基于变量优选和快速独立成分分析的黄花梨可溶性固形物可见/近红外光谱检测

为建立预测能力高、稳定性强的可见/近红外漫透射光谱无损检测黄花梨可溶性固形物(SSC)数学模型,对比各种预处理方法、变量优选方法、快速独立主成分分析(FICA)以及最小二乘支持向量机(LS-SVM)对黄花梨SSC模型的影响,得出最佳的组合方法用于建立黄花梨可溶性固形物(SSC)预测模型。采用Quality Spec型光谱仪采集550~950 nm波段范围内的黄花梨漫透射光谱并采用遗传算法、连续投影算法和CARS(competitive adaptive reweighted sampling)三种方法筛选黄花梨可溶性固形物的光谱特征变量,再结合FICA提取光谱主成分,最后采用LS-SVM建立黄花梨的SSC预测模型。结果显示,采用CARS筛选的21个变量,经FICA挑选出12个主成分数,联合LS-SVM所建立的CARS-FICA-LS-SVM黄花梨SSC预测模型性能最佳,建模集和预测集的决定系数及均方根误差分别为0.974,0.116%和0.918,0.158%,同直接采用PLS方法建模相比,变量数从401个下降到21,主成分数由14下降到12,建模集和预测集决定系数分别上升了0.023,0.019,而建模和预测均方根误差分别下降了0.042%和0.010%。CARS-FICA-LS-SVM建立黄花梨SSC预测模型能够有效地简化预测模型并提高预测模型精度。     

小波系数压缩用于柴油十六烷值近红外光谱分析建模

近红外光谱分析建模中存在多变量高维数据处理问题,导致计算量大,不利于过程控制中应用.为此提出利用小波变换压缩近红外光谱数据的算法与准则,并结合柴油十六烷值定量分析研究压缩数据的建模效果.研究表明,经小波方法处理后,变量维数压缩30倍左右,光谱主要信息基本保留,而模型的预测精度和常规预处理方法分析相比有明显提高.光谱数据压缩的同时包含了噪声滤除和基线校正,简化数据处理步骤,有利于NIRS实际应用时提高建模效率.     

发动机润滑油品质的可见-近红外光谱快速检测

研究了基于可见-近红外光谱技术的发动机润滑油品质的快速检测方法,包括粘度与含水率的预测。在获取可见-近红外光谱信息的基础上,采用广义回归神经网络分别建立了粘度与含水率的预测模型。预测集样本的确定系数分别达到了0.9818和0.9999。说明可见-近红外光谱技术能够用于发动机润滑油的含水率与粘度的预测。     

可见-近红外光谱的土壤养分快速检测

在测定土壤养分中,可见-近红外光谱技术具有很大的应用空间。该研究探讨了基于可见-近红外光谱(250~950nm)离线、快速测定土壤总氮(TN)、总磷(TP)、总钾(TK)、总碳(TC)等土壤养分的方法及应用。采集青岛三个不同地区土壤样品(异质性较高的山地土壤与河畔土壤)各60份,总计180份,并测定其TN,TP,TK,TC含量及其可见-近红外反射光谱,利用Kennard-Stone法按2∶1比例划分校正集和检验集,采用遗传算法分别提取TN,TP,TK,TC特征波长,以偏最小二乘法建立定量分析模型。TN,TP,TK,TC含量所建光谱模型的相关系数分别为0.970,0.964,0.680和0.967,检验集的相关系数分别为0.980,0.937,0.717和0.972,检验集的RPD值分别为4.570,2.424,1.411和4.135。结果表明,该方法能够对土壤TN,TP,TC含量进行精确预测,对土壤TK含量进行粗略预测。该研究主要依靠可见光波段,较好的预测了异质性较高的土壤的氮磷钾等养分含量,有望降低未来土壤养分速测的成本。此外,该研究还提供了青岛土壤养分的光谱库,为我国土壤大数据库的建立提供技术支撑。     

基于可见/近红外光谱的水稻品种快速鉴别研究

提出了一种应用可见/近红外光谱技术与化学计量学相结合的快速、无损鉴别稻谷品种的新方法。收集了5个品种水稻共150个样本作为实验样本,通过可见/近红外光谱仪扫描这些样本获得了从350 nm到1 075 nm波长范围的光谱信息。将样本的光谱信息进行小波分解以消除高频噪声。将去噪声后的光谱数据经主成分分析压缩成数目较少的新变量(主成分),压缩得到的前4个主成分能够解释99.891%的原始光谱信息。将前4个主成分作为BP神经网络的输入,不同水稻品种值的二进制代码值作为BP神经网络的输出,建立稻谷品种的模式识别模型。模型的预测误差阈值是0.2,模型是3层网络结构,各层的节点分别是4,9和3。150个样本被随机的分成包含100个样本的建模集和50个样本的预测集。结果表明,预测未知的50个样本的正确率达到96%。说明该方法具有较高的鉴别准确度,为稻谷品种的快速无损鉴别提供了一种新的方法。     

马铃薯多品质参数可见/近红外光谱无损快速检测

马铃薯是与小麦、稻米、玉米协调发展的第四大主粮作物,现阶段我国正积极推进马铃薯主食开发,但马铃薯品质的参差不齐严重制约了马铃薯产业主食化进程,马铃薯品质快速无损检测对其加工产业化进程有着重要意义。国内外学者基于可见/近红外光谱对马铃薯内部品质检测进行了不少相关研究,但迄今为止大部分研究都基于可见/近红外漫反射原理,马铃薯粗糙的表皮对样品漫反射光谱影响较大。近红外透射光谱能较好的反映样品的品质信息,但马铃薯样品全透射光谱因样品大小不同,导致光谱受光程差异的影响较大。考虑到马铃薯样品整体质地较为均匀,根据马铃薯的形状特性搭建了马铃薯局部透射光谱采集系统,局部透射检测方式既能避免马铃薯表皮的影响,又能在保证光程统一的情况下获得样品内部的信息。该光谱采集系统由光谱采集单元(光谱仪、耦合透镜)与光源单元(卤素灯、灯杯)构成。进行光谱采集时,将二者贴紧马铃薯表面以确保光谱采集单元不会接收到来自马铃薯表面的反射光。用该系统采集了120个马铃薯650~1 100 nm范围的局部透射光谱,分别进行去趋势(detrend)、多元散射校正(muliplication scattering correction, MSC)、标准正态变量变换(standard normal variable transformation, SNV)和一阶导数(first Derivative, FD)预处理,并建立了马铃薯干物质、淀粉、还原糖含量的偏最小二乘预测模型(partial least squares regression,PLSR)。结果显示,采用多元散射校正预处理的干物质和淀粉含量预测模型效果较好,其验证集决定系数分别为0.854 0和0.851 0,验证集均方根误差分别为0.521 9%和0.484 8%;采用一阶导数预处理的还原糖预测模型效果最好,其验证集决定系数为0.768 6,均方根误差为0.025 1%。为进一步优化模型采用竞争性自适应重加权采样(competitive adaptive reweighted sampling, CARS)等三种方法进行特征波长的筛选,并建立了偏最小二乘预测模型。结果显示,马铃薯各品质参数的预测效果均得到了较大提升,CARS筛选波长后的干物质、淀粉、还原糖预测模型的验证集决定系数分别为0.877 6, 0.865 3和0.887 7,验证集均方根误差分别为0.449 2%, 0.930 2%和0.016 7%。采用CARS特征波长提取能够简化模型,去除无关变量和共线性变量,从而提高模型的精度和稳定性,尤其是对低含量组分还原糖的预测模型效果显著。最后,为验证马铃薯各品质参数预测模型的精度及稳定性,选取30个不同批次马铃薯样品对所建预测模型进行了外部验证。马铃薯干物质、淀粉、还原糖含量的模型预测值与标准理化值决定系数分别为0.849 9, 0.867 1, 0.877 6,均方根误差分别为0.660 9, 0.480 9, 0.016 9,平均相对误差分别为2.03%, 1.77%, 7.58%。研究表明,局部透射光谱携带了马铃薯的内部信息,与干物质、淀粉、还原糖含量有显著相关性。该可见/近红外局部透射检测系统可以实现马铃薯多品质参数的快速无损预测,特别是干物质含量及淀粉含量的预测效果较好,但是对个别还原糖含量非常低的样品出现预测相对误差较大现象,下一步研究中需要进一步优化完善。     

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。     

可见/近红外光谱图像在作物病害检测中的应用

农作物病害严重影响了我国正常的农业生产,现代农业迫切需要快速、准确、高效的作物病害诊断方法。首先简单介绍了常用病害检测技术,如：聚合酶链式反应技术、人工感官判定技术、统计学方法等,这些方法或是比较费时、或是只能用于产生明显病斑后的病害诊断,而光谱技术在植物病害的快速检测方面有一定的潜力,目前已有大量的研究成果。主要围绕可见/近红外光谱图像在病害检测的应用展开分析和讨论,讨论了该技术所涉及的仪器,并从细胞、植物组织、冠层及更大尺度层面分析了该技术在病害检测中的现况。目前大部分与植物病害有关的可见/近红外光谱研究都以植物叶片为对象,而在更小尺度（细胞至显微尺度）和更大尺度（冠层至航空/航天遥感方面）上的研究较少,特别是单细胞级别的病害研究,只在动物细胞领域展开,而且以荧光、拉曼、红外光谱为主。可见/近红外在以植物叶片为主要研究对象的器官尺度上有大量的成功应用,目前的研究已涉及了大部分的常见作物及其主要病害,包括真菌性、细菌性等各种病原引起的病害的检测。植物叶片尺度的研究主要从以下三个方面展开：(1）基于计算机图像处理和模式识别的病害信息自动快速判断;(2）基于化学计量学方法的高光谱或高光谱图像病害程度模型;(3）建立与作物病害有关的叶片某些理化参数的光谱模型,从而量化病害的程度。在植物叶片这一尺度相关研究的主要问题是：研究过于碎片化,往往只研究了某一种或少数几种病害,所建的模型只能用于特定实验条件,无法直接自动判断任意田间样本的染病种类与程度。在近地冠层尺度,植株的三维形态对光谱模型有较大的干扰,有文献表明以植株近地冠层2D图像作为病害检测数据,偏差较大,所建模型不稳定,基于卫星影像的病害模型较少。还讨论了常用光谱及光谱图像建模与分类方法。目前可见/近红外光谱在农作物病害方面有一定的应用潜力,但存在研究内容的不平衡、研究系统性不够、各学科合作研究不够深入等几大问题。最后提出可见/近红外光谱在病害检测领域中应更注重多学科的深入合作,并急需相关的仪器设备、方法模型方面的突破。     

云计算的蚕豆虫害可见-近红外光谱分类

利用蚕豆叶片可见-近红外反射光谱结合导数光谱对健康、少量、大量虫害三种等级的实验样本进行光谱特征分析,并选择虫害检测最优波段。采用Hadoop,Spark和VMWare虚拟机搭建云计算平台,使用MLlib机器学习库实现人工神经网络(ANN)和支持向量机(SVM)分类算法,并对三种等级蚕豆叶片全波段和最优波段光谱进行分类建模与预测。结果表明ANN虫害光谱分类模型准确率优于SVM虫害光谱分类模型,并且在云平台上运行效率更高,同时全光谱波段的预测准确性高于最优波段。通过扩展光谱数据集,云计算技术在光谱数据挖掘中的计算效率有显著提升。云计算分类检测可以为作物生物胁迫光谱识别提供新的技术和方法。     

可见-近红外光谱的螺旋藻生长品质指标快速无损检测

为了实现微藻生长过程品质指标的快速无损检测,提出了可见-近红外光谱技术检测不同红蓝光源组合培养条件下螺旋藻中叶绿素a和蛋白质的含量。采集不同含量红光和蓝光组合下螺旋藻在325～1 075 nm波段范围内的光谱信息,其中红光与蓝光的含量组合分别是(100%,0%),(90%, 10%),(70%,30%),(50%, 50%)。同时测量叶绿素a和蛋白质的含量,建立偏最小二乘(PLS)预测模型。分别基于连续投影算法(SPA)选择了用于叶绿素a和蛋白质预测的特征波长,分别得到5个(404,440,518,662和875 nm)和4个(411,531,602和1 047 nm)特征波长。基于特征波长建立了PLS和多元线性回归(MLR)预测模型,SPA-MLR模型中叶绿素a和蛋白质预测集相关系数(correlation coefficient, R_p)分别是0.949和0.974,均方根误差(RMSEP)分别是0.018 8和0.006 74。结果表明：可见-近红外光谱检测螺旋藻藻体中叶绿素a和蛋白质含量是可行的,通过测量螺旋藻的光谱结合化学计量学方法可以实现对螺旋藻生长状况的检测。     

蜂蜜真伪的近红外光谱鉴别研究

如何有效鉴别蜂蜜真伪是目前我国蜂产品质量控制的难题之一。提出了一种用傅里叶变换近红外光谱结合判别偏最小二乘法(DPLS)快速鉴别蜂蜜真伪的新方法。首先采集了71个商品蜜样品的近红外光谱数据,其中包括27个纯蜂蜜和44个掺假蜂蜜,然后5次随机划分建模集样本和验证集样本,并对建模样本进行不同光谱预处理,选择并优化不同波段范围和主成分数,用DPLS法建立了5组蜂蜜样本的真伪鉴别模型,外部交叉验证法预测模型。通过对结果进行比较分析,5组校正模型中真蜂蜜和掺假蜂蜜的总体识别准确率分别为91.49%,94.68%,92.98%,93.86%,94.87%;预测样本的识别准确率为86.96%～93.75%,其中模型2,3,4中掺假蜜的识别准确率达100%。研究结果表明,该方法可作为鉴别商品蜜真伪的一种快速筛选技术,在我国蜂蜜质量监控中具有重要意义。     

近红外光谱法快速测定原油密度的应用研究

建立近红外光谱法快速测定原油20℃密度的方法,在市售原油光谱数据库的基础上,添加广西石化常炼原油品种,采用拓扑法建立分析模型。用该方法和标准方法对炼厂原油密度进行了三个月的对比测试,115个实际样品的预测标准偏差为0.0024g/cm3。近红外光谱法测定原油密度具有分析速度快,测定方法简便,重复性好等特点,能够满足炼厂对原油密度快速测定的要求。     

近红外光谱结合偏最小二乘法测定足光散中有效成分

应用近红外光谱技术结合偏最小二乘法对足光散的两种有效活性成分苯甲酸和水杨酸同时进行了定量分析,建立了适合足光散粉末非破坏无损快速分析的分析模型,并用于其样品分析,取得了较好的结果,实现了对足光散药物的无损快速定量分析。     

煤粉发热量近红外光谱检测的预处理方法研究

煤炭的发热量是评价煤炭品质的重要指标。首先对比分析了平滑处理、微分处理、多元散射校正(MSC)以及标准归一化(SNV)等光谱与处理方法在改善煤粉近红外漫反射光谱信噪比的效果,然后利用偏最小二乘法(PLS)和主成分分析方法(PCR)分别对采用每种预处理方法处理后的光谱建立煤粉发热量模型,发现采用5点平滑处理、多元散射校正和标准归一化处理可使模型的性能有较明显的改观,5点平滑效果最好,相关系数、校正标准差和预测标准差分别为：0.989 9,0.0004 9和0.0005 2,采用25点平滑处理产生了过平滑现象,导致模型的性能变坏,采用微分预处理后的光谱建立的模型没有明显变化,对模型的性能影响不大。     

近红外光谱技术快速测定农药有效成分的研究

农药有效成分含量不足和农药有效成分滥用是农药质量不合格的最主要问题,但是缺乏农药的快速现场分析方法。采用傅里叶近红外光谱技术结合偏最小二乘法(PLS),定量分析了乳油中有效成分高盖的含量,模型的决定系数R2大于0.999 9,SEC小于0.019,SEP小于0.030;同时对影响模型的因素进行了研究,并用实际样品进行了验证。结果表明：近红外光谱技术可以准确地定量分析农药乳油中有效成分含量,仪器分辨率、助剂含量变化对模型的影响不显著。近红外光谱法测量商品农药制剂中有效成分的含量,方便快速,特别适合现场、在线分析,对生产企业的连续在线检测、监督部门进行农药质量控制和农产品安全具有重要意义。     

相关检测技术在近红外光谱分析中的应用

运用信号分析的理论,研究了把相关检测技术应用于近红外光谱分析的方法。通过作药品甲硝唑纯品光谱及混合品光谱的相关函数值,并对相关曲线进行分析,结果表明通过相关处理,光谱信息得到了分离和增强,可以作为一种光谱信息特征提取的有效方法,用于定性和定量分析,对解决近红外光谱检测中光谱叠加、信息率低的难题提供了一种新的思路和探索。     

近红外光谱法快速测定注射用益气复脉(冻干)中人参总皂苷的含量

采用近红外光谱分析技术对注射用益气复脉(冻干)中人参总皂苷含量进行了定量分析.用50批样品的原始光谱经一阶导数和多元散射校正技术预处理,选取4246-4848cm-1及6098-7502cm-1波段,并结合偏最小二乘回归法对人参总皂苷进行了建模分析,结果R2为90.04,RMSECV为0.614,最佳回归因子为9.用建...     

近红外光谱法同时测定葵花粕中油,蛋白质,水分和粗纤维

本文介绍了应用６２５０型近红外光谱仪和ＮＳＡＳ－ＰＣ软件测定葵花粕中油，蛋白质，水分和粗纤维的方法，首先应用回归分析建立起样品的近红外光谱与各成分含量之间的多元线性关系－即定标，然后对定标进行验证，结果表明近红外光谱分析法与可以取代标准化学进行葵花粕中成分含量的测定，并且具有快速，简便，无试剂污染的优点。     

近红外反射光谱快速测定四种大豆制品中寡糖含量的研究

试验探讨了近红外反射光谱测定大豆制品中寡糖(蔗糖、棉籽糖及水苏糖)含量的可行性。2012年—2014年,从国内20个代表性大豆制品加工厂收集并筛选了160个大豆制品(包括去皮豆粕、膨化豆粕、发酵豆粕及膨化大豆各40个),同时为使样品集中的寡糖含量均匀分布,采用发酵豆粕和普通豆粕混合的方法,配制人工混合豆粕样品40个,使用偏最小二乘法,采用不同导数或去散射方法对光谱进行预处理并建立近红外定标模型。在光谱预处理中,针对不同寡糖,导数处理、多元散射校正及矢量归一化方法得到良好的预测效果。所建立的近红外定标模型的蔗糖、棉籽糖和水苏糖的定标决定系数(R2_cal)分别为0.99,0.95和0.98,交互验证决定系数(R2_cv)分别为0.98,0.94和0.97,交互验证RPD_cv值分别为7.24,4.13和5.98,表明适用于大豆制品(除发酵豆粕外)中寡糖的日常检测。