基于近红外光谱结合波长优选检测单颗葡萄的SSC含量

采用无损检测测定单颗葡萄中可溶性固形物(SSC)含量,获得个体和群体信息,以期指导田间管理、葡萄储存条件设置及满足消费者对葡萄口味的不同需求。采用手持式NIR光谱仪在950~1 650nm波长范围采集葡萄的近红外光谱,采用偏最小二乘(PLS)回归建立葡萄SSC预测模型。为了减少冗余无信息变量,增加模型的预测精度和稳定性,采用无信息变量消除法(UVE)、随机蛙算法(RF)筛选出与葡萄SSC含量相关的重要波长变量。结果表明:RF筛选建立的SSC预测模型优于全光谱PLS和UVE筛选建立的模型。RF-PLS模型的校正集、交叉验证及预测集的R2c、R2cv和R~2p分别为0.960 5,0.933 4,0.930 4,校正均方根误差(RMSEC),交叉验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.638 2,0.829 9,0.868 8。表明通过波长优选后的,基于便携式近红外光谱在预测单颗葡萄SSC含量的应用上完全可行,有较高的预测精度。     

无信息变量消除法在筛选南疆红枣总酸近红外特征波长中的应用

以南疆红枣总酸的快速无损检测为研究对象,利用SPXY(Sample set partitioning based on joint x-y distances)法来划分校正集样本,应用无信息变量消除法(UVE)对南疆红枣总酸近红外光谱(NIRS)特征变量进行筛选,然后用筛选出的变量建立偏最小二乘(PLS)模型,该模型的预测标准偏差(RMSEP)为0.044 7,预测相关系数为Rp为0.877 8,并将UVE筛选的变量建立的PLS模型与全光谱建立PLS模型结果进行比较。结果表明,SPXY法划分的校正集样本合理;UVE优出选全光谱1 557个变量中的420个变量,建立的PLS模型预测效果要好于全光谱建立的PLS模型,UVE能够有效地选取待测成分的特征波长,建立简化的红枣总酸预测模型,降低模型计算量。     

LS-SVM结合近红外光谱快速检测香梨可溶性糖

利用可见/近红外光谱技术对"库尔勒香梨"内部品质的快速无损检测具有非常重要的研究意义。为了解决光谱数据中由于大量无关信息的存在而导致模型精度降低的问题,探究了基于不同可见/近红外光谱特征波长筛选方法建立模型的效果。分别采用无信息变量消除算法(UVE)、后向偏最小二乘算法(BiPLS)对香梨可溶性糖的特征波长进行筛选,并将其作为输入变量分别建立偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)模型。结果表明,UVE算法可以有效地减少建模变量,UVE-LS-SVM模型效果明显优于UVE-PLS模型,其决定系数(R~2)为0.976、预测均方根误差(RMSEP)为2.313、预测相对分析误差(RPD)为5.45,验证了UVE-LS-SVM结合近红外光谱分析技术能实现对"库尔勒香梨"可溶性糖含量的快速无损测量。     

用遗传算法提取南疆红枣总糖的近红外光谱特征波长

本研究尝试利用近红外光谱技术测量红枣的总糖含量,针对采用偏最小二乘(PLS)法建立近红外光谱预测模型时波长筛选问题,提出用联合区间偏最小二乘法(si PLS)与遗传算法(GA)相结合的方法遗传联合区间偏最小二乘法(GA-si PLS)来提取近红外光谱特征区域和特征波长,提高模型预测精度的方法。结果表明:将全谱等分成20个子区间,用联合区间偏最小二乘法优选出4个特征子区间,在这4个子区间的基础上再用遗传偏最小二乘法继续筛选出12个特征波长。用12个特征波长建立的偏最小二成模型精度要好于全谱建立的模型,其主因子数减少了4个,预测集标准偏差(RMSECP)减少了25%,预测相关系数(RP)提高了5%。该方法选取的波长变量建立的校正模型,不仅使模型简洁、优化,而且增强了模型的预测能力。     

基于微型近红外光谱仪的油菜籽含油率模型参数优化研究

为实现油菜籽含油率快速无损检测,采用微型近红外光谱仪,结合竞争性自适应重加权(CARS)、遗传算法(GA)、连续投影算法(SPA)、无信息变量消除法(UVE)、向后区间偏最小二乘法(BIPLS)、联合区间偏最小二乘法(SIPLS)等方法优选油菜籽含油率近红外光谱特征波长,建立偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)定量分析模型,同时对LS-SVM模型参数进行优化。研究表明,对PLSR模型,BIPLS+GA优选的26个特征波长建模效果最好,其预测相关系数(Rp)和预测均方根误差(RMSEP)分别为0.9330和0.0075,对LS-SVM模型,SIPLS+GA优选的13个特征波长建模效果最好,预测相关系数(Rp)和预测均方根误差(RMSEP)分别0.9192和0.0055。证明了波长优选和参数优化可有效简化油菜籽含油率近红外光谱定量分析模型,提高模型预测精度和稳定性,为进一步拓展微型近红外光谱仪的应用提供技术参考。     

基于最小二乘支持向量机的白酒酒醅成分定量分析

利用近红外光谱技术实现对白酒发酵过程中酒醅主要成分的质量控制,并进行模型优化,提高性能。采用偏最小二乘法提取的潜在变量作为最小二乘支持向量机的输入变量,先后建立了白酒酒醅中酒精度、淀粉、水分、酸度的近红外定量模型,并与经无信息变量消除法波段筛选后建立的偏最小二乘模型结果进行比较。结果表明：与偏最小二乘模型相比,4 个指标的最小二乘支持向量机定量模型的相关系数（R2）、预测均方根误差以及相对分析误差3 个评价参数均有更优表现;对未知样品进行预测时,最小二乘支持向量机模型的预测准确度明显高于偏最小二乘模型。说明最小二乘支持向量机模型的准确度、稳定性及预测性能均优于偏最小二乘法模型,为白酒酒醅的品质分析方法研究提供了新的思路。     

近红外光谱技术快速检测腊肉酸价和过氧化值

探讨应用傅里叶近红外光谱技术快速定量检测腊肉酸价和过氧化值的方法。腊肉样品经粉碎、混匀后在AntarisⅡ傅里叶近红外光谱分析仪上扫描,获得其近红外光谱与国标法测定的酸价和过氧化值含量数据进行关联,用傅里叶变换近红外光谱技术结合偏最小二乘法建立近红外光谱与腊肉酸价和过氧化值含量的数学模型并进行预测。结果表明：酸价模型中,校正决定系数和交叉验证决定系数分别是0.99582和0.98687,校正均方差和交叉验证均方差分别是0.1370和0.1900;过氧化值模型中,校正决定系数和交叉验证决定系数分别是0.99999和0.99926,校正均方差和交叉验证均方差分别是0.756×10-4和0.684×10-3。用该模型对验证集样本进行预测并统计分析,表明预测值与测定值无显著差异,傅里叶近红外光谱技术快速定量检测腊肉酸价和过氧化值是可行的。     

利用近红外光谱分析技术快速测定高良姜中水分含量

结合化学计量学技术构建高良姜中水分含量NIRS分析模型,可应用于高良姜中水分含量的快速测定。方法:用减压干燥法测定106批样品中水分的含量,采集并用多元散射校正法、二阶导数法、Savitzky-Golay卷积平滑法预处理近红外光谱,结合偏最小二乘法建立高良姜药材中水分含量的定量模型,对所建模型进行了内部交叉验证和23批验证集样品的外部预测验证,并对模型进行了重复性考察。结果:所建立的高良姜药材中水分含量的近红外光谱定量分析模型,内部交叉验证决定系数达到0.9864,校正均方差为0.134,预测均方差为0.145,内部交叉验证均方差为0.311,交叉检验和外部检验RPD均大于3。结论:该模型稳定,准确可靠,可应用于高良姜中水分含量的测定。     

基于近红外光谱技术预测玉米伏马菌素

为了更好地利用近红外光谱分析技术对玉米伏马菌素含量进行预测,减小因玉米产地间的差异对玉米近红外光谱预测模型的影响,以不同产地的玉米作为研究对象,利用x-y共生距的方法将试验样本划分为校正集与验证集,采用经典的偏最小二乘法分别建立不同产地和混合产地的玉米伏马菌素预测模型,并采用验证集样本分别对模型的预测精度进行验证。为了减小建模及预测过程的运算量,采用连续投影算法(SPA)和竞争性自适应加权算法(CARS)对不同产地玉米的近红外光谱的特征波长进行筛选,筛选出22个特征波长变量作为输入,大大降低了建模及预测过程的运算量,同时预测准确度也有所改善,其预测相关系数达到0.954,为快速、无损地实现对玉米伏马菌素的检测提供了可靠的理论依据。     

甘薯水分和还原糖协同向量NIR快速检测方法

利用近红外光谱技术建立新鲜甘薯水分和还原糖含量的预测模型,实现快速检测与分析,为甘薯品质分析和种质资源筛选提供便捷。选用不同品系甘薯样品146份,109份作为校正样品,37份作为验证样品。运用不同光谱预处理方法、协同区间偏最小二乘最优波长选择法以及主成分回归和偏最小二乘法建立甘薯水分和还原糖模型。结果显示,所建甘薯水分(还原糖)最优模型的决定系数、预测均方根误差和标准差比率分别为0.974(0.885),1.154(0.270)和6.334(3.148)。表明2种模型具有较好的检测性能,近红外光谱模型的预测值与其相应的化学值有较好的相关性,适用于大批量甘薯选育时水分和还原糖含量的快速检测。     

一种国产近红外仪分析油菜籽三种品质参数

利用中国农业科学院油料作物研究所研制的NYDL-3000智能型多参数粮油品质速测仪分析了油菜籽含油量、硫甙和芥酸含量,测定结果与传统化学方法进行了比较,其中含油量结果与PC-120核磁共振仪和MA-TRIX-I傅立叶变换近红外光谱仪做验证。内部交叉验证结果显示：含油量、硫甙和芥酸含量的决定系数R2分别为0.954 3、0.985 3和0.982 3,均方差分别为0.046 9、0.419 8和0.160 4,T检验显示三种品质参数交叉验证集的近红外光谱法（NYDL-3000）预测值和化学值差异均不显著。外部检验结果表明：硫甙含量、含油量两种方法测定值的相关系数分别为0.837 6和0.951 7,平均绝对误差分别为7.54%和0.02%,均在平均绝对误差允许的范围之内;成对数据双尾t检验表明,近红外光谱法和化学法两者结果差异不显著。芥酸分析中,NYDL-3000将342份样品中3份低芥酸材料判定为高芥酸,近红外光谱法和化学法两者结果符合率达99.12%。含油量的测定结果显示：NYDL-3000和PC-120、MATRIX-I结果的相关系数分别为0.956 6和0.901 5,平均绝对误差分别为0.78%和3.06%。研究结果表明,利用NYDL-3000智能型多参数粮油品质速测仪所建立的品质模型可以满足油菜育种对早代材料芥酸、硫甙含量和含油量的快速测定要求。     

甘蓝型油菜粒色近红外光谱分析模型构建

以306份甘蓝型油菜种子为研究材料,通过计算机图像处理技术筛选出最能反映油菜籽粒色变化的RGB色彩空间参数,并随机选择246份材料对粒色信息中的R（红色）值建立近红外光谱分析模型。在油菜粒色数字信息中,R值最能体现油菜籽粒色性状的变化情况,不同粒色等级对应样品的R值为：0级小于55、1级在55～100之间、2级在100～125之间、3级在125～140之间、4级在140～150之间、5级大于150。对R值构建NIRS分析模型,12种数学及光谱处理组合中最优模型的内部交叉检验相关系数为0.900;外部检验相关系数为0.831,检验偏差为2.147。说明利用RGB色彩空间下的R值构建粒色近红外光谱分析模型是可行的,该模型具有较高的稳定性和准确性,可以作为油菜种子粒色的定性和定量分析的依据。     

油菜籽芥酸和硫甙含量近红外反射光谱测定技术的优化设置

以完整甘蓝型油菜籽为样品,研究了不同光谱预处理和回归统计方法在用近红外反射光谱（NIRS）分析油菜籽中芥酸和硫甙的含量时,对建立回归方程的影响。结果表明,光谱预处理对校正结果影响较大,不同光谱数学处理以2阶导数处理较好,在各阶导数处理中存在着交叉现象,对于芥酸和硫甙都可找到一些较好的处理组合。对于芥酸,除趋势变换法（De-trending）散射处理外,其余各处理均有明显效果。但散射处理对硫甙分析效果不如芥酸明显。回归统计方法对建立芥酸和硫甙的回归方程影响最为有效,两者表现一致,其中以改良偏最小二乘法（MPLS）效果最好。对于芥酸和硫甙,采用“标准正态变量转换（SNV） 趋势变换法（De-trending）/2,4,4,1/MPLS”的组合建立回归方程效果较好,检验平均偏差（Bias）分别小至-0.405和0.315,而检验决定系数（RSQ）分别高至0.982和0.972。本研究采用整粒小样品（3g）来分析,效果较好,可直接用于育种早世代选择。     

基于近红外光谱建立纸张表面施胶量测定模型

采集不同施胶量纸张的近红外光谱,利用偏最小二乘法建立测定纸张表面施胶量基于近红外光谱的校正模型。得到校正模型的交叉验证均方差（RMSECV）和外部验证均方差（RMSEP）分别为0.0928和0.1460,校正数据集和独立的检验数据集的预测值与实际测定值之间的相关系数分别为0.9609和0.9294,表明所建立的校正模型具有较高的预测精度和较好的推广性,为纸张无损伤、无预处理的快速、简便、准确的检测提供了新的途径,并且可望实现纸机上的在线检测。     

Application of a hybrid variable selection method for the classification of rapeseed oils based on 1H NMR spectral analysis

¹H nuclear magnetic resonance (NMR) spectroscopy was utilized to distinguish the brands of rapeseed oils. As there are more than four hundreds of NMR variables which can cause the discrimination model redundancy, it is necessary to do effective variable selection. Successive projections algorithm (SPA) executed on the full spectrum only improved a few correct answer rate (CAR) and Cohen’s kappa coefficient (K) compared to full spectrum-least-square support vector machine (LS-SVM) model. The better results of uninformative variable elimination (UVE)-based SPA calculation show that it is necessary to do UVE before SPA. Because the cutoff threshold selection in UVE algorithm using an artificial random noise cannot obtain the optimal results, we applied simulated annealing (SA) algorithm to estimate the optimal cutoff threshold. The discrimination results show that UVE-SA did better works than conventional UVE. Only 13 variables were obtained by UVE-SA-SPA while the conventional UVE-based SPA selected 77 variables. The best 97.5% CAR and K of 0.967 result of UVE-SPA-LS-SVM model show that it is feasible to distinguish different brands of rapeseed oils using ¹H NMR spectra. It shows that a combination of SA, UVE, and SPA is effective method for the classification of rapeseed oils. Final result shows that all acyl chains, linolenyl and linoleyl chains, and triglycerides were most important for the classification.     

近红外光谱分析法预测欧美杨的制浆性能

选取85个欧美杨样品,先进行蒸煮实验,用国家标准方法测定样品的卡伯值和得率,然后用近红外光谱仪采集欧美杨浆样的近红外光谱图。光谱分别进行预处理后,用偏最小二乘法和完全交互验证方式建立相应预测模型。卡伯值校正模型和预测模型的相关系数分别为0.9445和0.9607,校正标准差和预测标准差分别为1.100和0.936;得率校正模型和预测模型的相关系数分别为0.8792和0.8617,校正标准差和预测标准差分别为0.844和0.831。结果表明,近红外光谱法可以快速分析浆样的卡伯值和得率。     

微波和脱皮处理菜籽对油中活性成分的影响

以高、中、低芥酸和硫甙含量菜籽为原料,微波和脱皮预处理后分别冷榨制油。结果表明,不同处理方式对同一品种菜籽的基本品质并无影响,但油中植物甾醇和维生素E含量均存在明显差异,且含量大小依次为低芥酸低硫甙菜籽〉中芥酸中硫甙菜籽〉高芥酸高硫甙菜籽。利用SPSS（统计产品与服务解决方案,Statistical Productand Service Solutions）方差分析,探讨4种不同处理方式与3种不同原料对菜籽油中维生素E和植物甾醇的影响。结果表明,不同处理方式对双低菜籽油中α、γ维生素E和△5-燕麦甾醇影响差异显著,对菜籽甾醇、菜油甾醇和β-谷甾醇影响不显著;同一种处理方式下,不同原料对维生素E和植物甾醇都存在显著差异。微波处理后油中维生素E和植物甾醇含量最高,且低芥酸低硫甙菜籽更适宜通过微波处理提高油的品质。     

SSR荧光标记毛细管电泳法与国家冬油菜区试指纹鉴定平台的构建

为了油菜品种指纹检测的精确性及未来构建大规模油菜新品种指纹数据库,应用SSR荧光标记毛细管电泳检测法构建国家冬油菜区试指纹鉴定平台。以40对荧光引物对2012-2013年度163份国家冬油菜区试参试品种（系）进行分析。结果共检测到42个等位位点和131个等位变异。其中A基因组（n1～n10）检测位点25个,C基因组（n11～n19）检测位点17个。每个位点等位变异数从2到6不等,平均为3.02。42个检测位点的PIC值变化范围在0.10～0.69之间,平均值为0.36。其中引物BRGMS171的杂合度、PIC值分别高达0.67、0.70,可考虑作为以后区试杂交种纯度鉴定的核心标记。SSR位点的纯合度分析得出本年度18份常规种平均纯合度为81.9%,145份杂交种为57.9%。以131个等位变异计算品种（系）间DICE相似系数,163份品种（系）间平均遗传相似系数变幅为0.607～0.765,变幅最大的为品种（系）FC03（0.438～0.879）,变幅最小为品种（系）宜油21（0.611～0.806）。     

近红外光谱技术在农产品品质检测中的应用

近红外光谱技术是一种新型的无损检测技术,在许多领域都得到了很好的应用。本文从农产品中各种物质成分含量预测、分类鉴别、腐烂鉴别、实时监测几个方面综述了近红外光谱技术在农产品品质检测上的应用,并对其在仪器硬件的研究和开发、化学计量学方法的探索与研究以及快速在线检测方法的研究等方面的发展趋势进行了展望。