近红外光谱结合GA-LSSVR分析烟草尼古丁含量

为了提高近红外光谱快速检测烟草尼古丁含量的精度和稳定性,利用近红外光谱结合遗传算法-最小二乘支持向量回归(GA-LSSVR)建立了回归预测模型。在LSSVR模型建立过程中,采用遗传算法对LSSVR参数进行自动优化。相比于利用常规最小二乘支持向量机和遗传偏最小二乘法等建立的回归预测模型,GA-LSSVR法建立的回归预测模型泛化能力更强,预测效果更好,验证集相关系数R2为0.9766,预测均方根误差为0.1065。研究结果表明,GA-LSSVR是一种快速准确的建模方法,为烟草尼古丁含量的近红外测定和近红外光谱数据的处理提供了新的方法与途径。     

用光谱主成分分析选择烟草近红外模型校正集样品

为研究光谱主成分分析方法在选择烟草近红外模型校正集样品过程中的可行性,本文采用常规的人为挑选和光谱主成分分析两种方法选择校正集样品,并利用偏最小二乘法建立烟叶总糖、总氮和烟碱含量的预测模型,同时比较了这两种校正集样品选择方法所建立模型的各项评价指标和预测结果的差异性。结果表明,上述两种方法建立的总糖、总氮和烟碱含量预测模型的各项评价指标非常接近,对20个烟叶样品的预测结果也无明显差异。因此,应用光谱主成分分析是烟草近红外模型构建过程中的一种非常有效,且节约常规化学分析成本的校正集样品选择方法。     

一种用于预测蚕丝含量占比的近红外光谱分析方法

针对近红外光谱分析技术中未充分利用预测模型光谱数据的问题,提出了一种可充分利用光谱数据和有效预测蚕丝含量占比的新方法.以5种类型共145个样本的蚕丝含量占比以及相应的所有蛋白质基光谱数据为研究对象,将这些样本分别划分为校正集和验证集,并采用偏最小二乘回归(Partial Least Squares Regression...     

棉涤混合纺织面料含量的近红外光谱检测

文章采用逐步多元线性回归来选择面料吸收光谱1300nm～1800nm的特征波长,就棉和涤纶的混合面料进行含量检测研究。通过计算相关系数,对平滑处理后的吸收数据建立校准方程,棉和涤纶的检测精度为6%。实验表明近红外检测可以用于纺织面料的定性和定量分析。     

用近红外光谱预测土壤碳含量的研究

以田间行走式设备获取的近红外光谱数据为基础,利用最小二乘回归法(PLSR)建立了应用近红外光谱数据预测土壤碳含量的校正模型,与利用原始光谱数据建立的模型相比,应用经比值或归一化差值处理的光谱数据建立的校正模型可以提高预测精度.精度提高的原因可能是光谱数据经过波段算术组合处理后,能降低模型建立过程中产生过配的风险,使模型能包括更多的成分和信息.研究结果表明,利用偏最小二乘回归法,可以有效地建立田间近红外光谱与土壤碳含量之间的校正模型;同时,应用比值或归一化差值这些波段算术组合方法来处理近红外光谱数据,可以进一步提高模型的预测精度.因此,应用行走式设备获取的近红外光谱数据来快速测定田间土壤中碳的含量是可行的.     

茶叶中茶多酚含量的近红外光谱检测模型研究

茶叶中茶多酚作为茶叶品质检测中五项常规检测成分之一,研究利用近红外光谱技术对茶叶中茶多酚含量进行快速无损检测具有很高的实用价值,但目前茶多酚含量的近红外检测研究对象主要集中于茶叶提取物及其制品.研究利用近红外光谱技术测定茶叶中茶多酚含量,采用非线性偏最小二乘法(NLPLS)原理,结合不同的光谱区间组合建立了最佳的茶多酚含量近红外分析模型,相关系数为0.967,均方根误差为2.001%,模型具很高的精度.     

乙醇汽油含量的近红外光谱检测研究

随着石油资源的匮乏和能源需求量的日益增大,乙醇作为一种替代车用燃料越来越受到重视。在调和乙醇汽油的过程中由于其辛烷值的波动较大,影响车辆的动力性能,因此对乙醇汽油中的乙醇含量的准确检测具有重要意义。利用近红外光谱分析技术(NIR)定量分析乙醇汽油中的乙醇含量。实验结果表明,利用PCA在光谱1840～2030 nm范围能够准确分类乙醇汽油和成品汽油;采用PLS在光谱1400～2200 nm范围准确测量乙醇汽油中的乙醇含量,其交叉检验均方根误差(standard error of cross validation,SECV)为1.35(%,V/V),可以满足大部分乙醇汽油生产企业的实际检测需求。因此,采用近红外光谱技术和PCA,PLS分析方法可以有效的对乙醇汽油和成品汽油进行分类,对乙醇含量的定量分析模型也可以达到较高的精度。     

苹果近红外光谱的预处理

原始近红外光谱数据含有大量的噪声信号和较大的数据量,所以在进行光谱数据分析之前对光谱数据进行预处理是非常必要的。近红外光谱数据的预处理主要有两个任务,一是降噪,提高模型的稳健性和预测结果的准确性;二是数据压缩,以便于数据的存储,提高建模速度。传统的近红外光谱数据预处理方法各有局限,很难在这两方面都得到令人满意的效果。将小波分析用于苹果近红外光谱数据的预处理,并选取峰值信噪比(Peak Signal to Noise Ratio, PSNR)和归一化相关系数(Normalized Correlation, NC)作为评价指标。与常用的Savitzky-Golay平滑滤波和多元散射校正相比,小波方法不仅能有效地实现数据压缩,而且在噪声去除和光谱细节保持等方面都具有优势。}     

肉骨粉中牛羊源成分含量的近红外漫反射光谱分析

为了切断疯牛病的传播途径保证饲料安全,开展非反刍动物肉骨粉中反刍动物成分含量的检测方法研究十分必要.本文探讨了利用近红外漫反射光谱(NIRS)分析技术快速检测非反刍动物(猪鸡)肉骨粉中反刍动物(牛羊)成分含量的可行性.收集了不同地区不同种类的肉骨粉样本,在猪和鸡肉骨粉中分别掺入0～48%的牛或羊肉骨粉,制备了200个样本.针对含牛羊源的猪肉骨粉、含牛羊源的鸡肉骨粉和含牛羊源的猪鸡肉骨粉三类样本,以掺入的牛羊源成分的质量比例作为真值,分别采用改进的偏最小二乘回归(MPLS)、偏最小二乘回归(PLS)和主成分回归(PCR)三种不同建模方法建立了NIRS定标模型.用独立的验证集对模型进行了验证,最优模型验证集的决定系数(R2)均大于0.90,相对分析误差(RPD)均大于3.0.结果表明,利用NIRS分析技术可以快速检测出猪鸡肉骨粉中牛羊源成分的含量.     

用近红外光谱快速测定对二乙基苯的纯度

研究采用傅里叶变换近红外光谱仪在近红外区域(750～2500nm)利用线性回归分析的方法测定对二乙基苯纯度。该方法大大缩短样本的检测时间,节约了费用,并且使对二乙基苯的合成过程易于控制。将傅里叶变换近红外光谱对未知样品的预测结果与气相色谱的测定结果进行了比较。在5835cm-1处,最大相关系数为0.9929,预测平均相对误差为2.72%,表明该检测方法是可行的。     

基于红外光谱的烟叶自动分级研究

烟叶的自动分级一直是国内外学者智能化研究的一个重要方向。通过分析烟叶的主要组成成分和烟叶光谱信息特征,发现烟叶红外光谱可作为烟叶分级特征,并通过神经网络模型验证了红外光谱作为其分级特征的可行性,通过对比分析选取最佳红外光谱间隔、光谱范围以及最必要的光谱预处理方法。利用概率神经网络对9个等级的烟叶进行分组分级,首先对选光谱数据进行减均值的预处理以消除基线漂移,然后将其作为神经网络的输入模式,相应的等级或组分作为理想输出训练网络。选择近半数的样本作为训练样本,其余为测试样本;网络对于训练样本的正确吻合率为100%,测试样本的平均正确吻合率91%以上。结果表明烟叶的红外光谱可以作为烟叶的分级特征,概率神经网络可以用于烟叶自动分级,为烟叶的自动分级提供了新方法。     

基于近红外光谱的煤挥发分检测

近红外光谱分析是一种新型的在线分析技术,十分适合于例如煤的挥发分等有机物的含量测定。本研究选取139个煤样,采集煤样的近红外漫反射光谱,利用偏最小二乘算法进行回归建模。同时采用不同的光谱波段筛选和预处理方法对模型进行优化,取得一定效果。最后针对肥煤单独进行回归分析,模型效果进一步优化,显示了分类建模能提高模型的预测能力。     

病害烟叶的傅里叶变换红外光谱研究

利用傅里叶变换红外光谱法研究了正常烟叶和四种病害烟叶,结果显示,它们的红外光谱主要由蛋白质、脂类化合物及多糖的振动吸收谱带组成。烟叶光谱整体相似,仅在1800～750 cm-1范围,正常烟叶和病害烟叶的光谱峰位、峰形及吸收强度比有一定差异。为了提高光谱灵敏度,对光谱进行二阶导数相关性分析,五个样品的二阶导数光谱在1750～1500 cm-1和1200～950 cm-1范围内的相关系数差异明显,表明五种烟叶样品所含化学成分或各成分相对含量各不相同,即病害影响烟叶的化学成分。正常烟叶的吸收强度比A1025/     

近红外光谱技术在快速鉴别南蛇藤品种中的应用

提出了一种利用近红外光谱技术对南蛇藤品种进行快速无损鉴别的方法。收集了6种南蛇藤样本,并用光谱仪获得了它们在12493～4000 cm^-1范围的光谱曲线。通过用主成分分析法对预处理后的光谱数据进行聚类分析,获得了10个主成分。再结合不同的化学计量分析方法建立了品种鉴别模型。由于主成分1和2上的得分分布对不同样本的聚类效果明显,可根据得分分布定性地区分南蛇藤品种。从220个样本中随机抽取165个样本作为建模集,并将其分别用于建立线性鉴别分析、人工神经网络和支持向量机模型。剩下的55个样本用于预测验证。经过主成分数的优化,鉴别精度均达到了100%。结果表明,本文提出的方法对南蛇藤的品种具有很好的分类和鉴别作用。     

近红外光谱快速测定石脑油芳烃含量模型的校正研究

在采用近红外光谱建立石脑油芳烃含量校正模型的过程中,分析讨论了校正系数K值、光谱区域选取及光谱预处理方法对校正模型准确性的影响。实际分析结果表明,选择11000cm~(-1)～6099．7cm~(-1)光谱区域并使用偏最小二乘法校正方法建立的石脑油芳烃含量模型的预测值偏差不大于2．0％,能够实现对石脑油芳烃含量的快速准确测定。该方法在实际生产过程中已得到应用。