近红外光谱分析技术的数据处理方法

介绍了近红外光谱分析技术原理及数据处理的重要意义,分析了光谱预处理的常用方法,最后比较了几种不同的光谱数据处理方法优缺点,总结了各自的应用进展.     

用近红外光谱快速测定对二乙基苯的纯度

研究采用傅里叶变换近红外光谱仪在近红外区域(750～2500nm)利用线性回归分析的方法测定对二乙基苯纯度。该方法大大缩短样本的检测时间,节约了费用,并且使对二乙基苯的合成过程易于控制。将傅里叶变换近红外光谱对未知样品的预测结果与气相色谱的测定结果进行了比较。在5835cm-1处,最大相关系数为0.9929,预测平均相对误差为2.72%,表明该检测方法是可行的。     

用近红外光谱法快速测定欧美杨木质素含量

以欧美杨的木质素含量为研究对象,给出了建立近红外光谱分析模型的一种多模型方法。所建模型可用于快速预测欧美杨中的木质素含量,其预测值与实验值之间的相关系数为0．9702,预测结果的平均相对误差为0．0100,模型的拟合优度为0．9126。将所建模型与用偏最小二乘法建立的欧美杨木质素含量预测模型进行了对比,前者的预测效果优于后者。     

一种二维近红外枕形Si基位置敏感探测器研制

建立一种新的Si基位置敏感探测器（PSD）光生电流理论模型,导出了PSD的光生电流、光谱灵敏度的表达式;研究了PSD光敏面各层厚度和SiO2薄膜厚度对PSD波长响应灵敏度的影响,认为p层的厚度主要影响PSD在短波段的响应度,而耗尽层对PSD的中长波响应有着很大的影响;设计并制造了二维近红外枕形PSD,对其进行实际测试,其光谱响应峰值波长为920nm,灵敏度达到0．626A／W。     

在线近红外光纤光谱传感方法研究

提出了在线近红外光纤光谱传感方法,研制了光纤光谱传感器,对塑料发泡挤出过程参数(CO2气体浓度)进行在线检测实验,并对光谱数据进行分析与处理.其结果是令人满意的. 理论与实验研究表明,本文提出的在线近红外光谱光纤传感方法很好地解决了聚合物动态挤出过程中参数的实时在线检测问题,通过光谱分析,研究微孔塑料的发泡成核机理,揭示其成核过程,从而能监控聚合物动态挤出成型过程. 用该方法实现的微孔塑料实时在线光纤光谱传感检测系统,具有重要的理论与实际意义.(PD7)     

近红外光谱技术在燕麦种子活力测定中的应用研究

快速准确无损测定牧草种子活力是当前种子生理研究中的一项重要内容.试验以甜燕麦种子为材料,采用近红外光谱结合主成分-马氏距离模式识别方法鉴别了3种不同活力的燕麦种子.研究结果表明, 在4000～6900cm-1波数范围内的光谱, 通过SNV (Standard Normal Variate )预处理方法, 用4个主成分建立的模型效果最佳, 模型对校正集样本和预测集样本的鉴别率都分别达到100%.该研究利用近红外光谱技术为快速准确无损测定种子活力提供了一条新途径.     

高精度近红外光斑位置检测模型研究

为了提高1550 nm近红外波段光斑位置的检测精度,提出了一种改进的积分无穷解算模型。以高斯光斑为入射光模型,深入分析了InGaAs四象限探测器（Quadrant Detector, QD）输出信号与光斑实际位置之间的关系,考虑探测器直径及沟道的影响,通过引入误差补偿因子,利用最小二乘拟合的方法得到有效光斑半径,从而获得新解算模型的解析表达式,最后在搭建的InGaAs QD光斑位置检测系统上对提出模型进行实验验证。仿真和实验结果表明:新模型可有效降低不同半径光斑下的位置检测误差;入射光总能量约为10 W,光斑半径0.75 mm时,在[-0.75～0.75 mm]检测范围内,新模型均方根误差为0.003 mm,最大误差为0.009 mm,较原有模型分别降低了78.6%和52.6%。新模型在激光通信和激光雷达等工程实际中具有较好的应用前景。     

用近红外光谱检测牛奶中的三聚氰胺

研究了用近红外光谱法快速定性和定量检测纯牛奶中三聚氰胺.实验分别配制了两组不同三聚氰胺含量的纯牛奶样品,用于定性和定量分析.通过近红外光谱与聚类分析法相结合,可将含有和不含有三聚氰胺的牛奶样品有效分类;结合光谱预处理和波长选择及模型优化方法建立的检测三聚氰胺的近红外定量分析模型具有较好的稳定性和预测能力.结果表明,近红外光谱分析是一种快速、方便和环保的检测乳制品中三聚氰胺的新方法.     

近红外光谱技术鉴别连翘产地

采用近红外光谱结合SIMCA模式识别方法鉴别五个不同产地的连翘.研究结果表明,在6700～5300cm-1波数范围内的光谱,通过SNV预处理方法后,利用SIMCA的模式识别方法分别为卢氏、栾川、洛宁、新安和山西安泽等五个产地连翘建立了模型.交叉验证的最佳主成分数分别为3,2,2,3,4.在α=5%的显著水平下,预测集的10个样品中只有1个被错判,表明该方法具有良好的鉴别分类功能.     

傅立叶变换近红外技术测定卷烟烟碱的释放量

烟气烟碱是卷烟制品的一个重要指标.传统方法分析烟气烟碱费时、有污染而且不能预测.本文根据烟气烟碱的化学分析数据和卷烟样品粉末的近红外光谱建立了卷烟烟气烟碱的近红外分析技术,能准确测定和预测卷烟的烟气烟碱,与常规分析数据相比,偏差小于±0.03,并具有很好的重现性.烟气烟碱与烟叶中烟碱的含量呈很好的正相关.     

近红外光谱技术在食品安全检测中的应用

对近红外光谱(NIR)技术在食品安全检测方面的原理及其主要应用进行了综述。作为一种方便、快捷、高效的检测技术,近红外光谱技术在农作物、果蔬、肉制品检测及其他方面都有独到的优势和广阔的发展前景。     

用近红外分析方法测定重质馏份油的化学族组成

测定了扬子公司不同厂的重质馏份油的近红外谱图,以偏最小二乘方法为数学工具,通过色-质连用法取得基础数据,建立重质馏份油的近红外光谱族组成模型。采用该模型测定未知样品与色-质连用法的测定结果相比,饱和烃中正构烷烃、异构烷烃、环烷烃的质量分数和芳烃质量分数的相关系数分别为0．9857、0．9854、0．9968 和0．9984。分析结果表明,两种分析方法的结果一致。近红外方法重现性好,分析速度快,结果准确,且不消耗有机溶剂。     

用近红外光谱鉴别杨梅品种的研究

提出了一种用近红外光谱技术快速无损鉴别杨梅品种的新方法,首先用主成分分析法对典型的四个杨梅品种进行聚类分析,获取杨梅的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别.主成分分析表明,以主成分1和2对样本的得分值做出的得分图,对不同种类杨梅具有较好的聚类作用,可以定性分析杨梅种类.利用主成分分析可以把原始波长变量压缩成能代表原始变量的少数相互正交的主成分,用这些新变量作为神经网络的输入,建立3层BP人工神经网络模型.四个杨梅品种共100个样本用来建立神经网络品种鉴别模型,对未知的20个样本进行预测,结果表明,品种识别准确率达到95%.说明综合主成分分析和人工神经网络的方法具有很好的分类和鉴别作用,为杨梅的品种鉴别提供了一种新方法.     

用近红外光谱数据建立相思树综纤维素含量数学模型

用近红外光谱数据建立了相思树综纤维素含量的预测模型.首先对近红外光谱数据进行预处理并按波长进行分组,然后使用拟合方法建立许多非线性子数学模型,最后通过计算加权平均值给出预测综纤维素含量的公式.模型预测值的平均相对误差为0.0074,预测误差明显小于用近红外光谱仪所带软件建立的模型的预测误差.文中的建模方法有望用于相思树其它成分的预测.     

基于近红外光谱技术的油茶籽粕中灰分含量快速检测方法开发

以南昌海关技术中心115个油茶籽粕样品为研究对象,比较了不同扫描次数和装样厚度对样品近红外光谱的影响。选择扫描次数为32次,装样厚度为4 mm,并根据不同预处理方法对所建立的油茶籽粕中灰分含量近红外模型的影响筛选出最佳预处理方法——归一化(Standard Normal Variate,SNV)、一阶导数(DG1)和9点平滑(Smooth Savitzky-Golay 9 points,SG9)。利用偏最小二乘法建立了油茶籽粕灰分含量的定量分析模型,其校正相关系数为0.9698,校正均方根误差为0.5236,预测相关系数为0.9575,预测均方根误差为0.6211。为验证模型的适用性,对15个未参与模型建立的油茶籽粕样品的灰分含量进行了预测,并将预测结果与国标方法GB 5009.4-2016的测定结果进行成对结果t检验,得到该方法与国标方法的结果不存在显著差异的结论。近红外方法将极大地提高油茶籽粕品质检测速度和效率、降低检测人员工作量、减少化学试剂的使用,为实现快速、高效的油茶籽粕质量分级和监管提供了技术基础。     

近红外光谱仪器的研究进展与发展趋向

近红外光谱技术正受到越来越多研究人员的青睐。作为这一技术的基础和前提,近红外光谱仪推动着其快速发展。近年来,随着近红外光谱技术的广泛应用,已有的近红外光谱仪已经难以满足研究与生产的需要,为此科研人员在现有光谱仪的基础上进行了很多研究,以提高其使用性能。对近年来近红外光谱仪的研究进展包括仪器硬件的进展、光谱信号处理电路的改进、光谱信号处理方法的发展以及仪器软件的开发等进行了总结和归纳,并对近红外光谱仪的发展趋势进行了展望。