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。     

蚕茧性别近红外光谱（NIRs）的模式识别

探讨了用近红外光谱识别蚕茧性别的方法和可行性，采用６２５０型近红外光谱分析仪，从波长６８０ｎｍ到１２３５ｎｍ先后对１５０７颗鲜茧做了非破坏性扫描测试，其有效率在９７．２３％～９８．３３％，是目前蚕茧性别鉴别中效果最好的一种方法。结果还表明，这种判别法不受品种、蚕期及年份的影响，而雌雄茧在近红外光谱上表现的差别主要是由蚕蛹的性质不同所致，与茧层关系不大     

“动态”近红外光谱结合深度学习图像识别和迁移学习的模式识别方法研究

该文以山羊绒与山羊绒/羊毛混纺织物以及纯棉与丝光棉织物为研究对象,使用其"动态"光谱,扩大类间的光谱差异信息,通过融合其同步和异步二维相关光谱,用多张动态光谱构造一张能反映细节化学差异信息的"化学图像"。使用GoogLeNet深度神经网络图像识别模型结合迁移学习,建立了一种光谱分类的新方法。收集了234个织物样品,制备水含量分别为0、5.4%、11.2%和16.3%的样本,同时采集样品的漫反射近红外光谱。使用干基样品的多种预处理光谱,利用线性分类方法簇类独立软模式识别(SIMCA)和非线性方法支持向量机(SVM),共建立了16个分类模型。其中,山羊绒与山羊绒/羊毛混纺织物的SIMCA和SVM最优预测正确率分别为63.33%和70.09%,纯棉与丝光棉织物的分别为71.02%和72.51%,均不能实现有效分类。新方法对山羊绒与山羊绒/羊毛混纺织物的预测正确率为92.59%,纯棉与丝光棉织物的为94.74%,获得了有效分类。该文首次将图像分类方法用于光谱分类识别,开辟了一种新的研究途径。针对实际应用能收集到的样品属于小样本,不能满足深度学习需要大数据样本的问题,使用迁移学习方法使深度学习框...     

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.     

基于高光谱成像技术的配方烟丝组分判别

应用近红外(1000～2200 nm)高光谱成像技术开展了面对像素、面对样本的配方烟丝4种组分(叶丝、梗丝、薄片丝、膨胀丝)的判别研究.以样本高光谱图像的所有像素点光谱数据进行面对像素的组分判别;以样本所有像素点的平均光谱数据进行面对样本的组分判别.采用二阶导数法结合萨维茨基-戈莱平滑(SG)滤波对光谱数据进行预处理....     

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...     

基于光谱比值分析的无标样近红外模型传递方法

测量环境及光谱仪台间差异导致近红外光谱(NIRS)模型传递到从机后,常产生较大误差。该文使用标准正态变量变换(SNV)+微分处理光谱消除光谱散射和基线漂移的影响,提出通过仪器间光谱信号比值分析筛选波长的方法(Screening wavelengths based on spectrum ratio analysis,SWSRA),选出仪器间一致性较好且样本间差异大的光谱特征波长,采用筛选出的波长信号建立待测性质的偏最小二乘近红外光谱定标模型。以80个玉米样品中水分、油、蛋白质含量及72个黄芩样品中黄芩苷含量的NIRS预测对该方法进行了检验。结果表明,SWSRA主机模型预测从机样品的各成分含量的平均相对误差均小于4.3%,明显优于全波长模型直接传递的结果,且其预测均方根残差RMSEP与文献报道的其他模型传递方法的结果相当或更优。SWSRA方法具有模型参数少、稳健、简便易行等优点,可以在同类型近红外光谱仪器之间实现模型的无标样传递。     

鱼粉近红外光谱模型传递应用研究

为探讨光栅型与傅里叶变换型近红外分析仪之间模型传递的应用效果,选取国产鱼粉为近红外光谱样本,DS2500F型近红外分析仪为源仪器,MPA型近红外分析仪为目标仪器,采用分段直接校正(PDS)方法实现近红外光谱传递。分别建立水分、粗蛋白质、粗脂肪、蛋氨酸和赖氨酸等组分的预测模型,通过交互验证决定系数(R_cv²)、交互验证标准误差(RMSECV)、马氏距离(MD)、系统偏差(Bias)、预测均方根误差(RMSEP)和相对分析误差(RPD)等参数,多维度评估光谱传递后所建预测模型的效果。结果表明,DS2500F仪器的近红外光谱传递到MPA型仪器时,所建国产鱼粉的水分、粗蛋白质、粗脂肪、蛋氨酸、赖氨酸的预测模型与MPA型仪器原始预测模型各参数对比无显著差异,预测效果基本一致,说明国产鱼粉在DS2500F仪器上的近红外光谱通过传递可以替代MPA型仪器的原始光谱,间接实现了模型传递,且具有良好的适用性和共享性,可提高近红外预测模型的应用效率。     

近红外光谱结合新型模型传递方法用于糖料的在线质量监控

当采用近红外光谱技术对糖香料的生产过程进行在线质量监控时,糖香料的温度变化严重影响近红外光谱校正模型的预测性能,使其对糖浆样本中主要成分预测结果的平均均方根误差从2.4%增大到29.2%。本研究将近红外光谱技术与载荷空间标准化新型模型传递方法相结合,有效消除了温度变化对近红外光谱校正模型定量分析结果的影响,使其对糖浆样本中主要成分预测结果的平均均方根误差维持在3.8%的水平,实现了利用近红外光谱技术对糖香料的质量进行快速准确的监测和控制。本研究的研究结果为糖料的配制和使用提供了技术保障。     

近红外光谱定量校正模型的建立及应用

介绍了近红外光谱定量校正模型的建立步骤,从样品集的选择,光谱的采集,定量校正模型的建立和验证,到模型适用性判据的建立.在此基础上,剖析了影响近红外光谱分析结果的因素,并讨论了在实际应用过程中应注意的关键性问题.     

基于一元线性回归的近红外光谱模型传递研究

为解决近红外光谱分析中的模型传递问题,本研究提出了一元线性回归直接标准化算法(Simple linear regression direct standardization,SLRDS)。为验证算法的有效性,采用玉米样品的近红外光谱集进行实验,并与传统的直接标准化算法(Direct standardization,DS)、分段直接标准化算法(Piecewise direct standardization,PDS)进行比较。实验结果表明,SLRDS算法不仅能够有效消除近红外光谱仪之间的差异,很好地实现玉米样品的PLS校正模型在3台仪器之间的共享,而且与DS和PDS算法相比,具有传递性能高、模型简单及所求参数少等优点。     

分段直接校正模型转移结合近红外光谱技术的甲醇汽油中甲醇定量分析方法研究

发展了一种基于分段直接校正(PDS)算法结合偏最小二乘法(PLS)的近红外光谱(NIR)定量分析模型转移方法,用于甲醇汽油中甲醇的准确定量分析.首先,制备了20个不同甲醇含量的甲醇汽油样品,并采集其NIR光谱;其次,考察了不同输入变量(800～2000 nm、1100～1900 nm、1100～1700 nm、1390...     

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0.74...     

CARSiPLS用于烟煤中水分与挥发分的近红外光谱测定北大核心CSCD

将竞争自适应重加权采样(CARS)与区间偏最小二乘回归(iPLS)相结合的变量筛选建模方法 CARSiPLS,用于烟煤中水分与挥发分的近红外光谱测定。以CARS逐步筛选出每个区间与待测量相关的变量,建立烟煤中水分与挥发分近红外光谱测定的偏最小二乘回归模型。结果表明:与PLS、iPLS相比,CARSiPLS可以显著减少变量数,同时提高模型预测性能;挥发分建模变量从1557个减少至15个,水分建模变量从1557个减少至317个;挥发分、水分的预测平均绝对百分误差分别从0.031 5降至0.018 4、从0.188 4降至0.094 6;挥发分、水分的预测均方差分别从0.010 8降至0.006 7、从0.005 0降至0.002 8。     

基于小波变换动态时间规整的近红外光谱模型传递方法

为解决因测量环境及仪器差异而导致的近红外光谱模型通用性较差的不足,提出一种基于小波变换动态时间规整算法的模型传递方法(Wavelet transform combined with dynamic time warping,WDTW),从而实现不同仪器之间模型的共享。首先,该方法将光谱进行小波变换预处理,然后利用动态时间规整算法(Dynamic time warping,DTW)找到近红外光谱波长点之间最优的对应关系并建立回归方程。使用近红外药品光谱数据集和汽油数据集建立传递模型,验证了基于小波变换动态时间规整模型传递方法的有效性。汽油光谱数据集C7、C8、C9和C10成分的预测标准偏差(SEP)分别为0.414 4、0.801 1、1.090 4和1.290 8;药品光谱数据集活性、硬度和重量的SEP分别为2.585 6、0.434 5和2.270 3,均小于传统方法。上述实验结果表明,所建立的模型传递方法能有效消除源机光谱和目标机光谱之间的差异,提高模型的稳定性和准确性,实现模型传递的效果。     

基于最小角回归结合一元线性直接校正法的近红外光谱模型传递方法

针对近红外光谱分析技术中模型通用性较差的问题,提出了一种新的模型传递方法——最小角回归结合一元线性直接校正法(Least angle regression combined simple linear regression direct standardization,LARSLRDS)。该方法首先采用小波变换对样品光谱数据进行预处理,然后利用LAR实现样品全谱区光谱特征波长点的筛选,最后利用SLRDS对筛选出来的变量进行校正。采用汽油和药品样本的近红外光谱数据验证LAR-SLRDS性能,汽油数据集C7、C8、C9和C10成分的光谱差异为0. 002 8、0. 002 7、0. 002 6和0. 002 7,预测标准差为0. 410 6、0. 849 2、1. 034 9和1. 215 8;药品数据集活性、硬度和重量成分的光谱差异为0. 030 0、0. 031 8和0. 033 6,预测标准差为1. 933 8、0. 440 2和2. 130 9。结果表明,LAR-SLRDS算法不仅能够消除主、从仪器光谱之间存在的差异,实现模型传递,而且能够提高PLS定量模型的准确性和稳定性,具有广泛的应用潜力。     

小波变换结合多维偏最小二乘方法用于近红外光谱定量分析

将小波变换和多维偏最小二乘法相结合用于近红外光谱定量校正模型的建立。首先将原始光谱进行小波变换分解，得到系列小波细节系数，通过选取一组受外界因素少、信息强的小波系数组成三维光谱阵，然后再采用多维偏最小二乘法建立校正模型。实验结果表明，该方法所建近红外校正模捌的预测能力更强，并更具稳健性。     

近红外光谱分析仪校准方法的探讨

通过对各种近红外光谱分析仪进行系统的测试和论证,初步建立了一套近红外光谱分析仪的校准方法.该方法各项指标评价结果符合仪器的设计性能及实际测试工作要求.     

近红外光谱技术在液化石油气检测中的应用研究

本研究采用实验室近红外光谱仪测定气态液化石油气的组成,自行研制了可让气流稳定流过的比色皿,并制作了配套的铝合金样品槽,研究了光程、光谱波段、扫描时间等因素对气态液化石油气近红外模型的影响,确定了最佳的实验参数,并对液化石油气各组分的近红外模型进行了优化.结果表明:近红外光谱技术结合自制比色皿适用于液化石油气组成分析,所...