基于外部参数正交的无创血糖测量温度校正

近红外人体血糖浓度无创检测所面临的主要问题之一是人体温度变化干扰测量光谱。为此,提出使用基于外部参数正交化(EPO)的光谱预处理方法,对测量部位体温改变时的光谱进行温度校正。该方法仅需预先采集人体体温变化时的漫射光谱,即可获得消除温度干扰的滤波矩阵,利用该矩阵可以将不同体温下的光谱校正至基准温度水平。预先对外部干扰变量单独建立模型,与血糖浓度预测模型的建立分离。EPO原理提出组成光谱空间的干扰信号空间与有用信号空间正交,即温度光谱响应与葡萄糖浓度光谱响应之间彼此正交,而在实际测量中,仪器系统漂移,人体出汗等共模干扰常导致有用信号和干扰信号存在偶然相关,影响了消除温度干扰的效果。因此在进行温度校正之前,首先对原始光谱进行位置差分处理,经验证位置差分方法能够消除仪器系统漂移带来的共模干扰,获得的吸光度光谱中温度响应部分和浓度响应部分彼此正交。使用蒙特卡洛模拟人体三层皮肤模型获得血糖光谱数据,模拟样品参数均根据实际人体实验中的参数水平设置。对受温度干扰的光谱进行位置差分处理后使用EPO进行温度校正,然后利用校正后的光谱数据建立偏最小二乘回归(PLSR)模型。与校正前光谱建模结果比较,校正后的模型均方根误差(RMSEC和RMSECV)明显降低,相关系数得到一定的提高,同时主成分数减少,验证了该温度校正方法的有效性。     

近红外光谱法在慈竹微纤丝角和纤维长度分析中的应用

应用近红外光谱法对慈竹微纤丝角和纤维长度进行快速预测研究.采用X射线衍射法和显微镜法分别测定慈竹微纤丝角和纤维长度,并用光纤漫反射模式采集近红外光谱,对原始光谱分别进行消噪和消噪与正交信号校正相结合预处理,建立偏最小二乘(PLS)数学模型,对比分析模型预测能力.结果表明,慈竹微纤丝角和纤维长度原始光谱经消噪和正交信号校...     

小波多尺度正交校正在近红外牛奶成分测量中的应用

光谱分析中,干扰信号的存在直接影响所建分析模型的质量。基于信号和干扰的不同特性,提出了一种扣除背景和噪声干扰的新方法——小波多尺度正交校正(WMOSC)法。首先将原始光谱进行小波变换(DWT),消除噪声及背景信息,然后采用正交信号校正(OSC)滤除与待测组分浓度无关的全部信息。与单纯的小波变换及正交信号校正相比,WMOSC能有效地扣除背景和噪声干扰,使模型具有更强的抗干扰能力,提高了模型的预测精度。利用该方法对牛奶样品的近红外光谱进行处理,采用偏最小二乘法建立校正模型,其牛奶中脂肪、蛋白质和乳糖的预测均方根误差(RMSEP)分别为0.101 6%,0.087 1%和0.110 7%。实验结果表明该方法能有效地去除干扰,保留有用信息。     

应用近红外光谱法快速测定蜂蜜中葡萄糖和果糖含量

采用近红外光谱法,以HPLC-ELSD分析值作为建模的基础数据,用近红外透射光谱法采集光谱,对校正集的原始光谱作均值中心化、一阶微分、正交信号校正等光谱预处理,采用主成分回归、偏最小二乘和多元线性回归法建模,以相关系数、校正标准偏差、预测标准偏差为评价指标对模型预测能力进行评价,对蜂蜜中葡萄糖和果糖含量进行快速测定。原始光谱经均值中心化、一阶微分和正交信号校正预处理后,运用多元线性回归法所建葡萄糖和果糖定量分析模型,可用于中药炮制辅料蜂蜜中葡萄糖和果糖的含量测定。     

近红外光谱(NIRS)技术快速测定湖泊沉积物营养组分研究

湖泊沉积物保存了湖泊环境演化的重要信息,但目前还没有建立起快速、准确的湖泊沉积物营养组分组合分析方法。该文利用近红外光谱(NIRS)技术,采用一阶导数、小波滤噪、正交信号校正、小波滤噪+正交信号校正、一阶导数+正交信号校正、正交信号校正+小波压缩6种光谱预处理技术和偏最小二乘(PLS)法相结合在国内建立了NIR光谱测定湖泊沉积物柱芯样品中总碳(TC),总氨(TN),总有机碳(TOC)和总磷(TP)的校正模型,结果表明虽然NIR光谱校正模型对TOC的预测效果不理想,但一阶导数+正交信号校正光谱校正模型对TC和TN,正交信号校正光谱校正模型对TP的预测效果较好,预测相关系数分别为0.759 7(TC),0.865 0(TN)和0.811 2(TP),预测误差(RMSEP)分别为0.13%(TC),0.008 2%(TN)和0.012%(TP)。该研究对于推动我国湖泊沉积物的光谱学特性研究具有重要意义。     

正交信号校正用于偏最小二乘建模过拟合现象的研究

通过用近红外光谱和PLS建立测定二元、三元调合食用油中花生油含最模型以及二甲亚砜水溶液浓度模型,使用交互验证统计参数,包括决定系数RC,标准偏差SEC,预测值和实际值线性拟合方程的斜率a和截距b,和外部验证统计参数,包括决定系数RV,标准偏差SEP,预测值和实际值线性拟合方程的斜率a和截距b,评价建模效果,比较了分别使用原始光谱和正交信号校正(OSC)处理光谱的PLS建模结果.研究结果表明:OSC校正可明显改善近红外光谱与被测物质浓度的线性相关性.虽然OSC预处理可以改善PLS模型的交互验证结果,似是外部验证结果变差,即正交信号校正用于PLS建模将导致过拟合现象.通过分析算法原理,认为OSC与PLS1对光谱中与性质无关的信息作了重复剔除,误删除了部分有效信息,导致过拟合效应.     

POSC-PLS方法及其在电子吸收光谱定量分析中的应用

针对光谱数据局部效应显著,变量个数多,彼此间常存在严重的复共线性,构建了一种基于分段正交信号校正(piecewise OSC)的偏最小二乘(PLS)回归,即POSC-PLS方法。它以近邻分段方式进行逐个波长点的正交信号校正,剔除光谱矩阵中所含的各种噪声信号,将去噪后的光谱矩阵作为新的自变量矩阵,再利用偏最小二乘方法建立校正模型。将该法应用于多环芳香烃电子吸收光谱的多组分定量关系建模,效果良好。所建模型的预报性能优于其他方法,而且模型所需PLS成分数减少,模型更简洁。     

应用CARS和SPA算法对草莓SSC含量NIR光谱预测模型中变量及样本筛选

采用光谱技术对水果进行定量或定性分析,如何获得一个简单、有效的校正模型对后续模型的应用和维护都非常关键。以草莓内部品质近红外光谱预测为例,从关键变量和特征样本优选两方面进行研究。采用竞争性自适应重加权CARS算法对光谱变量进行初次选择,随后采用连续投影算法SPA对校正集样本进行优选,获得98个特征样本,针对优选后的变量/样本子集利用SPA算法作二次关键变量提取,获得25个关键变量。为了验证CARS算法的性能,蒙特卡罗无信息变量消除MC-UVE和连续投影算法SPA用于比较研究。CARS算法在消除无信息变量的同时可以对共线性信息进行去除。同样,为了评估SPA算法在特征样本选择中的性能,经典的Kennard-Stone算法也用于比较分析。SPA算法能够用于校正集特征样本的优选。针对最终优选后的变量/样本(25/98)子集建立PLS和MLR模型对草莓内部可溶性固形物含量SSC含量进行定量预测。结果表明,两个模型利用原始变量/样本的0.59%/65.33%的信息均能够获得比基于原始变量/样本所建模型更好的性能,且MLR模型比PLS模型性能略优,r2_pre,RMSEP和RPD分别为0.909 7,0.348 4和3.327 8。     

简化苹果糖度预测模型的近红外光谱预处理方法

采用正交信号校正法(OSC)和净分析物预处理法(NAP)分别对苹果的近红外光谱(1300~2100 nm)进行预处理,并结合偏最小二乘法(PLS)建立了糖度预测模型。应用结果显示,随着预处理过程中所用的正交信号校正因子或净分析物预处理因子的逐渐增加,偏最小二乘糖度模型(OSC/PLS模型和NAP/PLS模型)所采纳的最佳因子数也会随之减少,甚至可减至1。当采用10个正交信号校正因子预处理苹果光谱时,OSC/PLS糖度模型达到最佳性能,最佳模型采纳的因子数为2;采用11个净分析物预处理因子预处理光谱时,NAP/PLS糖度模型达到最佳性能,最佳模型采纳的因子数为1。从总体上评价,最佳OSC/PLS糖度模型和最佳NAP/PLS糖度模型的性能都明显优于原始光谱的最佳偏最小二乘模型。这些结果表明,正交信号校正法和净分析物预处理法都能在保证精度的同时有效地简化苹果糖度预测模型。     

香梨表面低浓度农药残留高光谱检测研究

以喷洒不同浓度杜邦万灵的香梨作为研究对象,探讨了应用高光谱成像技术检测香梨表面农药残留的方法。运用376~1051nm高光谱成像系统采集200个香梨的高光谱图像,其中120个香梨为建模集,80个香梨为预测集。运用多元散射校正(MSC)对光谱数据进行预处理,然后采用连续投影算法(SPA)提取了11个特征波长。基于处理后的光谱数据,分别运用多元线性回归法(MLR)和主成分回归法(PCR)两种算法分别建立农药残留检测的模型,比较两种模型的结果。通过比较,采用MLR建立的农药残留检测模型效果较优,其校正集相关系数(Rc)为0.973,校正均方根误差(RMSEC)为0.260,预测的正确率可以达到91.7%,对较低浓度残留的预测正确率达到80%。研究表明,应用高光谱成像技术可以成功地检测香梨表面农药残留,并且对低浓度检测也有很好的效果。     

温度影响下短波近红外酒精度检测的传递校正

短波近红外光谱结合多元校正方法测量酒精度具有快速、无损的特点,可以现场应用和在线检测。但是温度对预测模型的性能影响很大。作者研究了温度变化对乙醇水溶液的短波近红外光谱的影响,采用四种方法建立了温度变化下的偏最小二乘(PLS)传递校正模型：直接校正、全局校正、正交信号处理(OSC)和广义最小二乘加权法(GLSW)。结果表明,温度变化时直接传递校正存在很大的预测系统偏差,而采用全局校正、OSC和GLSW均能在一定程度上减小系统误差。全局校正需要较多的建模样品数量,得到的模型也更为复杂。而OSC和GLSW方法能得到更为简洁的模型和优良的预测结果。相比之下,GLSW算法得到的预测误差和使用的建模隐含变量数目均小于OSC方法,能够建立更为稳健的传递校正模型。     

基于便携式近红外技术的生鲜乳品质现场评价

生鲜乳作为乳制品生产的基本原料,其质量是保证乳制品食用安全、维护人类健康的基础。可见/近红外光谱技术结合化学计量学方法,构建生鲜乳品质指标的数学模型,实现生鲜乳品质的现场评价。在不同年份,收集88份来自不同奶牛个体的生鲜乳样品。便携式光谱仪采集生鲜乳漫透射光谱(500~1 010 nm),二阶导数和卷积平滑进行光谱预处理,以消除脂肪球引起的光散射和高频噪声。变窗宽移动窗口偏最小二乘法(CSMWPLS)和遗传偏最小二乘法(GAPLS)用于筛选信息区间,并构建预测模型。CSMWPLS与GAPLS模型的预测性能相当,脂肪、蛋白质、干物质和乳糖的预测标准误差(RMSEP)分别为0.115 6/0.103 3,0.096 2/0.113 7,0.201 3/0.123 7和0.077 4/0.066 8,相对预测误差(RPD)分别为8.99/10.06,3.53/2.99,5.76/9.38和1.81/2.10。同时构建了生鲜乳品质指标的多元线性回归(MLR)方程,采用的最优变量数分别为8,10,9和7。采用外部数据集检验,MLR预测性能与PLS相近甚至更优,脂肪、蛋白质、干物质和乳糖模型的RMSEP分别为0.107 0,0.093 0,0.136 0和0.065 8;相对预测误差(RPD)分别为9.72,3.66,8.53和2.13,可用于现场准确测量。结果显示,便携式近红外光谱仪结合MLR模型可实现生鲜乳品质的现场快速评价,为生鲜乳按质论价收购提供了一种新方法,同时为便携式乳品近红外专用仪器设计提供技术参考。     

基于GA和SCMWPLS算法的NIR光谱信息变量提取研究

光谱数据压缩、信息变量提取是近红外应用研究的热点,是简化模型、提高预测精度的重要手段。本文以杏可见/近红外光谱为例,采用二阶导数、标准化和正交信号校正(OSC)处理以滤除光谱与浓度阵无关的信号;使用SCMWPLS选择出880,894～910和932 nm为建模区间建立PLS预测模型,其相关系数(R)、校正误差(SEC)和预测误差(SEP)分别为0.920,0.454和0.470;进行独立运行GA程序100次,依次选择入选频率较高的2个波长点888和900 nm作为回归变量,建立GA-MLR预测模型,其R, SEC, SEP分别为0.905,0.488和0.459,均优于全谱的偏最小二乘建模结果。结果显示,OSC可以滤除光谱与浓度阵无关的信号,减少建立模型所用的主因子数;SCMWPLS和GA可以寻找最优信息变量组合。该方法对于建立低维度、高精度近红外快速分析模型具有普遍参考意义。     

近红外稳健分析校正模型的建立(Ⅰ)--样品温度的影响

样品温度对近红外光谱分析模型稳健性有明显影响 ,消除其影响的三类方法包括光谱预处理、波长选择和温度补偿校正集。文章以重整汽油 /辛烷值 /苯含量为研究体系 ,考察了这三类方法对建立稳健分析模型的有效性 ,并详细研究了温度补偿校正集样品数量及性质分布对温度混合模型稳健性的影响规律。结果表明 ,仅通过光谱预处理方法难以消除温度对模型稳健性的影响 ;遗传算法波长选择和温度补偿校正集对消除温度影响是有效的 ,而后者更容易实现 ,但在实际应用中应考虑非线性问题     

三维全息原子场作用失量用于苦味肽QSAR的研究

本文提出利用三维原子场相互作用矢量(3D-VAIF)对苦味二肽分子结构进行表征,并利用逐步回归(SMR)结合多元性性回归(MLR)建立苦味二肽定量构效关系模型,同时采用内外部双重验证的方法检验模型的稳定性。所建模型相关统计参量如下：复相关系数(Rcum2)、留一法（LOO）交互校验复相关系数(Rcv2)和外部样本校验复相关系数（Qext2）分别为0.983、0.934、0.876。结果表明,三维全息原子矢量法能较好的对苦味二肽结构进行表征,优于以往传统的氨基酸描述子。从而可以为新的强活性肽类药物的分子设计和改造提供了指导。