基于近红外光谱和OPLS-DA的不同牌号卷烟分类识别方法研究

为了对卷烟牌号进行准确分类鉴别,提出了一种基于近红外光谱(NIRS)分析技术结合有监督的模式识别快速鉴别卷烟牌号的新方法。利用标准正态变量变换(SNV)、多元散射校正(MSC)、一阶导数(FD)、二阶导数(SD)和Savitzky-Golay平滑(SG)及其相结合的光谱预处理方法对烟丝光谱进行预处理,通过近红外光谱结合主成分分析(PCA)、偏最小二乘判别分析(PLS-DA)和正交偏最小二乘判别分析(OPLS-DA) 3种模式识别方法对不同牌号烟丝进行分类识别研究,并采用分类识别正确率作为评价指标。实验结果表明：(1)烟丝近红外光谱主成分得分图交叉重叠,区分不明显,PCA无法识别出5种牌号的成品烟丝;(2)烟丝光谱经MSC+FD预处理后的PLS-DA模型可得到较好的识别效果,校正集和测试集的分类识别正确率分别为100%和98.3%;(3)烟丝光谱经MSC+SD预处理后的OPLS-DA模型的模式识别效果最好,模型对自变量拟合指数(R2X）,因变量的拟合指数(R2Y)和模型预测指数(Q2)分别为0.485、0.907 和0.748,近红外光谱校正集和测试集的分类识别正确率均为100%。说明近红外光谱技术结合有监督模式识别方法OPLS-DA建立的烟丝牌号分类模型具有高效快速、准确无损的优点,为卷烟烟丝分类提供了一种新的快速鉴别方法。     

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.     

近红外光谱法无损检测平谷产大桃品质方法研究

利用近红外（Near infrared, NIR）漫反射光谱法结合化学计量学定量分析技术开展了平谷产大桃品质的无损检测研究。使用手持式近红外光谱仪采集7个不同品种平谷产大桃的近红外漫反射光谱，采用系统抽样法将其划分为验证集和验证集，结合Savitzky-Golay卷积平滑法（Savitzky-Golay Smoothing, S-G）、标准正态变换法（Standard normal variation, SNV）和多元散射校正法（Multivariate scattering correction, MSC）3种预处理方法以及偏最小二乘回归（Partial least square regression, PLSR）与随机森林（Random forest, RF）两种建模算法，分别建立了大桃中的糖度（Soluble solids content, SSC）、酸度、硬度和水分定量模型。结果表明，非线性RF模型优于线性PLSR模型，对于SSC，一阶导数光谱结合MSC预处理建立的RF模型效果最佳，验证集决定系数（Coefficient of determination,R2）和预测均方根误差...     

近红外光谱法快速测定肼-70纯度

利用重量法精确配制不同肼质量分数的肼-70样品集,采用偏最小二乘法建立了肼质量分数的近红外光谱模型,以快速测定肼-70的纯度。样品恒温时间为5 min,光谱最佳预处理方式:均值中心化,一阶导数,21点平滑,模型最佳主因子数为4。近红外光谱法与碘酸钾直接滴定法测定结果相比相对偏差绝对值小于0.13%,经t检验,两种方法测定结果无显著性差异。近红外光谱法快速、准确,可用于肼-70产品的质量控制。     

光谱预处理方法对混胺近红外定量模型影响的研究

本文探讨了一阶导数、Savitzky-Golay平滑、小波变换(WT)和正交信号校正(OSC)预处理方法对混胺组分近红外光谱的预处理效果。采用预测集标准偏差(SEP)对各种预处理方法的最佳参数进行选择。比较了各种预处理方法的去噪能力,对预处理方法组合后的效果进行了评价。研究表明,WT和OSC能有效去除噪声,提高分析模型的精度,WT和OSC结合后的预处理效果更好。     

近红外光谱结合膜富集技术测定饮料中微量邻苯二甲酸二异辛酯的含量

提出了一种基于在线膜富集的近红外漫反射光谱技术,对饮料中的微量塑化剂邻苯二甲酸二异辛酯(DEHP)进行快速检测。采用聚醚砜膜对饮料中的DEHP进行富集,将富集DEHP的膜直接进行近红外漫反射检测。参考DEHP的透射近红外光谱,对波数进行选择,以4 420～4 060、4 700～4 540、6 040～5 600cm-1作为建模的波数区间。通过比较原始光谱、多元散射校正、一阶求导、二阶求导及其组合,考察了光谱预处理方法对模型的影响,用去一交互验证法建立了偏最小二乘(PLS)模型,并用所建立的校正模型对校正集样品进行了预测。结果表明,在选定的波数区间,当用一阶求导对校正集光谱进行预处理时,所建立的模型对校正集的预测效果最佳,在隐变量数为7时,对校正集所有样品的校正均方根误差(RMSEC)为0.188 7mg/L。用此模型对预测集样品进行预测时,DEHP的质量浓度在0.5～5.0 mg/L范围内,预测均方根误差(RMSEP)为0.232 4 mg/L,平均相对预测误差为6.29%。     

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.     

近红外光谱技术在快速检验制丝过程中烟丝质量均一性上的应用北大核心CSCD

采用近红外光谱技术结合主成分分析-马氏距离法研究了卷烟制丝工艺过程中掺配、加香、贮丝及喂丝等4个工序段中烟丝样品的质量均一性。用主成分分析法提取近红外光谱所包含的特征信息,较全面地反映制丝过程4个不同取样点样本的离散程度,马氏距离可反映制丝过程中烟丝质量的波动情况。此外,采用成品烟丝的模型预测了取样点D处烟丝样品中6种化学成分(总植物碱、总糖、还原糖、总氮、钾和氯)的含量,使不同批次的烟丝样品中化学成分的差异控制在合理范围,降低批次间卷烟产品化学成分含量的波动,能有效稳定品牌香烟的特征风格。     

近红外光谱技术在快速检验制丝过程中烟丝质量均一性上的应用

采用近红外光谱技术结合主成分分析-马氏距离法研究了卷烟制丝工艺过程中掺配、加香、贮丝及喂丝等4个工序段中烟丝样品的质量均一性。用主成分分析法提取近红外光谱所包含的特征信息,较全面地反映制丝过程4个不同取样点样本的离散程度,马氏距离可反映制丝过程中烟丝质量的波动情况。此外,采用成品烟丝的模型预测了取样点D处烟丝样品中6种化学成分(总植物碱、总糖、还原糖、总氮、钾和氯)的含量,使不同批次的烟丝样品中化学成分的差异控制在合理范围,降低批次间卷烟产品化学成分含量的波动,能有效稳定品牌香烟的特征风格。     

中药口服固体制剂原辅料近红外光谱数据库的构建及应用

建立了中药口服固体制剂原辅料近红外(NIR)光谱数据库,采用模式识别方法研究了NIR光谱数据在物料分类和物性预测中的应用。使用便携式近红外光谱仪快速测量149批原辅料粉末的NIR漫反射光谱数据,并录入iTCM数据库。利用主成分分析(PCA)法探究NIR光谱数据对已知结构物料的分类能力,采用偏最小二乘(PLS)法研究了NIR光谱对原辅料物性参数和直接压片片剂性能的预测能力。经标准正态变量变换(SNV)+Savitzky-Golay(SG)平滑+一阶导数处理后的NIR光谱数据对微晶纤维素、乳糖、乙基纤维素、交联聚维酮和羟丙基甲基纤维素这5类辅料的区分能力较好。NIR光谱数据与原辅料粉末粒径、密度和吸湿性的相关性较强。NIR光谱信息作为物料物理性质的补充,可提高粉末直接压片片剂性能预测模型的性能。NIR光谱数据是iTCM数据库物性参数数据的补充,物性参数与NIR光谱数据的结合能更全面地表征原辅料的性质。     

应用光谱技术无损检测油菜叶片中乙酰乳酸合成酶

应用可见/近红外光谱技术实现了油菜叶片中乙酰乳酸合成酶(ALS)的快速无损检测.对99个油菜样本进行光谱扫描,经过平滑、变量标准化、一阶求导等预处理后,应用偏最小二乘法(PLS)建立了ALS的预测模型.同时提取有效特征变量,作为反向传输人工神经网络(BPNN)和最小二乘-支持向量机(LS-SVM)的输入值,并建立相应的模型.用66个样本建模,33个样本验证.结果表明,LS-SVM模型能够获得最优的预测结果,预测集样本的相关系数(r)、预测标准差(RMSEP)和偏差(Bias)分别为0.998、 0.715和0.079,获得了满意的预测精度.结果表明,应用可见/近红外光谱技术结合LS-SVM检测油菜中乙酰乳酸合成酶是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行油菜生长状况的大田监测奠定了基础.     

阿司匹林合成体系三组分的拉曼光谱测定及应用

阿司匹林合成过程中所采集的阿司匹林、水杨酸和乙酸酐的拉曼光谱存在交迭现象,很难从光谱数据中分离各组分含量。根据反应体系的组成和浓度配制样本溶液并采集拉曼光谱,运用多种方法对光谱进行预处理结合偏最小二乘法（PLS）对混合体系中阿司匹林、乙酸酐和水杨酸3组分浓度和光谱矩阵建立回归模型,对回归结果进行比较,根据交互验证均方根误差RMSECV,预测相关系数帮,预测均方根误差RMSEP。结果表明预处理方案可以有效降低基线漂移对预测精度的影响,根据Q值检验法和严检验法确定经矢量归一＋Savitzky-Golay五点二次平滑一阶卷积求导＋均值中心化对拉曼光谱预处理,PLS主成分选4,交互验证选用“逐一法”可时阿司匹林反应体系3组分进行同时测定,此训练集为阿司匹林合成体系的拉曼光谱在线监测提供了良好的数据支持。     

基于1H-NMR的模式识别方法应用于异常黑胆质糖尿病患者的尿液代谢组学研究

探讨核磁共振氢谱结合模式识别方法应用于异常黑胆质糖尿病患者的尿液代谢组研究可行性。对32 例异常黑胆质糖尿病患者和29 例健康人尿液进行核磁共振氢谱检测,采用主成分分析(principal component analysis, PCA)、偏最小二乘法判别分析(partial least squares dis-criminant analysis, PLS-DA)、正交偏最小二乘法判别分析(orthogonal to partial least squares discriminant analysis,OPLS-DA)进行模式识别分析,比较3种模式识别方法的判别能力。运用3种模式识别均可以对2组数据进行有效的区分,但OPLS-DA较PCA、P[1]LS-DA更加有效,不仅提高了模式识别方法的判断能力,可以清楚的判断两组中有差异的代谢物。基于核磁共振氢谱结合模式识别分析方法可以为异常黑胆质糖尿病代谢标志物的寻找提供理论依据。OPLS-DA的模式识别方法较其它2种方法更具优势,在揭示维医理论本质上有着广阔的应用前景。     

马氏距离、Savitzky-Golay平滑求导、SIMPLS结合天麻紫外光谱分析天麻素含量

以主成分分析法结合马氏距离法对天麻紫外光谱奇异样本进行剔除,剔除样本11个.将样本分为5/6的校正集和1/6的检验集,紫外光谱经过Savitzky-Golay(SG)平滑求导(窗口参数F=3～25之间的奇数,拟合次数N=2、3、4、5、6,共有162种SG平滑求导模式)后,利用SIMPLS建立天麻素的紫外光谱分析优化模型.按照预测效果进行优选,得到最优模型为2阶导数、窗口参数F=5、拟合次数N=4,最优相关系数r =0.9102和预测标准偏差SEP=0.3907 g/L.结果表明:紫外光谱法结合主成分分析、马氏距离法、Savitzky-Golay平滑求导和SIM偏最小二乘法,对预测天麻中的药用有效成分天麻素的含量具有很大的改进作用.     

基于光谱融合-特征提取的海洛因及其添加剂无损分类研究

在近年来的多数治安案件中,有不少是由形形色色的毒品所引起的。为了提高检验的效率,降低检验成本,实现对海洛因样本主成分及添加剂的无损分类,提出了一种基于光谱融合,主成分分析和判别分析的鉴别方法。采集并获取了不同质量分数和添加剂共计45个海洛因样本的红外光谱,选择一阶求导、多元散射校正、Savitzky-Golay平滑和峰面积归一化开展预处理工作,并利用主成分分析进行特征变量提取和采用Fisher判别分析构建判别分类模型。实验对单独的原始光谱数据,一阶导数光谱数据和融合后的光谱数据进行比较。无论是对海洛因主成分的质量分数进行分类,还是对海洛因的添加剂分类,单一的分类模型都仅能实现66.7%～88.9%的准确区分。结果表明,基于融合的光谱数据构建的判别模型分类准确率更高,对主成分质量分数和海洛因添加剂的分类,均能达到100.0%。利用红外光谱数据融合技术结合主成分分析和判别分析达到了降低检验成本且无损的目的,能够最大程度的限制毒品的流动,对今后的毒品检测和维护社会治安稳定具有一定的贡献。     

在线近红外光谱预处理对废旧纺织品定性识别的影响

将近红外光谱分析技术与一阶导数、离散小波变换、标准正态变换、多元散射校正、 S-G平滑、移动平均平滑、均值中心化和最大最小归一化8种预处理方法相结合,采用其单一及组合的方法,对聚酯、锦纶、腈纶、棉、毛、真丝、聚酯/棉、聚酯/锦纶、聚酯/氨纶、聚酯/毛、真丝/棉、锦纶/氨纶和特殊类共计13类织物的3620个近红外谱图进行预处理,并建立基于深度卷积神经网络的废旧纺织品定性识别模型。依据定性模型的识别准确率,探讨出适宜该类数据集的谱图预处理方法。研究结果表明,采用S-G平滑、均值中心化+S-G平滑和标准正态变换+S-G平滑的方法预处理后,所得模型的识别准确率均在96%以上。将此3种模型与未经预处理的原模型分别导入“分拣装置”中,对未参与建模的280个样品进行成分识别检验,经预处理优化后的模型识别准确率均高于原模型的89.6%。且均值中心化+S-G平滑预处理后,模型的识别准确率最高达96.8%,识别、分拣时间小于2 s。因此,对原模型样本的近红外光谱数据进行预处理可极大提高模型的识别准确率,为废旧纺织品的在线高效识别与自动分拣提供新方法。     

基于多分类模型的记号笔墨水红外光谱分析

记号笔墨水的区分鉴别在相关案件的侦破和诉讼中具有重要意义。本实验采用红外光谱法(ATR-FTIR)获取记号笔的原始光谱,并对原始光谱分别进行自动基线校正、Savitzky-Golay平滑、峰面积归一化和小波阈值去噪四种预处理消除噪声等干扰因素并确定特征波长,同时结合判别分析(DA)、径向基函数神经网络(RBF)和K近邻算法(KNN)构建分类模型。结果表明,三种模型对黑色笔的分类最准确,均实现了100%的识别,对红蓝色笔区分能力次之,相比较DA和RBF,KNN模型的分类精度最高。采用ATR-FTIR结合DA-RBF-KNN法能为记号笔的类型准确检测提供新的分析手段,且模型检测精度高,方法具有普适性和一定的借鉴意义。     

近红外光谱技术用于花生油中棕榈油含量的测定

本文采用近红外光谱技术采集样品的近红外光谱数据,光谱经一阶求导后,采用偏最小二乘法(PLS)建立花生油中棕榈油含量的定标模型,并用交互验证法对模型进行了验证。模型相关系数为0.9963,校正均方根(RMSEC)为0.937。该模型应用于实际样品的检测,结果令人满意。     

基于氢核磁共振技术和化学计量学方法鉴别蜂蜜品种

利用氢核磁共振(~1H NMR)技术结合化学计量学方法对不同品种的蜂蜜进行鉴别。采集33个洋槐蜜、48个油菜蜜、63个荔枝蜜的核磁指纹图谱,对数据进行不同方式的预处理后,采用有监督的偏最小二乘判别分析(PLS-DA)和正交偏最小二乘判别分析(OPLS-DA)建立判别模型。结果表明,不同的数据预处理方式对模型解释能力和预测能力的影响较大,自标度化(UV)模式更适于蜂蜜核磁数据的分析。建立的OPLS-DA模型可有效地分离判别3种蜂蜜,所建模型对3种蜂蜜的判别解释能力达95.8%,对未知样本的预测能力为90.5%。因此,利用~1H NMR结合OPLS-DA方法可有效地实现不同品种蜂蜜的快速鉴别。     

应用近红外光谱技术分析烟丝总糖和还原糖的研究

应用傅立叶变换近红外漫反射光谱仪,对同一品牌通过选择不同批号代表性好的卷烟烟丝样品,建立了卷烟烟丝总糖和还原糖的近红外定量分析数学模型,并对不同批号的分析样品进行检验,近红外预测值的平均相对误差为1.01%和0.77%,接近实测值,说明近红外光谱分析技术可用于卷烟烟丝生产质量指标的检测.