基于枸杞红外光谱人工神经网络的产地鉴别

应用红外光谱技术,快速鉴别枸杞药材产地。利用傅里叶变换红外光谱, 测定了45个来自青海省不同产地的枸杞样品的红外光谱。以常规预处理方法和小波变换对红外光谱原始数据进行了预处理。对比常用的窗口移动平滑预处理、标准正态变换以及多元散射校正, 小波变换是一种有效实用的光谱预处理方法。为了提高神经网络的训练速度, 在利用人工神经网络建立模型之前, 通过小波变换的方法对光谱变量进行了压缩, 同时对建立的模型的相关参数进行了详细的讨论。结果表明,红外光谱数据压缩到原来的1/8,其分析精度与原始光谱数据基本相当。以压缩了的光谱数据作为反向传播(BP)网络的输入变量,产地类别作为神经网络的输出变量,建立3层人工神经网络。其中隐含层神经元个数为5个,输出层神经元个数为1个。隐层的传递函数是tansig,输出层传递函数是purelin,网络训练函数trainlm,权阈值的学习函数是learngdm。net.trainParam.epochs=1 000,net.trainParam.goal=0.001。对10个未知枸杞产地类别进行了预测,预测结果准确率达100%。实验表明, 建立的模型能够正确地对枸杞样品快速地进行产地鉴别。红外光谱法结合人工神经网络可作为中药材产地分类鉴别的一种新的现代化方法。     

DWT-iPLS在烃源岩漫反射光谱数据处理中的应用

红外漫反射光谱技术被广泛地应用于粉末样品的定性、定量测量中。但是由于粉末样品自身的特点,颗粒度、密度、表面粗糙程度等几何参数的影响,使得漫反射光谱数据的信噪比很低、背景干扰很大。因此需要一种有效的方法对漫反射光谱数据进行预处理来提高信噪比,消除背景干扰。文章采用了离散小波变换对红外漫反射光谱进行了预处理,有效地消除了光谱中的高频噪声和低频背景的干扰,并结合iPLS(间隔偏最小二乘回归)方法进行线性回归分析,建立了用于复杂样品体系组分分析的建模方法(DWT-iPLS)。并以烃源岩的红外漫反射光谱为例,将DWT-iPLS应用于数据的预处理及建立数学模型,其结果与未用DWT预处理的方法相比较,准确度有明显的提高,证明了此方法是一种快速有效的定量分析的建模方法。     

土壤粒度对基于近红外离散波长土壤全氮预测精度影响

土壤粒度是对土壤近红外光谱造成严重干扰的主要因素之一。通常在样本前处理阶段采用研磨和过筛土壤来降低土壤粒度干扰,在数据处理阶段通过对连续光谱微分法等数学方法消除土壤粒度干扰。但是对于近红外波段离散波长的建模,至今没有有效的方法消除土壤粒度干扰。为此,提出了土壤粒度修正法以解决土壤粒度干扰消除难题。首先建立土壤粒度修正模型,将农田采集的标准土壤在实验室烘干消除水分后,进行土样配置,得到4个土壤粒度（2.0, 0.9, 0.45, 0.2 mm）和6个全氮浓度等级（0, 0.04, 0.08, 0.12, 0.16, 0.2 g·kg-1）的96个土壤样本。采用MATRIX-Ⅰ型傅里叶变换近红外光谱仪采集土壤样本近红外光谱,计算四个不同粒度(每个粒度包含24个土壤样本)和全部土壤样本在每个波长处（850～2 500 nm）所有样本间吸光度的光谱标准偏差,分析得到土壤粒度的特征波段为1 361和1 870 nm。采用特征波段吸光度比值作为单一输入变量建立SVM土壤粒度分类模型,土壤粒度整体分类准确率为93.8%,表明对土壤粒度进行分类是可行的。选择本研究团队开发的基于近红外波段离散波长(1 070, 1 130, 1 245, 1 375, 1 550, 1 680 nm)吸光度的车载土壤全氮检测仪对提出的土壤粒度修正模型进行验证。结果表明修正后粒度为2.0,0.9和0.45 mm的吸光度和原始土壤吸光度分别降低了62%,74%,111%和61%。表明土壤粒度修正法可以显著减小土壤粒度干扰。最后采用BPNN建立不同吸光度的全氮模型,相较于原始吸光度模型,修正后的土壤吸光度模型R2_v提高了25%。表明提出的土壤粒度修正法可以显著减小土壤粒度对近红外光谱离散波长吸光度的干扰,提高车载土壤全氮检测仪的测量精度。     

有机堆肥中作物营养元素钾的近红外光谱快速分析

对近红外光谱数据进行小波变换,利用处理后的小波系数,采用偏最小二乘法预测了有机肥料中钾离子(K+)的含量,建立了小波变换与近红外光谱技术结合用于测定奶牛粪便为主的有机堆肥产品样品中无机钾离子测定的模型。结果表明： 小波变换充分提取了近红外光谱的信息,数据压缩为原始大小的3.6%,计算量大大减少;文章利用C4小波系数对48个有机肥料样本进行建模,对42个预示集样本进行预测,预示集的RMSEP(root mean square error of prediction)和r2(correlation coefficient)分别为0.113 8%和0.927,优于原始光谱直接建模的0.167 2%和0.835%。基于小波系数的模型优于传统的全谱模型,对于无机离子(K+)的测定可以取得较为准确的预测结果。     

灵芝多糖含量的红外光谱预测模型研究

利用傅里叶变换红外光谱仪(FTIR)测定不同等级贵州灵芝的傅里叶变换红外光谱,选择最佳的敏感波段组合构造吸光度变量,分析了吸光度变量与灵芝多糖含量的相关性,建立灵芝多糖含量的红外光谱预测模型并进行检验。结果表明:不同等级灵芝的红外光谱图基本相似,峰形相同;所选定的吸光度变量与灵芝多糖含量之间显著相关,灵芝多糖含量的预测模型及其检验结果的拟合度均达到显著水平,这说明可用红外光谱法来预测灵芝多糖含量。     

建立支持向量机SVM识别模型对翡翠产地进行识别

为了实现翡翠产地的快速无损鉴别,丰富宝玉石产地鉴别方法的多样性,基于红外光谱分析得到的数据,建立支持向量机(SVM)识别模型对三个产地的翡翠进行分析。实验收集了缅甸、俄罗斯和危地马拉3种翡翠的红外光谱数据共106条,为了达到更好的模型识别效果,建模前将原始的红外光谱数据进行反射率到吸光度的转化,再对光谱进行不同的预处理。预处理的目的是降低噪声、基线漂移和散射现象等对模型识别效果的影响。本次实验预处理使用的方法有SG平滑、均值中心化、标准化、趋势校正、多元散射校正、最大最小归一化、标准正态变换以及标准正态变换后再进行趋势校正。实验结果表明,对红外光谱进行预处理后模型得到的识别准确率均高于原始光谱的73%;三个产地翡翠的红外光谱分开进行多元散射校正和最大最小归一化得到的模型识别准确率高于混合进行预处理得到的结果;一些预处理方法结合使用也会提高模型的识别准确率,如标准正态变换和趋势校正。对三个产地翡翠的红外光谱分开进行最大最小归一化处理后得到的识别准确率达到了最高的95%,说明这种采用红外光谱技术建立的支持向量机(SVM)识别模型可以实现对翡翠产地的快速识别。     

梨果糖浓度近红外漫反射光谱检测的预处理方法研究

糖浓度是梨果内部品质的重要指标。实验测得了梨果的近红外漫反射吸光度谱,并且对其进行了光谱预处理,包括多元散射校正(MSC)、基线校正(baseline correction)、标准正态变量变换(SNV)和平滑去噪(moving average)。结果表明,经过预处理后的吸光度谱在光谱归一化、噪声消减等方面有着较为明显的优势。使用偏最小二乘法(PLS)对原始吸光度谱和预处理后的吸光度谱分别进行处理,得到结论：应用平滑去噪预处理后的吸光度谱进行预测的准确度优于原始吸光度谱,得相关系数为0.990 8,预测标准偏差为0.019 0。     

小波变换提高动态光谱法血液成分无创检测的精度

光谱采集过程中的各种时变噪声影响了动态光谱法血液成分无创检测定量校正模型的精度。该文采用小波变换法,在脉搏频段内对指端投射光谱的时域吸光度波形聚焦,提高了动态光谱数据的信噪比和血液成分含量定量校正模型的精度。对同一个体连续采集10次光谱数据,引入小波变换去噪后动态光谱数据的平均相关系数r自0.979 6提升至0.990 3。对110名志愿者进行血常规体检和指端透射光谱采集,建立动态光谱数据与血糖浓度生化分析值之间的神经网络模型,在引入小波变换去噪后,预测集相关系数自0.6774提升至0.846 8,平均相对误差自15.8%下降至5.3%。实验表明,引入小波变换可以有效地去除动态光谱数据中的噪声,提高定量校正模型的精度,推动了动态光谱法无创血液成分检测的发展。     

散射对煤粉太赫兹光谱定量分析的应用研究

在利用太赫兹光谱系统对煤质进行定量分析的过程中,样品压片内部煤粉颗粒和高密度聚乙烯颗粒之间的空气孔隙使太赫兹波产生散射进而导致所测煤样本征吸收光谱产生误差。针对样品压片中煤粉颗粒和空气孔隙存在形式的不同建立了压片等效结构,采用Foldy-Twersky EFA理论和迭代Waterman-Truell EFA理论在2~3.5 THz频率区间内对压片内部的散射情况进行了数值研究,建立了煤样本征吸收谱提取模型,并利用该模型分别对六种不同粒径范围的煤粉-高密度聚乙烯颗粒混合物压片样品进行了太赫兹域消光光谱的散射校正处理。实验结果表明当煤粉颗粒直径小于38.5 μm时,高密度聚乙烯颗粒间空气孔隙对所测样品消光光谱的影响处于主导地位,当煤粉颗粒粒径处于38.5~55 μm时,煤粉颗粒散射与空气孔隙散射导致的消光在数值上较为接近,随着颗粒直径进一步增加,煤粉自身散射对吸收光谱的影响也逐步增强并处于主导地位。散射校正前后煤样吸收谱的相关系数和均方根误差表明文中所述模型能够有效减小105 μm以下粒径范围内散射对煤粉-高密度聚乙烯混合物压片样品太赫兹吸收光谱的影响,为太赫兹域煤质吸收光谱的定量分析提供了理论基础。     

基于小波变换与偏最小二乘耦合模型估测北方潮土有机质含量

基于北京市通州、顺义两区52个潮土样品高光谱数据,利用离散小波多尺度分析技术对其进行处理分析。首先将光谱按六种尺度进行分解,然后将各尺度分解数据与土壤有机质含量进行相关性分析,并筛选敏感波段,最后利用偏最小二乘法构建土壤有机质含量估测模型。结果表明：土壤光谱反射率经小波变换后,在参与建模的特征波段中,近红外波段居多,即近红外波段估测有机质含量的贡献高于可见光波段;低频信息对有机质含量的估测能力优于高频信息;高频信息对土壤有机质含量的估测精度随光谱分辨率降低而降低;与常用光谱变换算法相比,小波变换分析法在一定程度上提高了土壤光谱对有机质含量的估测能力,其低频信息与高频信息构建的最优模型预测精度均较高,低频信息的R2=0.722,RMSE=0.221,高频信息的R2=0.670,RMSE=0.255。     

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。     

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。     

三维漫射光谱法检测猪肉嫩度的初步研究

猪肉是光的强散射物质,嫩度是评价猪肉品质优劣的重要标准之一,提出一种基于三维漫射光谱法的猪肉嫩度检测方式。将猪肉样本更多的散射信息引入光谱分析中。利用实验室搭建的数据采集系统,通过采集距光源入射点不同距离处的样本漫反射光信号构建了64个猪肉样本的三维漫射光谱。经过小波消噪处理后,利用多维偏最小二乘法(NPLS)建立了三维漫射光谱与猪肉嫩度之间的分析模型,模型的校正决定系数R2_Cal是0.883 1,校正标准差RMSEC是3.685 0N,预测决定系数R2_Pred是0.874 7,预测标准差RMSEP是3.9756N。实验结果表明, 与常规的漫反射光谱法相比,三维漫射光谱法所建立的猪肉嫩度NPLS模型具有更高的校正精度和预测稳健性,有望为猪肉嫩度及其他品质的快速检测提供一种新的途径。     

褐煤颗粒表面官能团的分布特征

采用原位傅里叶红外光谱漫反射测试了北皂褐煤在粒度为40—60目、60—80目、80—100目、100—160目和160目—0.1mm的官能团分布特征,对比分析了不同粒度范围内的红外测试谱图。结果表明,粒度在40—60目以后,官能团区域可识别的特征吸收峰基本一致,可识别的官能团主要是醇羟基、多元醇及缔合羟基,甲基亚甲基,不饱和醛、脂肪烃链式饱和羧酸盐、烯烃,以及苯环取代;在160目—0.1mm的粒度范围内,指纹区验证更加准确,谱图峰型峰位以及峰面积更加准确,能够满足定量分析的要求。研究成果对研究煤不同粒度的宏观特性以及红外特征的定性分析具有重要的指导作用。     

粗糙目标样片光谱双向反射分布函数的实验测量及其建模

实验测量了紫红色和白色涂漆板在400～780 nm内的光谱双向反射分布函数(光谱BRDF),分析了光谱双向反射分布函数随波长及散射角的变化趋势与目标样片光学特性的关系.应用改进的粒子群算法,结合双向反射分布函数五参量模型,获得了测量光谱范围内各波长(间隔1 nm)对应的共381组五参量值.利用五参量模型计算了目标样片的光谱双向反射分布函数及其方向半球反射率(DHR),并与实验测量数据相比较,两者吻合良好,表明目标光谱双向反射分布函数建模方法与结果的可行性和可靠性.目标样片的光谱双向反射分布函数可以用来研究目标的光谱散射特性,对目标的探测、跟踪、识别和特征提取等具有重要的应用价值.     

基于小波变换的水果糖度近红外光谱检测研究

利用小波变换滤波技术对90个水果样品的近红外光谱信号进行了去噪处理,并结合滤波后重构光谱信号对水果糖度进行逐步线性回归(SMLR)建立其校正模型,通过34个样品的外部检验对校正模型精度进行评价。研究结果表明: 校正模型的预测精度在小波尺度为3时其预测精度最好,预测集的决定系数由原来的0.84提高到0.85, 预测集相对标准误差由原来的6.1% 降为6.0%。因此,使用小波去噪方法有消除原始光谱噪声作用,从而使最终的SMLR模型更具有代表性和稳健性,也提高了品质检测时模型预测精度。     

Study on the Relationship between Particle Size and Near Infrared Diffuse Reflectance Spectroscopic Data

Since the particle size distribution is a critical parameter of pharmaceutical excipients used for tablet manufacturing by direct compression, the mean particle size of sieved sorbitol powder was studied by near‐infrared diffuse reflectance spectroscopy (NIRDRS). The aim of this study was to investigate the effect of the particle size (reciprocally proportional to the bulk density) on the reflectance spectrum. The effects of the particle characteristics on the spectral changes were described on the basis of the Kubelka‐Munk theory taking the scattering into consideration. A smaller particle size fraction was associated with a lower spectral value, and at the characteristic wavelength of 1584 nm a linear relationship was established for the particle size range from 125 to 670 μm. The diffuse reflectance measurement was sensitive to the particle characteristics, which offers a fast, non‐destructive alternative test method that can be applied after detailed calibration.