可见/近红外光谱的南丰蜜桔可溶性固形物含量定量分析

基于可见/近红外漫反射光谱定量分析技术对南丰蜜桔的可溶性固形物含量进行实验研究.采用偏最小二乘法对南丰蜜桔完整果和果肉的可见/近红外光谱进行了分析,并且比较和讨论了不同光谱预处理的建模结果.实验结果表明:在波长范围350～1800nm,一阶微分光谱所建模型效果最佳.其中完整果所建校正模型的预测相关系数为0.825和预测均方根偏差为0.899;果肉所建校正模型的预测相关系数为0.893,预测均方根偏差为0.749.     

近红外光谱在线分析系统及应用

介绍了在线近红外光谱分析系统的组成及技术发展,以及在食品加工业、农业、废弃物体自动分类、石油化工、制药与临床医学方面的应用。近红外光谱分析技术不需对样品进行前处理,可同时对多组分样品进行瞬间分析。与光纤的连用已使它被广泛应用于过程分析。近红外在线分析技术今后将向专用、小型化方向发展。     

用于实时分析的光谱学方法

针对目前用于实时成分分析的几种光谱学方法 (傅立叶变换红外光谱、傅立叶变换拉曼光谱、近红外光谱 ) ,对这些能够进行实时分析的光谱方法的基本原理和仪器结构进行了说明 ,并以其在石油化工领域中的应用为例 ,比较了各自的特点和使用效果 ,从而得出 ,近红外光谱方法有着适于在线分析应用的独特优点。目前外光谱仪作为用于工业现场的专用在线分析测量系统 ,正在向集成化与小型化方向发展     

近红外光谱技术在种子硬实检测中的研究进展

近红外光谱分析技术由于其独特的技术优势在许多领域中已得到广泛应用。简要阐述了近红外光谱分析技术的概念及其在无损检测中的应用情况,综述了近红外光谱技术在种子硬实测定中的应用情况,在此基础上介绍了利用近红外光谱分析技术测定种子硬实率的方法,并提出了存在的问题及发展方向。     

近红外光谱快速测定石脑油芳烃含量模型的校正研究

在采用近红外光谱建立石脑油芳烃含量校正模型的过程中,分析讨论了校正系数K值、光谱区域选取及光谱预处理方法对校正模型准确性的影响。实际分析结果表明,选择11000cm~(-1)～6099．7cm~(-1)光谱区域并使用偏最小二乘法校正方法建立的石脑油芳烃含量模型的预测值偏差不大于2．0％,能够实现对石脑油芳烃含量的快速准确测定。该方法在实际生产过程中已得到应用。     

基于BP神经网络的近红外光谱法鉴别芝麻油品牌的研究

研究了一种用近红外光谱分析技术快速鉴别芝麻油品牌的方法。首先对芝麻油样品的近红外光谱采用主成分分析法进行聚类分析,加结合人工神经网络技术进行芝麻油品牌的鉴别。通过主成分分析,得到前15个主成分的累计可信度达到99.72%,再将55个校正集样品的前15个主成分数据作为BP网络输入变量,建立一个3层BP人工神经网络的芝麻油...     

近红外光谱分析技术及其在药物工业中的应用

与传统的药物分析方法相比，近红外光谱分析技术无论在药品的分析速度还是在样品制备的简易程度上均具有明显的优势。采用近红外光谱分析技术可以在几秒内完成一个片剂样品的扫描测定，因而可以在很短的时间内对大量的片剂进行无损监测，从而保证整批产品的质量，且几乎不影响药物的生产速度。自20世纪90年代以来，近红外光谱分析技术在制药工业中已成为一种有效的分析手段。展望21世纪，该项技术将在各个工业领域受到重视，并将得到广泛的应用。     

近红外光谱技术在纺织布料聚类分析中的应用

以棉涤、棉氨、粘涤、棉锦、羊腈、锦涤六种纺织布料为研究对象,采集近红外光谱数据,进行一阶求导和矢量归一化预处理后,采用标准算法计算样品间的光谱距离,并利用Ward氏算法对样品进行聚类分析.试验对三种、四种、五种布料分别进行了聚类,所有不同种类的样品都得到了正确的分类,验证了近红外光谱检测法应用于纺织品聚类分析中的可行性.通过对聚类算法的分析,提出了局部回归算法在纺织品聚类分析中的应用,为进一步研究近红外光谱技术在纺织布料聚类分析中的应用提供了建议.     

基于联合区间偏最小二乘判别分析的猪肉近红外光谱定性建模分析

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题,提出一种基于联合区间偏最小二乘判别分析(Si PLSDA)算法,并将该算法应用于猪肉近红外光谱的定性建模分析。Si PLSDA利用联合区间偏最小二乘回归(Si PLS)进行光谱特征区域筛选,在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱,采用标准正态变量变换(SNV)进行近红外光谱的预处理,用Si PLSDA建立猪肉近红外光谱的定性模型。实验结果表明,Si PLSDA建立的预测模型对猪肉储藏时间的识别率达到93.94%,高于基于全光谱区域建立的PLSDA预测模型的识别率。     

基于KPCA和LSSVM的蜂蜜近红外光谱鉴别分析

为快速鉴别普通植物源与中草药植物源蜂蜜,提出一种核主成分析和最小二乘支持向量机相结合的蜂蜜近红外光谱定性分析新方法。利用傅里叶变换近红外光谱仪测定普通洋槐蜂蜜和益母草、黄连两种中药植物源蜂蜜样本的近红外光谱并预处理,然后对光谱进行核主成分分析,提取非线性特征,最后设计基于纠错编码最小二乘支持向量机的多类分类器模型。采用网格搜索法确定模型最优参数,利用最优分类模型对未知类别蜂蜜样本进行识别,正确率可达96.67%。结果表明,基于KPCA和LSSVM的近红外光谱定性分析算法鉴别普通植物源与中草药植物源蜂蜜是可行的。     

基于近红外光谱和系统聚类法的蝗虫识别模型研究

以蝗虫的近红外光谱图作为分析的对象,采用聚类分析方法对蝗虫进行快速的识别研究.结果表明:矢量归一化预处理后的光谱数据经最长距离法进行聚类分析,分类结果正确率为100%.此法可为蝗虫自动侦测系统中识别蝗虫提供一种可靠、简便的手段,盲样检测的准确率可达91.67%.     

苹果近红外光谱的预处理

原始近红外光谱数据含有大量的噪声信号和较大的数据量,所以在进行光谱数据分析之前对光谱数据进行预处理是非常必要的。近红外光谱数据的预处理主要有两个任务,一是降噪,提高模型的稳健性和预测结果的准确性;二是数据压缩,以便于数据的存储,提高建模速度。传统的近红外光谱数据预处理方法各有局限,很难在这两方面都得到令人满意的效果。将小波分析用于苹果近红外光谱数据的预处理,并选取峰值信噪比(Peak Signal to Noise Ratio, PSNR)和归一化相关系数(Normalized Correlation, NC)作为评价指标。与常用的Savitzky-Golay平滑滤波和多元散射校正相比,小波方法不仅能有效地实现数据压缩,而且在噪声去除和光谱细节保持等方面都具有优势。}     

红外和神经网络无损分析VC银翘片中二组分含量

应用近红外光谱和BP 神经网络对VC 银翘片进行非破坏定量分析,讨论了神经网络 输入点数的选择和影响神经网络各参数的确定。采用了贝叶斯规范化的网络训练方法,解决了BP 神经网络稳定性较差的问题,提高了网络的预测精度。实验及数据处理结果表明,应用本文方法对VC 银翘片进行非破坏定量分析方法是可行和有效的。     

Rapid detection of cAMP content in red jujube using near-infrared spectroscopy

In this paper, a new method for the rapid, economical and convenient detection of cyclic adenosine monophosphate (cAMP) in jujube is proposed and verified. Based on near-infrared (NIR) fiber spectroscopy combined with stoichiometric analysis, the cAMP content in red jujube can be quickly detected. 68 red jujube samples were used for the NIR spectroscopy data acquisition and the corresponding chemical values were determined. The sample set was adjusted based on the joint XY distance (SPXY) to select the correction sample set. After different preprocessing on the spectra, the partial least squares (PLS) method was used to establish the model, and the smoothed and normalized PLS model result was obtained better. The model’s correction correlation coefficient (R_c), correction set mean square error (R_MSEC), prediction correlation coefficient (R_p), and prediction and mean square error (R_MSEP) are 0.951 5, 25.793 7, 0.910 8 and 28.228 0, respectively. The results show that NIR combined with specific chemometric methods can achieve rapid detection of cAMP in red jujube.     

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。     

A Weak Signal Extraction Method for Human Blood Glucose Noninvasive Measurement using Near Infrared Spectroscopy

Background interference from optical absorption of matrix components, low spectral selectivity and low spectral sensitivity are the main interference factors for human blood glucose noninvasive measurement using near infrared (NIR) spectroscopy. In order to extract the weak glucose concentration information, a modified uninformative variable elimination (mUVE) method combined with successive projections algorithm (SPA) named as mUVE-SPA, is proposed. mUVE is used to eliminate matrix background and high-frequency noise by wavelet multi-resolution technology. SPA is followed to select variables with minimum colinearity by projection algorithm in a vector space. The proposed method was applied in two NIR spectra data sets (plasma samples experiment in vitro and human blood glucose noninvasive measurement experiment in vivo) respectively. The performance and adaptability of the proposed strategy were discussed. The results indicate that the proposed hybrid method can give an alternative path to extract weak glucose information and yield more parsimonious models with higher precision.     

用近红外光谱技术快速测定聚氯乙稀K值的新方法——正交信号校正法

本文基于正交投影的正交校正算法(OSC),建立了聚氯乙稀近红外光谱与其K值之间关系的数学模型,提出了用近红外漫反射光谱技术快速检测聚氯乙稀K值的新方法。研究结果表明,原始光谱经正交信号校正处理后,聚氯乙稀K值化学测定值与近红外预测值的相关系数和标准差为R=0.9825、RMSEP=0.5933,预测结果的相对误差在0.5%以内,且正交信号校正算法能取得比单纯使用偏最小二乘回归更好的预测效果,模型更为简单。为用近红外光谱快速测定聚氯乙稀的K值提供了一条新途径。     

不同产地苹果的近红外光谱分类识别法

以山东和陕西两地产的红富士苹果作为实验对象,提出了一种不同产地苹果的分类识别法。首先对苹果的近红外光谱数据进行小波软阈值预处理,去除噪声和冗余;再采用主成分分析法(Principle ComponentAnalysis,PCA)进行降维;然后应用Fisher判决(Fisher DiscriminantAnalysis,FDA)进一步提取特征;最后使用K_近邻法进行分类识别(K_near neighbor classification,KNN)。通过实验比较,本文提出的方法能很好地实现不同产地苹果无损、快速和准确分类识别,识别正确率达到97.5%。     

遥感图像配准中的块效应模拟

提出和实现了一种随机遥感图像模拟新方法,该方法集成了PROSAIL模型、随机地物类别生成和尺度扩展机制,实现了随机点图像模拟和随机块图像模拟.实验中定量模拟了HJ-1 CCD传感器近红外成像光谱波段图像及具有不同平移、旋转、尺度变化影响的实验图像.利用模拟图像研究了平移、旋转、尺度变化等多种因素对近红外图像配准的影响,通过模拟地物随机分布及尺度变化的随机块图像分析了块效应在图像配准中的作用,并试验将随机模拟图像用于对图像配准算法进行适宜性分析.模拟实验结果表明图像块效应对图像配准处理具有重要影响.     

基于神经网络与近红外光谱的玉米成分检测方法

本文基于离散余弦变换和BP神经网络,建立了玉米的近红外光谱与其成分含量之间关系的数学模型,提出了应用近红外光谱快速检测玉米样品中的淀粉、水分、蛋白质和油等四种主要成分含量的方法。研究结果表明,玉米样品集的化学检测值与近红外预测值的相关系数分别为：淀粉R=0．967,蛋白质R=0．957,油R=0．967和水R=0．971。所建模型具有实际应用价值。