基于线性渐变分光微型近红外仪的西湖龙井真伪模型不适应性析因及修正研究

采用基于线性渐变滤光片分光原理的微型近红外光谱仪对2012年和2013年的西湖龙井和普通扁形茶建立真伪识别模型。分别对不同年份、不同保存期样品的近红外光谱数据进行PCA分解,并根据PCA得分分布的数学特征选取代表性样品,建立PLS-DA模型,从数学原理的角度对模型不适应性的原因加以分析,并对其进行修正,结合外部盲样的验证,有效地增强了模型适应性。研究结果表明,针对西湖龙井和普通扁形茶,采用不同年份样品近红外光谱数据共同建模可有效提高模型对不同年份样品的识别正确率;采用不同保存期样品近红外光谱数据建模结果表明,普通扁形茶在冷冻保存3个月后,理化性质发生了较大的变异,而西湖龙井的理化性质相对较为稳定。从光谱数据主成分特征的数学原理角度对不同年份以及不同保存期模型的适应性进行了研究,建立并验证了适合西湖龙井真伪识别的模型,有效提高了模型的预测准确度。不仅可为近红外光谱应用于农产品质量安全与品质分级方面提供一定的参考,而且对提高农产品近红外分级模型的预测准确度亦具有参考价值。     

相思树聚戊糖含量近红外光谱分析模型的建立及修正

建立适应不同产地相思树化学组分含量的近红外光谱分析模型对预测木材化学组分含量具有重要的意义。用常规化学法测量了取自广西78个和福建33个相思树样品的聚戊糖含量,并结合近红外光谱数据用偏最小二乘法建立了广西相思树聚戊糖含量的近红外光谱模型。校正模型的决定系数R2cv为0.947,内部交叉验证均方差RMSECV为0.464,验证模型Rv2al为0.925,RMSEP为0.455。为了扩大模型的适用范围,用福建不同数量样品对该模型进行修正。结果表明:在广西模型的基础上加入一个有代表性的福建样品就能大大降低直接用广西模型预测福建样品的误差。加入3个有代表性的福建样品后能够得到较好的模型。用该模型预测未参加建模的福建样品,预测模型的Rv2al为0.904,RMSEP为0.759。用4组(每组3个样)不同的福建样品修正广西模型,用固定的20个未参与修正广西模型的样品来验证,预测误差略有不同,表明样品的选择在一定程度上影响着修正模型的质量。     

新鲜苹果汁可溶性固形物含量的傅里叶变换近红外光谱检测

用傅里叶变换近红外(FTNIR)光谱透射方式对新鲜苹果汁溶性固形物含量(SSC)进行了快速定量分析。实验共测定了60个果汁样品的SSC,并采集了样品的近红外光谱数据。42个样品用来建模,剩下的18个用来验证模型的性能。对实验室测得的SSC与FTNIR光谱数据进行相关性分析,以TQ 6.2.1定量分析软件中集成的主成分回归法(PCR)和偏最小二乘回归法(PLS)建立了检测模型。该研究对比了不同光谱范围内建立的检测模型的性能。根据预测平方根误差(RMSEP)和相关系数(r2)进行不同模型的预测性能,最好的新鲜苹果汁SSC预测模型的RMSEP＝0.603 0Brix,r2＝0.997。结果表明FT-NIR可以作为一种可靠、准确、快速的无损检测方法来评价新鲜果汁的可溶性固形物含量。     

近红外光谱用于杉木木材强度分等的研究

利用近红外光谱技术对木材强度分等进行了研究.选择 1000～1400 nm波段,结合偏最小二乘法,在木材强度和近红外光谱数据间建立了校正模型,校正模型的相关系数(r)为0.89,校正标准误差(SEC)为6.30 MPa.利用校正模型对35个未知样品的强度进行预测,根据近红外预测值和实测值分别对木材样品进行分等,A级预测...     

最小角回归结合竞争性自适应重加权采样的近红外光谱波长选择

近红外光谱分析技术对检测样品无损伤且检测速度快、精度高,因此被广泛应用在了药品检测、石油化工等领域,尤其近年来机器学习和深度学习建模方法的深入应用使其具备了更准确的检测性能。然而,样品的近红外光谱数据具有比较高的维度且存在谱间重合、共线性和噪声等问题,对近红外光谱模型的性能产生消极影响,此时样品有效特征波长的筛选极为重要。为了提高近红外光谱定量和定性分析模型的准确性和可靠性,提出了一种近红外光谱变量选择方法,其结合了最小角回归（LAR）和竞争性自适应重加权采样（CARS）的优点,具有更优的性能。该方法利用LAR初步筛选样品全谱区的特征波长,接着利用CARS对筛选出来的特征波长进一步选择,从而有效去除无关特征波长。为验证该方法的有效性,从定量和定性分析两个方面评价该方法。在定量分析实验中,以FULL,LAR,CARS,SPA和UVE作为对比方法,以药品样品数据集为实例建立PLS回归分析模型,经LAR-CARS筛选出的变量建立的PLS模型在药品数据集表现出较高的预测决定系数和较低的预测标准偏差。在定性分析实验中,以SVM,ELM,SWELM和BP作为对比方法、不同比例训练集的药品数据集为实例建立分类模型,经LAR-CARS筛选出的变量建立的SVM分类模型精度最高达100%。从实验结果可见,LAR-CARS可有效的筛选出表征样品特征的波长,利用其筛选出的波长建立的定量、定性分析模型具有更好的鲁棒性,可用于样品光谱的特征波长筛选。     

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。     

近红外光谱法快速测定毛竹Klason木质素的含量

研究了用近红外漫反射光谱法对毛竹Klason木质素含量的快速预测。选取了代表不同竹龄、不同高度和横向不同位置的54个竹材粉末样品,用常规实验室方法测定了54个样品的Klason木质素含量,用近红外光谱仪漫反射方式在350～2500 nm范围内采集相应样品的光谱,利用多变量统计分析软件建立样品木质素含量和光谱数据之间的相关性模型。结果表明,对原始光谱进行二阶导数预处理后,选择1 011～1675 nm和1930～2488 nm波长区间,用偏最小二乘法(PLS1)和完全交互验证方式建立了的校正模型和预测模型的相关系数分别为0.99,和0.97,校正标准误差SEC＝0.36％,预测标准误差SEP=0.59％,说明毛竹Klason木质素含量和近红外光谱之间存在非常好的相关性,用近红外光谱技术可以实现对竹材样品中Klason木质素含量的快速预测。     

秸秆热值近红外光谱模型的外部验证结果间的统计比较分析

从全国24个省(市)收集到222个秸秆样品,包括172个稻秸样品和50个麦秸样品。采用近红外光谱技术,结合主成分回归、偏最小二乘回归和改进的偏最小二乘回归建立了秸秆热值的定量分析校正模型。近红外光谱模型的建立与优化过程中使用了不同的散射校正方法和光谱导数处理来帮助改善模型精度。对得到的54个模型采用统计学的方法分析外部验证的结果,通过比较外部验证的系统偏差(Bias)和Bias校正的预测标准差(SEP(C)),考察了不同光谱预处理和回归方法对秸秆热值的近红外模型预测性能的影响。结果表明:近红外光谱技术能够快速、准确地分析秸秆的热值,模型的SEP(C)在134～178 J·g-1之间;对外部验证结果的统计分析,能够有效地选择较好的建模方法,确定较优模型。     

有监督主成分回归法在近红外光谱定量分析中的应用研究

介绍了运用有监督主成分回归法建立近红外光谱定量分析模型的原理和方法.利用该方法先进行近红外光谱定量分析建模的波长信息选择,达到降低光谱数据维数的目的,然后建立数学模型,并用其分析预测集样品.文中以66个小麦样品为实验材料,随机选择其中40个样品建立小麦样品中蛋白质含量的近红外光谱定量分析模型,首先优选出4个波长点:4 632,4 636,5 994,5 997 cm-1,利用这4个波长点处光谱信息建立主成分回归模型预测26个样品的蛋白质含量,其结果与凯氏定氮法分析结果的相关系数为0.991,平均相对误差为1.5%.该方法从大量光谱数据中筛选出最重要的部分波长信息,实现了"少而精"的波长点选择,对建立抗共线性信息干扰的光谱定量分析模型,同时对指导专用近红外分析仪器设计中波长点的选择等方面都有一定的意义.     

蛋白饲料原料粗蛋白含量近红外光谱模型转移研究

建立良好的蛋白饲料近红外光谱定量分析模型及实现在不同仪器间的模型共享,能极大提高模型的利用效率,满足饲料行业快速发展的需要。针对蛋白饲料原料粗蛋白含量近红外分析模型适用性问题,首次采用光谱差值转移、直接校正和分段直接校正法进行了三台不同类型的近红外光谱仪之间的模型转移研究。实验样品为四种蛋白饲料原料：玉米蛋白粉、菜粕、酒糟和鱼粉。实验仪器包括MATRIX-Ⅰ傅里叶变换型近红外光谱仪(主仪器),Spectrum 400傅里叶变换型近红外光谱仪(从仪器1)和SupNIR-2750光栅扫描型近红外光谱仪(从仪器2)。研究表明,同一样品体系在主仪器和从仪器2上所得光谱数据的差异性相对较小,且均与从仪器1所得光谱数据的差异性相对较大。除分段直接校正法对玉米蛋白粉从仪器2的预测结果无促进作用之外,其他模型的预测均方根误差和系统偏差均明显低于转移前。玉米蛋白粉、菜粕和酒糟样品采用三种方法转移后的模型预测相对分析误差(RPD)均大于3.0,预测效果良好。鱼粉样品模型转移后的预测RPD均大于2.5,预测效果较好。三种方法对于蛋白饲料原料不同仪器间的光谱差异进行了有效校正。该研究结果对于蛋白饲料品质近红外快速分析模型的广泛应用具有重要意义。     

基础数据准确性对近红外光谱分析结果的影响

基础数据的准确性是影响近红外光谱分析结果的一个重要因素。文章以人工配制的四组分混合物体系和实际的汽油校正集样本为例,通过人为增加基础数据误差的方法,研究了基础数据的准确性对近红外光谱分析结果的影响。结果表明,基础数据的准确性对近红外分析模型及其预测结果都有一定的影响,基础数据越准确,所建立模型的精度越高,其对未知样本的预测结果也越准确。对于精度相对较差测试方法提供的基础数据,通过大量样本的光谱分析和化学计量学统计处理,近红外方法有可能得到更精确的预测结果。     

应用多种近红外建模方法分析梨的坚实度

近红外光谱(near infrared spectroscopy,NIRS)技术是一种快速、无损的仪器分析方法,在农产品品质检测方面引起了广泛的关注,在近红外光谱信息和品质指标之间建立一个稳健的模型是近红外光谱分析中十分重要且有一定难度的过程,常见的多元校正方法有偏最小二乘回归(PLSR)、主成分回归(PCR)和逐步多元线性回归(SMLR)等,该研究中除了常用的线性方法外,还采用了一种结合非线性方法的组合算法[结合了SMLR和径向基神经网络(RBFN)]用于梨坚实度的近红外光谱检测。比较常用的线性建模方法,原始光谱的PLSR模型的得到了较好的结果：校正集相关系数r=0.87, 校正均方根误差RMSEC=3.88 N,预测集r=0.84, 预测均方根误差RMSEP=4.26 N;组合算法的建模结果比SMLR和PCR的结果好,但比PLSR的结果稍差：校正集r=0.85, RMSEC=4.15 N,预测集r=0.82, RMSEP=4.67 N。结果表明：NIRS可用于梨的坚实度检测,但是建模方法的选择值得进一步研究以提高预测的精度。     

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。     

基于中温黑体的近红外光纤光谱仪辐射定标的方法研究

中温黑体是红外谱段常用的高精度辐射标尺设备,而近红外是处于其有效辐射范围边缘的谱段,所以该谱段的定标研究相对较少。研究了基于中温黑体的近红外光纤光谱仪辐射定标方法,主旨是探讨定标精度如何受定标模型的结构参数选择的影响,进而为近红外光谱辐射计量溯源提供技术参考。采用50～1 050 ℃的可调中温黑体对近红外光纤光谱仪(950～1 700 nm)进行辐射定标。针对定标的关键环节重点讨论了两个内容,首先是辐射传输模型的几何因子匹配问题,比较分析了传统的双圆盘辐射传输模型和光纤直接耦合模型。对于光纤光谱仪的辐射定标来讲,采用光纤直接耦合形式的辐射传输模型,结构上更简单,耦合效率更高。其次重点分析了辐射定标中模型的结构参数对定标精度的影响,其影响的原因是定标数据本身属性中的尺度结构特征,即通常所说的非线性问题。因此对于定标精度要求较高时,需要采用非线性定标模型进行校正,并尽可能保证测试点采样的尺度均衡,这是小样本数据解释非线性结构关系时无法回避的样本选择问题。数据分析结果表明,定标方程的不同结构参数的选择策略对定标精度有显著影响,校正方程的样本残差标准差带变化范围为±0.1%～±1%。     

A nonlinear model for calibration of blood glucose noninvasive measurement using near infrared spectroscopy

In order to improve prediction accuracy of calibration in human blood glucose noninvasive measurement using near infrared (NIR) spectroscopy, a modified uninformative variable elimination (mUVE) method combined with kernel partial least squares (KPLS), named as mUVE–KPLS, is proposed as an alternative nonlinear modeling strategy. Under the mUVE method, high-frequency noise and matrix background can be eliminated simultaneously, which provide a optimized data for calibration in sequence; under the kernel trick, a nonlinear relationship of response variable and predictor variables is constructed, which is different with PLS that is a complex model and inappropriate to describe the underlying data structure with significant nonlinear characteristics. Two NIR spectra data of basic research experiments (simulated physiological solution samples experiment in vitro and human noninvasive measurement experiment in vivo) are introduced to evaluate the performance of the proposed method. The results indicate that, after elimination high-frequency noise and matrix background from optical absorption of water in NIR region, a high-quality spectra data is employed in calibration; and under the selection of kernel function and kernel parameter, the best prediction accuracy can be got by KPLS with Gaussian kernel compared with Spline-PLS and PLS. It is encouraging that mUVE–KPLS is a promising nonlinear calibration strategy with higher prediction accuracy for blood glucose noninvasive measurement using NIR spectroscopy.     

基于近红外漫反射光谱的烃源岩生烃潜量的确定

对比了近红外光谱和中红外光谱对烃源岩样品生烃潜量的定量分析能力.由于近红外光谱受样品的颗粒度、密度、表面粗糙度等造成的光散射的影响更大,使得其漫反射光谱数据的信噪比很低,背景干扰很大,很难直接应用于定量分析.因此需要一种有效的方法对近红外漫反射数据进行预处理来消除散射的影响.本文对比了正交信号校正算法(OSC)及其两种...     

近红外光谱法分析油页岩含油率中波长选择方法的研究

波长选择是光谱建模分析的重要步骤。研究了近红外光谱法分析油页岩含油率过程中的波长选择方法,用以剔除光谱数据中的冗余信息和干扰信息,提高分析模型的建模效率和预测能力。分别采用相关系数法(CC)、移动窗口偏最小二乘法(MWPLS)和无信息变量消除法（UVE）对油页岩近红外漫反射光谱数据的波长区间进行了选择,研究了不同阈值、窗口宽度和噪声矩阵对上述方法的影响,建立了所选择波长处的反射率数据和样品含油率标准值间的偏最小二乘（PLS）分析模型,比较了上述方法的选择效果。结果表明：与使用全谱数据建模相比,采用上述方法筛选过的光谱数据均能提高模型的建模效率和预测能力,其中经UVE法筛选后的光谱数据仅占全谱数据总数的22.8%,模型的RMSECV却降低了9.3%,RMSEP降低了4.5%。     

基于遗传算法的苹果糖度近红外光谱分析

遗传算法(GA)应用在偏最小二乘法(PLS)校正模型的波段优化选择中具有显著的效果。将遗传算法用于波段选择, 能更快达到最优解, 有效提高测量精度,减少建模所用变量。文章研究了在近红外苹果糖度无损检测中,遗传算法作为模块进行波段选择,建立了GA-PLS模型;为了说明遗传算法优选波段可行性,另外建立了全谱和经验谱区的PLS定量模型,并评价了模型的稳健性。首先对傅里叶变换近红外光谱进行多元散射校正、Savitky-Golay卷积平滑后,用遗传算法优选波段(R-SGA),参与建模数据点从原始1 550减少到434个。然后采用一阶导数光谱建立GA-PLS模型,相比全谱PLS(1 550个数据点)和经验谱区PLS(717个数据点)模型具有更高的预测精度,其建模结果为R_C=0.966,RMSEC=0.469,R_P=0.954,RMSEP=0.797。结果表明, 遗传算法可用于PLS法建立苹果糖度校正模型前的数据优化筛选, 有效提高测量精度, 并减少建模变量。     

噪声对近红外光谱分析的影响及相应的数学处理方法

以玉米籽粒的粉末样品为例,对噪声较高近红外光谱分析仪进行近红外分析的可行性进行了分析。结果表明,采用四次平均光谱,不采取其他数据处理,使用PLS算法,自编软件CAU-NIR可以得到很好的预测模型。通过与其他噪声较低近红外分析仪预测结果的对比,噪声较高的光栅型近红外光谱分析仪预测样品的相关系数高达98%,变异系数为6.2%。因此当近红外光谱分析仪器的信噪比低于105时,借助一定的软件技术,仍然可以用于定量分析。     

水果坚实度的近红外光谱检测分析试验研究

应用傅里叶漫反射近红外光谱技术探讨了水果坚实度无损检测的方法。利用偏最小二乘法建立了坚实度与漫反射光谱的无损检测数学模型,同时对不同光谱预处理方法和不同建模波段范围对模型的预测性能进行了对比分析。结果表明：利用傅里叶变换光谱仪采集的原始光谱的平滑预处理对结果并没有太大影响;原始光谱在800～2 500 nm范围的模型得到了最好的预测结果：校正集样本的相关系数r为0.869,校正均方根误差RMSEC为3.88 N;预测集样本的相关系数r为0.840,预测均方根误差RMSEP为4.26 N。 通过本研究得出：应用近红外漫反射光谱检测水果坚实度是可行的,为今后快速无损评价水果成熟度提供了理论依据。