基于小波变换-遗传算法-偏最小二乘的草莓糖度检测研究

采用近红外漫反射光谱分析技术,对草莓糖度进行了无损检测研究。利用便携式近红外光谱仪采集草莓样品在600～1 100 nm波段内的漫反射光谱数据。首先利用小波变换(WT)多分辨率方法对光谱数据进行去噪预处理,然后利用遗传算法(GA)优选特征波长,最后运用偏最小二乘法(PLS)建立草莓糖度的WT-GA-PLS校正模型。该模型校正集的相关系数R_C为0.9395,校正集的均方根误差RMSEC为0.1615,预测集的相关系数R_P为0.9652,预测集的均方根误差EMSEP为0.5042。与全光谱模型(FS-PLS)和小波变换模型(WT-PLS)相比,该模型预测能力更强,稳健性更优。     

葡萄籽多酚大孔树脂纯化过程的近红外光谱快速检测

采用近红外光谱透射法,对葡萄籽提取液大孔树脂层析过程多酚含量进行快速无损测定.以FolinCiocalteus比色法为对照方法,运用偏最小二乘法(PLS)建立定量校正模型,测定大孔树脂洗脱过程葡萄籽多酚浓度变化.该模型相关系数R2达到0.9995,校正集误差均方根(RMSEC)和预测集误差均方根(RMSEP)分别为0.713和2.67,校正集相对偏差(RSEC)和预测集相对偏差(RSEP)分别为2.39％和8.48％.本方法快速、有效、无损,可用于葡萄籽多酚柱层析纯化过程检测和质量控制.     

近红外光谱技术定量分析连作滁菊土壤中的阿魏酸含量

应用近红外光谱(NIRS)技术定量分析连作滁菊土壤样品中阿魏酸的含量.通过标准杠杆值、学生残差和马氏距离判断异常光谱,经二阶导数和Norris平滑滤噪预处理后,在6000~4000 cm-1范围,最佳因子数为7,采用偏最小二乘法(PLS)构建数学模型.结果表明,模型校正集和验证集与高效液相色谱仪(HPLC)测定的参考值之间均呈现良好相关关系,校正相关系数Rc为0.9914,交叉验证相关系数Rcv为0.9935,校正集误差均方根(RMSEC)为0.484,预测误差均方根(RMSEP)为0.539,交叉验证误差均方根(RMSECV)为0.615.研究结果表明,NIRS分析技术能够实现连作土壤中阿魏酸的快速检测,结果准确可靠.     

应用近红外漫反射光谱法的猕猴桃品质无损检测北大核心CSCD

应用近红外漫反射光谱技术和化学计量学,研究成熟期猕猴桃内部品质与其近红外漫反射光谱之间的关系。在室温(24±2)℃下,采集猕猴桃赤道区域不同测试部位在4 000~10 000 cm^(-1)范围内的光谱数据,用基于平滑处理、归一化及基线校正的组合式处理方法对原始光谱进行预处理;另应用偏最小二乘(PLS)法、主成分回归法和多元线性回归法等方法分别建立猕猴桃硬度、可溶性固形物含量(SSC)的校正模型。结果表明:采用组合预处理方法和PLS法建立的校正模型精度最高;硬度校正集相关系数R_c、均方根误差RMSEC和预测集相关系数R_p、均方根误差RMSEP达到了0.976 5,0.548 3,0.943 2,0.612 7;SSC校正集相关系数R_c、均方根误差RMSEC和预测集相关系数R_p、均方根误差RMSEP达到了0.916 6,0.539 6,0.901 2,0.619 0;试验结果验证了本法的可行性。     

应用近红外漫反射光谱法的猕猴桃品质无损检测

应用近红外漫反射光谱技术和化学计量学,研究成熟期猕猴桃内部品质与其近红外漫反射光谱之间的关系。在室温(24±2)℃下,采集猕猴桃赤道区域不同测试部位在4 000~10 000 cm~(-1)范围内的光谱数据,用基于平滑处理、归一化及基线校正的组合式处理方法对原始光谱进行预处理;另应用偏最小二乘(PLS)法、主成分回归法和多元线性回归法等方法分别建立猕猴桃硬度、可溶性固形物含量(SSC)的校正模型。结果表明:采用组合预处理方法和PLS法建立的校正模型精度最高;硬度校正集相关系数R_c、均方根误差RMSEC和预测集相关系数R_p、均方根误差RMSEP达到了0.976 5,0.548 3,0.943 2,0.612 7;SSC校正集相关系数R_c、均方根误差RMSEC和预测集相关系数R_p、均方根误差RMSEP达到了0.916 6,0.539 6,0.901 2,0.619 0;试验结果验证了本法的可行性。     

基于可见/近红外透射光谱的番茄红素含量无损检测方法研究

针对番茄内外部结构特征,搭建了可见/近红外透射检测系统,利用完整番茄透射光谱信息,对番茄红素含量进行无损伤快速检测研究。采集的原始光谱曲线经去趋势(DT)、标准正态变量变换(SNV)、多元散射校正(MSC)、归一化(NOR)、一阶导数(FD)预处理后分别用偏最小二乘(PLS)进行建模分析。其中SNV预处理后的模型效果最好,校正集和验证集相关系数分别为0.9771和0.9504,校正集和验证集均方根误差为0.9711和1.0496 mg/kg。为进一步提高模型的精度和稳定性,采用无信息变量消除法(UVE)、连续投影算法(SPA)、竞争性自适应重加权算法(CARS)3种方法单独或联合处理(UVE-SPA,UVE-CARS),对全光谱进行变量优选。经UVE-CARS处理后番茄红素预测模型效果最好,其校正集和验证集相关系数分别提高至0.9830和0.9741,均方根误差分别降低至0.6919和0.7680 mg/kg。最后,选用25个番茄样品对所建立模型进行了外部验证,UVE-CARS-PLS模型的预测集相关系数为0.9812,预测集均方根误差为0.7071 mg/kg,平均相对误差为4.3%。而作为比较的PLS模型的预测集相关系数为0.951,均方根误差为1.0610 mg/kg,平均相对误差6.0%,相比于全光谱PLS模型,UVE-CARS可以很大程度地简化模型,提高模型精度,降低检测的误差限。结果表明,基于自行搭建的番茄可见/近红外透射检测系统结合光谱处理方法,可以实现对生鲜番茄中番茄红素含量的快速、无损检测,为番茄红素定量检测提供了新方法。     

近红外光谱与组合的间隔偏最小二乘法测定清开灵四混液中总氮和栀子苷的含量

应用近红外光谱分析技术结合化学计量学方法, 建立了中药清开灵注射液中间体总氮和栀子苷含量测定的新方法. 首先采用Kernard-Stone法对训练集样本和预测集样品进行分类, 然后应用组合的间隔偏最小二乘法(Synergy interval partial least squares, siPLS)对所得近红外透射光谱进行有效谱段范围的选择以及二者定量校正模型的建立, 并对光谱预处理方法进行了详细的讨论. 所建立的总氮和栀子苷校正模型的预测相关系数(R)分别为0.999和0.708; 交叉验证误差均方根(RMSECV)均为0.023; 预测误差均方根(RMSEP)分别为0.074和0.159; 预测结果表明, 本实验所建方法快速、无损且可靠, 可推广并应用于中药注射液中间体的在线质量控制.     

基于高光谱图像的生菜叶片氮素含量预测模型研究

为了便于更经济合理地为作物施肥,建立一种无损检测作物氮营养元素的高光谱图像模型。本实验以生菜为研究对象,无土栽培各氮素水平的生菜叶样本,在莲座期,采集生菜叶片样本的高光谱图像(390~1050 nm),同时采用凯氏定氮法测定对应生菜叶片样本的全氮含量。通过ENVI软件提取出生菜叶片中感兴趣区域的平均光谱作为该样本原始光谱信息,分别使用平滑处理(Smoothing)、多元散射矫正(MSC)、标准正态变量变换结合去趋势(SNV detrending)、一阶导数法(First derivative)、二阶导数法(Second derivative)、正交信号矫正(OSC)等预处理方法对样本原始光谱进行处理,然后利用偏最小二乘回归法(Partial least squares regression,PLSR)分别建立样本全波段光谱信息与氮含量的关系模型,研究各预处理方法对氮含量模型的影响,结果表明,使用OSC预处理的模型效果最好。为了简化模型,根据OSC预处理光谱后的模型的PLSR回归系数优选出敏感波长,利用训练集中样本的敏感波长光谱信息与氮含量数据重新构建PLSR回归模型,并利用测试集样本进行测试试验。结果表明,该模型得到校正集和预测集的决定系数(R2p)分别为0.89,0.81;均方根误差RMSEC,RMSEP分别为0.33,0.45。该回归模型大大降低了自变量个数,简化了模型,并且取得了较优的效果,这为生菜氮素含量预测提供了一种新的快速有效方法。     

不同光谱预处理对激光诱导击穿光谱检测猪肉中铅含量的影响

为了研究适合激光诱导击穿光谱(LIBS)检测猪肉中重金属铅(Pb)元素含量的光谱预处理方法,将配制的84个猪肉腿肌样品分为校正集和预测集,以相关系数(R)、内部交叉验证均方差(RMSECV)和预测均方根误差(RMSEP)作为评价指标,比较了5种光谱预处理方法对偏最小二乘法(PLS)建模预测效果的影响.结果表明,多元散射校正(MSC)预处理效果最好,定标模型预测值与实验室分析元素检测值的相关系数(R)达到0.9908,RMSECV为0.302,RMSEP为0.282,主成分数为16,18个预测集样品的验证结果的平均相对预测误差(ARPE)为7.8％.说明MSC是LIBS检测猪肉Pb含量的有效光谱预处理方法,该研究为进一步实现食品中重金属快速定量分析提供了方法和数据参考.     

基于主成分回归分析和偏最小二乘回归法的樱桃糖度检测的研究

选用烟台大樱桃为研究对象,采用便携式光谱仪对樱桃糖度进行检测,利用极差标准归一化方法和小波滤波,对其可见-近红外光谱数据进行预处理,分别运用主成分回归分析(PCR)法和偏最小二乘回归(PLSR)法建立了樱桃糖度定量分析模型,并对两种模型进行了比较。实验结果表明:在600~1 100nm波段范围内对樱桃糖度进行检测是可行的,并且PLSR模型的性能优于PCR模型。     

废旧涤/棉混纺织物近红外定量分析模型的建立及预测

将中红外光谱筛选出的598个纯涤、纯棉及涤/棉混纺样本采用GB/T 2910.11-2009法测定其涤、棉准确含量,其中校正集样本252个,验证集样本346个。使用便携式近红外光谱仪获取样本的原始近红外光谱(NIRS)。校正集样本依据回归系数的分布趋势和范围选取最佳建模谱区,并采用差分一阶导、S-G平滑和均值中心化相结合的方法对原始光谱进行预处理,利用偏最小二乘法(PLS)建立涤/棉混纺织物中涤含量的近红外(NIR)定量分析模型。同时分析了样本颜色对NIRS的影响,探讨了斜线光谱样本、奇异样本和不同组织结构织物对模型预测效果的影响。结果表明:利用PLS法建立的涤/棉混纺织物定量分析模型最优组合包含1个光谱区间和9个主成分因子,校正集相关系数(RC)为0.998,标准偏差(SEC)为0.908。为验证所建模型的有效性和实用性,对346个未参与建模的涤棉样本进行了预测,并将预测结果与国标法测定值进行方差分析,两种方法结果无显著差异,预测正确率达97%以上。模型的建立为废旧涤/棉混纺织物快速、无损分拣提供了基础数据库。     

拉曼光谱结合背景扣除化学计量学方法用于汽油中MTBE含量的快速测定研究

应用便携式拉曼光谱仪测量了汽油样本的拉曼光谱,以自适应迭代惩罚最小二乘方法(airPLS)对光谱进行了背景扣除和平滑处理,并选取特征峰区间利用偏最小二乘方法(PLS)建立了预测甲基叔丁基醚(MT-BE)的校正模型。以训练集相关系数和拟合误差及测试集相关系数和预测误差作为判定依据,确定了最佳建模条件。最终训练集相关系数为0.996 0,拟合误差为0.316 1,测试集相关系数为0.996 6,预测误差为0.490 1。结果表明采用便携式拉曼光谱结合化学计量学方法处理,可以满足对汽油中MTBE含量快速检测的要求。     

基于主成分分析和小波神经网络的近红外多组分建模研究

将小麦叶片原始光谱经过预处理后,采用主成分分析(PCA)对数据进行降维,取前3个主成分输入小波神经网络,建立了基于主成分分析和小波神经网络的近红外多组分预测模型(WNN);进一步研究了小波基函数个数的选取(WNN隐层节点数)对小波神经网络模型性能的影响,并将WNN模型与偏最小二乘法(PLS)和传统的反向传播神经网络(BPNN)模型进行了比较.结果表明,所建立的WNN模型能用于同时预测小麦叶片全氮和可溶性总糖两种组分含量,其预测均方根误差(RMSEP)分别为0.101%和0.089%,预测相关系数(R)分别为0.980和0.967.另外,在收敛速度和预测精度上,WNN模型明显优于BPNN和PLS模型,从而为将小波神经网络用于近红外光谱的多组分定量分析奠定了基础.     

样条变换集成罚函数偏最小二乘方法用于光谱数据重构和定量分析

针对高维小样本光谱数据所显现的函数型数据(Functional data)特性、与性质参数的非线性关系及变量间存有的严重共线性,采用了样条变换集成罚函数偏最小二乘回归新技术.它首先以三次B基样条变换实现非线性光谱数据的线性化重构,随后将重构的新光谱矩阵交由罚函数偏最小二乘法(Penalized PLS)构建其与性质参变量间的校正模型,其中罚函数中的光滑因子由交叉验证优化确定以调控模型的拟合精度.最后,通过小麦样品水分含量的近红外光谱定量分析,结果显示该技术光谱数据重构稳健,去噪明显,并有效解决高维小样本的过拟合和变量间的共线性,而预测集的均方根误差(RMSEP)为0.1808%,方法的非线性校正模型预测能力得到了明显提高.     

基于XRF和Vis-NIR光谱数据融合的土壤镉含量定量分析法

根据鄱阳湖南矶山区域土壤的X荧光光谱和可见近红外光谱特征,建立了3种数据融合(等权融合、累加融合、外积融合)的最小二乘向量机定量分析模型。结果表明,等权融合和外积融合模型精度和稳定性均优于单一光谱定量分析模型。其中外积融合模型性能最佳,其决定系数(R2)为0.85,校正均方根误差(RMSEC)为009,预测均方根误差(RMSEP)为006,相对分析误差(RPD)为2.41,满足实际土壤中Cd的检测需求。该方法准确可靠,可为我国土壤重金属分类分级方法研究提供参考。     

双模型结合进一步降低预测均方根误差和均方根相对误差的方法

前期研究工作提出了以预测均方根相对误差最小为回归目标的方法(Minimization of prediction relative error,MPRE),它能使得预测结果的均方根相对误差更小.偏最小二乘法(Partial least squares,PLS)是以预测均方根误差为回归目标,能使得预测结果的均方根误差更小.基于多模型结合的思想,提出将MPRE与PLS相结合的双模型结合多元校正方法.本方法步骤为:(1)分别采用MPRE与PLS法对校正集建模;(2)计算阈值;(3)分别采用已建立好的MPRE与PLS模型进行预测;(4)将预测结果与阈值进行比较,得到预测结果.通过对酒精的近红外光谱与汽油紫外光谱进行定量分析结果表明,本方法可进一步减小预测均方根误差与相对误差.     

基于小波系数的近红外光谱局部建模方法与应用研究

局部建模方法使用与预测样本相似的样本建立模型,可解决光谱响应与浓度之间的非线性问题,扩大模型的适用范围,提高预测准确度。采用小波变换进行数据压缩并利用小波系数之间的欧氏距离作为光谱相似性的判据,实现了近红外光谱定量分析的局部建模方法,避免了样本之间的依赖性。将所建立的方法用于烟草样品中氯含量的测定,100次重复计算得到的预测集均方根误差(RMSEP)平均值为0.0665,标准偏差(σ)为0.0045,优于全局建模和基于主成分的局部建模方法。     

基于小波和小波包变换的苯丙酮尿症傅里叶变换衰减全反射红外光谱筛查模型的研究

应用小波和小波包变换对傅里叶变换衰减全反射红外光谱(FTIR/ATR)进行去噪处理,以提高苯丙酮尿症(PKU)筛查模型的性能。首先优化小波和小波包变换的参数,然后分别对原始光谱(OS)、9点平滑光谱(9S)和一阶微分9点平滑光谱(1D9S)进行去噪处理,以均方根误差(RMSE)、平均相对误差(MRE)、预测准确率(Acc)等为指标,考察小波和小波包变换对模型性能的影响。结果与变换前相比,模型性能均有所提高,其中小波变换以1D9S+sym12处理结果为最优,而小波包变换以1D9S+sym1为最优;Acc全部提高为100%。     

基于近红外光谱技术的亚麻纤维化学成分含量快速测定

在推进亚麻纤维的纺纱及其产业化生产过程中,快速、准确的定量分析纤维的化学成分是重要趋势。该研究利用近红外光谱技术分析亚麻纤维化学成分,以化学分析法测定值为对照,采用偏最小二乘法(PLS)建立亚麻纤维化学成分的近红外模型,从而实现了其化学成分的高效、快速定量分析。结果表明,建立的亚麻纤维纤维素、半纤维素、木质素和果胶近红外模型的校正相关系数(R_C)与验证相关系数(R_(CV))均在0.9以上,校正均方根误差(RMSEC)小于预测均方根误差(RMSEP)且均小于1。外部验证和双尾t检验表明模型预测结果较为准确,预测值与化学分析法得到的实测值无显著性差异,故该模型可用于相关化学成分含量的快速预测。     

基于近红外光谱法的定量分析模型快速预测蕨菜中总黄酮的含量

采用近红外光谱法结合偏最小二乘法构建蕨菜中总黄酮含量的快速无损测定方法。取蕨菜样品140份,采用傅里叶变换近红外光谱仪采集4 000～11 500 cm^-1波段内近红外光谱,以一阶导数预处理原始光谱,设置主因子数为10,在6 100～7 500 cm^-1和5 400～6 000 cm^-1波段内建模。结果表明：校正集定量分析模型的校正均方根误差(RMSEC)为0.078,交叉验证决定系数(R²)为0.991 9;验证集定量分析模型的预测均方根误差(RMSEP)为0.125,R²为0.984 1,说明所建模型性能较优。分别以定量分析模型和紫外-可见(UV-Vis)分光光度法分析完全外部验证集样品,预测回收率(预测值和测定值比值的百分数)接近100%,说明所建模型的预测准确度较高,可用于蕨菜中总黄酮的快速、准确测定。