人工神经网络结合近红外光谱用于木材树种识别

测量了不同产地及品种的89个木材样品的近红外光谱,并分别使用反向传播人工神经网络(back propagation artificial neural networks,BPANN)与广义回归神经网络(generalized regression neural network,GRNN)建立了NIRS树种识别模型。通过方差分析分别选择两种神经网络所用参数,并采用最优参数进行网络训练。考虑到样品光谱的差异,对含不同水平白噪声与不同水平偏置的光谱进行模拟,并使用建立的模型对模拟光谱进行预测。发现两种神经网络模型均有较好的预测结果,其中BPANN模型,对含偏置水平不高于2％、噪声水平不高于4％的模拟光谱识别正确率在97％以上;GRNN模型,对含偏置水平不高于2％、噪声水平不高于4％的模拟光谱识别正确率在99％以上。     

不同含水率下木材尺寸变化的近红外光谱研究

木材和水分关系的研究一直以来都是木材学研究领域的重点课题。木材中水分含量变化会使木材产生干缩湿胀,进而影响其尺寸稳定性,这关系到木材的实际应用。一般认为,木材产生变形的根本原因是木材化学组分中多糖类物质所含羟基与水分形成氢键作用的结果,而近红外光谱对有机材料含氢基团具有高度的敏感性。利用这一特点,为了能够实现对木材尺寸变化的在线快速检测,应用近红外光谱(near infrared,NIR)探讨了不同含水率木材与其尺寸稳定性之间的相互关系并建立了木材尺寸变化预测模型。通过对不同含水率下木材三个切面进行近红外扫描得到光谱信息,结合化学计量学方法,建立基于偏最小二乘法的木材径、弦向尺寸变化率的近红外光谱模型,并采用交叉检验的方式对模型进行验证。结果表明：不同含水率条件下的木材径、弦向尺寸变化率与相应的近红外光谱有很高的相关性,说明可以通过近红外光谱来研究木材的尺寸变化;研究建立的木材径、弦向尺寸变化模型的相关系数都大于0.90,均具有比较好的适用性;通过比较横切面上建立的径、弦向尺寸变化率模型,弦向好于径向。以上结果表明利用近红外光谱技术对木材的尺寸变化进行快速、准确的预测具有较好的可行性。     

光谱预处理对近红外光谱预测木材纤维素结晶度的影响

木材纤维素结晶度是木质材料的一个重要性质,它与树木的生长特性、结构与化学组成均有密切关系,并对木材的杨氏模量、尺寸稳定性、密度和硬度等具有重要的影响,文章研究了利用近红外光谱结合多变量数据分析技术对人工林木材纤维素的结晶度进行预测的能力。本研究从人工林湿地松木粉试样的表面采集近红外漫反射光谱,并利用X射线衍射法测定了木材纤维素的结晶度。研究表明,采用一阶导数和二阶导数光谱预处理没有提高近红外模型的预测效果,而采用原始光谱的预测效果最好,预测值与X射线衍射测定值的相关系数r可以达到0.950,各项预测误差值较低, 说明采用近红外光谱结合多变量数据分析方法建立的结晶度预测模型具有理想的预测能力。     

木材表面光泽度的近红外漫反射光谱技术快速测定研究

表面光泽度是天然高分子材料(如木材)及其制品的重要视觉参数之一,实现天然高分子材料及其制品表面光泽度的快速测定对其表面质量的在线控制与评价具有重要意义。为了实现近红外光谱技术对木材表面光泽度的快速测定以及拓宽近红外光谱技术在高分子材料表面质量控制领域的应用,本研究利用近红外光谱技术结合偏最小二乘法对天然高分子材料木材表面光泽度的模型预测值与实测值的相关性进行研究,探讨了近红外漫反射光谱技术快速测定天然高分子材料木材表面光泽度的可行性。结果表明:(1)木材表面光泽度与其近红外漫反射光谱密切相关,说明木材表面近红外光谱特征中包含表面光泽度的信息;(2)通过偏最小二乘法建立木材表面光泽度的近红外光谱预测模型,模型对木材表面光泽度的预测值与实测值的相关系数可达0.90;(3)通过改变采谱光纤与木材样品表面的夹角获得不同的漫反射光谱数据,分别建立不同的木材表面光泽度预测模型发现,采集光谱的光纤与样品表面的角度变化对结果影响不显著,光纤与样品表面夹角为90°时的结果相对较好。     

利用近红外光谱技术预测粗皮桉木材弹性模量

采用近红外光谱分析技术,对粗皮桉木材弹性模量进行了快速预测研究.使用快速傅里叶变换(FFT)分析法和常规力学测试方法测定了粗皮桉木材无疵小试样的弹性模量,并用近红外光谱仪采集试样径切面和弦切面的近红外漫反射光谱,对原始光谱进行二阶导数预处理,并选择410～2 480 nm光谱段建立回归模型.以2/3的试样作为校正集建立弹性模量的偏最小二乘法校正模型,以1/3/的试样作为预测集对模型进行验证.结果表明,粗皮桉木材的弹性模量与近红外光谱之间有较好的相关性,纵向弹性模量和抗弯弹性模量的预测模型的相关系数分别为0.93和0.81,相对分析误差分别为2.70和1.71.利用近红外光谱分析方法可以实现对粗皮桉木材无疵小试样弹性模量的快速预测.     

温度变化对近红外光谱预测木材含水率的影响

为实现温度不稳定环境下木材含水率的近红外光谱检测,探究了不同温度下木材近红外光谱的变化规律及温度变化对近红外预测木材含水率的影响。对从林场采集的樟子松、水曲柳、大青杨和红松原木木块试样各75块,共计300块试样,进行了不同温度和含水率条件下的近红外光谱采集。采用单一温度下的校正集分别与各个温度下的验证集建立偏最小二乘含水率预测模型,探究温度变化对木材含水率模型预测准确性的影响。比较了不同光谱预处理的木材含水率预测温度全局模型。采集相同含水率下不同温度的近红外光谱数据,对光谱进行光谱平均、一次微分、主成分分析和偏最小二乘判别分析,以探究温度变化时,木材近红外光谱的变化规律。结果显示：(1)温度对木材样品光谱存在显著影响;主成分分析和判别分析表明不同温度下的样品有明显聚类趋势,温度判别准确率为96.1%。温度会影响木材的近红外光谱在特定波长吸收峰的位置及吸光度,在含水率相同的情况下,随着温度的升高,特定位置吸收峰有逐渐向高频波段转移的趋势且在零下低温时波峰移动变化更明显。(2)不同温度下的PLS含水率预测模型对温度变动的适应能力有差异,木材含水率预测模型更适应于检测与建模样本相同温度的样品...     

木材种类的近红外光谱和模式识别

木材的种类识别是木材加工和贸易的一个重要环节,传统的木材种类识别方法主要有显微检测法和木材纹理识别法,其操作繁琐,耗时长,成本高,不能满足当前需求。本研究利用木材的近红外光谱(NIRS)结合模式识别方法,以期实现木材种类的快速准确识别。采用近红外光谱结合主成分分析法(PCA)、偏最小二乘判别分析法(PLSDA)和簇类独立软模式法(SIMCA)三种模式识别对58种木材进行种类鉴别研究;5点平滑、标准正态变量变换(SNV)、多元散射校正(MSC)、Savitzky-Golay一阶导数(SG 1st-Der)和小波导数(WD)五种光谱预处理方法用于木材光谱的预处理;校正集和测试集样品的正确识别率(CRR)用于模型的评价。采用PCA方法,通过样品的前三个主成分空间分布图分辨木材种类的聚类情况。在建立PLSDA模型,原始光谱的正确识别率最高,分别为88.2%和88.2%;5点平滑处理的光谱校正集和测试集的CRR分别为88.1%和88.2%;SNV处理的光谱校正集和测试集的CRR分别为84.4%和84.5%;MSC处理的光谱校正集和测试集的CRR分别为83.1%和84.2%;SG 1st-Der处理的光谱校正集和测试集的CRR分别为81.8%和82.7%;WD(小波基为“Haar”,分解尺度为80)处理的光谱校正集和测试集的CRR分别为87.3%和87.2%。可知,在PLSDA模型中,木材光谱未经预处理种类识别效果最后好。在建立SIMCA模型过程中,原始光谱的校正集和测试集的CRR分别为99.7%和99.4%;5点平滑处理的光谱校正集和测试集的CRR分别为100%和100%;SNV处理的光谱校正集和测试集的CRR分别为99.5%和99.1%;MSC处理的光谱校正集和测试集的CRR分别为99.0%和98.4%;SG 1st-Der的光谱校正集和测试集的CRR分别为81.8%和82.7%;WD处理的光谱校正集和测试集的CRR分别为100%和100%。可知,在SIMCA模型中,木材光谱经平滑和小波导数处理后的识别效果最好,且光谱的校正集和测试集CRR都为100%。采用三种模式结合五种不同的预处理方法对木材近红外光谱进行定性建模识别时,由于木材样本属性复杂,主成分分布图相互交织,PCA无法识别出58种木材;原始光谱的PLSDA模型可以得到较好的判别模型,但校正集和测试集的CRR只有88.2%和88.2%;木材光谱经过5点平滑或WD预处理后的SIMCA模型可达到最好的识别效果,校正集和测试集的CRR均为100%,且WD-SIMCA模型因子数比5点平滑SIMCA模型小,模型更为简化,故WD-SIMCA为58种木材种类识别的最优模型。研究表明光谱预处理方法可以有效的提高木材种类识别精度,有监督模式识别方法SIMCA可以用来建立有效的木材识别模型,近红外光谱结合模式识别可以为木材种类的识别提供一种快速简便的分析方法。     

木材中的水分及其近红外光谱分析

水分是木材的重要特征之一,用近红外光谱分析木材性质,必须考虑水分对预测结果的影响。文章分析了不同含水率状态下木材在近红外光谱区的吸收特性;用近红外光谱法预测木材中的水分含量,相关系数为0.99,校正标准偏差SEC和预测标准偏差SEP分别是0.041和0.043;通过在不同含水率(7%,12%,20%,30%,60%)状态下采集近红外光谱与固定含水率下的木材密度建立关联,结果表明,利用近红外光谱技术可以在不同含水率下采集近红外光谱来预测木材气干密度。     

表面粗糙度对近红外光谱分析木材密度的影响

近红外(NIR)光谱技术是一种基于多元统计分析建立预测模型的定量分析技术,应用十分广泛,然而,近红外光谱分析结果的准确性会受到多种因素的影响。文章分析了木材表面粗糙度对近红外光谱预测木材密度的影响。结果表明,当待预测样品的粗糙度和建模样品的粗糙度一致时,分析结果较好;二者不一致时,分析误差较大。采用不同粗糙度样品建立混合预测模型,可以显著提高模型对粗糙度的适应性和稳健性。     

基于小波变换的木材近红外光谱去噪研究

木材近红外光谱常常被一系列噪声所污染,影响光谱分析结果。为了提高近红外光谱分析精度,需要对光谱数据进行预处理。光谱导数可以消除光谱背景干扰和基线漂移等因素影响,提高光谱分辨率,但导数光谱在增强信号的同时,也使信号噪声得到增强。应用小波变换对杉木木材近红外一阶导数光谱进行去噪研究,分别采用9点平滑法、25点平滑法、非线性小波硬阈值和软阈值法、9点平滑+小波变换法和25点平滑+小波变换法对光谱数据进行去噪研究。结果显示, 小波变换能够有效去除导数光谱中的噪声信号,保留光谱中的有效信息,提高光谱信噪比,提高光谱的分析能力,在木材近红外光谱分析中具有很好的应用前景。     

基于近红外光谱技术成品汽油分类方法的研究

在研究成品汽油的分类方法过程中,首先采用判别式聚类分析方法比较了700~1 100和1 100~1 700 nm两个波段范围判别模型的准确性,然后在识别模型准确性较高的波段(1 100~1 700 nm)采用主成分分析法(PCA)结合自组织竞争神经网络方法,对90#,93#和97#成品汽油建立定性识别模型。在建立定性模型前先用PCA法对原始数据进行主成分压缩。主成分分析结果表明,前3个主成分的累积可信度已达97%,取前3个主成分的32个波长点的吸光度作为神经网络的输入,建立三层自组织竞争神经网络模型。神经网络模型的学习参数为0.01,网络训练迭代次数为500。结果表明,基于主成分分析结合自组织竞争神经网络方法建立的近红外光谱鉴别成品汽油的模型鉴别准确率高、方法可行。     

氯化钠近红外光谱检测技术研究

氯化钠(NaCl)近红外光谱分析在生物医学上有着重要的意义。钠离子(Na+)是人体血液中电解质的主要成分,而电解质有助于维持身体的酸碱平衡。采用近红外光谱技术测量氯化钠浓度,在分析钠离子近红外光谱检测机理的基础上,选定波长建立了NaCl浓度线性回归预测模型,同时为了减小温度对水吸收的扰动,使用选定光谱区建立偏最小二乘(PLS)非线性回归模型。结果表明所建立的非线性校正模型决定系数(R2)=99.82%,交叉验证均方误差(RMSECV)=14.5,剩余预测偏差(RPD)=23.7。完全满足日常生化检测精度要求,该技术可以应用于医院实验室钠离子浓度定量分析。     

基于近红外光谱技术预测径/弦切面粗皮桉木材微纤丝角

采用近红外光谱分析技术,对不同切面粗皮桉木材的微纤丝角进行快速预测研究.使用X射线衍射仪测定了粗皮桉木材生长锥尤疵小试样的微纤丝角,并用近红外光谱仪采集试样的近红外漫反射光谱,对粗皮桉木材径切面和弦切面原始光谱进行二阶导数预处理并选择一定光谱段建立回归模型.以至少159个试样作为校正集建立木材微纤丝角的偏最小二乘法校正模型,使用交互验证法进行验证.结果表明,两个切面粗皮按木材的微纤丝角与近红外光谱之间有较好的相关性.利用近红外光谱分析方法可以实现不同切面粗皮桉木材无疵小试样微纤丝角的快速预测.     

近红外光谱技术用于无创生化检验研究的进展

20世纪90年代初,近红外光谱技术在人体无创生化检验方面的潜力逐渐获得重视。然而,人体是一个极其复杂多变的检测对象,因此虽然各研究小组在实验模拟和离体分析方面取得了一定成果,但在临床应用上始终没有实质性突破。文章讨论了目前阻碍近红外光谱技术实现临床意义上的人体无创生化检验的关键问题,即信号微弱、组织背景干扰、血流容积变化问题。将国际上现有的近红外无创生化检验研究工作的思路按照分析方法大致归为两类,即经典近红外分析法和扣除组织背景干扰分析法。详细介绍了这两类研究思路各自的研究现状,并认为在现有条件下第二类思路更有希望取得临床可以应用的结果。     

近红外光谱法快速测定羊草干草品质的研究

试验共采集我国北方不同区域、不同生育期、不同干燥方式的羊草干草150份,利用近红外漫反射光谱(NIRS)技术,采用偏最小二乘回归算法(PLS),在国内首次建立了适配范围广的羊草干草的粗蛋白(CP)、中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)的校正模型,并对模型的预测能力进行了验证.结果表明,所建模型的预测结果与常规...     

牛肉化学成分的近红外光谱检测方法的研究

通过对整块牛肉和肉馅样品进行扫谱,测定其脂肪、蛋白和水分含量,采用国产 SupNIR-1000 近红外光谱仪,运用人工神经网络(ANN)分别建立肉馅和整块牛肉的脂肪、蛋白和水分的模型.肉馅样品的脂肪模型校正相关系数为0.971、预测相关系数为0.972;蛋白的校正相关系数为0.952、预测相关系数为0.949;水分的校...     

稻米色氨酸含量近红外反射光谱全局和局部飞速定标技术研究

色氨酸是人类一种必需氨基酸,也是稻米中一种重要的限制性氨基酸。从4年份1256份材料中选择出272份有代表性的样品,采用碱水解-分光光度法测定了其色氨酸含量。比较不同定标方法的预测结果发现,运用改良的偏最小二乘法(modified partial least square,MPLS)的全局(Global)定标方法和局部(Lo-cal)飞速定标方法的预测效果较佳,基于精米粉光谱建立的方程的预测标准误差均为0.007%,外部验证决定系数分别为87.1%和87.4%,可用于定量分析;而基于糙米光谱建立的定标方程的预测效果略差,但仍具有良好的预测能力。研究结果表明,近红外光谱技术可作为水稻育种中间材料的快速筛选和食品工业中稻米原料的品质监控手段。     

利用近红外光谱鉴别纺织用竹纤维和麻纤维

利用近红外光谱技术对竹原纤维、竹粘胶纤维和苎麻纤维进行了快速定性鉴别研究.首先扫描3种纤维的近红外光谱,利用化学计量学分析软件,对谱图进行一阶导数预处理,建立不同纤维的光谱数据库,并分别建立竹原纤维、竹粘胶纤维和苎麻纤维的判别模型.利用判别模型,对未知样品进行判别.结果表明,近红外光谱可以在不破坏样品的情况下,可以快速鉴别竹原纤维、竹粘胶纤维和苎麻纤维.     

六味地黄丸指纹图谱的近红外光谱分析方法的建立

建立了一种近红外光谱测定六味地黄丸指纹图谱的方法。应用毛细管电泳法建立六味地黄丸指纹图谱,计算其相似度,同时测定其近红外光谱,建立六味地黄丸指纹图谱相似度与近红外光谱之间的数学模型。通过对模型的优化,建模集样品的相关系数(r)、校正标准差和平均相对误差分别为0.9046,0.058和6.12%,表明六味地黄丸指纹图谱相似度实测值与预测值之间有较好的线性关系。研究结果表明以基于指纹图谱的近红外光谱法用于六味地黄丸的质量控制具有可行性。