经验模态分解法在近红外无创血红蛋白检测中的应用研究

为提高近红外血红蛋白预测模型的稳健性,分别应用Savitzky-Golay平滑、移动窗口平滑以及经验模态分解(EMD)方法对原始光谱进行去噪处理,以提高数据信噪比。采集了81例临床志愿者的手指指端血流容积脉搏波光谱数据,同时获取相应的血红蛋白浓度值临床化验结果。剔除异常样品,确定78例样品为研究对象,建立反向传播神经网络(BP-ANN)定量分析模型并预测。结果表明,经EMD处理后的模型预测效果最优,预测相关系数由0.74提高至0.87,误差均方根由12.85 g·L-1减小至8.08 g·L-1。实验证明应用EMD方法能够获得高信噪比的容积脉搏信号,提高血红蛋白浓度预测模型的准确性,有利于推动近红外无创血红蛋白检测技术的进一步发展。     

EMD算法在动态光谱无创测量血红蛋白浓度中的应用

将经验模态分解(EMD)算法结合动态光谱理论中的频域提取算法用于血红蛋白浓度的无创测量。在体采集57例光电容积脉搏波,选取636.98～1 086.86 nm范围内的光谱数据进行分析。首先通过EMD方法分别对各个样本每个波长的光电容积脉搏波进行去噪预处理,再利用离散傅里叶变换提取脉搏波的峰峰值构成动态光谱,最后运用偏最小二乘方法对各样本的动态光谱和血红蛋白浓度建立模型。与未经EMD处理的数据建模结果相比,EMD处理后,血红蛋白浓度预测集的相关系数从0.879 8提高到0.917 6,预测集均方根误差从6.675 9 g·L-1减小到5.300 1 g·L-1,相对误差从8.45%减小到6.71%,建模精度有了较大的提高。结果表明,采取经验模态分解的算法进行光电采集数据的去噪预处理可以提高光谱数据的信噪比,进而可以提高血液成分无创测量的准确性。     

可见-近红外光谱的土壤养分快速检测

在测定土壤养分中,可见-近红外光谱技术具有很大的应用空间。该研究探讨了基于可见-近红外光谱(250~950nm)离线、快速测定土壤总氮(TN)、总磷(TP)、总钾(TK)、总碳(TC)等土壤养分的方法及应用。采集青岛三个不同地区土壤样品(异质性较高的山地土壤与河畔土壤)各60份,总计180份,并测定其TN,TP,TK,TC含量及其可见-近红外反射光谱,利用Kennard-Stone法按2∶1比例划分校正集和检验集,采用遗传算法分别提取TN,TP,TK,TC特征波长,以偏最小二乘法建立定量分析模型。TN,TP,TK,TC含量所建光谱模型的相关系数分别为0.970,0.964,0.680和0.967,检验集的相关系数分别为0.980,0.937,0.717和0.972,检验集的RPD值分别为4.570,2.424,1.411和4.135。结果表明,该方法能够对土壤TN,TP,TC含量进行精确预测,对土壤TK含量进行粗略预测。该研究主要依靠可见光波段,较好的预测了异质性较高的土壤的氮磷钾等养分含量,有望降低未来土壤养分速测的成本。此外,该研究还提供了青岛土壤养分的光谱库,为我国土壤大数据库的建立提供技术支撑。     

近红外光谱人体血液甘油三酯无创检测

为实现人体血液甘油三酯(TG)含量无创检测,应用近红外光谱技术(NIRS),对单体TG进行定量分析。通过离体实验优选检测波段(5 700～5 600和4 600～4 400 cm-1),优化设计检测探头,综合预处理方法等手段,对其中TG含量进行定标和预测。以期提升单体TG无创检测精度及稳定性。无创采集54组单体光谱数据,并对其中TG含量进行定标预测,经对比分析确定平滑滤波(SG)结合偏最小二乘方法(PLS)的定标模型稳健性最优,对预测集1,2样品最佳分析结果：预测标准偏差RMSEP分别为12和12.8 mg·dL-1,相对预测标准偏差RSD为16.25%和17.33%,预测精度理想,基本可用于单人TG的日常监测。鉴于SG-PLS模型在单体TG无创测量及日变化趋势预测方面的良好表现,NIRS分析技术将在TG无创检测与日常管理领域有更为广泛的应用前景。     

基于近红外光谱技术的人体血糖浓度无创检测系统的研制

开发了一种小型化人体血糖浓度无创检测系统,该系统可实现人体血糖浓度的快速、实时、无创检测,主要由嵌入式系统、夹具、光源系统和微型光栅光谱仪四部分组成。提出了一种光源稳压驱动电路方案,可满足多种光谱采集条件对光源的要求。同时提出了一种一体化夹具设计方案,不仅简化了系统的光学结构,而且提高了测量条件的可重复性。分别用小波去噪和核偏最小二乘法对采集的光谱数据进行预处理和数学建模,并对系统进行性能评价,血糖浓度预测值与标准值的相关系数为0.95,预测均方根误差为0.6mmol.L-1,系统的重复性较好。     

基于近红外光谱的SG-MSC-MC-UVE-PLS算法在全血血红蛋白浓度检测中的应用

为提高全血血红蛋白浓度预测模型的预测精度,基于近红外光谱分析,首先对原始全血透射光谱数据分别进行均值中心化、标准化、标准正态变量变换(SNV)、多元散射校正(MSC)以及Savitzky-Golay(SG)卷积平滑结合MSC的预处理操作,最终选择预处理效果最好的SG-MSC方法作为数据预处理方法,其最大相关系数达到0....     

发动机润滑油品质的可见-近红外光谱快速检测

研究了基于可见-近红外光谱技术的发动机润滑油品质的快速检测方法,包括粘度与含水率的预测。在获取可见-近红外光谱信息的基础上,采用广义回归神经网络分别建立了粘度与含水率的预测模型。预测集样本的确定系数分别达到了0.9818和0.9999。说明可见-近红外光谱技术能够用于发动机润滑油的含水率与粘度的预测。     

动态光谱法用于人体血红蛋白浓度的无创测量

为了实现血液成分的无创检测,利用动态光谱指端透射法进行了人体血红蛋白浓度无创测量的研究。对34名健康志愿者进行了在体测量动态光谱和抽血分析血红蛋白含量,在验证了动态光谱的可靠性的基础上,选用BP神经网络对获取的动态光谱数据和血红蛋白浓度实测值进行建模分析,从34个样本中抽取19个作为校正集,另外15个作为预测集,得到校正集和预测集的相关系数分别为0.983 1和0.936 5,预测集的相对误差最大为7.5%,平均相对误差为3.04%,满足临床应用对血红蛋白测量精度的要求。结果表明： 动态光谱法可以有效的克服测量位置等测量条件对光谱测量的影响,较准确地进行人体血红蛋白浓度的测量,是一种比较好的血液成分无创测量方法。     

水果糖度可见-近红外光谱手持式检测装置开发与试验

基于可见-近红外光谱分析技术开发了手持式水果糖度检测装置,并用于水果糖度的现场实时分析。硬件系统主要包括微型光谱仪、卤素灯、OLED显示屏、单片机及驱动电路等。采用Keil 5开发工具,用C语言开发单片机程序。配合上位机以LabView编写的光谱采集程序,实现光谱信息的采集。以苹果和大桃作为检测对象,对装置的检测精度和模型在2台装置（主机、从机）间的传递效果进行了探讨。在实验室和果园环境下,分别获取了苹果、大桃样本在600～950 nm范围的可见-近红外光谱。对实验室条件下采集的主机校正集光谱进行分析,经过平滑、最大值归一化、二阶导数等预处理后,利用偏最小二乘算法分别建立了苹果、大桃的糖度检测模型。模型导入主机装置后,对预测集样本进行检验。对苹果、大桃的预测集相关系数和预测均方根误差分别为0.925,0.587%和0.821,0.613%。采用分段直接校正和基于典型相关分析算法的模型传递方法将模型由主机传递到从机。对比后发现,基于典型相关分析算法取得了更好的模型传递结果。从机对苹果、大桃糖度的预测集相关系数和预测均方根误差分别为0.883,0.641%和0.805,0.626%。将实验室条件下建立的模型用于树上采集到的水果光谱数据分析,得到预测集相关系数和预测均方根误差分别为0.866,0.741%和0.816,0.627%。整体检测结果表明,该装置可以满足对苹果、大桃糖度的有效检测,借助模型传递算法,实现了模型在不同装置间的共享和有效传递,且实验室环境下采集的数据建立的模型可以用于树上水果糖度的有效检测,该装置具有较大的经济价值和应用前景。     

可见-近红外光谱的螺旋藻生长品质指标快速无损检测

为了实现微藻生长过程品质指标的快速无损检测，提出了可见-近红外光谱技术检测不同红蓝光源组合培养条件下螺旋藻中叶绿素a和蛋白质的含量。采集不同含量红光和蓝光组合下螺旋藻在325～1 075 nm波段范围内的光谱信息，其中红光与蓝光的含量组合分别是(100%，0%)，(90%, 10%)，(70%，30%)，(50%, 50%)。同时测量叶绿素a和蛋白质的含量，建立偏最小二乘(PLS)预测模型。分别基于连续投影算法(SPA)选择了用于叶绿素a和蛋白质预测的特征波长，分别得到5个(404，440，518，662和875 nm)和4个(411，531，602和1 047 nm)特征波长。基于特征波长建立了PLS和多元线性回归(MLR)预测模型，SPA-MLR模型中叶绿素a和蛋白质预测集相关系数(correlation coefficient, R_p)分别是0.949和0.974，均方根误差(RMSEP)分别是0.018 8和0.006 74。结果表明：可见-近红外光谱检测螺旋藻藻体中叶绿素a和蛋白质含量是可行的，通过测量螺旋藻的光谱结合化学计量学方法可以实现对螺旋藻生长状况的检测。     

基于野外Vis-NIR光谱的土壤有机质预测与制图

利用野外实时快速获取的土壤光谱进行土壤有机质(SOM)预测与制图是精确农业与土壤遥感制图的必然需要,利用ASD FieldSpec Pro FR野外型光谱仪实时快速获取的光谱数据,去除噪声较大的边缘波段后,进行倒数的对数转换(Log(1/R))为吸收光谱。在分析吸收光谱和光谱指数与SOM关系的基础上,采用偏最小二乘回归法进行SOM的建模预测并借助地统计学方法进行SOM空间变异制图研究。结果表明,建模效果好的指标分别为特征波段(R2=0.91,RPD=3.28),归一化光谱指数(R2=0.90,RPD=3.08),特征波段与3个光谱指数组合(R2=0.87,RPD=2.67),全波段(R2=0.95,RPD=4.36)。光谱指标的克里格制图与实测SOM制图表现出相同的空间变异趋势,不同的指标均达到了较好的预测效果。     

基于BP神经网络的人体血液中红细胞浓度无创检测

采用BP神经网络算法模型对人体血液红细胞浓度进行无创检测。对获取的动态光谱数据和红细胞实测值利用BP神经网络进行建模分析,校正集输出对期望值的跟踪较好,相关系数R达到了0.993,用建立起的BP神经网络模型去检验预测集输出值,得到预测集的相对误差最大为4.7%,平均相对误差为2.1%,预测能力较为理想。结果表明：用BP神经网络模型能够较准确的处理动态光谱数据和人体红细胞实际值的非线性关系,提高了血液成分无创测量在临床上应用的可行性,具有较高的应用价值。     

高温高压下基于TDLAS的二氧化碳浓度测量方法研究

通过具有高灵敏度、非侵入式等特性的可调谐二极管激光吸收光谱技术对发动机气缸工作过程等高温高压燃烧环境进行实时在线检测,是了解其内部燃烧过程进而研发高效发动机的重要手段之一。作为一种重要的温室气体和化石燃料燃烧的主要产物,二氧化碳对于了解燃烧过程具有重要的意义。为了寻找一种能够对高温高压燃烧过程中的二氧化碳浓度进行快速检测的方法,利用工作在室温条件下的近红外可调谐二极管激光器作为光源,以二氧化碳位于5 006.140 cm-1处的跃迁作为传感谱线,结合固定波长的吸收光谱调制技术,通过该CO₂谱线的一次谐波归一化的二次谐波信号峰值实现对高温高压环境中CO₂浓度测量,建立了一种可用于高温高压环境下的组份浓度的测量方法,通过实验验证得出该方法在5 atm压力、500 K温度下和10 atm压力、1 000 K温度下对于CO₂浓度测量的平均标准偏差为3.99%;另外还对实验中所得CO₂直接吸收及二次谐波信号进行了分析,得到了其吸收光谱在高温高压环境下的特性。     

差分吸收光谱法测量大气痕量气体浓度误差分析及改善方法

差分吸收光谱技术(DOAS)中采用线性最小二乘拟合方法,用痕量气体标准差分吸收截面对测量得到的差分吸收光谱进行拟合,得出大气中痕量气体的浓度.计算结果的准确性不仅取决于光谱的测量精度,而且受标准差分吸收截面以及仪器函数和温度等诸多因素的影响.详细地分析了计算误差的产生原因,提出了用高浓度样品池得到标准吸收截面的方法,针对光谱固有结构,以及温度对标准吸收截面的影响,改进了浓度反演算法.大量的实验表明,综合运用上述方法,即便对低浓度的样气,相对测量误差也能降低到10%以下.     

利用激光诱导击穿光谱原位在线检测褐煤及煤烟

褐煤是我国现阶段的主要用煤,但因为其较低的煤化程度,使用时会产生污染环境的二氧化碳和黑灰,而且烟尘中含有的金属离子会危害人体健康,所以开展对褐煤烟尘的研究非常有意义.而激光诱导击穿光谱技术(L IBS)具有快速、多元素同时分析的特点,适合用于煤烟的原位在线探测.实验制备了含铅浓度不同的三种褐煤样本(O,H,L),其中O...     

甘草真伪品的FTIR光谱法鉴别研究

采用傅里叶变换红外(FTIR)光谱法并结合二维相关(Two-dimensional correlation spectroscopy)分析技术分别对药用植物甘草(药材对照品)及其伪品刺果甘草进行了无损快速鉴别研究。 结果表明：虽然甘草和伪品刺果甘草都是来源于同一科属,但两者所含化学组分的含量不同,其红外光谱图既有一定的差异,又有一定的相似。 而在红外二阶导数谱图上差异较明显,在二维红外谱图的差别不但较明显而且很直观。 凭借这些差异,可方便地进行真伪鉴别,同时还进一步表明了这两种甘草药材中化学组分之间的差异。 该法无损,快速,准确,样品量少,为客观评价中药材的来源,真伪,优劣等提供了一种新的方法和手段。     

基于电磁振动上料的茶梗和昆虫异物近红外光谱和荧光图像在线检测研究

茶叶是大众青睐的健康饮品之一,但茶叶在机器采收和加工过程中,容易混入茶梗和昆虫异物,污染茶叶、影响其质量安全,是未来应防范和检测的重点。X射线成像技术,根据食品基质和异物的密度差实施检测,广泛适用于金属异物并延伸至高密度塑料,但对于茶梗、昆虫这类低密度有机异物尚不适用,所以迫切需要研发新型无损检测技术和方法。针对片状茶叶重叠、遮掩异物的问题,提出了电磁振动上料辅助近红外光谱和荧光图像的检测方案,进行绿茶中的内源性异物茶梗和外源性异物昆虫的在线检测研究。通过电磁振动上料辅助近红外光谱和荧光成像系统,采集了600～1 050 nm范围的近红外光谱600条和RGB-N四通道图像各65幅。采用451条光谱进行建模,其余149条光谱作为预测集,评估模型的性能,比较了去趋势(Detrending)、多元散射校正(MSC)、标准正态变换(SNV)、变权重正态变换(VSN)、迭代自适应加权惩罚最小二乘法(airPLS)、不对称最小二乘法(ALS)、光程估计与校正(OPLEC)等不同光谱预处理方法的处理效果,其中OPLEC能较好地消除散射效应,偏最小二乘判别分析(PLS-DA)模型的正确识别率由78%提...