了一种新的变量提取方法——连续投影算法(successive projections algorithm)来优化白酒酒精度的近红外光谱定量模型,对于异常样品的剔除沿用了T2椭圆法,使模型更具代表性和稳健性,只用了全部变量的1.17%(9个变量)建立模型,其预测相关系数0.9477,得到了较好的预测效果,并与采用经无信息变量消除法进行波长优选后的偏最小二乘(partial least-squares)方法建立的校正模型做了比较,进一步证明这种算法是切实可行的。