基于遗传算法和间隔偏最小二乘的苹果硬度特征波长分析研究

利用傅里叶近红外光谱(FT-NIRS)测定了苹果的硬度。通过使用几种基于遗传算法和间隔偏最小二乘法的特征波长选取方法,包括动态向后间隔偏最小二乘(dynamic backward version of interval PLS,dynamic biPLS)、动态向后间隔偏最小二乘结合遗传算法(dynamic biPLS & GA-PLS)和反复的遗传算法(iterative GA-PLS),分析了苹果硬度的特征波长。结果表明,运用遗传算法和间隔偏最小二乘选择特征波长后,不但可以降低模型的复杂度,同时能够达到提高模型预测精度的效果。在此基础上,研究分析了苹果硬度特征波长的物理化学意义。由于果胶是在苹果成熟过程中一种和硬度有很大关联的物质,通过比较苹果硬度的特征波长和果胶的特征吸收峰,发现两者具有有很好的一致性。因此,采用遗传算法和间隔偏最小二乘法得到的苹果硬度的特征波长能够反映果胶的吸收信息,从而解释了近红外技术检测苹果硬度的机理。     

基于近红外光谱分析技术测定库尔勒香梨硬度

采用近红外(NIR)漫反射光谱法对新疆特色梨果库尔勒香梨的五种不同果（包括青头、粗皮、脱萼、宿萼、突顶果）的硬度进行测定。由于近红外光谱数据量大且原始光谱噪声明显、测定水果时散射严重等导致光谱建模时关键波长变量提取困难。以新疆库尔勒香梨为研究对象,为了有效地消除固体表面散射以及光程变化对NIR漫反射光谱的影响,首先采用标准正态变量变换（SNV）和多元散射校正（MSC）对库尔勒香梨的原始光谱进行预处理。为寻找适合近红外光谱检测库尔勒香梨硬度的最佳特征波长筛选方法,进行香梨近红外光谱的特征波长变量选择方法的比较与研究。研究比较了两种特征波长筛选方法对库尔勒香梨硬度偏最小二乘法（PLS）建模精度的影响。同时使用反向偏最小二乘（BiPLS）和遗传算法结合反向偏最小二乘（BiPLS-GA）在全光谱范围内筛选香梨硬度的特征波长变量,将校正均方根误差（RESMC）、预测均方根误差（RESMP）以及决定系数（R2）作为模型的评价标准,并最终确定最优波段选择方法及最佳预测模型。基于选择的特征波长变量建立的PLS模型（BiPLS-GA）与全光谱变量建立的PLS模型进行比较发现BiPLS-GA模型仅仅使用原始变量中6.6%的信息就获得了比全变量PLS模型更好的库尔勒香梨硬度的预测结果,其中R2,RMSEC和RMSEP分别为0.91,1.03和1.01。进一步与基于反向偏最小二乘算法（BiPLS）获得的特征变量建立的PLS模型比较发现,BiPLS-GA不仅可以去除原始光谱数据中的无信息变量,同时也能够对共线性的变量进行压缩去除,使得建模变量从301个减少到20个。极大地简化模型的同时有效地提高了模型的预测精准度和稳定性。因此该方法能够有效地用于近红外光谱数据变量的选择。证明了近红外光谱分析技术结合BiPLS-GA模型能够高效地选择出建模变量,去除与库尔勒香梨硬度无关的近红外光谱信息,显著地提高库尔勒香梨硬度定量模型的预测精度。这不仅为新疆地区特色梨果库尔勒香梨的快速、精确、无损优选分级提供一定的技术支持,同时也为基于近红外光谱分析技术预测水果内部品质的研究提供了参考。     

梨和苹果糖度在线检测通用数学模型研究

采用可见/近红外光谱技术在线检测水果糖度,每个水果品种要单独建模,模型升级维护耗时费力。探讨建立苹果、梨等薄皮水果可溶性固形物(SSC)在线检测通用数学模型的可行性。利用自行设计的可见/近红外漫透射光谱在线检测系统,在积分时间80 ms、单线速度5个/s的条件下,采集新梨7号、砀山酥梨、玉露香梨和富士苹果四种水果的可见/近红外漫透射光谱。分析了四种水果的可见/近红外漫透射光谱响应特性,采用变异系数法和连续投影算法,筛选通用数学模型建模用光谱变量,并建立了偏最小二乘和最小二乘支持向量机梨与苹果梨通用数学模型。采用新样品评价模型的预测能力,变异系数法筛选光谱波段建立的偏最小二乘通用数学模型预测精度最高,通用模型预测梨和苹果梨模型预测均方根误差分别为0.49%和0.55%,通用模型预测相关系数分别为0.88和0.93;独立模型预测新梨7号、玉露香梨、砀山酥梨和富士苹果的预测相关系数分别为0.93,0.91,0.88和0.95,预测均方根误差分别为0.40%,0.42%,0.41%和0.46%。通用数学模型的预测精度略低于每个品种的独立数学模型,但是通用模型的通用性高于单一模型。实验结果说明采用变异系数法结合偏最小二乘法建立薄皮水果在线检测通用数学模型,实现四种水果糖度在线检测是可行的。     

近红外光谱技术检测种子质量的应用研究进展

作为农业生产最基本的生产资料,种子质量是影响其种用价值的最重要特征。常用的种子质量检测方法存在检测速度慢、具破坏性、预处理过程复杂等问题,因此研究简便快速的种子质量检测方法对于种子质量检验具有重要意义。本文综述了近年来近红外光谱技术检测种子内含物、种子活力及贮藏年份、种子病害和虫害等研究现状及存在的问题。对于水分、淀粉、蛋白质、脂肪酸、胡萝卜素等物质含量,其模型鉴别率较高,对相对含量较低的微量物质鉴别率较低;因高温高湿致活力下降的种子以及贮藏不同年份的种子可以高效鉴别,而因冷害所致的活力较低种子无法鉴别;目前可成功鉴别健康种子与感病种子,并对种子的健康度进行有效的分级,部分真菌性病害的病原菌也可鉴别;可成功鉴别遭虫蚀种子与健康种子,进而区分害虫的种类,但对虫害水平较低的样本和较小幼虫的检测效果不够理想。最后对近红外光谱技术在种子质量检测应用上存在的问题进行了分析与展望,特别是种子行业特有的单粒检测技术,其光谱采集配件的标准化将极大的提高其应用性。     

农作物种子发芽时贮藏物质动员的红外光谱研究

研究种子萌发时贮藏物质动员的一般方法是化学方法,操作烦琐耗时。作者利用傅里叶变换红外光谱对豆类(大豆、蚕豆、豌豆)及禾谷类(稻谷、小麦、大麦)农作物种子发芽时贮藏物质动员情况进行了研究。结果表明,豆类种子发芽前后在1 200～1 000 cm-1范围的光谱变化显著,表明在发芽过程中糖类物质消耗较多;禾谷类种子发芽前后蛋白质酰胺带的强度明显下降,说明发芽过程中贮藏蛋白质被利用了;另外,禾谷类种子发芽后脂类特征峰强度也下降,说明发芽过程中贮藏脂类也被动用了。红外光谱法在种子学研究方面具有快速、方便、不需对样品进行分离提取等特点。     

Label-free and rapid spectroscopic evaluation of ripening of Syzygium cumini fruit

In the present investigation, attempts have been made to obtain the spectral signature of the fruit jamun and to estimate the changes in biochemical composition that take place in the process of ripening of the fruits. The changes in exocarp, mesocarp, and seed of the fruit in raw and ripe stages have been investigated with the help of label-free, nondestructive, and rapid techniques: laser-induced fluorescence and attenuated total reflectance Fourier transform infrared spectroscopy. For this, the fluorescence spectra of the different parts (exocarp, mesocarp, and seed) of the raw and ripe fruits of jamun excited by 405?nm violet diode laser have been recorded in the spectral region 400–900?nm. The spectrum shows the spectral signature of anthocyanin, flavonoids, carotenoid, and chlorophyll. The observed decrease in the intensity of chlorophyll bands and simultaneous increase in the intensity of anthocyanin and carotenoid bands is regarded as indicator of the ripening of the fruit of jamun. Also, attenuated total reflectance Fourier transform infrared spectra have been recorded in the spectral region 4000–485?cm^?1 for the identification of functional groups associated with different biochemical altered during ripening process of the fruits of jamun. The analyses of the recorded infrared spectra show the presence of carbohydrates, cell wall components, phenolic compounds, nucleic acid, and amide. The quantitative estimation of the biochemical content in the different parts of jamun fruit during the ripening process has been done through calculating the area of the band by curve fitting. The determined spectral signatures can be utilized for the effective monitoring of jamun fruit.     

乌拉尔甘草单粒种子硬实特性的近红外光谱分析

以乌拉尔甘草种子为材料,采用近红外光谱结合定性偏最小二乘法对244粒种子(硬实种子和非硬实种子比例为1∶1)的硬实性进行了鉴别研究,并特制一样品杯用于单粒种子的光谱采集,以降低人为误差。研究结果表明,4次重复平均光谱所建模型鉴别率显著高于单次光谱所建模型,光谱范围采用4 000～8 000 cm-1时模型效果较好,校正集、检验集、预测集样本的鉴别率分别为95.53%,95.94%和94.53%,采用不同建模样品所建模型其预测准确率均在90%以上,硬实种子和非硬实种子的预测准确率分别为92.50%和96.56%。种子大小和颜色均会影响模型的鉴别率,种子颜色的影响相对更大。     

大白桃糖度的近红外漫反射光谱无损检测试验研究

该研究应用近红外(near infrared, NIR)漫反射光谱定量分析技术开展了金华大白桃的糖度检测试验研究。用偏最小二乘回归(partial least square regression, PLSR)方法在800～2 500 nm光谱范围建模,通过比较果汁和不同部位果肉所对应的相关模型的预测结果发现：用水果3个部位(顶部、中部、底部)共9个检测点的果肉平均光谱和糖度平均值建立的模型的结果比果汁或单独某个部位果肉(3个检测点)所建立的模型的结果要好。在此基础上,分析了光谱微分和散射校正预处理对建模结果的影响,结果显示微分光谱建立的模型不如原始光谱建立的模型的结果好,光谱的散射校正处理(用多元散射校正MSC和标准正态变量变换SNV两种方法)有助于提高模型的预测性能。最终建立桃子果肉平均光谱经MSC和SNV散射校正后与糖度的相关模型,MSC和SNV对建模结果的影响基本一致,MSC-PLSR和SNV-PLSR模型的相关系数Rcal和交互验证相关系数Rcross-v分别为0.997和0.939。该研究表明近红外光谱检测技术可用于金华大白桃糖度的定量分析。     

利用少量波段近红外光谱图像鉴定玉米种子纯度

为实现玉米杂交种的自动化快速分选,提出了应用少量近红外波段光对玉米种子进行成像,获取种子光谱图像并提取纹理特征来鉴定玉米杂交种纯度的方法。采集5个玉米品种的母本和杂交种在4个短波近红外波段的透射光谱图像和4个中波近红外波段的反射光谱图像,采用白板标定校正光谱图像,运用中值滤波、大津法去除噪声,从背景中分割出种子,应用灰度分布统计,灰度共生矩阵提取纹理特征,对同一粒种子拼接其在各波长处的特征数据,应用主成分分析和正交线性判别分析降维并获得子空间的最佳可分性,使用支持向量机建立透射和反射光谱图像纯度鉴定模型。透射和反射模型对5个玉米品种平均正确鉴别率均在85%以上。表明利用少量波段的近红外光谱图像鉴定玉米杂交种纯度是可行的。     

近红外光谱分析技术及其在牧草种子质量监督检验上的应用前景

近红外光谱(NIRS)的分析技术是一项高效、快捷检测样品中某种物质成分的分析新方法,近年来在农业、食品、医药、化工、纺织、环保等领域得到了广泛的应用。 文章简要介绍了NIRS技术产生和探测的基本原理、方法和技术特点,回顾了其在植物种子研究方面的应用情况,然后从种子品种鉴定、种子纯净度鉴定、种子发芽率测定、种子水分含量和生活力测定等四个方面阐述了NIRS分析技术应用于牧草种子质量监督检验的意义和潜在价值。 最后得出结论应用NIRS技术能降低种子检验成本、提高检验效率,还有助于扩大常规种子检验的范围和用途,因此NIRS应用于牧草种子质量检验有着重要的理论和实际意义。     

应用近红外光谱技术快速鉴别玉米杂交种纯度的研究

采用近红外光谱分析技术结合定性偏最小二乘法对农大108玉米杂交种的纯度进行了鉴别研究,实验采用农大108杂交种子与母本178种子各100粒进行单粒光谱扫描(建模集与检验集比例为3:1),结果表明:透射孔直径为3 mm 时,所建模型平均鉴别率为99.82%,显著高于透射孔直径为4.5 mm 时所建模型的鉴别率90.96%;采用胚乳面一次光谱、胚面两次平均光谱、胚乳面两次平均光谱和四次平均光谱进行建模,其平均鉴别率筹异不显著,检验集平均鉴别率均达到99%左右,略高于胚面一次光谱;选择透射孔径3.0 mm,4 000～8 000 cm1 光谱范围,种子胚乳面单次光谱所建立的农大108玉米杂交种的种子纯度鉴定模型的建模集和检验集的鉴别率均达到100%.     

近红外光谱检测技术及其在林业中的应用

近红外光谱是20 世纪80 年代以来发展最快、最引人注目的光谱分析技术。文章介绍了近红外光谱技术的发展历程和在国外的应用概况,重点列举了近红外光谱在林业中的成功应用实例。资料表明, 近红外光谱以其快速、无损伤、操作简单、稳定性好、效率高等特点,在国外的水果品质检测、木材性质检测和林业育种中的应用已成为一个活跃的研究领域。而近红外光谱技术在我国林业上的研究和应用则刚刚起步,因此本文对国内外利用近红外光谱技术在林业上的应用作一综述,并对近红外检测技术在林业上的应用进行了展望,以推动近红外光谱技术在我国林业科技和生产中的应用。     

“油青种”翡翠的矿物学特征及颜色成因

采用X射线衍射、红外吸收光谱及扫描电镜等现代测试方法,对“油青种”翡翠的矿物学特征及颜色成因进行了深入研究。X射线衍射分析结果显示,“油青种”翡翠“肉”的矿物组成为较纯的硬玉,而“皮”由硬玉、绿泥石及纤蛇纹石等三种矿物组成。红外吸收光谱分析所揭示的矿物组成与X射线衍射较为一致,同时发现“油青种”翡翠“肉”及“皮”具有~2 956,~2 919和~2 850 cm-1等三个典型有机质的特征吸收峰。“油青种”翡翠“肉”中硬玉呈现明显的柱状,结晶程度明显好于“皮”中的硬玉,但“皮”中硬玉比“肉”中硬玉明显富含Mg,说明“皮”中硬玉发生过强烈的水/岩反应。纤蛇纹石仅在“油青种”翡翠的“皮”中出现,晶面呈现明显的弯曲状。在“油青种”翡翠“肉”的裂隙处及“皮”中均发现片状绿泥石的存在,可能为“油青种”翡翠致色的主要原因。形成于还原性水/岩反应的绿泥石,会吸附或者包裹一定量的有机质,导致“油青种”翡翠出现有机质的特征吸收峰。     

果皮厚度对水果组织中光传输特性的影响

水果产品品质检测技术在水果的生产和消费中起着十分重要的作用。利用水果产品的光学特性进行无损检测是水果品质无损检测与分级技术中最实用的和最成功的技术之一。深入研究光在水果组织中的输运规律,对于水果产品品质的光学检测有着十分重要的意义。本文以仁果类薄皮水果苹果和厚皮水果柑橘为例,建立果皮和果肉两层组织模型,利用蒙特卡罗法模拟了808 nm的波长下高斯光束在水果组织中传输的光学特性,揭示了水果果皮厚度对光在组织中的传输特性如漫反射率、透射率、内部吸收率和穿透深度等特性的影响,分析了果肉组织的检测效率。研究结果表明,果皮越厚,透射率和穿透深度越小,果皮比果肉的光吸收能量密度在径向距离上的分布范围更广,随着水果组织内部深度的增加,光吸收能量密度逐渐减小,径向方向减弱的更快。而对于漫反射率,在径向距离0.2～1.2 cm之间,果皮越薄漫反射率越小,在1.2～4.0 cm之间,果皮越厚漫反射率越小。此研究结果表明在用光学检测方法对水果进行无损检测和分级时,无论是透射或反射测量,果皮厚度和光束的相互作用都不应忽视,也为不同类型的水果产品设计更为有效的光学检测装置(如光源的强度、检测器的大小以及位置等)提供了理论基础,对于水果产品品质的光学检测有着十分重要的意义。     

基于Slope/Bias算法的相近种类水果模型传递研究

为了提升便携式近红外仪器中单一水果模型应用的广泛性,创新性的将不同仪器间模型传递的思想应用在不同种类水果间可溶性固形物(soluble solid content,SSC)的模型传递。基于苹果、梨、桃三种水果在SSC含量范围、果型大小以及果皮厚度等的相近物理化学特性,提出利用简单的斜率/截距(Slope/Bias)算法对苹果SSC的偏最小二乘(partial least square,PLS)模型进行传递,仅用少量的梨和桃样品即可将苹果SSC模型应用于其SSC值的预测,更快捷方便且节约成本。对于梨样品,用35个标准样品,预测集均方根误差(root mean square error of prediction,RMSEP)值由直接预测的1.009°Brix降为0.565°Brix;对于桃样品,用40个标准样品,RMSEP由直接预测的1.726°Brix降为0.677°Brix。为了验证该模型传递方法的可行性,通过斜率/截距算法,采用梨和桃模型对其他两种水果的SSC进行预测,其中利用建立的梨SSC模型,经斜率/截距算法模型传递后,对于苹果样品,用30个标准样品,RMSEP值达到0.597°Brix,对于桃样品,用40个标准样品,RMSEP值达到0.689°Brix;利用建立的桃SSC模型,经斜率/截距算法模型传递后,对于苹果样品,用35个标准样品,RMSEP值达到0.654°Brix,对于梨样品,用30个标准样品,RMSEP值达到0.439°Brix。研究结果表明:斜率/截距(Slope/Bias)方法可用于苹果、梨、桃等相近种类水果间的模型传递,为近红外光谱仪在相似种类物质间的预测提供了新思路。     

基于近红外光谱的商品玉米品种快速鉴别方法

现有的玉米种子品种鉴别方法检测时间长,费用高,不易大批量快速鉴别。提出了一种基于近红外光谱数据快速鉴别商品玉米品种的新方法。先使用傅里叶变换近红外光谱仪获得从4 000到12 000 cm-1波段范围的37个商品玉米品种籽粒的漫反射光谱数据。对原始光谱进行矢量归一化预处理以消除噪声干扰,为了找到玉米品种籽粒的光谱特征波段,提出一种基于标准差的方法,进而对寻找到的玉米籽粒特征波段光谱做主成分分析(PCA),取能反映玉米品种 99.98％ 光谱信息的前10个主成分。最后使用仿生模式识别 (BPR)方法建立了37个玉米品种鉴别模型,对于每个品种的25个样本,随机挑选15个样本作为训练样本,其余10个样本作为第一测试集,其他品种共900个样本作为第二测试集。该鉴别模型对于37个玉米品种的平均正确识别率为94.3%。该方法的进一步研究有利于建立以近红外光谱为基础的物理指纹品种鉴别技术。     

基于高光谱技术的玉米种子可视化鉴别研究

种子纯度是衡量种子品质的重要指标。提出一种基于近红外(874～1 734 nm)高光谱技术实现玉米种子可视化鉴别的方法。采集4个品种共384个玉米种子样本的高光谱图像数据,随机选择288个样本作为建模集,剩余96个样本作为预测集。对玉米种子光谱曲线进行分析后,通过连续投影算法（SPA）选取7个特征波段作为输入,结合偏最小二乘法判别分析(PLS-DA)模型,对预测集进行预测,获得较好的分类效果,其中R_C=0.917 7,RMSECV=0.444 2; R_CV=0.911 5,RMSECV=0.459 9,建模集和预测集的总体鉴别率分别为78.5%和70.8%。通过图像处理技术提取高光谱图像中每个玉米颗粒的平均光谱数据,输入建立的SPA-PLS-DA模型,在计算生成的鉴别图中以不同颜色标识不同类别,实现了混杂玉米种子样本的可视化鉴别。对3份不同组成的混杂种子样本进行鉴别,达到了较好的可视化效果。结果表明,通过可视化鉴别技术,可以直观方便地观察混杂种子样本中不同品种种子的分布和数量,为农业生产中种子的纯度鉴别和筛选提供了帮助。     

基于红外热成像技术和广义回归神经网络的稻种发芽率检测方法研究

基于稻种老化时间不同时的物理学和生理学差异,提出一种基于红外热成像技术及广义回归神经网络的快速、无损检测稻种发芽率的检测方法,解决传统稻种发芽率检测方法操作复杂、实验周期长等问题。在温度为45 ℃、湿度为90%的条件下,将水稻种子依次老化0,1,2,3,4,5,6和7 d,得到不同发芽率的种子;采集稻种红外热图像,然后提取稻种胚芽部位数据,总计144份,随机分为校正集和预测集,其中校正集96份,预测集48份;分析和比较不同老化天数稻种红外热差异,从物理学和生理学方面揭示稻种发芽率与红外热图像间的关系,结合偏最小二乘算法(partial least squares, PLS)、BP(back propagation, BP)人工神经网络和广义回归神经网络(general regression neural network, GRNN),建立稻种发芽率的红外热模型。结果表明,利用GRNN建立的发芽率预测模型效果最优,其中校正集的R_C(相关系数)和SEC(标准偏差)分别为0.932 0和2.056 0,预测集R_P(相关系数)和SEP(标准偏差)分别为0.900 3和4.101 2,相关性均达到较高水平且校正集与预测集的标准偏差均较小。实验结果表明,采用红外热成像技术结合广义回归神经网络研究稻种发芽率是可行的,且所建模型在稻种发芽率快速测定方面有较高的精度。     

自然老化谷类种子的二维红外光谱研究

种粮老化影响种子活力及粮食品质。利用傅里叶变换红外光谱(FT-IR),二阶导数红外光谱(SD-IR)和二维相关红外光谱(2D-IR)方法对不同储藏年份的大麦,小麦,稻谷,玉米和高粱种子进行区分研究。结果显示,原始光谱中几个峰强比有差异;在二阶导数红外光谱中,不同储藏年份种子在1 800～800 cm-1范围内的吸收峰强度和形状显示出差异。二维相关红外光谱结果显示：大麦在1 350～1 800 cm-1,小麦,稻谷,玉米和高粱在860～1 690 cm-1范围内有明显差异,随储藏年份增加,自动峰和交叉峰的数目减少,强度减弱。结果表明,应用傅里叶变换红外光谱结合二维相关红外光谱能有效快速地区分不同储藏年份的谷类种子。     

基于近红外漫反射光谱的香梨类别定性分析

基于近红外(near infrared, NIR)漫反射光谱分析技术对库尔勒香梨中的脱萼果和宿萼果进行了自动化判别试验研究。用对不同波段范围、不同光谱预处理方法(MSC、SNV、微分光谱)和不同主成分因子数对香梨类别判别结果的影响进行了对比分析,建立了香梨类别的定性判别模型。研究结果表明：用判别分析(discrimant analysis,DA)方法在9 091～4 000 cm-1范围结合原始光谱建立的DA判别模型最优,该方法对校正集正确分类率达100%,预测集正确分类率为95%。