近红外漫反射光谱在人体血糖无创检测中的应用

采用近红外漫反射光谱技术对人体血糖进行了无创检测。实验使用Nexus - 870傅立 叶红外光谱仪及其光纤附件,采集了6名不同年龄健康志愿受试者手腕处的近红外漫反射光谱。对光谱进行了平滑、基线校正和二次求导预处理,采用偏最小二乘( PLS)方法在含有葡萄糖吸收峰的7500～8500cm- 1波段建立同一个体、相同年龄段的不同个体、以及不同年龄段的不同个体的校正模型。采集漫反射光谱的同时抽适量的血样在752型紫外光栅分光光度计上标定血糖的实际值,并对校正模型计算值和实际标定值进行了比较,结果表明个体建模的相关性很好,相关系数达到0. 99980,均方差在≤0. 346,误差分布在±0. 8mmol/ l之间。对部分不参与建模的样品进行了预测,结果表明个体建模的自我预测结果好于该模型对其它个体样品的预测结果,预测误差≤0. 89544mmol/ l。     

基于近红外光谱技术的脐橙快速无损检测

以信丰脐橙为对象,研究基于近红外光谱技术的脐橙品质无损检测方法。利用近红外光谱技术采集脐橙的光谱信息,将采集到的光谱信息通过加权平均值的方差处理获得测量结果,然后运用偏最小二乘法建立脐橙内部有机物成分与特征光谱信息之间的耦合关系实现糖度检测。实验结果表明,近红外透射光谱技术可以作为一种准确、可靠、无损的检测方法,用于检测信丰脐橙内部的糖度指标。     

梨表面色泽的可见/近红外漫反射光谱无损检测研究

应用可见/近红外漫反射光谱对梨表面色泽进行无损检测研究.在350～1800nm光谱区间,结合梨的原始吸收光谱和标准化光谱,采用多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘回归(PLSR)三种数学校正算法进行了定量对比分析.原始吸收光谱应用偏最小二乘回归建立的定标模型对24个未知样品的预测结果是:L*、a*、b*预测均方差分别为1.4251,0.4569和0.9497;相对预测偏差分别为3.7404%,3.3571%和2.5877%.实验结果表明:可见/近红外光谱技术对梨表面色泽的无损检测具有可行性.     

基于近红外光谱传感器的饮食监测系统

针对我国糖尿病患病率日益提高的问题,文章设计一套面向糖尿病患者的饮食监测系统,该系统中最为关键的是食物含糖量检测技术。采用苹果作为研究对象,利用艾迈斯半导体公司生产的最新的近红外光谱传感器采集其原始光谱数据,使用手持糖度计测量其糖度,通过PLS(偏最小二乘)算法建立苹果糖度的预测模型。实验结果显示预测值与实际值的相关系数为0.9858,均方误差为0.65。利用近红外光谱传感器对食物含糖量进行无损分析,避免对食物造成损伤,并且解决了近红外光谱仪庞大复杂难以民用的问题,为面向糖尿病患者的饮食监测系统应用奠定了基础,具有较高的实际应用价值。     

基于高光谱技术的果糖检测优化算法和可视化方法

为提升高光谱成像技术对果糖的无损检测精度, 引进一种优化偏最小二乘(PLS)因子数的方法,以高光谱 技术采集的苹果数据为基础,对比分析了全波段建模、遗传算法(GA)和连续投影算法(SPA) 选择光谱特征波段建模在 优化前后对果糖的预测性能。结果表明,优化方法不仅提高了模型的预测能力,同时降低了 模型的复杂度, 为PLS在化学计量学中的应用提供了改进方法。优化方法对全波段PLS模型的改善效果最 优,预测误差均方根(RMSEP)和测试组相关系数(R_p)前分别为〖 J P〗0.657、0.828,优化后改善至0.604、0.871。另外,本 文从可视化角度对果糖含量的差异进行表征,并取得良好效果,为进一步提升高光谱检测水 果内部品质的准确性提供了理论基础。     

基于近红外光谱检测不同产地石榴的糖度

基于可见/近红外漫透射光谱技术,探讨了对不同产地石榴的品质进行快速无损检测的可行性。首先,利用能够有效抑制杂散光影响的动态在线检测装置采集石榴的近红外光谱,测试石榴糖度的真值;然后结合主成分分析法对不同产地的石榴进行聚类分析,大致将样品分为两类;最后建立不同产地石榴的偏最小二乘判别分析模型,模型的判别准确率为97%以上。采用多种预处理方法(S-G平滑、归一化、基线校正、MSC等)建立了两类石榴的单一模型,结果表明:基线校正的效果明显优于其他方法,所建立的四川石榴模型的预测集相关系数R_p为0.82,预测集均方根误差(RMSEP)为0.37,建模集相关系数R_c为0.90,建模集均方根误差(RMSEC)为0.31;云南石榴模型的R_p为0.81,RMSEP为0.33,R_c为0.87,RMSEC为0.27。在后期采用未参与建模的样品的分选验证实验中,两个产地石榴的判别率为95%,糖度的分选准确率可达92.5%。结果表明,近红外光谱在石榴产地的判别和糖度的分选上具有重要意义,可为以后的石榴在线分选研究提供依据。     

水果内部品质近红外光谱无损检测研究进展

近红外(NIR)光谱分级技术正越来越广泛地应用于水果的产后加工和质量评判中.介绍了水果内部品质光学特性检测原理;分析了规则反射、透射和漫反射3种光特性测量方法在水果内部品质不同需求检测中的适用性;化学计量学方法是近红外光谱分析技术的一个重要部分,对一些新的预处理方法和回归算法作了介绍;探讨了水果状态对光谱影响及修正方法,如温度补偿、大小修正等;并阐述了水果的糖度、酸度、硬度等定量检测和褐变、黑心、水心、损伤等定性判别的国内外最新研究进展;分析了近红外技术在水果品质检测和控制方面的应用前景.     

基于近红外光谱的大枣成熟度无损检测方法

针对目前的农产品成熟度无损检测方法存在检测精度较差的问题,提出基于近红外光谱的大枣成熟度无损检测方法。利用近红外光谱仪采集大枣样品的近红外光谱,并计算采集到的近红外光谱的马氏距离,将超出阈值的马氏距离样品设置为异常样品,为此删除异常的大枣近红外光谱;利用连续投影算法对异常删除的大枣近红外光谱中的波段选择;将大枣近红外光谱波段选择结果作为卷积神经网络输入,通过卷积层和池化层的运算,输出大枣成熟度无损检测结果。实验结果表明：本方法的大枣成熟度无损检测精度最高可达99.12%,无损检测时间最高为11 s,无损检测误差最高为0.06,说明本方法无损检测精度好,具有较高的技术水平和应用价值。     

用于药品无损分析的近红外光谱检测系统光学设计

为实现药品的无损快检,设计了基于傅里叶变换红外光谱检测的光学系统,系统工作波段为4000～12000 cm-1.设计合适的光学结构并确定光学元件的特征参数,用Zemax对设计的光学系统进行光线追迹和优化分析.搭建实验平台,采集了5种相似药品的近红外光谱数据,用主成分分析法(PCA)结合误差反向传播人工神经网络算法(BPANN)对数据进行处理,有效区分了5种药品的光谱,识别准确率达到93.333％.实验结果表明:该近红外光谱检测系统适用于药品的无损分析,能有效鉴别相似药品.     

基于吸光度的波长筛选方法用于近红外光谱定量模型的优化

建立一种基于吸光度的波长筛选方法,以近红外光谱测定中成药制剂的多糖含量为例,对模型优化效果进行验证.考虑模型稳定性,在计算机平台上搭建一种新的样本集划分框架,基于吸光度筛选出最优波段为400~1882&2072~2364 nm,建立偏最小二乘(PLS)模型得到的SEPAve、RP,Ave分别为27.13 mg L-1、0.856,与全扫描谱区(400~2498 nm)的PLS模型预测效果做比较.结果表明,基于吸光度的波长筛选方法,可以优选出高信噪比波长,从而提高了近红外光谱定量模型的性能.     

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...     

基于近红外光谱技术的油茶籽粕中灰分含量快速检测方法开发

以南昌海关技术中心115个油茶籽粕样品为研究对象,比较了不同扫描次数和装样厚度对样品近红外光谱的影响。选择扫描次数为32次,装样厚度为4 mm,并根据不同预处理方法对所建立的油茶籽粕中灰分含量近红外模型的影响筛选出最佳预处理方法——归一化(Standard Normal Variate,SNV)、一阶导数(DG1)和9点平滑(Smooth Savitzky-Golay 9 points,SG9)。利用偏最小二乘法建立了油茶籽粕灰分含量的定量分析模型,其校正相关系数为0.9698,校正均方根误差为0.5236,预测相关系数为0.9575,预测均方根误差为0.6211。为验证模型的适用性,对15个未参与模型建立的油茶籽粕样品的灰分含量进行了预测,并将预测结果与国标方法GB 5009.4-2016的测定结果进行成对结果t检验,得到该方法与国标方法的结果不存在显著差异的结论。近红外方法将极大地提高油茶籽粕品质检测速度和效率、降低检测人员工作量、减少化学试剂的使用,为实现快速、高效的油茶籽粕质量分级和监管提供了技术基础。     

近红外光谱分析在医学上的应用

阐述了近红外光谱技术在医学领域的研究应用情况,并简要介绍了这一技术在临床化学中的应用,对皮肤的分析以及对血糖、血红蛋白等生理因子的检测.     

白砂糖色值近红外光谱分析的波段选择

采用近红外漫反射光谱技术和偏最小二乘法(PLS)建立白砂糖色值的定量分析模型.用多元散射校正方法对光谱进行预处理,再用Savitzky-Golay平滑化方法对原谱、一阶导数谱和二阶导数谱进行处理.选取5个波段,每个波段分别采用原光谱、一阶导数谱、二阶导数谱.同时调整Savitzky-Golay平滑点数和PLS因子数,通过多次PLS数值实验比较,按照预测效果确定每个模型的最优平滑点数、因子数,再从中选优.结果表明,采用780～1100nm-阶导数谱的定标效果最好,模型的预测均方根偏差、相对预测均方根偏差分别为11.2,8.91%.780～1100nm可以代替近红外全谱波段(780～2500nm)得到好的定量分析效果,为设计小型专用近红外分析仪器提供依据.     

基于BP神经网络的啤酒酒精度近红外光谱快速检测

以啤酒酒精度的快速测定为研究对象,采用误差反向传播算法(Back-Propagation,BP),结合主成分分析(PCA),构造了三层的神经网络结构,建立了PCA-BP神经网络模型,达到满意的预测精度,结果表明:使用BP神经网络方法后,验证集预测均方差、平均相对误差和回收率范围分别为0.114、1.131%和97.91%-104.59%,其效果优于PLS模型.     

基于近红外光谱技术的猪肉品质检测应用研究

为研究一种快速有效的猪肉质量检测方法,解决传统检验方法耗时、成本高等问题,从市场上收集了109组猪肉样品,通过理化方法将其区分为健康猪肉和病死猪肉。使用FT-NIR光谱仪采集了样品的光谱,并对光谱进行去噪和降维处理。结果显示,光谱数据经过标准正态变换,结合多元散射校正处理和傅里叶变换降维后,建立了基于支持向量机的分类模型,5-折交叉验证准确率达到94.5%。结果表明,利用该方法可以很好地进行不同品质猪肉样品的分类,为用近红外光谱技术检测猪肉质量提供了依据和基础。     

近红外光谱仪器的研究进展与发展趋向

近红外光谱技术正受到越来越多研究人员的青睐。作为这一技术的基础和前提,近红外光谱仪推动着其快速发展。近年来,随着近红外光谱技术的广泛应用,已有的近红外光谱仪已经难以满足研究与生产的需要,为此科研人员在现有光谱仪的基础上进行了很多研究,以提高其使用性能。对近年来近红外光谱仪的研究进展包括仪器硬件的进展、光谱信号处理电路的改进、光谱信号处理方法的发展以及仪器软件的开发等进行了总结和归纳,并对近红外光谱仪的发展趋势进行了展望。     

基于近红外双色探测器的信号采集系统设计

针对近红外双色探测器在两种不同工作 波段的光谱响应曲线及暗电流,设计了一种基于近红外双色探 测器的信号采集系统及采集方法。该系统具有多种电流转电压 档位、电压放大档位和滤波电路带宽档位,能够快速进行信号 放大和带宽控制;同时通过数字/模拟转换器(D/A)为四级放大电 路提供模拟调零信号,可有效消除由光学系统的杂散光和探测器 自身的暗电流引起的噪声。该系统具有速率快、噪声低和分辨率 高等特点。通过使用这种信号采集系统,光学系统的信噪比、动态 范围、最小可测功率等指标参数都能得到提高。