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.     

基于PCR和PLS的蔗糖浓度透反射测量方法研究

利用近红外透反射光谱技术,研究短波近红外光谱(780~1100nm)无损检测蔗糖溶液的可行性,并通过主成分回归(PCR)和偏最小二乘(PLS)方法建立了蔗糖溶液的近红外定量分析模型。采用Savitzky-Golay卷积平滑(5点)和多元散射校正(MSC)进行预处理,并且对预处理后的数据进行建模分析。PCR定量分析的结果:主成分数PC=7,交互验证相关系数RCV=0.957335,交互验证的校正标准偏差RMSECV=0.015859;PLS定量分析结果:主成分数PC=4,交互验证相关系数RCV=0.975789,交互验证的校正标准偏差RMSECV=0.012251。分别用PCR和PLS的校正模型对预测集样本进行预测,两种模型的预测标准偏差RMSEP分别为0.0127,0.0118。二者均对高浓度蔗糖溶液的预测结果比较理想,而且在PLS模型下,77%以上的样本相对误差在10%以下,较PCR模型的高。综合结果,PLS所建立的模型简单,而且精度很高,所以,基于短波近红外光谱的蔗糖浓度的快速无损检测是可行的。     

基于近红外光谱对老陈醋的pH值和可溶性固形物定量与定性的检测研究

采用近红外光谱结合判别分析(DA)和主成分分析(PCA)在不同光谱预处理方法下分别对山西老陈醋醋龄进行定性判别分析,和对陈醋中可溶性固形物(SSC)及pH值进行定量分析。结果表明:原始光谱、5点平滑以及SNV校正建立的DA模型性能良好,校正集判别正确率为100%,预测集判别正确率为88.89%;原始光谱建立的可溶性固形物的定量模型最优,校正集和预测集的相关系数r分别为0.99988和0.99960,RMSEC、RMSEP和RMSECV分别为0.0421,0.0911和0.0777;5点平滑建立的pH值的定量模型最优,校正集和预测集的相关系数r分别为0.99733和0.97411,RMSEC、RMSEP和RMSECV分别为0.0151,0.0386和0.0468,表明采用近红外光谱对老陈醋的pH值和可溶性固形物进行定量分析以及对老陈醋的醋龄进行定性判别是可行的。     

直接正交校正用于牛奶成分近红外光谱分析

介绍采用近红外光谱分析方法快速检测牛奶主要成分含量的测量原理,探讨研究直接正交(DO)校正的基本方法.利用牛奶成分近红外光谱测量系统分别采集牛奶样品和葡萄糖白蛋白两成分溶液样品的近红外光谱,采用DO法进行光谱数据预处理,并采用偏最小二乘(PLS)法分别建立其相应的数学模型.实验及数据处理结果表明:经DO法预处理后,滤除了原始光谱中的部分噪声信息,但保留了原始光谱中的主要信息.PLS校正模型采纳的最佳因子数随着DO因子的依次滤除相应减少.牛奶中脂肪和蛋白质校正模型在原始光谱分别被滤除3和4个主成分时达到性能最佳,校正标准偏差SEC分别为0.3204和0.2727,预测标准偏差SEP为0.7316和0.4460,两成分溶液样品中白蛋白和葡萄糖校正模型在原始光谱被滤除1个因子时达到性能最佳.校正标准偏差SEC分别为0.2513和0.2780,预测标准偏差SEP为0.5169和0.7870,单位(g/dL),与DO法预处理之前的PLS模型相比,预测标准偏差相应降低,采纳的主成分数减少,模型得到简化.     

激光诱导击穿光谱结合PLS检测土壤中的铅

利用波长1064 nm的Nd∶YAG脉冲激光器获取国家标准土壤中铅元素的诱导击穿等离子体,并用八通道光纤光谱仪采集了样品等离子体光谱。应用多种光谱预处理方法对光谱进行信息提取和分析,比较了光谱的预处理方法对偏最小二乘(PLS)模型定量预测能力的影响。结果表明,采用9点光谱平滑处理和多元散射校正(MSC)预处理的模型质量较好,校正集和预测集的相关系数R分别为0.9981和0.9948,交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为12和17;元素Pb浓度分析测量的结果与标准值的相对偏差在10.5%以内,实验表明LIBS结合PLS建模能满足土壤中微量重金属快速检测的要求。     

紫外可见光谱检测水体COD算法研究

应用紫外可见(ultraviolet/visible,UV/Vis)光谱技术对宜昌市环境监测站水体有机物指标化学含氧量(chemical oxygen demand,COD)进行快速检测,对采集的94份水样进行UV/Vis波段全光谱扫描,采用平滑(Savitzky-Golay smoothing,SG)、一阶导数(first-derivative,1-Der)以及二阶导数(second-derivative,2-Der)对光谱进行预处理,并结合偏最小二乘回归(Partial Least Squares Regression,PLSR)对水样建立COD回归预测模型,并利用该回归预测模型预测水样COD浓度。实验结果表明采用SG平滑预处理后结合连续投影算法(Successive Projections Algorithm,SPA)选取全波段光谱中的特征波长得到的PLS模型预测精度最高,相关系数r=0.91882,预测均方根误差RMSEP=2.8156mg/L-1。进一步研究发现,使用SG平滑预处理得到的岭回归(Ridge Regression)模型精度(r=0.92,RMSEP=2.765 mg/L-1)高于PLS模型,且模型仅仅选取了4个特征波长变量,占238个全波段光谱变量的1.38%。说明针对该水样样本,利用平滑光谱预处理后,再建立岭回归模型,能节约时间和降低算法复杂度,能够快速准确地进行水样COD浓度预测,为进一步实现水样的COD浓度快速检测奠定了基础。     

紫外可见光谱检测水体COD算法研究

应用紫外可见(ultraviolet/visible,UV/Vis)光谱技术对宜昌市环境监测站水体有机物指标化学含氧量(chemical oxygen demand,COD)进行快速检测,对采集的94份水样进行UV/Vis波段全光谱扫描,采用平滑(Savitzky-Golay smoothing,SG)、一阶导数(first-derivative,1-Der)以及二阶导数(second-derivative,2-Der)对光谱进行预处理,并结合偏最小二乘回归(PartialLeast Squares Regression,PLSR)对水样建立COD回归预测模型,并利用该回归预测模型预测水样COD浓度。实验结果表明采用SG平滑预处理后结合连续投影算法(Successive Projections Algorithm,SPA)选取全波段光谱中的特征波长得到的PLS模型预测精度最高,相关系数r=0.91882,预测均方根误差RMSEP=2.8156mg/L-1。进一步研究发现,使用SG平滑预处理得到的岭回归(Ridge Regression)模型精度(r=0.92,RMSEP=2.765 mg/L-1)高于PLS模型,且模型仅仅选取了4个特征波长变量,占238个全波段光谱变量的1.38%。说明利用平滑光谱预处理后,再建立岭回归模型,能节约时间和降低算法复杂度,能够快速准确地进行该水样样本COD浓度预测,为进一步实现水样的COD浓度快速检测奠定了基础。     

基于蒙特卡罗无信息变量消除的烟气指标预测

使用近红外光谱(NIRS)分析方法对烟叶的CO、烟碱、焦油含量进行无损快速定量分析,可以提高分析方法的预测精度,消除无信息建模变量对模型稳定性的影响。在此以烟叶为研究对象,利用蒙特卡罗无信息变量消除方法(MC-UVE)对烟叶的近红外光谱进行了波段点的筛选,并利用筛选出的波段建立PLS校正模型。结果表明利用蒙特卡罗无信息变量消除方法可以有效选择建模变量,既克服了复杂样品各信息区间对PLS建模贡献率不一样的问题,又能提高模型的稳定性和多元校正的预测精度。     

基于激光诱导击穿光谱的页岩与砂岩多元素定量分析

面向天然页岩与砂岩矿物元素组分快速定量分析的检测需求,笔者搭建了具有自动化分析功能的显微分析激光诱导击穿光谱系统,并采用该系统对油气页岩与砂岩天然岩石样本进行了快速检测。分析了砂岩与页岩光谱的不确定度差异,形成了流程化的包括光谱数据提取、筛选、校正、归一化的预处理方法,有效降低了单一样本与样本间光谱不确定度。基于偏最小二乘回归,形成了模型输入参数优化流程,避免了模型过拟合与欠拟合,提高了定量预测准确度。对岩石中的Si、Ca、Fe、Al、Mg等元素进行了定量分析,多数样本的平均预测均方根误差小于1%。本研究为天然岩石的矿物组分分析与岩性识别提供了技术支持。     

基于近红外透射光谱的乳制品蛋白质、脂肪含量检测

应用近红外透射光谱(NITS)法对乳制品中蛋白质和 脂肪含量进行快速检测。首先分别对光谱进行二阶导数 加S-G平滑(SD+S-G)和一阶导数加多元散射校正加S-G平滑(FD+MSC+S-G)预处理;然 后对处理后 的光谱进行小波基为db3、分解尺度为6的小波压缩;最后以压缩后光谱数据作为输入变量, 采用径向基 函数人工神经网络(RBF-ANN)建立4种乳制品的蛋白质和脂肪定量分析模型。经过反复实 验得出最佳扩散 常数spread值,其中,蛋白质模型在spread值为135时预测精度最高, 其相关系数(R)和预测集均方差(RMSEP)分别为 0.9999和0.0301,脂肪模型在spread值为105时 预测精度最高,其R和RHSEP分别为0.999和0.096。结果表明,基于RBF-A NN和小波压缩建模更稳定、精度更高,可以实现乳制品品质快速无损检测。     

基于siPLS的强化生物除磷污泥胞内糖原近红外分析

为了快速、准确地测定强化生物除磷(EBPR)过程中污泥胞内糖原的含量,采用4种预处理方法分别对污泥近红外光谱进行预处理,并结合联合区间偏最小二乘(si PLS)进行变量优选,建立光谱吸光度数据与糖原含量的定量分析模型。结果表明,将一阶S-G(Savitzky-Golay)平滑处理后的光谱等分为20个子区间,联合子区间[10 13 16 19]建立的si PLS模型预测效果最优,预测集的均方根误差(RMSEP)和相关系数(rp)分别达到0.0048、0.9105,且该模型的交互验证和外部验证相对分析误差(RPD)均大于3.0。一阶平滑处理后的光谱si PLS模型预测精度高、建模变量少,可实现糖原含量的快速测定。     

广东省主要人工林树种光谱分类

为了探索不同树种叶片光谱区分的最佳特征波段以及不同树种光谱分类的 性能,利用地物光谱仪对广东省10个主要人工林树种的叶片光谱数进行了采集。采用遗 传算法(Genetic Algorithm, GA)和连续投影变换算法(Successive Projections Algorithm, SPA) 进行了高光谱数据降维处理,然后结合支持向量机(Support Vector Machine, SVM)和随机森林(Random Forest, RF) 两种方法进行了树种分类。研究发现,通过两种变量选择方式筛选的用于树种分类的光谱范围 主要位于近红外波段。其中,经GA算法筛选的变量建模和预测精度与基于全波段光谱数据的分类精 度较为接近,且比经SPA算法变量筛选的分类结果好。通过比较可知,RF算法所建模型的性能比SVM算 法更稳定,且GA-RF算法在几种分类处理中的性能最好。结果表明,GA-RF算法 可用于基于光谱数据的树种分类研究。     

基于卷积神经网络和光丝诱导荧光光谱的NaCl气溶胶定量分析

盐气溶胶是大气污染监测的重要对象。使用基于高功率超快激光的光丝诱导荧光光谱(FIFS)技术可以实现大气气溶胶的远距离快速定量分析,该技术有望成为下一代激光雷达的核心技术。用NaCl气溶胶模拟大气气溶胶污染物,针对自吸收效应导致光强与物质质量浓度偏离线性关系的问题,提出基于一维卷积神经网络的NaCl气溶胶质量浓度预测模型,并将其与多元线性回归模型、偏最小二乘回归模型、BP传播神经网络模型和定标曲线模型进行了对比实验。在各质量浓度(0.33～6.61 mg/m³)NaCl气溶胶全波段光谱数据集和特征波段光谱数据集上的实验结果表明：所提一维卷积神经网络模型在特征波段光谱数据集上的预测准确率为1,在泛化预测实验中的准确率为0.87,优于其在全波段光谱数据集上的结果,同时也优于其他模型。该模型对自吸收效应下的非线性定量分析具有良好的准确性和鲁棒性,为FIFS技术应用于大气气溶胶质量浓度预测分析提供了可靠的定量分析技术。     

基于遗传神经网络的激光诱导击穿光谱元素定量分析技术

提出了一种基于遗传神经网络定量分析模型的激光诱导击穿光谱(LIBS)分析技术。采用误差反向传播(BP)算法构造三层神经网络(ANN)结构,通过遗传算法对神经网络权值和阈值进行优化,并将该定量分析模型与LIBS技术有机结合,实现了元素含量的高精度检测。对土壤中的Ba和Ni元素进行定量检测,平均相对误差分别为4.15%和6.06%,相关系数分别为0.983和0.990,检测精度明显优于BP-ANN方法和光谱分析中常用的内标法。研究表明遗传神经网络建模方法具有很好的预测效果,为LIBS技术进行元素高精度检测提供了一种新的建模方法。     

区间偏最小二乘法结合拉曼光谱测定猪肉皮下脂肪的碘值

碘值是评价脂肪酸品质的重要指标,为探究拉曼光谱技术结合化学计量学方法对完整脂肪样本中脂肪酸不饱和程度测定的可行性,以猪肉皮下脂肪为研究对象,利用实验室自主搭建的拉曼光谱检测系统,获取其300~2000cm-1波段的光谱,进而利用该光谱进行预处理方法的优化研究和碘值相关变量的优选研究,并以传统韦氏滴定法测定得到的碘值为参考值,采用偏最小二乘法建立了完整脂肪样本中碘值的校正模型。结果表明:8次多项式拟合基线校正为最优预处理方法;经区间偏最小二乘法筛选得到的优选变量为1106~1470cm-1;结合最优预处理方法和优选变量建立碘值预测模型,其预测集相关系数Rp和预测均方根误差(RMSEP)分别为0.9463和2.5391×10-2。研究结果证明,优选的拉曼光谱变量可用于完整脂肪中碘值的快速无损测定,为基于拉曼光谱的猪胴体脂肪酸不饱和程度的在线、快速、无损检测提供了理论依据。     

用Daubechies小波软阈值法对近红外光谱数据进行预处理

提出了一种基于Daubechies小波软阈值的近红外光谱预处理方法,并用该方法处理了两类不同苹果的近红外光谱数据。该方法选用归一化相关系数(Normalized Correlation,NC)和峰值信噪比(Peak Signal to Noise Ratio,PSNR)作为定量分析指标.与常用的矢量归一化法(Vector Normalization,VN)和标准正态变量校正法(Standard normal Variate,SNV)相比,该方法优势明显,既能有效去除噪声,又能很好地保留光谱的特征细节信息,提高了后续光谱分析过程中建模的稳健性和模型预测的精确度.     

LIBS检测污染马铃薯中的Pb及偏最小二乘定量分析模型

为了提高农产品中重金属的光学快速检测的精度, 运用偏最小二乘(PLS)法结合激光诱导击穿光谱(LIBS) 对马铃薯中的Pb含量进行了定量分析,探讨了数据预处理方法对模型精度的影响。针对 96个污染马铃薯样 品的LIBS数据,分别进行3点到17点平滑处理,然后将平滑后的数据分别进行标准正态 变量变换(SNV)、 多元散射校正(MSC)、均值中心化(MC)、一阶导数(FD)和二阶导数(SD)求导去噪预处理。采 用湿法消解结合原子吸收分光光度 计(AAS)获取样品中Pb元素的真实浓度,选择包含Pb特征谱线的401~417nm波段进行PLS建模,对比分 析模型的相关系数r、交互验证均方根误差(RMSECV)和预测均方根误 差(RMSEP)。结果表明,采用13点平滑、 均值中心化预处理的PLS模型的校准质量和预测效果最好,模型的r、RMSECV和RMSEP分别达到了0.9963、16.4 和11.5,说明选择合适的数据预处理方法能有效提高LI BS检测果蔬产品定量模型的质量。     

基于光谱技术的葡萄活体可溶性固体含量在线检测研究

快速检测活体水果内部品质对于确定水果最佳采摘时机和果园信息化管理具有重要意义。以南方棚栽葡萄为研究对象,应用光谱技术对处于生长期的四个葡萄品种的可溶性固体含量(SSC)进行现场测试。分别采用偏最小二乘法(PLS)回归、潜变量人工神经网络(LV-ANN)和潜变量支持向量机(LV-SVM)三种方法为光谱建模集建立了SSC校正模型。用验证集对模型的预测性能进行了评价。与PLS和LV-ANN模型相比,LV-SVM模型的预测性能最佳。实验结果表明,将光谱技术与LV-SVM建模法相结合适用于果园葡萄活体可溶性固体含量无损检测。     

基于太赫兹光谱的乙二醇含水率检测方法研究北大核心CSCD

乙二醇水分含量检测标准方法为卡尔·费休法,该方法操作繁琐、耗时长,且存在人为误差等缺点,提出基于太赫兹时域光谱技术检测乙二醇中含水率的新方法,采用透射式太赫兹时域光谱系统对不同含水率(0~50)的乙二醇溶液进行测定,获得其时域光谱,计算得到不同含水率乙二醇样本的吸收系数和折射率;采用标准正态变换、Savitzky Golay平滑等方法组合对光谱数据进行预处理,基于处理后折射率和吸收系数建立PCR、PLSR、SVR三种预测模型,通过对比模型的相关系数和均方根误差,选出最优的定量分析模型。结果表明:在基于吸收系数建立的预测模型中,经SNV处理后乙二醇吸收系数的SVR模型预测性能最佳,其预测集R^(2)与RMSEP分别为09941和000451;在基于折射率建立的预测模型中,经S G平滑预处理后乙二醇折射率的SVR模型预测性能最佳,预测集R^(2)与RMSEP分别为09988和000507;均具有较高的预测精度。研究表明,文章实现了乙二醇含水率快速、无损和高精度检测,所提方法能为乙二醇质量快速评价提供技术指导,也为有机溶剂水分含量检测提供一种新思路。     

FTIR-ATR光谱法对硫酸盐和硝酸盐离子的定量分析方法

硫酸盐和硝酸盐作为大气颗粒物可溶性组成的重要成分,对环境气候和人体健康有重要的影响,因此实现对其快速定量检测具有重要的科研意义.利用衰减全反射傅立叶变换红外光谱(FTIR-ATR)对硫酸盐及硝酸盐单组份水溶液进行了定量分析,线性关系良好,相关系数分别为0.9982、0.9997.利用正交实验设计配制了硫酸盐及硝酸盐的混合溶液,分别利用一元校正和基于偏最小二乘(PLS)模型算法的多元校正对硫酸盐和硝酸盐两组分进行了定量分析.结果表明SO:-离子一元校正预测精度优于PLS预测精度,预测值平均相对误差为2.6％,NO;离子基于PLS模型的预测精度优于一元校正,预测值平均相对误差为2.31％.这种方法快速、简便,为同时定量分析气溶胶未知液中硫酸盐和硝酸盐的含量建立了基础.