应用近红外光谱技术快速鉴别玉米杂交种纯度的研究

采用近红外光谱分析技术结合定性偏最小二乘法对农大108玉米杂交种的纯度进行了鉴别研究,实验采用农大108杂交种子与母本178种子各100粒进行单粒光谱扫描(建模集与检验集比例为3:1),结果表明:透射孔直径为3 mm 时,所建模型平均鉴别率为99.82%,显著高于透射孔直径为4.5 mm 时所建模型的鉴别率90.96%;采用胚乳面一次光谱、胚面两次平均光谱、胚乳面两次平均光谱和四次平均光谱进行建模,其平均鉴别率筹异不显著,检验集平均鉴别率均达到99%左右,略高于胚面一次光谱;选择透射孔径3.0 mm,4 000～8 000 cm1 光谱范围,种子胚乳面单次光谱所建立的农大108玉米杂交种的种子纯度鉴定模型的建模集和检验集的鉴别率均达到100%.     

鉴别玉米杂交种纯度的近红外光谱分析技术研究

以不同产地和年份的农华101(NH101)玉米杂交种和母本种子为对象,研究了鉴别玉米杂交种子纯度的近红外光谱分析方法。 光谱采集时间跨度达10个月,运用傅里叶变换(FT)近红外光谱仪器,在不同季节用23天(分五个时间段)采集了这些样品共920条玉米单子粒近红外漫反射光谱。 全部原始光谱用移动窗口平均、 一阶差分导数和矢量归一化进行预处理,使用主成分分析(PCA)方法和线性判别分析(LDA)方法降维,采用仿生模式识别(BPR)方法建立模型。 通过对光谱预处理校正光谱失真,使样品光谱集在特征空间分布的范围收缩,相对距离增大了近70倍,实现了母本和杂交种子的鉴别。 通过代表性样品的选择,提高了模型对光谱采集时间、 地点、 环境等条件变动的应变能力,也提高了模型对样品种子制种时间与地点变动的应变能力,增强了模型的稳健性,使测试集玉米单子粒杂交种和母本种子的平均正确识别率达到95%以上,而平均正确拒识率也达到85%以上。     

芦丁和维生素C的近红外漫反射光谱技术定量分析研究

首次利用近红外漫反射技术和偏最小二乘法定量分析了复方芦丁片的主组分芦丁和维生素Ｃ混合样品的含量,所建立的预测方程对样品的预测值和真实值之间的相关系数为９９．７５％,芦丁和维生素Ｃ定标标准差分别为０．３６３％和１．０７８％。该方法快速、准确、不破坏样品。     

蚁群算法在近红外光谱定量分析中的应用研究

蚁群算法是新近发展的基于群体智能的仿生优化算法,它模拟蚂蚁的觅食行为来解决复杂的组合优化问题。蚁群算法的优点是智能搜索、全局优化、鲁棒性、分布式计算和容易与其他算法相结合等。近红外光谱定量分析技术在很多领域得到广泛的应用,而其关键技术环节之一是建立近红外光谱测量数据的多元校正模型。文章将蚁群算法应用于近红外光谱定量分析中,建立了谷物样品的傅里叶变换近红外漫反射光谱和谷物中蛋白质含量的定量分析模型,得到了较好的结果。校准集的相关系数与相对标准偏差分别为0.943和3.41％,预测集的相关系数与相对标准偏差分别为0.913和4.67%。     

利用少量波段近红外光谱图像鉴定玉米种子纯度

为实现玉米杂交种的自动化快速分选,提出了应用少量近红外波段光对玉米种子进行成像,获取种子光谱图像并提取纹理特征来鉴定玉米杂交种纯度的方法。采集5个玉米品种的母本和杂交种在4个短波近红外波段的透射光谱图像和4个中波近红外波段的反射光谱图像,采用白板标定校正光谱图像,运用中值滤波、大津法去除噪声,从背景中分割出种子,应用灰度分布统计,灰度共生矩阵提取纹理特征,对同一粒种子拼接其在各波长处的特征数据,应用主成分分析和正交线性判别分析降维并获得子空间的最佳可分性,使用支持向量机建立透射和反射光谱图像纯度鉴定模型。透射和反射模型对5个玉米品种平均正确鉴别率均在85%以上。表明利用少量波段的近红外光谱图像鉴定玉米杂交种纯度是可行的。     

应用近红外反射和透射光谱法鉴定玉米杂交种的纯度

探索使用近红外反射和透射光谱法(波长范围908.1~1 677.2 nm)鉴定玉米杂交种纯度,并对两种方法进行比较。对光谱进行一阶导数、矢量归一化的预处理后,使用主成分分析(PCA)和正交线性判别分析(OLDA)提取光谱特征,使用支持向量机(SVM)分别建立两个玉米品种(农华101和京玉16)的种子纯度鉴定模型。反射近红外光谱建立的农华101和京玉16的正确鉴定率分别为100%和90%。但反射光谱法受种子摆放位置的影响很大,胚面和非胚面光谱有较大差异。透射光谱法建立的京玉16和农华101纯度鉴定模型的正确鉴定率均为98%,胚面和非胚面的光谱相似度很高。结果表明,利用近红外反射和透射光谱法鉴定玉米杂交种纯度是可行的;透射光谱法更适于分析单籽粒玉米种子。     

近红外光谱温度修正定量分析模型的研究

以小麦粉末样品为实验材料,研究了环境温度对近红外光谱定量分析结果的影响。将环境温度作为外部变量,使用不同温度下的45个样品建立了测定小麦蛋白质含量的温度修正模型,预测不同温度下的小麦样品的蛋白质含量,结果同以22 ℃恒温下45个样品建立的模型进行了比较。分析结果表明：温度修正模型的预测标准差(SEP)平均为0.333,而恒温模型(22 ℃)的预测标准差随着环境温度与建模时温度差的增大而增大,当环境温度4 ℃时,SEP=0.601 6。温度修正模型可以有效的提高近红外光谱定量分析精度。     

SVM回归法在近红外光谱定量分析中的应用研究

研究了基于统计学习理论的支持向量机（SVM）回归法在近红外光谱定量分析中的应用。以66个小麦样品为实验材料,由33个小麦样品作为校正样品,采用4种不同核函数方法对小麦样品蛋白质含量与小麦样品近红外光谱进行SVM回归建模。以所建4种不同SVM回归模型对33个小麦预测样品的蛋白质含量进行了预测;不同回归模型的预测结果与凯氏定氮法确定的蛋白质含量的标准化学值间的相关系数均在0．97以上,平均绝对误差小于0．32。为了考察SVM回归校正模型的预测效果,同所建PLS回归模型的预测结果进行了比较,表明所建预测小麦样品蛋白质含量的SVM回归模型亦可通过近红外光谱进行实际样品的定量分析,且有较好的分析效果。     

PLS-BP法近红外光谱定量分析研究

建立BP模型用于近红外光谱定量分析时,为克服所建模型与训练样本集产生“过拟合”,先用线性算法为其压缩训练数据是必要的。目前多采用主成分法(PCA)和逐步回归法(SRA)。主成分法具有极强的压缩数据能力,用它压缩成的主成分输入BP网所建模型的预测精度一般能满足要求,但它处理数据时未考虑输出变量的影响。逐步回归法根据系统输出选择变量,但所选变量具有自相关性,而且与训练集样品的排列顺序有关,很难选出最好的变量,往往难满足预测精度要求。本研究用偏最小二乘法(PLS),根据输出变量将原始数据压缩为主成分,输入BP网并用所建模型预测30个小麦样品的蛋白质含量。结果表明,与PCA-BP模型的预测决定系数(R2)从92.50提高到97.10,训练迭代次数从12 000减少到4 500。     

基于近红外光谱技术的石油组分定量分析新方法

针对石油化工产品生产控制和质量检查的需要,为提高测定产品组成的效率,将近红外光谱法作为基础测定方法,以直馏柴油、加氢精制柴油和催化裂化柴油为校正模型的训练样本,测定其中饱和烃、胶质、单环芳烃、双环芳烃、三环芳烃和环烷烃的组成,论述了采用模糊神经网络建立校正模型测定石油化工产品组成的可行性。基于dSPACE硬件平台,用验证样本对模糊神经网络校正模型进行了检验,实验结果表明,该方法响应快、误差小、鲁棒性强,在近红外长波区内,校正样品和验证样品的均方误差小于10-6。该方法可用于石油化工产品的生产工艺研究中。     

Quantitative analysis of alcohol-water binary solutions using Raman spectroscopy

Raman spectroscopy was used for rapid and in situ measurements of alcohols in alcohol-water binary systems. An external standard was used to eliminate factors such as laser power or instrumental effects. Band ratios between the Raman bands of the target molecule and that of acetonitrile as external standard were calculated and found to be proportional to the mass fraction of alcohol. Better linearity was achieved as compared with that in the calibration curve obtained by plotting the Raman intensity alone. The equations of the calibration curves were y=0.2747x with R² of 0.9996 and y=0.2189x+1.340×10⁻³ with an R² of 1.000 in methanol-water and in ethanol-water binary systems, with y and x denoting the Raman intensity ratio and the mass fraction of alcohol, respectively.     

棉籽17种氨基酸含量的NIRS定标模型构建与测定方法研究

选用氨基酸含量差异较大的多年份、多品种、多地点种植的445份棉花种子为材料,分别对其进行近红外光谱扫描。用一阶导数的数学处理(1,4,4,1)、标准正态变换和去趋势(SNV+D)最佳组合的预处理方法,结合改良的偏最小二乘法(MPLS)构建棉籽17种氨基酸成分的近红外定标模型。定标结果表明,天冬氨酸、苏氨酸、谷氨酸、甘氨酸、丙氨酸、缬氨酸、异亮氨酸、亮氨酸、苯丙氨酸、赖氨酸、组氨酸和精氨酸等12种氨基酸含量的定标模型较好,其RPDc为3.735~7.132,外部检验r2为0.910~0.979,近红外光谱分析完全可以替代化学测定;而丝氨酸、蛋氨酸、酪氨酸和脯氨酸等四种氨基酸的定标模型次之,其RP-Dc为2.205~2.814,外部检验r2为0.800~0.830,近红外分析技术虽不能完全替代化学测定的结果,但仍可用于大量样品的筛选。半胱氨酸定标方程的RPDc较小(RPDc=1.358),因此,棉籽中半胱氨酸含量不能用近红外分析方法进行检测。     

基于可见/近红外光谱的鹅鸭混合绒定量检测研究

鹅绒和鸭绒的外观相似但在品质上鹅绒优于鸭绒,各国羽绒毛标准对鹅绒毛中的鸭绒毛含量都有最高限定。传统检测方法为高倍显微镜目测法,该方法劳动强度大,且不适宜大批量样本的分析及现场快速检测。利用可见/近红外光谱结合连续投影算法(SPA)特征波长选择的建模方法对鹅绒中混有鸭绒含量进行了定量检测。在450～930nm范围内,通过SPA选择的8个特征波长建立多元线性回归模型,取得了较好的预测结果,相关系数为0.983,校正均方根误差(RMSEC)为5.44%,预测均方根误差(RMSEP)为5.75%,有望用于羽绒毛品质的快速检测。     

Recent quantitative research of near infrared spectroscopy in traditional Chinese medicine analysis

Traditional Chinese medicines (TCMs) have been used in China to prevent and cure diseases for centuries. Due to the complexity of TCMs, fast and highly efficient techniques are required to develop their quality control. Near infrared spectroscopy (NIRS) has been widely applied in TCM analysis for both nonpolar and polar components. This review describes an overview of experimental conditions (spectra pretreatments and multivariate techniques) investigated in NIRS for TCM components that are related to individual compounds such as lipids, essential oils, phenolics, alkaloids, saponins and carbohydrates. Their potential in the separation of TCMs using relevant applications with a particular focus on quantitative analysis is also demonstrated.     

自由定标激光诱导击穿光谱技术在炉渣成分定量分析中的应用

采用自由定标激光诱导光谱技术(CF-LIBS)对炉渣中几种主要成分(CaO,SiO2,Al2O3,MgO)进行了定量分析.利用Nd:YAG激光脉冲在空气中烧蚀炉渣样品产生等离子体,等离子体光谱由中阶梯光栅光谱仪记录.通过几种主要元素的原子谱线和离子谱线的玻尔兹曼图,计算了等离子体的温度.利用Ca的一条谱线Stark展宽...     

近红外光谱技术定量测定基质参数研究

无土栽培具有省地、省时等诸多优点,是农业生产中发展最快的技术之一,基质选择是无土栽培成功与否的关键之一.因此,对基质参数的快速测定具有重要意义.文章采用近红外光谱技术定量测定基质中含水率、电导率和pH值,利用基线校正和微分方法对光谱进行预处理,在不同的波段范围建立不同的偏最小二乘(partial least squar...     

Prediction of yerba mate caffeine content using near infrared spectroscopy

There is a commercial and beneficial interest of producing yerba mate leaves into different grades of caffeine. This work uses a handheld and bench near-infrared (NIR) spectroscopy to compare and predict, using partial least squares (PLS) regression, the amount of caffeine in yerba mate leaves. Standards of pure caffeine were compared, using high-performance liquid chromatography (HPLC), with extracts of yerba mate. The bench spectroscopy gave a strong confidence model of caffeine prediction, whereas the handheld related to a fair model. For first detection and initial separation of yerba mate in the field, the modeling proposed can be used to predict caffeine intensity.     

便携式近红外光谱分析仪的研制及应用

针对野外和现场快速无损分析应用,研制了一种便携式近红外光谱分析仪。该仪器具有体积小、结构简单、响应速度快、功耗低、抗震性好、使用方便和维护成本低等优点。详细描述了仪器的总体设计及主要结构,展现了其性能特点。对仪器进行了性能测试,结果显示该分析仪性能稳定,已达到了国际同类仪器水平。苹果糖度的现场无损测定数据表明,该分析仪具有较强的建模能力及高可靠性,其中校正标准偏差和验证集预测标准偏差分别为0.266和0.309。实验结果表明,该分析仪具有较强的现场应用能力,能够适应各种现场的应用环境。