近红外光谱法快速检测猪肉中挥发性盐基氮的含量

为了实现快速无损地检测猪肉新鲜度的目的,应用近红外光谱法测定猪肉新鲜度重要指标一挥发性盐基氮(TVB-N)的含量.猪肉原始光谱经标准偏差归一化方法(SNV)预处理后,用联合区间偏最小二乘法(siPLS)建立猪肉预处理后光谱和TVB-N含量的校正模型并与经典偏最小二乘法(PLS)模型、间隔偏最小二乘法(iPLS)模型作比较.试验结果表明,利用联合区间偏最小二乘法所建的预测模型最佳,其校正集相关系数(Rc)和交瓦验证均方根误差(fRv)分别为0.8332和3.75,预测集的相关系数(Rp)和预测均方根误差(fRP)分别为0.8238和4.17.研究结果表明利用近红外光谱和联合区间偏最小二乘法可以快速地测定猪肉中挥发性盐基氮的含量.     

猪肉pH值的可见近红外光谱在线检测研究

pH值是猪肉关键品质之一,实施在线检测对优化肉品加工工艺、保证产品质量、提高肉及肉制品的经济价值有重要意义。研究应用可见近红外光谱对新鲜猪肉pH值进行在线检测,实验时样品以0.25 m·s-1的速度运动,采集其可见近红外漫反射光谱(350～1 000 nm),进行反射距离校正后应用偏最小二乘回归法建立猪肉pH值在线检测模型。研究通过Kennard-stone算法划分样品校正集与预测集,对比了不同的光谱预处理方法(多元散射校正,微分等)对预测结果的影响,并对建模所用光谱变量进行优化。研究发现经过多元散射校正结合一阶微分预处理的模型效果最好,模型预测相关系数为0.905,预测均方根误差为0.051,经过优化的模型建模所用波长变量数减少一半,模型的预测相关系数提高到0.926,预测均方根误差下降至0.045。结果表明可见近红外光谱可用于新鲜猪肉pH值的在线检测。     

基于深度稀疏学习的土壤近红外光谱分析预测模型

提出一种基于深度稀疏学习的土壤近红外光谱分析预测模型。首先,使用稀疏特征学习方法对土壤近红外光谱数据进行约简,实现土壤近红外光谱内容的稀疏表示;然后采用径向基函数神经网络以稀疏表示特征系数为输入,以所测土壤成分为输出,分别建立土壤有机质、速效磷、速效钾的非线性预测模型。结果表明用该模型预测土壤有机质的含量是可行的,但对土壤速效磷和速效钾含量的预测还需对模型做进一步的优化。     

空域近红外光谱乳腺检测仪研制及应用

为了早期诊断和治疗女性乳腺疾病,保障女性健康,利用空间分辨近红外光谱分析技术,研制出空间分辨的近红外光谱乳腺疾病检测装置。这种装置具有检测方便、无创、无辐射、成本低等优点。对女性乳腺进行了实际检测,与医生诊断结果进行比较后发现该空域近红外光谱乳腺检测仪检测数据可靠,可作为X光成像和核磁共振成像等精确检测手段前的预检测,是一项值得推广应用的乳腺疾病早期诊断新技术。     

近红外光谱技术在微生物检测中的应用进展

近红外光谱作为一种无损检测技术被广泛应用于农业、制药、食品等领域的多组分品质快速监测。微生物的快速准确检测,在临床诊断、制药和食品加工等领域一直是一个难题。微生物菌体细胞壁、细胞膜及细胞内生物大分子和水的近红外光谱具有高度特异性,因此可以使用近红外光谱快速识别和分类不同的微生物。通过对相关文献的归纳整理与分析提炼,对近红外光谱技术在微生物检测中的研究进展做综述。对微生物的基本知识和近红外光谱技术鉴定微生物的基本原理进行了介绍,并重点综述了近红外光谱技术在微生物分类、食源性微生物检测和成像微生物检测等方面的国内外研究进展,最后对近红外光谱技术目前存在的问题和未来的应用前景进行了展望,以期为今后在微生物检测领域更好地利用近红外光谱提供参考。     

可见、近红外光谱和深度学习CNN-ELM算法的煤炭分类

煤是工业的主要能源,煤的品质对工业和环境起决定性作用。在使用煤的过程中,如果不能准确确定煤的品种,有可能对生产效率、环境污染、经济损失等会造成重大的影响。传统的煤分类,主要依靠人工方法和化学分析方法,这些方法的缺点是高成本和耗费时间。如何快速准确确定煤的品质很重要。因此,提出深度学习、极限学习机-ELM算法和可见、红外光谱联合建立煤矿分类模型。首先,从抚顺、伊敏和河南夹津口煤矿区采取不同煤样品,并使用美国Spectra Vista公司的SVC HR-1024地物光谱仪测得光谱数据。然后利用深度学习的卷积神经网络-CNN提取光谱特征,并采用ELM算法对光谱数据建立分类模型。最后,为进一步提高分类精度,引入粒子群算法。通过全新定义惯性权重和加速系数的取值范围来改进粒子群算法,并使用改进粒子群算法优化CNN-ELM网络。实验结果表明,和PCA特征提取方法比较,CNN网络能够更好的提取光谱特征,CNN-ELM分类模型有良好的分类效果;改进ELM分类模型的分类精度高于基础ELM和SVM分类模型。与传统的化学分析方法和人工方法相比,此方法在经济、速度、准确性方面均具有无可比的优势。     

可见/近红外光谱技术在液态食品检测中的应用研究进展

可见/近红外光谱作为一种快速、无损的新型检测技术,在农产品与食品品质检测领域获得越来越广泛的应用。日本和欧美很多国家在近红外光谱对农产品与食品品质检测方面已经取得了很大的进展,国内在这一领域的研究虽有一定的成果,但与国外相比仍有一定的差距,有待加强。文章从酒类、奶制品、果汁、食用油等方面综述了近几年国内外可见/近红外光谱技术在液态食品品质检测中的最新应用研究进展,分析了可见/近红外光谱技术应用于液态食品品质检测的种种优势,思考了应用中存在的一些问题并尝试提出了相应的解决方法,最后对进一步的研究提出了展望。     

功能近红外光谱用于麻醉深度监测的研究进展

术中麻醉深度监测是保证临床麻醉质量和安全的重要手段,关系着患者的生命安全。功能近红外光谱分析技术作为一种非侵入式的脑功能监测技术手段,能够实现客观可靠的脑神经活动实时监测和成像,十分适合于进行麻醉深度监测的相关研究。因此简要介绍了功能近红外光谱分析技术的基本原理和技术实现,综述了目前功能近红外光谱分析技术在麻醉深度监测相关领域的研究进展,指出了应用功能近红外光谱进行麻醉深度监测研究的可能途径,并阐述了亟待解决的重大问题和发展前景。     

面向近红外光谱定量分析的深度学习建模与模型迁移

近红外光谱分析技术依赖于表征光谱向量和预测目标之间关系的化学计量学方法。然而，样品的光谱由信号和各种噪声组成，传统化学计量学方法较难直接提取光谱的有效特征，并为复杂的预测任务建立具有较强泛用性的校正模型。进一步地，受限于仪器间的差异，在一台仪器上建立的模型应用于另一台仪器时，难以取得相同的定量分析结果。为此，提出了一种基于卷积神经网络和迁移学习的定量分析建模及模型传递方案，以提高模型在单仪器和跨仪器上的预测性能。在卷积神经网络的基础上，一种结合多尺度特征融合和残差结构，名为MSRCNN的先进模型被设计，并在主仪器上展现了卓越的预测能力。然后，设计了四种的基于fine-tune模型迁移策略，将在主仪器上建立的MSRCNN模型迁移到从仪器。在药品和小麦的公开数据集上的实验结果表明，MSRCNN在主仪器上的RMSE和R2分别为2.587，0.981和0.309，0.977，优于PLS，SVM和CNN。在利用30个从仪器的样本微调主仪器建立的模型后，迁移MSRCNN中的卷积层和全连接层的方案取得了最好效果，其RMSE和R2可分别达到2.289，0.982和0.379，0.965。增加参与模型微调的从仪器样本，可进一步提高性能。     

基于卷积神经网络和近红外光谱的太平猴魁茶产地鉴别分析

太平猴魁茶因其特有的“喉韵”深受广大消费者喜爱,不同产地太平猴魁茶市场价格相差较大,如何实现产地精准鉴别是目前促进绿茶产业发展的关键因素。依赖于人工经验的感官评审方法主观性强、稳定性差,无法应用于实际生产检测过程。作为目前主要的检测分析方法,化学分析方法周期长、检测成本高,而且目前没有用于茶叶产地鉴别的统一标准。近红外光谱（NIR）作为一种无损检测分析方法,具有快速、非破坏性、无污染等特点,但是不同产地太平猴魁茶主要内含成分及其含量基本相同,不同产地样本光谱特征峰分布相似,导致常规分析方法无法有效选择特征变量。卷积神经网络（CNN）作为经典深度学习网络模型之一,具有强特征提取和模型表达能力。采用太平猴魁茶产地光谱特征分析,利用一维卷积神经网络模型（1-D CNN）提取太平猴魁茶NIR特征,提出一种基于1-D CNN和NIR的太平猴魁茶产地鉴别分析方法。试验以6个不同产地共120个样本为研究对象,分析10 000~4 000 cm-1范围内的光谱信息;将样本随机划分为训练集（84,占70%）和测试集（36,占30%）,分别讨论不同间隔采样、网络结构、卷积核大小及激活函数对产地鉴别结果的影响,并引入Dropout方法对比分析模型过拟合现象;最终建立一个具有9层结构的1-D CNN模型。蒙特卡罗试验结果表明,相比于基于原始光谱数据（40.57%,7.06）和PCA方法（31.93%,6.96）的太平猴魁茶产地预测模型准确率和标准差,基于1-D CNN的太平猴魁茶产地鉴别模型预测精度和稳定性更高,其测试集预测准确率平均值和标准差分别为97.73%和3.47。因此,1-D CNN可有效提取太平猴魁茶不同产地NIR特征,提高太平猴魁茶产地鉴别精度,为太平猴魁茶精准产地鉴别及溯源分析提供参考。     

奇异点快速检测在牛奶成分近红外光谱测量中的应用

近红外光谱作为一种依靠模型对物化性质进行分析的技术,对光谱数据的准确性进行快速准确的判断是得到可靠分析结果的前提。但是光谱数据中奇异点的存在会在很大程度上影响多变量校正模型的准确性,从而影响模型的预测效果。文章综合利用半数重采样法(Resampling by Half-Mean,RHM)和最小半球体积法(Smallest Half-Volume,SHV)成功剔除了被测量的牛奶成分近红外光谱中的奇异点,其效果远优于传统的奇异点剔除方法,并且该方法具有简单快速、计算量小、数值稳定等特点,非常适用于在线分析和其他类型的光谱数据中奇异点的检测。     

随机森林结合CatBoost的近红外光谱药品鉴别

药品质量关乎人民健康和国家命脉,随着社会经济的飞速发展对药品质量的快速、有效鉴别具有极其重要的作用。光谱分析技术具有较高的准确性、较快的分析速度且对样品不存在污染等突出优点,广泛应用在化工、石油以及医药等重要的领域。为了解决传统药品鉴别模型存在的鉴别精度低、鉴别速度不能满足实际需求且鉴别模型稳定性差的问题,采用光谱仪采集药品的近红外光谱数据达到对药品无污染鉴别的目的。结合随机森林和CatBoost对药品进行分类鉴别,以实现快速且准确的鉴别。首先采用随机森林(RF)对光谱仪采集的光谱数据进行有效特征波长的筛选,从而将药品光谱数据中的无关波长去除、筛选出最能表征样品属性的特征波长,然后以极限学习机(ELM)作为CatBoost的弱分类器分析筛选的特征波长对药品的属性鉴别。由于ELM仅只含有一个隐含层且无需多次迭代寻优保证了鉴别模型运行速度更快,CatBoost通过集成弱分类器以改善模型鉴别准确性。为对所提出的药品鉴别模型性能进行有效评估,采用随机抽取训练集的方式构造不同规模药品光谱数据并分别上进行独立实验且以10次运行结果的均值作为其最终结果,并通过与CatBoost、持向量机(SVM)、...     

用近红外漫反射光谱检测肉品新鲜度的初步研究

挥发性盐基氮一直以来是评定肉品新鲜程度的重要指标,通常其测定依据是半微量凯氏定氮法,这难以满足当前肉品快速非破坏性的检测要求。文章通过近红外漫反射光谱法(NIRS)建立了挥发性盐基氮(TVB-N)的预测模型,并通过聚类分析方法对光谱数据进行了分类处理。结果表明当猪肉样品中TVB-N含量超过11.6 mg·(100g)-1时,可以判定该肉品为次鲜肉,采用近红外漫反射光谱法建立预测模型,能够实现对肉品的新鲜程度非破坏性、快速检测。     

基于贝叶斯神经网络的近红外光谱实木地板表面缺陷检测

实木地板的表面缺陷直接影响其力学性能和产品等级,表面缺陷的快速检测对实木地板的在线分选具有重要的现实意义。针对视觉方法检测实木地板表面缺陷识别率低的问题,提出了一种基于近红外光谱分析技术的检测方法。首先,分别采集规格为200 mm×100 mm×20 mm的表面带有活节、死节以及无缺陷的实木地板的光谱数据各60份,其中30份作为训练样本,30份作为测试样本;其次,使用高斯滤波(GSF)、分段多元散射校正(PMSC)和去趋势法(DT)等方法对采集到的光谱数据进行预处理,降低光谱噪声、消除光谱的散射影响;然后,利用改进遗传算法从处理后的光谱中提取特征波长用于构建缺陷识别与分类模型;最后,使用基于贝叶斯理论改进的神经网络构建实木地板缺陷识别和分类模型。实验使用含有活节、死节以及无缺陷的实木地板样本对模型进行训练和测试,结果表明：通过贝叶斯神经网络构建的缺陷识别与分类模型能够准确识别活节、死节和无缺陷三类实木地板,识别率分别为92.20%, 94.47%和95.57%。证明了实木地板表面缺陷类型与其近红外吸收光谱密切相关,并为下一步实现实木地板表面缺陷的准确定位提供快速检测方法。     

利用可见近红外光谱多指标综合预测生鲜牛肉储存期

建立了牛肉基于TVB-N、菌落总数、pH值和肉色参数L*多个指标的储存期预测模型,利用可见近红外光谱(Vis/NIR)技术结合区间偏最小二乘(iPLS)和遗传算法(GA)建立了各个指标的PLS预测模型,实现了多指标综合无损快速预测4 ℃下牛肉的储存期。用iPLS和iPLS-GA提取有效波长变量建立PLS预测模型,以预测相关系数和预测标准差作为模型评价标准,结果表明用iPLS-GA选择变量建立的各个指标的PLS预测模型均优于全波段和iPLS组合的PLS模型。由多个指标的预测值和储存期的预测模型,对校正集和预测集样品储存期进行预测,其预测相关系数和标准差分别是0.903, 0.897和1.88, 2.24。说明利用光谱技术结合得出的储存期预测模型可以实现多指标综合预测牛肉储存期,为无损快速检测牛肉储存期或货架期提供了一种新方法。      

Detection of Anomalous Diffusion with Deep Residual Networks

Identification of the diffusion type of molecules in living cells is crucial to deduct their driving forces and hence to get insight into the characteristics of the cells. In this paper, deep residual networks have been used to classify the trajectories of molecules. We started from the well known ResNet architecture, developed for image classification, and carried out a series of numerical experiments to adapt it to detection of diffusion modes. We managed to find a model that has a better accuracy than the initial network, but contains only a small fraction of its parameters. The reduced size significantly shortened the training time of the model. Moreover, the resulting network has less tendency to overfitting and generalizes better to unseen data.     

Investigation of the Kinetics of Curing Reaction for the Resin Matrix Polymer Composite Based on Near-Infrared Spectroscopy

Abstract

Near-infrared (NIR) spectroscopy is a rapid and nondestructive method for the simultaneous measurement of different constituents in resin matrix polymer composites. This strategy has been applied in the synthesis of resin matrix polymer composites. In this article, we mainly review the control of curing reaction kinetics of the phenolic, epoxy resin, polyester resin, polyurethane, and other polymer resin based on NIR spectra, which is important to control the quality of the resin matrix polymer composites during synthesis.     

频域近红外光谱法研究生物组织内部光子传输特性

基于光子在生物组织中的辐射传输理论以及Feng模型,应用频域近红外光谱法研究生物组织中异质体位置的变化,对出射光的光强和相位变化的影响及规律。设计了一仿真实验,用牛奶代替强散射性质的生物组织,并在牛奶中放置一个高度可控的具有一定吸收系数和散射系数的小球。移动小球在牛奶中的高度,检测出射光的交流幅度AC、直流光强DC和相位延迟Phase的值,绘制小球位于不同深度时AC,DC和Phase的曲线,并探讨其变化规律。结果表明,随着小球在牛奶中深度的变化,光强AC,DC和相位Phase呈现一定的相关性;随着光源和检测器之间距离的增加,检测到的光强和相位曲线的波谷点均向右偏移;当小球偏离光源和检测器越远,对检测到的光强和相位的影响越小。验证了光子在生物组织中的传输规律,为用频域近红外光谱法进行组织光学参数的检测及组织中异质体位置的定位奠定了基础。     

近红外光谱法分析油页岩含油率中异常样品识别和剔除方法的研究

研究了漫反射近红外(NIR)光谱法分析油页岩含油率过程中异常样品的识别和剔除方法。在近红外光谱定量分析中,环境变化和操作失误等都会产生异常样品,异常样品的存在会导致模型的预测能力下降,因此异常样品的剔除是建模过程中的关键步骤。分别采用主成分分析—马氏距离(PCA-MD)法和半数重采样(RHM)法识别油页岩光谱数据中的异常样品,通过剔除异常样品后所建的偏最小二乘(PLS)分析模型的性能来评价PCA-MD与RHM方法对异常样品的识别能力。实验中考察了不同MD阈值和RHM置信度对异常样品剔除结果的影响,比较了单独和同时应用PCA-MD及RHM法识别并剔除异常样品后所得PLS模型的预测能力。结果表明：与所有样品参与建模时预测偏差均方根(RMSEP)相比,采用PCA-MD法时阈值取平均值与标准偏差之和时RMSEP降低了48.3%;采用RHM法时置信度取85%时RMSEP降低了27.5%;同时采用PCA-MD法和RHM法时RMSEP降低了44.8%,研究内容有效地提高了分析模型的预测能力。     

二维相关光谱的猪肉TVB-N特征变量优选研究

为了探讨利用二维相关可见/近红外光谱法优选猪肉挥发性盐基氮(TVB-N)特征变量的可行性,以贮藏时间为外扰,研究了不同新鲜程度猪肉样本的二维相关光谱特性。首先,获取56个猪肉样本在贮藏1～14 d的400~1 000 nm范围的可见/近红外反射光谱,经过标准正态变量变换(SNV)处理后,基于全波段光谱建立TVB-N的偏最小二乘回归(PLSR)模型。然后,依据TVB-N实测值,从中挑选出10个具有一定浓度梯度的样本(贮藏时间分别为0,36,72,108,144,180,216,252,288和324 h),利用一阶导数对光谱进行预处理后,根据不同样本之间的光谱差异,选取7个波段用于二维相关光谱解析。分析各个波段的二维相关同步谱和自相关谱,从7个波段范围内共选取23个变量作为不同贮藏时间下与TVB-N相关的敏感波长,并建立简化的PLSR模型。相较于全波段光谱数据所建模型,模型效果有所改善,预测集决定系数R2_p由0.792 1上升至0.865 8,误差从3.658 2 mg·(100 g)-1下降至3.246 0 mg·(100 g)-1。表明基于二维相关光谱对猪肉TVB-N特征变量进行优选的思路是可行的,该方法能够从全光谱数据中筛选出与目标物质相关的敏感变量,这也为近红外光谱特征波长选择提供了一个新的方法。