近红外光谱法定性描述酵母菌的生长过程

提出了一种基于近红外光谱分析技术的酵母菌生长过程描述方法.利用Antaris Ⅱ型傅里叶变换近红外光谱仪获取酵母菌培养过程中,发酵物样本在10000~4000 1范围内的光谱数据,同时采用光电比浊法测定各样本的光密度(Optical density, OD)值;运用竞争性自适应重加权采样(Competitive adaptive reweighted sampling, CARS)算法优选特征光谱,再利用极限学习机(Extreme learning machine, ELM)建立酵母菌生长过程4个阶段的分类模型.研究结果显示,参与CARS-ELM模型建立的波长个数为30,其10次运行在训练集和测试集中的平均识别率分别为98.68%和97.37%.研究结果表明,利用近红外光谱分析技术结合适当的化学计量学方法描述酵母菌生长过程是可行的.     

近红外光谱分析中的化学计量学算法研究新进展

近红外光谱是一种绿色、快捷的分析技术,在科学研究、工业生产以及日常检测中得到广泛应用。化学计量学算法的应用在近红外光谱技术的发展过程中发挥了重要作用。化学计量学方法通过寻找测量变量之间的相关性,构建数学模型,量化样本间的差异性,并发现事物变化的内在规律,实现较合理准确的未知预测。这也是"大数据"战略的重要环节和主旨所在。该文针对近红外光谱吸收信号较弱、谱峰重叠严重,以及光谱测量过程中易受背景、噪声、无信息变量和外界环境因素干扰等,导致借助化学计量学方法建立的光谱与研究目标的定性定量分析模型变差问题,总结了近年来在近红外光谱领域所提出的一些化学计量学新方法,包括光谱预处理、变量选择、多元校正和模型转移,从不同角度阐述了这些方法在消除近红外光谱模型的干扰因素,提高模型的可靠性、预测准确性和适用性等方面的作用。     

基于灰狼算法的近红外光谱变量选择方法研究

基于群体智能的灰狼优化(GWO)算法具有参数少、结构简单、易于实现的优点,但在光谱领域的应用较少。该研究将GWO算法引入近红外光谱的变量筛选中,以玉米数据为例,考察了GWO算法中狼群性能、迭代次数、狼群数量及运算效率,并建立了偏最小二乘(PLS)模型对玉米样品中蛋白质、脂肪、水分以及淀粉含量的测定。结果显示,GWO算法运算效率很高,经过参数调优后建立PLS模型,其蛋白质、脂肪、水分及淀粉的保留变量数分别为19、19、14、34,预测均方根误差(RMSEP)从全波长PLS建模的0.245 8、0.122 4、0.339 8、1.105 8分别下降到0.147 7、0.080 1、0.176 2、0.739 8,分别下降了40%、35%、48%、33%,相关系数也相应地提高。因此,GWO算法不仅优化速度快,选择变量数少,还可以显著提高PLS模型的预测精度,是一种近红外光谱变量选择的有效方法。     

近红外光谱结合化学计量学快速测定羊栖菜抗氧化活性

基于近红外光谱技术建立了快速、高效的羊栖菜抗氧化活性评价方法。采用紫外-可见分光光度法测定了6批共150个羊栖菜样本的抗氧化活性,包括1,1-二苯基-2-三硝基苯肼（DPPH）自由基清除能力、2,2’-联氮-双-3-乙基苯并噻唑啉-6-磺酸（ABTS）自由基清除能力和铁离子还原能力（FRAP法）。采用NIRS和偏最小二乘法（PLS）建立了3个抗氧化活性指标的定量校正模型,并采用不同光谱预处理方法和竞争性自适应重加权采样（CARS）方法优化模型性能。将校正集相关系数（RC）、预测集相关系数（RP）、校正集均方根误差（RMSEC）和预测集均方根误差（RMSEP）作为校正模型的评价指标。结果表明,3个定量校正模型的预测精度均较理想,RP和RMSEP分别为0.968和2.42%、0.967和0.73%、0.979和3.60μmol/L。基于NIRS和CARSPLS所构建的方法可以成功用于羊栖菜的抗氧化活性测定,具备分析快速、操作简便、经济环保的优点,对保障羊栖菜品质、提升羊栖菜品质控制水平有一定的指导意义。     

基于变量频次加权自助采样法的近红外光谱变量选择方法研究

近红外光谱分析技术已被广泛应用于食品检测及定量分析等领域.变量选择作为近红外光谱建模分析中的关键步骤,对于提高模型的稳定性和预测性能具有重要作用.本研究提出了一种近红外光谱变量选择方法,即变量频次加权自助采样法(Variable frequency weighted bootstrap sampling,FWBS),通...     

基于改进免疫遗传算法的近红外光谱变量选择方法

该文在免疫遗传算法（IGA）的基础上,提出一种改进免疫遗传算法（iIGA）用于近红外光谱波长变量的选择。该算法舍去了原算法中固定抗体相似度阈值的思想,取而代之的是抗体相似度阈值自适应,同时引入精英保留策略和贪心算法思想,使得算法朝着正确的方向进行局部性探优。将该算法在玉米的淀粉和蛋白质含量数据集上进行实验测试,建立偏最小二乘（PLS）分析模型,并与IGA、遗传算法（GA）以及全谱方法进行了对比。结果表明,在玉米淀粉含量的预测上,iIGA相较于原IGA算法,预测集均方根误差（RMSEP）从0.312 0降至0.298 0,预测集预测精度提升4.5%;在玉米蛋白质含量的预测上,RMSEP从0.124 4降至0.110 3,预测集预测精度提升11.3%。分别对预测淀粉和蛋白质模型的RMSEP值进行显著性检验,F值分别为165.22和182.05,P值分别为9.5 × 10－23和4.5 × 10－24,P值均小于0.05,因此,iIGA能显著提升模型预测精度。     

基于近红外光谱的塑料分选技术预处理方法的优化

为进行不同塑料种类的识别,采集了尼龙（PA）、聚丙烯（PP）、聚苯乙烯（PS）、聚氯乙烯（PVC）4类塑料的近红外光谱数据,并针对光谱数据采集时存在的噪声、基线和光程问题,基于3点Savitzky-Golay卷积平滑（S-G）、一阶导数（FD）、二阶导数（SD）、标准正态变量变换（SNV）、多元散射校正（MSC）进行了预处理组合优化研究,以竞争性自适应重加权算法（CARS）进行特征波长提取,并运用支持向量机算法（SVM）建立模型。结果显示：所有预处理方法中,预处理组合S-G+FD+SNV获得的结果最优,S-G+FD+SNV+SVM模型的平均准确率高达96.67%,其训练集和验证集的平均准确率均为100%。上述预处理组合优化方法可为4类常见塑料的鉴别研究提供参考。     

基于迭代保留信息变量和连续投影的近红外光谱波长选择方法

连续投影算法(SPA)作为一种波长选择算法,用于近红外光谱的定量分析中以简化模型复杂度,提高模型预测精度.由SPA算法的原理可知,SPA算法只能保证相邻两次投影所选择的两个波长之间具有较低的冗余性,但不保证所选变量一定是有效变量,即SPA筛选出的变量子集中可能包含一些无信息变量甚至是干扰变量.所以通过迭代保留信息变量(...     

基于小波变换动态时间规整的近红外光谱模型传递方法

为解决因测量环境及仪器差异而导致的近红外光谱模型通用性较差的不足,提出一种基于小波变换动态时间规整算法的模型传递方法(Wavelet transform combined with dynamic time warping,WDTW),从而实现不同仪器之间模型的共享。首先,该方法将光谱进行小波变换预处理,然后利用动态时间规整算法(Dynamic time warping,DTW)找到近红外光谱波长点之间最优的对应关系并建立回归方程。使用近红外药品光谱数据集和汽油数据集建立传递模型,验证了基于小波变换动态时间规整模型传递方法的有效性。汽油光谱数据集C7、C8、C9和C10成分的预测标准偏差(SEP)分别为0.414 4、0.801 1、1.090 4和1.290 8;药品光谱数据集活性、硬度和重量的SEP分别为2.585 6、0.434 5和2.270 3,均小于传统方法。上述实验结果表明,所建立的模型传递方法能有效消除源机光谱和目标机光谱之间的差异,提高模型的稳定性和准确性,实现模型传递的效果。     

基于近红外光谱技术与化学计量学的绿茶无损鉴别方法研究

该文利用近红外光谱技术结合化学计量学方法开发了不同品种绿茶的无损鉴别方法。通过近红外光谱技术得到了8个品种绿茶样品的近红外光谱,比较了单一以及优化组合光谱预处理方法对光谱的影响,利用无监督的主成分分析(PCA)与有监督的线性判别分析方法(LDA)分别构建了茶叶品种鉴别模型。结果表明:对比单一预处理方法,优化组合预处理具有更优的鉴别准确性。标准正态变量变换预处理消除了茶叶样品大小不均造成的光谱散射影响,一阶导数预处理实现了变动背景的消除,减少了基线漂移的影响,突出了图谱中的有效信息,采用二者相结合的预处理方式并结合无监督的主成分分析法可实现较为准确的绿茶样品种类鉴别分析,准确率达75.0%。此外,采用有监督的线性判别分析方法处理原始光谱数据,可达到100%的鉴别准确率,但该方法需提供类别的先验知识。因此,采用近红外光谱技术和化学计量学相结合的手段可实现不同品种绿茶的快速无损鉴别。     

Development and Application of Chemometric Methods in Near Infrared Spectral Analysis

In recent 10 years, like other disciplines influenced by the fast development of PC technique, chemometrics has been used in many analytical methods, especially in instrumental analysis. This article describes applications and comparison of multivariate linear regression (MLR), principal component analysis (PCA), principal component regression (PCR), partial least square (PLS), neural network (ANN), fuzzy and model recognition. A better calibration method can be a great help to improve the efficiency of the routine analytical work.     

近红外光谱法结合化学计量学方法用于茶油真伪鉴别分析

采用近红外光谱透反射模式结合化学计量学方法对纯茶油进行真伪鉴别.收集并扫描了163个样品(合格97个,不合格66个),对样本进行光谱数据预处理优化及有效波段筛选.在5750～6000 cm-1波段处,光谱经过平滑,一阶导数以及自归一化后,采用无监督学习算法即主成分分析法(Principal component anal...     

基于近红外光谱技术与优化光谱预处理的陈皮产地鉴别研究

采集不同产地陈皮内侧和外侧的近红外光谱,采用不同光谱预处理方法进行预处理,筛选得到最佳光谱预处理方法,结合主成分分析法建立了陈皮产地的鉴别模型.实验发现,陈皮原始光谱中存在明显的基线漂移与背景干扰.使用单一光谱预处理可在一定程度上消除干扰的影响.经标准正态变量变换、多元散射校正、一阶导数、二阶导数与连续小波变换预处理后...     

原位实时近红外光谱研究核壳乳液聚合过程

将苯乙烯(St)和丙烯酸丁酯(BA)单体以不同的聚合方式制备核壳乳液和共聚乳液, 并采用近红外光谱技术实现了对乳液反应过程的原位实时监测, 通过对近红外光谱的谱带归属和主成分分析, 为近红外光谱技术判别乳液聚合过程提供了科学依据, 也为判断反向核壳乳液核壳翻转的拐点提出了一种新的方法. 采用簇类独立软模式法(SIMCA)建立了定性判别模型, 得到了很好的判别结果, 为进一步研究近红外光谱技术用于核壳乳液聚合过程奠定了基础.     

用于药品质量快速检测的近红外光谱模糊神经元分类方法

针对非线性且分类界线模糊的药品质量类别快速测定难题, 将近红外光谱分析与模糊神经网络相结合, 经研究提出近红外光谱模糊神经网络分类方法, 用于计算辨析中药等化学组成复杂药品的近红外光谱模式类别, 从而快速评定这类药品的质量. 以参麦注射液为典型分析对象, 以鉴别其生产厂家这一模式分类问题为例, 考核本文方法, 结果表明, 其分类准确率达到94.2%, 明显优于经典的BP神经网络分类方法(84.6%), 可望用于中药产品质量类别的快速检测与评价.     

近红外光谱技术结合主成分分析法用于子宫内膜癌的诊断

应用近红外光谱技术结合化学计量学方法研究了子宫内膜癌组织近红外光谱特征提取和早期诊断的可行性. 测定了154 例子宫内膜组织切片的近红外光谱, 选取适宜的波段和光谱预处理方法进行主成分分析, 很好地区分了癌变、增生和正常子宫内膜组织切片, 并且分辨出处于不同分化期的组织切片, 为子宫内膜癌的早期诊断提供了可靠依据. 该法快速、简便, 有望发展成为一种新型的肿瘤无创诊断方法.     

基于支持向量机的近红外特征变量选择算法用于树种快速识别

将稳定度自适应重加权采样特征变量选择算法用于支持向量机定性分析(Support vector machine-stability competitive adaptive reweighted sampling,SVM-SCARS)。该算法通过对数据多次采样建模计算各变量的稳定度值,稳定度值能更加客观准确地评估变量在建模中的作用,因此可作为变量重要性的评价依据。通过循环迭代方式,采用自适应重加权采样技术逐步筛选变量,然后以每次循环所得变量子集建立SVM模型,并以模型交叉验证分类正确率(Correct classification rate of cross validation,CCRCV)评估子集优劣,确定最优特征变量子集。将该算法结合漫反射近红外光谱技术建立了制浆造纸常用木材的树种识别模型,实现了对4种桉木和2种相思木的快速识别分类。最终共筛选出15个特征变量建立分类模型,模型对各树种分类的正确率达97.9%,具有较好的分类效果。与全光谱模型和递归特征消除支持向量机模型相比,SVM-SCARS能够筛选出更少的特征变量,且模型具有更好的预测性能和稳定性。研究结果表明,SVM-SCARS算法能够有效优化光谱特征变量,提高近红外在线分析模型在木材材性分析中的稳健性和适用性。     

红外光声光谱技术结合稳健回归用于油菜籽定量分析

将稳健偏最小二乘回归和偏稳健M回归应用于油菜籽红外光声光谱分析中含氮量、含油量与硫苷含量的测定。结果表明,利用红外光声光谱技术可以实现油菜籽品质的快速测定。同时,稳健回归模型较经典偏最小二乘回归模型可以更好地规避异常值影响,进而优化定量分析结果;其中,稳健偏M回归稍优于稳健偏最小二乘回归。     

葡萄籽多酚大孔树脂纯化过程的近红外光谱快速检测

采用近红外光谱透射法,对葡萄籽提取液大孔树脂层析过程多酚含量进行快速无损测定.以FolinCiocalteus比色法为对照方法,运用偏最小二乘法(PLS)建立定量校正模型,测定大孔树脂洗脱过程葡萄籽多酚浓度变化.该模型相关系数R2达到0.9995,校正集误差均方根(RMSEC)和预测集误差均方根(RMSEP)分别为0.713和2.67,校正集相对偏差(RSEC)和预测集相对偏差(RSEP)分别为2.39％和8.48％.本方法快速、有效、无损,可用于葡萄籽多酚柱层析纯化过程检测和质量控制.     

Identification of Stingless Bee Honey Adulteration Using Visible-Near Infrared Spectroscopy Combined with Aquaphotomics

Honey is a natural product that is considered globally one of the most widely important foods. Various studies on authenticity detection of honey have been fulfilled using visible and near-infrared (Vis-NIR) spectroscopy techniques. However, there are limited studies on stingless bee honey (SBH) despite the increase of market demand for this food product. The objective of this work was to present the potential of Vis-NIR absorbance spectroscopy for profiling, classifying, and quantifying the adulterated SBH. The SBH sample was mixed with various percentages (10–90%) of adulterants, including distilled water, apple cider vinegar, and high fructose syrup. The results showed that the region at 400–1100 nm that is related to the color and water properties of the samples was effective to discriminate and quantify the adulterated SBH. By applying the principal component analysis (PCA) on adulterants and honey samples, the PCA score plot revealed the classification of the adulterants and adulterated SBHs. A partial least squares regression (PLSR) model was developed to quantify the contamination level in the SBH samples. The general PLSR model with the highest coefficient of determination and lowest root means square error of cross-validation (RCV2=0.96 and RMSECV=5.88 %) was acquired. The aquaphotomics analysis of adulteration in SBH with the three adulterants utilizing the short-wavelength NIR region (800–1100 nm) was presented. The structural changes of SBH due to adulteration were described in terms of the changes in the water molecular matrix, and the aquagrams were used to visualize the results. It was revealed that the integration of NIR spectroscopy with aquaphotomics could be used to detect the water molecular structures in the adulterated SBH.