基于高光谱成像技术的小黄瓜水分无损检测

利用近红外高光谱成像技术对小黄瓜的水分进行无损检测研究。采用多元散射校正和 Savitzky-Golay 卷积平滑对900~1700 nm波段范围内的原始光谱进行预处理,选取最优的预处理方法;运用偏最小二乘回归系数选择特征波长,建立全波段和特征波长下的偏最小二乘水分预测模型。结果表明,经过Savitzky-Golay卷积平滑处理后的光谱建模效果最好,且利用特征波长建立的小黄瓜水分校正和验证模型的相关系数和均方根误差分别为0.86,0.90 和0.111,0.156,优于全波段建立的模型。研究表明,采用高光谱成像技术对小黄瓜水分的无损检测是可行的。     

基于近红外光谱技术的脐橙快速无损检测

以信丰脐橙为对象,研究基于近红外光谱技术的脐橙品质无损检测方法。利用近红外光谱技术采集脐橙的光谱信息,将采集到的光谱信息通过加权平均值的方差处理获得测量结果,然后运用偏最小二乘法建立脐橙内部有机物成分与特征光谱信息之间的耦合关系实现糖度检测。实验结果表明,近红外透射光谱技术可以作为一种准确、可靠、无损的检测方法,用于检测信丰脐橙内部的糖度指标。     

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。     

油脂酸价近红外光谱检测PLS建模方法研究

将目前广泛流行的近红外光谱分析技术应用于食用油脂酸价的检测。由于近红外光谱分析是一种间接检测方法,需要先利用校正集样本建立统计模型,然后再利用模型来预测未知样品性质,因此建立准确可靠的模型是近红外光谱分析的关键。详细介绍了偏最小二乘（PLS）回归的基本思想和建模方法。为使建立的校正模型更稳健,还研究了光谱波段选择。通过间隔偏最小二乘回归波段选择法进行特征波段提取,对提取的特征波段和全谱分别进行偏最小二乘回归建模,对比分析以说明波段选择的必要性。     

RBF模糊神经网络用于NIR鉴别羊绒和羊毛的可行性研究

为了实现羊绒、羊毛纤维的快速、无损检测,建立了羊绒、羊毛近红外光谱数据库,包括228组各地羊绒、羊毛数据,并应用于羊绒、羊毛的定性检测上。首先介绍了羊绒、羊毛近红外光谱检测的数据库建立过程;然后,在对羊绒、羊毛原始近红外光谱进行预处理的基础上,对数据进行主成分分析,选出12种主成分,并结合改进的RBF模糊神经网络,建立羊绒、羊毛检测模型。通过与主成分分析-马氏距离建模方法的对比分析实验表明,建立近红外光谱数据库,并结合主成分分析和改进的RBF模糊神经网络的方法是一种有效的无损检测羊绒、羊毛的方法,可快速建立高精度的羊绒、羊毛纤维检测模型。     

高光谱图像波段子集模糊积分融合异常检测

针对高光谱图像中背景及目标先验知识未知条件下的异常目标检测问题,该文给出一种基于高相关性波段子集分割的模糊积分低概率目标检测融合算法。依据高光谱图像数据的波段相关性将原始高光谱数据分割为若干连续波段子集;利用非参核密度估计得到原假设下各波段子集数据RX检测器输出的概率密度函数,构造出非参隶属度映射函数;利用数据光谱维的特征值定义目标信号噪声能量比(TNER),衡量各波段子集信源检测结果的重要程度;最后,通过Sugeno模糊积分实现波段子集检测结果的决策级融合。使用可见光/近红外波段OMIS-I高光谱图像进行了实验,实验结果证明了算法的有效性。     

基于双边滤波的最优波段子空间高光谱异常目标检测

针对KRX方法对高光谱图像进行异常目标检测时存在检测效率低和虚警率高的问题,在充分分析高光谱图像数据特征基础上,本文提出一种最优波段子空间方法的高光谱图像异常目标检测算法。该算法首先利用双边滤波方法对高光谱图像进行全局滤波,充分利用双边滤波的优点,使得高光谱图像背景信息得到抑制;然后采用经典的自动子空间方法对高光谱图像进行波段子集划分;再利用联合偏度-峰度指标,在每个波段子集内选出最优波段;最后利用这些最优波段构成新的波段最优子空间,在此基础上,在最优波段子空间中利用Kernel RX算法进行异常目标检测,从而得到异常检测结果。本文利用真实的高光谱图像进行仿真验证,获得异常目标、检测的虚警数和ROC等检测结果。结果表明,该算法具有鲁棒性强、虚警率低和检测精度高等优点。     

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.     

基于LS-SVM的红外光谱技术在奶粉脂肪含量无损检测中的应用

脂肪是奶粉中重要的组成部分,实现对奶粉中脂肪含量的快速、无损检测十分重要,为此研究了400～6666cm-1范围的红外光谱技术对不同品种奶粉的脂肪含量的无损检测.采用最小二乘支持向量机(LS-SVM)对光谱透射率值和脂肪含量值进行建模.模型在全红外波段范围对样本脂肪含量预测得到了较好的结果,绝对系数(R2p)达到0.9796,预测误差均方根(RMSEP)为0.8367.预测结果要优于BP人工神经网络(Back Propagation Neural Networks, BP-NN).说明红外光谱技术能够实现奶粉脂肪含量的无损检测,检测过程比化学检测方法简单快速,操作性强.文章同时还研究了分别基于中红外光谱范围和近红外光谱范围的建模.模型预测结果显示分别基于中红外光谱和近红外光谱区域的模型预测效果都比全波段建模略差.本研究为今后奶粉脂肪含量快速无损检测仪器的开发奠定了理论基础.     

基于聚类和联合偏度与峰度指数的高光谱数据波段选择算法

高光谱数据的光谱分辨率高,数据量大,在提供丰富、详细的地物或目标信息的同时,不同光谱波段特别是相邻波段间有较强的相关性,导致光谱波段之间有大量冗余信息。针对这一问题,面向高光谱异常检测,提出了基于聚类和联合偏度与峰度指数的波段选择方法。首先利用虚拟维度进行估计,确定高光谱数据的本征维度,再结合最大-最小距离的思想进行聚类中心的更新,避免了随机选取的初始值可能导致距离太近的问题。然后,考虑到异常目标常常表现为不满足背景高斯分布的特点,使用联合偏度与峰度指数作为准则函数进行波段选择,有效选择出了重要波段。在三组代表性高光谱数据集上进行了实验,结果表明本文所提出的算法有效提升了高光谱异常检测的效果并降低了虚警率。     

基于可见/近红外反射光谱的稻米品种与真伪鉴别

利用可见/近红外光谱技术对市场上5种稻米进行了鉴别.以ASD FieldSpec3地物光谱仪采集了5种稻米的光谱数据,各获取35个样本,随机分成训练集(150份)和检验集(25份),并分别采取全波段与特征波段(400~500nm、910~1400nm与1940~2300nm)两种方法建立模型进行分析.光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维.将降维所得的前9个主成分数据作为BP人工神经网络(BP-ANN)的输入变量,稻米品种作为输出变量,建立3层BP-ANN鉴别模型.利用25个未知样对模型进行检验,结果表明两类模型预测准确率均高达100%,其中特征波段模型比全波段模型具有更高的预测精度,说明利用可见/近红外技术结合PCA-BP神经网络分析法进行稻米品种与真伪的快速、无损鉴别是可行的,且提取特征波段是优化模型的有效方法之一.     

基于局部学习的玉米种子近红外高光谱图像鉴选

将局部学习算法引入到种子的近红外高光谱图像最优波段选择中,并建立偏最小二乘判别分析分类预测模型,实现少波段条件下的玉米种子的快速鉴选。实验共采集了6类样本共720粒的玉米种子在874~1734 nm波段范围内的256幅近红外高光谱图像,利用局部学习算法获得波段的特征权重,并依据特征权重选择了最优波段。实验结果表明局部学习算法可有效获取最优鉴选波段,在13个最优波段条件下,对6组玉米种子可以获得平均纯度为95.97%的鉴选结果,为实现玉米种子的快速鉴选提供了一个合适的技术途径。     

便携式苹果糖度光谱检测仪的设计与试验

为快速、便捷地利用近红外光谱检测苹果糖度,设计了以ARM9处理器为核心、以微型光谱仪和自制果托作为光谱检测装置、以Win CE为操作系统的便携式苹果糖度光谱检测仪。以80个苹果样品作为试验对象,采用平滑、多元散射校正、标准正态变量变换等方法对原始光谱进行预处理,结合无信息变量消除法和连续投影算法进行有效波长的筛选,建立基于所选特征波长和全波段的苹果糖度近红外光谱偏最小二乘模型。结果表明,偏最小二乘结合原始光谱信息建模效果最好,其预测相关系数Rp=0.853,预测均方根误差RMSEP=0.534。该检测仪能较好地满足苹果糖度的快速无损检测。该研究为快速、便携的苹果糖度光谱检测仪设计提供了参考。     

用于药品无损分析的近红外光谱检测系统光学设计

为实现药品的无损快检,设计了基于傅里叶变换红外光谱检测的光学系统,系统工作波段为4000～12000 cm-1.设计合适的光学结构并确定光学元件的特征参数,用Zemax对设计的光学系统进行光线追迹和优化分析.搭建实验平台,采集了5种相似药品的近红外光谱数据,用主成分分析法(PCA)结合误差反向传播人工神经网络算法(BPANN)对数据进行处理,有效区分了5种药品的光谱,识别准确率达到93.333％.实验结果表明:该近红外光谱检测系统适用于药品的无损分析,能有效鉴别相似药品.     

基于高光谱技术的果糖检测优化算法和可视化方法

为提升高光谱成像技术对果糖的无损检测精度, 引进一种优化偏最小二乘(PLS)因子数的方法,以高光谱 技术采集的苹果数据为基础,对比分析了全波段建模、遗传算法(GA)和连续投影算法(SPA) 选择光谱特征波段建模在 优化前后对果糖的预测性能。结果表明,优化方法不仅提高了模型的预测能力,同时降低了 模型的复杂度, 为PLS在化学计量学中的应用提供了改进方法。优化方法对全波段PLS模型的改善效果最 优,预测误差均方根(RMSEP)和测试组相关系数(R_p)前分别为〖 J P〗0.657、0.828,优化后改善至0.604、0.871。另外,本 文从可视化角度对果糖含量的差异进行表征,并取得良好效果,为进一步提升高光谱检测水 果内部品质的准确性提供了理论基础。     

近红外光谱法对同仁乌鸡白凤丸的定性和定量分析

采用近红外漫反射光谱分析技术对同仁乌鸡白凤丸进行定性和定量分析.采集了98份同仁乌鸡白凤丸和58份不同厂家乌鸡白凤丸样品的近红外漫反射光谱.采用判别分析法对同仁乌鸡白凤丸和乌鸡白凤丸进行鉴别.以70份同仁乌鸡白凤丸的近红外光谱为标准,建立相似度匹配模型,并将其用于计算其余样品的相似度.采用偏最小二乘回归法建立了同仁乌鸡白凤丸总氨基酸、芍药苷、水分含量的定量分析模型,对未知样品进行含量预测.结果判别分析模型的错判数为0.相似度匹配模型能正确区分同仁乌鸡白凤丸和乌鸡白凤丸.校正模型的相关系数分别为0.9614,0.9651,0.9910,验证集均方差分别为0.199%,0.00436%,0.386%.本方法准确可靠,操作简便,快速无损,可推广用于工业现场的原位检测.     

柑橘内部品质在线检测软件系统的设计与实现

本文基于目前国内外对柑橘内部品质的实时无损检测还处在实验室研究阶段，现有在线无损实时检测技术和方法还不成熟且投入商业化应用较少的现状，设计并开发了一套近红外光谱采集与处理软件。该软件采用面向对象化的visual C++编程技术，可以实现实时光谱的显示、光谱文件的管理、光谱信号的实时处理以及光谱预测模型的选择等，解决了一些在线检测中的关键技术问题，为柑橘内部品质的实时无损检测提供了理论指导和参考依据。     

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。     

茶叶中茶多酚含量的近红外光谱检测模型研究

茶叶中茶多酚作为茶叶品质检测中五项常规检测成分之一,研究利用近红外光谱技术对茶叶中茶多酚含量进行快速无损检测具有很高的实用价值,但目前茶多酚含量的近红外检测研究对象主要集中于茶叶提取物及其制品.研究利用近红外光谱技术测定茶叶中茶多酚含量,采用非线性偏最小二乘法(NLPLS)原理,结合不同的光谱区间组合建立了最佳的茶多酚含量近红外分析模型,相关系数为0.967,均方根误差为2.001%,模型具很高的精度.     

基于LOCAL算法的秸秆水分和热值的近红外光谱快速分析

水分和热值是与秸秆能源转化利用相关的重要特性指标,采用近红外光谱技术结合LOCAL算法来予测秸杆水份和热值.首先将样品分别按水分含量和热值大小均分为高、中、低三个子集分段建模,结果高、中、低含量样品建立的模型的交互验证标准差(SECV)几乎都小于全部样品模型的SECV,表明了秸秆水分和热值变幅对近红外光谱模型的预测精度有较大的影响.针对化学值变幅对模型精度的影响,引入LOCAL算法实现近红外光谱技术预测,快速分析测定秸秆的水分和热值.研究结果表明,LOCAL算法为每个预测样品选择合理的定标集,与常规的PLS和MPLS模型相比,有效提高了近红外光谱技术预测精度,在秸秆近红外光谱定量分析中有着广阔的应用前景.