近红外光谱快速分析法在坤宝丸检测中的应用

目的:采用近红外光谱法对坤宝丸药粉中芍药苷含量进行快速测定。方法:以HPLC分析值作为参照,采用近红外漫反射光谱技术采集坤宝丸药粉的近红外光谱,结合偏最小二乘法建立芍药苷含量的快速测定方法,并对未知样品进行含量预测。结果:建立芍药苷校正模型R,RMSEC(%)、RMSEP(%)分别为0.96,2.708,0.44。对预测集样品预测平均相对偏差为4.2%。结论:该方法简便、快速、无损,可用于坤宝丸的快速定量分析。     

变量优选在纺织品棉含量近红外分析中的应用

为实现用较少的变量建立适当的模型,以准确预测未知棉涤样品的棉含量,用NIRFlex N-500近红外光谱仪采集297个棉涤样品的光谱,用蒙特卡罗无信息变量消除法(MC-UVE)对变量进行筛选,偏最小二乘法(PLS)建立棉含量的定标模型,根据各个模型所用的样品数、交叉验证均方根误差(RMSECV)、预测集均方根误差(RMSEP)和预测相关系数(r)评价定标模型的精度和稳定性。结果表明:通过上述数据预处理方法进行变量筛选后,用PLS建立的校正模型不仅使数据的运算量大幅度降低,还能很好地预测未知样品的棉含量,使得基于近红外光谱的棉涤样品中棉含量的定量分析方法进一步简化。     

特征谱区筛选在近红外光谱检测茶叶游离氨基酸含量中的应用研究

在近红外光谱快速检测茶叶游离氨基酸含量过程中,为了提高检测的精度和稳定性,研究利用特征谱区结合偏最小二乘法建立预测模型。研究分别尝试联合区间偏最小二乘法和遗传偏最小二乘法等特征谱区筛选方法,通过交互验证法确定偏最小二乘模型的主成分因子数和筛选区间,以预测均方根误差RMSEP和相关系数R作为模型的评价指标。试验结果表明：两种方法建立模型的预测能力都好于传统PLS模型;利用联合区间偏最小二乘法建立的预测模型最佳,预测时的相关系数(R)和预测均方根误差(RMSEP)分别为0.9542和0.2560。研究结果表明,近红外光谱结合特征谱区筛选方法可以快速准确地测定茶叶中游离氨基酸含量。     

近红外光谱法快速检测丹参药材中水分含量

目的:应用近红外光谱技术建立快速测定丹参药材中水分含量的方法。方法:利用烘干法测定样品中水分的含量,运用偏最小二乘法(PLS)建立其含量与NIR光谱之间的多元校正模型,对未知样品进行含量预测。结果 :建立的水分校正模型决定系数(R2)、交互验证均方根偏差(RMSEC)、预测均方根偏差(RMSEP)分别为0.98823、0.0213、0.0287。结论 :此方法具有快速简便、准确无损的特点,可以应用于丹参中水分含量的快速检测。     

AOTF-近红外光谱快速鉴定黄芩提取物中黄芩苷的含量

目的研究分析AOTF-近红外光谱(Near Infrared Spectrum Instrument,NIRS)在鉴定黄芩中提取物黄芩苷的含量的作用。方法收集10个不同厂家100批黄芩提取物样品,采用AOTF-近红外光仪对样品近红外光谱进行采集,通过HPLC法测定黄芩苷含量,采用偏最小二乘法(PLS)法建立黄芩苷NIR广谱信息及含量间矫正模型。结果建立的最优校正模型R2=0995,RMSEC=0.441,RMSECV=2.260;外部验证,r2=0.987,RMSEP=0.485,平均回收率为100.191%。结论在不同厂家黄芩提取物黄芩苷含量测定中,AOTF-近红外光谱能实现大批量样品检测分析,其具有的快速、准确、无损等优势,可积极推广和应用。     

基于OSC/PLS法识别被不同浓度农药污染水果的初步研究

本文采用正交信号法(orthogonal signal correction,OSC)处理被不同浓度农药污染的脐橙近红外光谱(350～1800nm),在整个光谱范围内应用偏最小二乘法(partialleastsquares,PLS)建立农药污染的预测模型。PLS校正模型采纳的最佳因子数会随着OSC因子的增加而逐渐减少,并且对模型精度影响不明显,因此可以达到简化模型的效果。实验结果表明,当OSC因子数为15时,PLS模型最佳的因子数为3,其预测组脐橙表面农药污染程度的实际类别与预测类别的相关系数R2与预测样本均方根误差RMSEP分别为0.8923和0.3746。     

特征谱区筛选在近红外光谱检测茶叶游离氨基酸含量中的应用

为了提高近红外光谱快速检测茶叶游离氨基酸含量的精度和稳定性,利用特征谱区结合偏最小二乘法建立了预测模型.研究了利用联合区间偏最小二乘法和遗传偏最小二乘法等筛选特征谱区的方法,通过交互验证法确定偏最小二乘模型的主成分因子数和筛选区间,并以预测均方根误差(RMSEP)和相关系数R作为模型的评价指标.实验结果表明:两种方法建立模型的预测能力都好于传统PLS模型;利用联合区间偏最小二乘法建立的预测模型最佳,预测的相关系数R和RMSEP分别为0.954 2和0.256 0.研究结果表明,近红外光谱结合特征谱区筛选方法可以快速准确地测定茶叶中游离氨基酸含量.     

基于最小二乘支持向量机的辣椒可溶性固形物和维生素C含量近红外光谱检测

应用傅里叶变换近红外光谱技术实现了鲜辣椒中可溶性固形物(SSC)和维生素C(Vc)含量的快速无损检测。分别采用7种预处理方法对原始光谱进行处理后,建立了SSC和Vc预测的偏最小二乘法(PLS)模型。将利用最小二乘法(PLS)提取的主成分(PC)和蒙特卡罗无信息变量消除法(MC-UVE)提取的有效波长作为最小二乘支持向量机(LSSVM)的输入变量,分别建立了PC-LS-SVM和MC-UVE-LS-SVM模型,并与MC-UVE-PLS模型进行了比较。采用优化后的模型对27个预测集未知样品进行了预测。结果表明,对鲜辣椒中SSC含量预测最优的为MC-UVE-PLS模型,其预测集相关系数(rp)为0.971,预测集均方根误差(RMSEP)为0.382°Brix;对鲜辣椒中Vc含量预测最优的为MCUVE-LS-SVM模型,其rp为0.899,RMSEP为21.022mg/100g。研究结果表明:鲜辣椒中SSC和Vc的含量与近红外光谱具有显著的相关性。     

基于近红外光谱分析技术的绿茶生产日期快速鉴别（英文）

针对现有方法检测绿茶生产日期的不足,采用控制生产日期单一变量的方法,利用近红外光谱分析技术结合偏最小二乘法对其进行无损伤检测。首先对原始光谱进行五点平滑和一阶微分预处理,并利用移动窗口-BP神经网络算法(MW-BP-ANN)提取特征光谱变量。然后采用偏最小二乘算法验证方式建立校正模型,并采用预测均方根误差(εRMSEP)、相关系数(Cp)和相对分析误差(σRPD)来评价模型质量。当主成分数为9时获得最优模型,3个评价指标分别为19.965,0.943和3.07。研究结果表明,近红外光谱结合偏最小二乘法可用于对绿茶生产日期的快速无损伤检测。     

基于径向基函数网络的茶多酚总儿茶素近红外光谱检测模型的研究

基于径向基函数神经网络(RBFN)建立了茶多酚总儿茶素含量的近红外光谱分析模型。茶多酚光谱采用小波压缩、标准化处理后,进行主成分分解,以主成分光谱作为RBFN的隐层输入函数,并通过改变主成分数对模型进行优化。当主成分数为7时得到了RBFN优化模型,该模型对定标样品集、全样品集和预测样品集的预测值与实际值回归系数R分别为0.999,0.999和0.992,预测均方误RMSEP分别为1.08%,2.06%和3.68%。     

法布里干涉近红外光谱仪定量测定大豆、玉米主要成分

采用Axsun近红外光谱仪采集40个大豆样品、46个玉米样品的近红外光谱,采用PLS算法分别建立大豆粗蛋白质、脂肪含量的定量校正模型和玉米粗蛋白质、脂肪、淀粉含量的定量校正模型。结果表明,大豆粗蛋白质、脂肪定量校正模型的模型维数分别为6、5,决定系数(R~2)分别为97.94%、93.66%,校正均方根误差(RMSEC)分别为0.40、0.36.交互验证均方根误差(RMSECV)分别为0.49、0.44,相对预测性能(RPD)分别为5.18、3.15;玉米粗蛋白质、脂肪和淀粉含量的定量校正模型的模型维数分别为4、4和6,R~2分别为90.15%、95.22%和87.81%,RMSEC分别为0.25、0.12和0.53.RMSECV分别为0.37、0.15和0.72,RPD分别为2.57、3.57和2.42。F检验表明,上述校正模型的预测值与化学值具有极显著的相关关系。研究结果表明,该仪器可以用于大豆、玉米主要成分定量现场快速测定。     

微型近红外光谱仪的软件开发与实验

在LabVIEW平台上对MicroNIR-1700微型近红外光谱仪开发了便携式近红外光谱检测系统。利用LabVIEW结合数据库开发的光谱仪测量分析处理程序,实现了光谱仪控制、样品指标测量、样品信息管理和系统使用权维护等功能。光谱的重复性试验和幸水桃的可溶性固形物含量实测试验表明,光谱仪在波长1000~1600nm范围内具有较高的重复性,实测试验中定标模型的校正集和预测集的相关系数r分别为0.902和0.867,均方根误差RMSECV和RMSEP分别为1.091,1.158,系统能满足一般实际应用的需求。     

光纤光谱技术对猕猴桃品质及成熟度的无损检测

猕猴桃可溶性固形物含量(SSC)和硬度是评价其品质的关键参数,同时也是判别其成熟度的重要指标。为探究基于光纤光谱技术预测猕猴桃SSC、硬度和成熟度的可行性并寻求最佳预测模型。首先,采用光纤光谱(200～1 000nm)采集系统获取不同成熟期"贵长"猕猴桃的反射光谱,并测定SSC和硬度的参考值。接着,基于全光谱和参考值构建偏最小二乘回归(PLSR)和主成分回归(PCR)预测模型。然后,应用连续投影算法(SPA)和竞争性自适应重加权算法(CARS)选取特征波长,构建简化的多元线性回归(MLR)和误差反向传播(BP)网络预测模型。最后,通过偏最小二乘判别分析(PLS-DA)和简化的K近邻(SKNN)算法,构建预测猕猴桃成熟度检测模型。结果表明:CARS-BP模型对SSC的预测性能最优,其预测集决定系数R_P~2=0.90,预测集均方根误差(RMSEP)和剩余预测偏差(RPD)分别为0.64和3.22;CARS-MLR对硬度的预测性能相对最优,其R_P~2=0.83,RMSEP和RPD分别为1.67和2.47;PLS-DA模型对猕猴桃成熟度的检测性能最优,其正确识别率高达100%。该研究为水果品质和成熟度的无损检测提供重要指导。     

法布里干涉近红外光谱仪测定烟草品质成分

法布里干涉近红外光谱仪是近年新出现的一种基于微机电制造技术的近红外光谱仪,具有高性能、重量轻、体积小、无移动部件等特点,非常适用于现场、在线分析。本研究采用Axsun便携型近红外光谱仪采集了148个烟草样品的近红外光谱,分别针对烟碱、总糖、还原糖、总氮和蛋白质建立了定量校正模型。结果表明,烟碱、总糖、还原糖、总氮和蛋白质的模型维数分别为9、5、7、7和6,决定系数（R2）分别为99.18%、93.68%、89.10%、98.24%和87.87%,校正集均方根误差（RMSEC）分别为0.11、1.03、1.27、0.05和0.44,验证集均方根误差（RMSEV）分别为0.18、1.06、1.32、0.08和0.53,相对预测性能（RPD）分别为6.03、3.41、2.59、4.37和2.10,外部验证集均方根误差（RMSEP）分别为0.28、0.88、1.56、0.11和0.42。F检验结果表明,各模型校正集及其外部验证集的预测值和化学值具有极显著的相关关系。本研究表明,Axsun便携型近红外光谱仪可以保证烟草成分定量校正模型的精度,实现近红外光谱分析向样品现场检测、田间作物现场分析等方面的进一步推广。     

人工神经网络-近红外光谱法测定桉树中综纤维素的含量

采用近红外光谱技术结合广义回归神经网络(GRNN)建立测定桉树中综纤维素的定量分析模型。以72个桉树样品作为实验材料,对光谱数据进行平滑、求导、压缩以及归一化,用桉树的近红外光谱数据建立广义回归神经网络模型.预测模型的预测均方根误差为0.0198。结果表明,该方法测量比较准确,可以用于桉树中综纤维素含量的预测。     

样品状态与装样条件对近红外光谱测定的影响研究

近红外谱区的信噪比较低和测定时的复杂背景，导致近红外光谱易受样品状态和装样条件的影响。本文以2组样品集，考察同一样品集在三种不同的制样状态下的漫反射光谱所建的模型；以及预测时出现装样条件变化时对预测结果的影响及相应的预处理方法研究。试验表明：样品的均匀度越好，则所建近红外模型越优；针对在线分析可能出现的装样疏密度变化，矢量归一化可有效地降低装样稀疏的预测误差。     

近红外光谱稀疏分量分析检测柴油品质参数

由于光谱盲源分离中的独立分量分析方法(ICA)在柴油品控参数近红外光谱定量分析时预测效果不理想,稳定性不高,本文提出了一种在稀疏特性下的盲源分离近红外光谱分析思路——近红外光谱稀疏分量分析法,并用该方法预测了柴油沸点、密度、芳烃总量等品控参数。首先利用柴油校正集光谱样本训练冗余字典并完成光谱在该字典下的稀疏变换,接着完成混合矩阵估计,最后用混合矩阵与柴油品控参数建立回归预测模型。针对混合矩阵估计中光谱稀疏度不为一时聚状特征模糊导致无法确定聚类数的问题,提出将AP聚类算法应用于聚类过程。实验表明,近红外光谱稀疏分量分析法对柴油沸点、密度、芳烃总量预测的相关系数(R)、预测均方根误差(RMSEP)分别达到了98.91%,99.68%,99.43%和2.84,0.88×10-3,0.59,性能优于ICA及全谱偏最小二乘(PLS)等传统方法。该方法可作为一种柴油品控参数检测的有效盲源分离定量分析方法,并可推广于其它光谱检测领域。     

同步荧光光谱结合CARS变量优选预测猪肉中四环素残留含量

为快速检测猪肉中的四环素残留含量,采用同步荧光法结合竞争适应重加权采样(CARS)变量优选法建立了预测猪肉中四环素残留含量的支持向量回归(SVR)模型.从样本的三维同步荧光光谱中确定了最佳波长差为65 nm,采用CARS方法从中挑选出与四环素相关的特征波长变量,并与连续投影算法(SPA)及遗传算法(GA)进行比较.最后,应用SVR算法对优选出的16个波长变量建立猪肉中四环素含量的预测模型.分析发现,多元散射校正(MSC)光谱预处理后的CARS方法优于SPA及GA变量选择方法,可以有效地筛选出全光谱中的特征波长变量.CARS-SVR建立的四环素预测模型优于原始光谱的SVR模型,其预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.961 2和10.94 mg/kg.研究结果表明,采用同步荧光法结合CARS-SVR模型可以预测猪肉中的四环素残留含量,且CARS-SVR能有效地简化模型并提高预测精度.     

近红外光谱分析烟叶中的多酚类物质

多酚类物质是烟叶香气产生的重要前体物质。采用近红外光谱结合偏最小二乘算法建立了烟叶中总多酚含量的回归模型。采用建立的模型对检验集进行预测,预测集决定系数R2为0.8671,模型误差SEP为1.4287。结果表明近红外光谱分析技术可以成功应用于烟叶中总多酚含量的检测。此外,为消除烟叶近红外光谱中无效波长变量,采用无消息变量消除算法对所建近红外模型进行优化。结果表明采用该算法后,剩余变量数得到减少,模型维数显著降低,预测性能有所提高。     

FT-NIR光谱法测定烟叶中钙、镁元素

采用傅立叶变换近红外光谱仪对220个烟叶样品进行光谱采集,用偏最小二乘法建立钙元素和镁元素的校正模型,并通过剔除异常值优化模型。模型经过优化后的结果:钙元素近红外模型的R2值、SEE值、SEP值和RPD值分别为98.39%、0.11、0.15和5.7,模型因子数为14;镁元素近红外模型的R2值、SEE值、SEP值和RPD值分别为89.39%、0.04、0.06和2.2,模型因子数为14。用F检验和t检验说明近红外模型的预测值和化学值之间没有明显差异。结果表明,近红外光谱法可用于烟叶中的钙、镁元素的同时快速定量测定。