近红外光谱丸剂关键辅料炼蜜水分的快速测定

用近红外光谱法实现嫩,中,老三种炼蜜含水量的快速测定及不同炼制程度蜂蜜的快速分级。过程化控制是中药质量稳定的关键因素,但由于检测手段的滞后而无法实现,因而影响中药质量。蜜丸是具广阔应用市场的剂型;炼蜜工艺是影响蜜丸质量的关键工序;在炼蜜过程中,蜂蜜从嫩蜜炼制到中蜜仅需几至几十秒,变化迅速,传统检测手段不能对蜂蜜炼制过程进行实时监测,进而无法保证炼蜜质量的均一性。力求采用近红外光谱法（NIRS）对炼蜜过程进行实时检测,准确控制嫩蜜、中蜜的炼制程度,并对其含水量进行定量测定。实验通过Rudolph折光仪测定不同炼蜜的含水量,并快速测定样品的近红外光谱,结合偏最小二乘法（PLS）建立并优化88批炼蜜水分的定量模型,利用校正模型决定系数（R2）、校正模型均方根误差（RMSEE）;内部交叉验证决定系数（R2）,内部交叉验证均方根误差（RMSECV）;预测模型的相关系数（r）、预测均方根误差(RMSEP)对校正模型进行评价,其中RMSECV主要用来筛选建立模型的最佳主成分数,RMSEE和RMSEP分别对所建立校正集和验证集进行误差分析。同时采用鉴别分析法建立定性模型用来区分炼蜜等级。经不断优化,图谱经矢量归一化法（SNV）预处理后,在7 201.2~5 446.2 cm-1波段内选取9个主成分建立水分模型。建立的最佳模型中,校正集R2, RMSEE分别为99.43,0.299,内部交叉验证R2,RMSECV分别为99.05,0.348;预测集R2,RMSEP分别为98.19,0.347;定量模型显示,NIRS可快速、准确、无损的对炼蜜含水量进行测定。同时按照含水量测定结果对炼蜜嫩、中、老3个等级进行划分,进而采用鉴别分析法对炼蜜进行定性分析,结果显示嫩、中、老3种炼蜜有明显的聚类现象,表明因子化法是鉴别炼蜜程度的一种有效方法;综上所述,NIRS可望实现对炼蜜过程实时监测,准确控制嫩蜜,中蜜的炼蜜程度并对炼蜜含水量进行快速实时定量测定,为不同炼蜜等级划分提供参考,保证炼蜜质量的均一性,最终保证蜜丸质量的稳定性。     

SVDD的近红外光谱定性分析光谱质量判定方法

近红外光谱属微弱信号,其质量易受被测物体自身状态及各种外界因素干扰,具体而言,在近红外光谱定性分析中,影响光谱质量的因素主要有光谱仪状态改变、光谱采集人员错误操作、奇异样本干扰等。建模时若混入质量较差的光谱易影响所建模型的稳健性与适用性,因此光谱质量判定是确保模型预测能力的一项重要工作。目前用于定量分析的光谱质量判定研究较多,而用于定性分析的光谱质量判定研究较少,为此,提出一种基于支持向量机数据描述的近红外光谱定性分析光谱质量判定方法,采用自制漫透射近红外光谱装置采集单籽粒玉米光谱,以正常状况下采集的某品种玉米单籽粒漫透射光谱作为正常样本,而人为漏光、近红外探测器窗口覆盖玉米表皮碎屑、光源强度改变、光源与被测玉米籽粒距离改变、相近品种玉米籽粒混入等几种情况下所采集光谱作为异常样本,在此数据集基础上研究了基于支持向量机数据描述的定性分析光谱质量判定模型建立的原理与方法,其后将支持向量机数据描述方法与常用的马氏距离法、局部异常因子法等光谱质量判定方法进行了对比,并以正常样本正确识别率与异常样本正确拒识率的均值作为评价标准,对实验结果进行分析,由实验结果可以看出相比其他两种方法,基于支持向量机数据描述的光谱质量判定方法具有最优判定能力,建模集正常样本数目会影响光谱质量判定能力,在实际使用光谱质量判定方法时,建模集应包含足量样本。在近红外定性分析时可以将该方法作为剔除异常光谱的手段,在预处理、特征提取,模式分类等近红外光谱定性分析步骤前首先进行基于支持向量机的光谱质量判定步骤,并剔除异常光谱,可有效提高近红外光谱定性分析模型的可靠性,亦为近红外光谱定性分析光谱质量判定提供新的方法参考。     

基于深度信念网络的多品种玉米单倍体定性鉴别方法研究

单倍体育种技术是玉米育种新方法,该方法可有效缩短产生纯合系的周期,提高育种效率。该技术需首先挑选足量单倍体籽粒,而玉米在未加人工干预时,单倍体在混合籽粒中仅占0.05%～0.1%,即使采用生物诱导技术,单倍体籽粒数一般也不到籽粒总数的10%。高速、精准地从大量混合籽粒中挑选得到占比少于10%的单倍体籽粒,才能够满足工程化育种需要,而实际育种工作中挑选单倍体时常用的分子生物学、田间形态学辨别等方法存在耗时长、成本高、破坏样本等缺点,难以高效精准地得到玉米单倍体籽粒。相关研究已经证明高油玉米的单倍体与二倍体之间具有明显含油率差异,目前低场核磁共振技术可用于检测玉米单籽粒的含油率,并根据含油率对单倍体进行鉴别,但核磁共振仪存在价格贵、维护难、速度慢、效率低等弱点,现有设备完成单籽粒分选需用时4 s,无法满足工程化育种中大量筛选的速度需求。使用VIAVI微型近红外光谱仪能够达到0.25 s每颗的检测速度,相比核磁共振技术速度快,仪器价格较低,维护方便。使用近红外光谱仪分析技术对单倍体与二倍体籽粒进行鉴别,可以取代核磁共振鉴别单倍体的方法。采用近红外光谱定性鉴别单倍体籽粒虽然取得了一定效果,但目前研究中所采集玉米品种相对较少,研究只针对某一品种单倍体建立模型,对该品种单倍体进行分类;国内外尚无多品种混合单倍体鉴别相关研究,而工程化育种亟需一种能够识别多个品种玉米单倍体的鉴别方法。为此,本文提出一种基于深度信念网络的多品种混合玉米籽粒单倍体鉴别方法,DBN是一种多层深度神经网络,每层由受限玻尔兹曼机构成,采用逐层训练策略,可解决传统神经网络训练方法不适用于多层网络训练的问题。对比实验结果表明使用DBN方法建立多品种单倍体鉴别模型具有较高分类性能,能够满足玉米工程化育种精度要求。     

基于机器学习的玉米单倍体近红外光谱鉴别方法研究

在玉米单倍体技术中,单倍体鉴别是非常重要的环节。该研究对大量玉米单倍体与杂合二倍体的近红外透射光谱进行分析,以期建立一套在生产上实用的单倍体鉴别模型。通过采集三组遗传背景不同的玉米单倍体与杂合二倍体籽粒光谱,进行不同机器学习算法对比,光谱预处理建模效果比较,以及分析数据集大小对模型构建的影响。对比所有单倍体与杂合二倍体的平均光谱,发现二者在光谱的吸收峰位置基本相同,但是单倍体的吸光度略高于杂合二倍体,尤其是在波长940～1 120 nm以及1 180～1 316 nm这两段谱区差异较大。在构建的几个模型中,采用偏最小二乘法和神经网络算法的模型单倍体鉴别准确率较高,分别为93.26%和95.42%。测试集验证的结果与模型准确率一致,表明两种算法适宜进行单倍体大规模筛选。利用偏最小二乘法模型比较了不同光谱预处理方法的模型效果,发现仅进行移动窗口平滑预处理原始光谱进行建模准确率最高。对不同大小数据集的建模效果对比发现,在一定范围内增大数据集有助于提高模型准确率。而且数据中单倍体所占比例较高时,单倍体预测召回率可达100%。此外,还根据籽粒颜色标记挑选出不易鉴别的单倍体和杂合二倍体,利用偏最小二乘法构建的机器学习模型预测准确率可达93.39%,显示出近红外鉴别单倍体的优势,即有可能在不依赖籽粒颜色的情况下实现准确鉴别。基于机器学习的近红外单倍体鉴别方法具有较高的准确率,而且该方法还能在后期数据增加的基础上不断优化,对其开展理论研究有望为自动化智能鉴别单倍体创造条件。     

近红外光谱紫花苜蓿品种耐盐性鉴别方法研究

近红外光谱(NIRS)分析技术是一项高效、快捷检测样品中某种物质成分的新方法,近年来在饲料营养分析、品种鉴别等领域得到了广泛的应用。作者提出了一种用近红外指纹光谱快速鉴别紫花苜蓿品种耐盐性的新方法。首先用近红外吸收光谱对20个紫花苜蓿品种进行聚类,发现供试品种很好地聚为耐盐和敏盐两类,与常规检验结果基本相同,通过聚类建立苜蓿品种耐盐性鉴别模型,其次用所建耐盐品种评价鉴别模型对6个苜蓿品种进行耐盐性预测,品种识别准确率达到100％,表现指数为85.7％。所以近红外吸收指纹图谱对苜蓿品种耐盐性具有很好的分类和鉴别作用,通过建立鉴别模型,可对品种耐盐性进行快速、高效的初步鉴定。     

拉曼光谱结合WGANGP-ResNet算法鉴别病原菌种类

快速准确识别病原菌在防止传染病的传播、帮助对抗抗菌素耐药性和改善病人预后方面起着关键作用。拉曼光谱结合机器学习算法能够简单快捷地对病原菌进行无标记检测。然而,病原菌种类和表型繁多,并且深度学习需要依赖大量样本训练,而收集大批量病原菌拉曼光谱劳神费力,且易受荧光等因素影响。针对上述问题,提出一种基于WGAN-GP数据增强方法和ResNet结合的病原菌拉曼光谱检测模型。采用五种常见眼科病原菌的拉曼光谱。将采集到的原始数据归一化作为ResNet和传统卷积神经网络(1D-CNN)的输入,将经过SG滤波、 airPLS基线校正、 PCA降维等预处理后的数据作为K近邻(KNN)的输入,对比分析发现ResNet模型效果最优,其分类精度可达96%;搭建Wasserstein生成式对抗网络加梯度惩罚模型(WGAN-GP),生成大量与真实数据相似的高分辨率光谱数据。同时与偏移法、深度卷积生成式对抗神经网络(DCGAN)2种数据增强方法进行比对,证明WGAN-GP的可靠性;为验证生成数据可以丰富数据多样性,进而提高分类精度,将扩充后的数据集重新放入ResNet进行训练,最终WGAN-GP结合ResNet的分...     

基于Raman光谱和支持向量机回归的古井贡酒年份鉴别方法

白酒年份的快速准确鉴定是白酒品质分析的重点和难点问题之一。实现白酒年份酒的快速、准确的鉴别,对促进白酒行业的健康发展、维护消费者的合法权益具有重要意义。光谱分析法结合模式识别技术是实现白酒品质快速鉴别的首选方法之一,而Raman光谱由于其受水的影响很小且很少或不需要样品前处理,在白酒分析中具有广阔的发展空间。因此,采用Raman光谱和支持向量机回归(SVR)建立数据分析模型,用于不同年份白酒的年份鉴定和同一年份不同贮存时间的白酒年份鉴定。该研究创新之处主要包括如下三个方面：(1)应用Raman光谱对白酒品质进行分析,在分析方法的应用上具有一定的创新之处。(2)研究白酒的年份鉴定问题,在研究对象的选择上,具有一定的创新之处。(3)建立基于回归框架的白酒年份与年份指数对应关系,实现白酒年份识别及预测,不仅可以有效鉴别白酒年份,同时可用于鉴别白酒贮存时间,因此,在分析方法的确定和应用上,具有一定的创新之处。实验中采用古井贡5年、8年、16年及26年系列年份酒进行了实证分析,数据分析实验结果表明,所建立的基于Raman光谱和SVR的白酒年份鉴别分析流程和方法,对鉴别不同年份的白酒,以及同一年份不同贮存时间的白酒样品(包括对数据库内已有样本年份的鉴别,以及对数据库内没有的盲样的年份预测),均取得较好的应用效果,相比于其他常用回归分析方法具有明显的优越性,可以为白酒年份酒分析提供一定的技术支持。     

不同柑橘品种果汁中抗氧化成分比较

以11种柑橘品种为材料,研究不同柑橘品种果汁中的总酚、总黄酮、Vc含量及其抗氧化活性的差异性,探讨抗氧化主导作用成分.研究结果表明:血橙的总酚、Vc含量最高,分别为0.76 mg·m L-1和65.48 mg·100g-1,对DPPH自由基清除率与羟基自由基清除率效果最好,分别为45.87%和89.51%.相关分析和通径分析发现,柑橘果汁中总酚、总黄酮、Vc含量均与DPPH自由基清除率、羟基自由基清除率呈正相关,其中Vc含量与DPPH自由基清除率、羟基自由基清除率呈显著正相关.柑橘果汁的抗氧化作用主要通过Vc直接正效应表现,而总酚、总黄酮均通过Vc的间接效应表现.     

高光谱技术的羊肉品种多波段识别研究

利用可见/近红外(400～1 000 nm)及近红外(900～1 700 nm)高光谱成像技术对宁夏地区滩寒杂交、盐池滩羊、小尾寒羊三个品种羊肉进行识别研究。针对不同波段光谱特点,分别优选出Baseline及SG卷积平滑光谱预处理方法,并运用连续投影算法(SPA)提取特征波长,结合线性判别分析(LDA)及径向基核函数支持向量机(RBFSVM)模型进行全波段及特征波长识别分析。结果表明不同波段高光谱对羊肉品种识别均获得较好效果,其中400～1 000 nm波段采用Baseline-Fullwave-RBFSVM及12个特征波长下准确率为100%与98.75%,900～1 700 nm波段采用Baseline-Fullwave-RBFSVM及7个特征波长下准确率为96.25%与87.80%;RBFSVM非线性分类准确率高于LDA线性判别结果,400～1 000 nm波段识别准确率优于900～1 700 nm波段,说明三种羊肉在色泽纹理上差异比成分含量显著,利用高光谱成像技术结合RBFSVM方法能够获得较优的羊肉品种识别效果。     

PCA和SPA的近红外光谱识别白菜种子品种研究

为了实现对不同品种白菜种子的快速无损鉴别,应用近红外光谱技术获取白菜种子的光谱反射率,首先采用变量标准化校正和多元散射校正对原始光谱进行预处理;其次,采用主成分分析法(PCA)对光谱数据进行聚类分析,从定性分析的角度得到三种不同白菜种子的特征差异,并采用连续投影算法(SPA)选取特征波长;最后,分别基于全波段光谱、PCA分析得到的前3个主成分变量以及SPA算法选取的特征波长,建立了最小二乘支持向量机(LS-SVM)和偏最小二乘判别(PLS-DA)模型进行白菜种子不同品种的鉴别。从主成分PC1、PC2得分图中可以看出,主成分1和2对不同种类白菜种子具有很好的聚类作用。基于特征波长建立的PLS-DA和LS-SVM模型的判别结果优于基于主成分变量建立的模型,其中基于特征波长建立的LS-SVM模型识别效果最优,建模集和预测集的品种识别率均达到100%。结果表明,通过SPA算法选取的6个特征波长变量能够很好的反映光谱信息,提出的SPA算法结合LS-SVM预测模型能获得满意的分类结果,为白菜种子品种的识别提供了一种新方法。