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。     

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。     

白砂糖色值近红外光谱分析的波段选择

采用近红外漫反射光谱技术和偏最小二乘法(PLS)建立白砂糖色值的定量分析模型.用多元散射校正方法对光谱进行预处理,再用Savitzky-Golay平滑化方法对原谱、一阶导数谱和二阶导数谱进行处理.选取5个波段,每个波段分别采用原光谱、一阶导数谱、二阶导数谱.同时调整Savitzky-Golay平滑点数和PLS因子数,通过多次PLS数值实验比较,按照预测效果确定每个模型的最优平滑点数、因子数,再从中选优.结果表明,采用780～1100nm-阶导数谱的定标效果最好,模型的预测均方根偏差、相对预测均方根偏差分别为11.2,8.91%.780～1100nm可以代替近红外全谱波段(780～2500nm)得到好的定量分析效果,为设计小型专用近红外分析仪器提供依据.     

基于机器学习算法对苹果产地的判别分析

为实现苹果产地的判别分析,以阿克苏、静宁、灵宝和烟台的红富士苹果为研究对象,在800～1700 nm范围内采集苹果的高光谱数据,分别采用一阶导数(1-Der)、二阶导数(2-Der)、标准正态变换(SNV)、多元散射校正(MSC)、小波变换(WT)、平滑变换(SG)、傅里叶变换(FT)对原始光谱数据进行预处理,建立线性...     

可见／近红外光谱预测杨梅汁酸度的方法研究

针对可见/近红外光与杨梅汁酸度存在非线性相关的特点,提出了应用偏最小二乘(PLS)法预测线性部分和人工神经网络(ANN)预测非线性部分,结合两种方法综合预测杨梅汁酸度值,通过比较,r RMSEP,B ias的值来检验该方法.其中PLS模型用于寻找与杨梅汁酸度值有关的敏感波段,预测杨梅汁酸度的线性部分,将这些敏感波段对应的光谱吸光度值作为人工神经网络的输入,并将杨梅汁酸度的实际测量值减去PLS模型校正值,获得的差额部分作为神经网络的输出,建立一个差额神经网络预测杨梅汁酸度的非线性部分.46个样本用于建模,30个样本用于预测.结果表明该方法对样本的预测相关系数r=0.939,RMSEP=0.218,B ias=-0.121,好于只使用PLS模型的相关系数r=0.921,RMSEP=0.228,B ias=-0.132.     

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。     

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。     

基于高光谱图谱融合技术的宁夏滩羊肉嫩度检测方法研究

利用可见/近红外高光谱图谱融合技术对宁夏滩 羊肉嫩度检测进行研究。通过高光谱系统(400～1000nm)采集了128个滩羊肉图像,对原始光谱结合偏 最小二乘回归(PLSR)模型进行多种光谱预处理研究,优选出S-G卷积平滑预 处理方法,采用PLSR的加权β系数提取9个特征波长,对比分析 全波段与特征 波长下的PLSR模型;同时提取出与羊肉嫩度相关的4个图像特征参数,建立基 于图像特征的多元线性回归(MLR)模型;在此基础上,融合特征波长与表面脂肪分布图像特 征 参数建立了羊肉嫩度的PLSR模型。结果表明,采用单一光谱数据下S-G卷积平 滑预处理结合特征波长建立的PLSR模型取得了较好预测效果,基于图谱特征 变量融合的PLSR模型相比于单一光谱模型效果更佳,预测集的相关系数和预测 均方根误差(RMSEP)分别为0.89和0.73,表明本文提出的方法 进行羊肉嫩度定量检测是可行的。     

高光谱成像技术对牛肉水分含量及分布的快速检测

利用可见/近红外高光谱成像技术对牛肉水分含量 及分布进行快速检测。采用可见/ 近红外高光谱成像系统(400000 nm)采集150个黄牛肉样本的高光谱图像,利用ENVI软件 提取样本感兴趣区域(ROI)并计算平均光谱值;对原始光谱数据进行预处理并利用连续投 影算法(SPA)、竞争性自适应重加权算法(CARS)和无信息变量消除算法(UVE)进行特征 波长提取,建立基于不同特征波长的偏最小二乘回归(PLSR)模型,进而优选牛肉水分含量 预测的最优模型。通过蒙特卡罗交叉验证法剔除26个异常样本值;经卷积平滑(Smoothing - SG)法预处理后的原始光谱数据所建PLSR模型效果较好,其校正集决定系数(R²c)与预测集 决定系数(R²p)分别为0.817、0.850;利用CAR S、SPA、UVE法分别优选出12、27、27个特征 波长;对比基于全波段光谱与特征波段光谱所建PLSR牛肉水分预测模型的优劣,结果显示基 于CARS-PLSR法建立的牛肉水分预测模型效果最好,其R²_c 、R²p值分别为0.814、 0.750,校 正集均方根误差(RMSEC)与预测集均方根误差(RMSEP)分别为0.477、0.555;最后,利用CARS -PLSR模型计算牛肉样本每个像素点的水分含量并利用伪彩色图对牛肉样本水分分布进行可 视化分析,进而实现牛肉水分含量的快速检测及分布的可视化表达。该研究结果可为黄牛肉 水分含量的快速检测提供理论支撑。     

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。     

利用可见/近红外光谱测定小麦叶面积指数的改进研究

改进了小麦叶面积指数的可见/近红外光谱测定模型。以不同方法实现了小麦冠层反射光谱的预处理,并采用偏最小二乘回归算法（PLS）建立小麦叶面积指数估测模型对其进行比较分析,发现小波除噪结合一阶导数能最有效地消除原始光谱的噪声与背景信息,此时PLS模型校正集与预测集R2分别为0.849与0.835。为进一步优化模型,对经一阶导数结合小波除噪后的光谱采用主成分分析法（PCA）降维,以前4个主成分（含原始光谱84.867%特征信息）为输入变量,采用小二乘支撑向量机回归算法（LS-SVR）建立了小麦叶面积指数估测模型,其校正集与预测集R2分别达0.905与0.883,具有比PLS算法更高的精度。结果表明:以小波除噪结合一阶导数去除小麦冠层反射光谱中的土壤背景信息以提高模型精度是可行的,且LS-SVR是建模的优选方法。     

水稻叶片氮含量光谱监测中使用连续投影算法的可行性

使用5段移动平滑法、基线校正、光谱面积归一化、多元散射校正方法对水稻叶片可见-近红外光谱进行预处理,使用连续投影算法（SPA）进行有效波长的选取。分别基于光谱指数RVI、NDVI建立多元线性回归（MLR）模型,基于SPA有效波长建立MLR模型,基于全部波长建立主成分回归（PCR）及偏最小二乘法（PLS）回归模型。利用模型预测水稻叶片氮含量,对比发现基于SPA有效波长建立的模型的预测效果明显好于基于光谱指数RVI及NDVI建立的模型,略差于基于全部波长建立的PCR及PLS模型。基于MSC预处理光谱及SPA有效波长建立的模型预测集预测结果r=0.7943,RMSE=0.4558。在水稻叶片氮含量光谱监测中使用连续投影算法进行有效波长的选取是可行的。     

煤质的近红外光谱定量分析研究

实验中首先采用多元散射校正(MSC)的方法对煤粉样品的漫反射光谱进行了预处理,然后分别通过偏最小二乘法(PLS)和主成分分析(PCR)的方法建立煤粉样品的近红外光谱的全水分、挥发分和灰分的定量分析模型,通过预测集对建立的模型进行验证,发现利用偏最小二乘法建立的煤粉全水分模型最优,r=0.975,RMSEC=0.166,RMSEP=0.169,RPD=3.22,通过主成分分析方法建立的挥发分和灰分的模型最优,最后通过选取验证集样本对建立的模型进行了验证,得出利用近红外光谱分析技术间接对煤质进行定量分析是可行的。     

导数同步荧光光谱结合遗传优化算法测定鸭蛋蛋清中庆大霉素含量

为实现鸭蛋蛋清中庆大霉素(GM)残留含量的快速测定与检测模型精度的提高,应用遗传算法(GA)筛选导数同步荧光光谱特征波长,用遗传-支持向量回归(GA-SVR)建立鸭蛋蛋清中GM残留含量的预测模型。首先分析了样本的三维同步荧光光谱和确定了本实验研究的波长差Δλ为120nm;然后利用sym5小波的2层分解对一阶导数同步荧光光谱进行去噪处理,并利用GA筛选出了14个荧光特征波长;最后利用GA优化了SVR的径向基核函数(RBF)参数(c,g,p),进而比较了GA-SVR、PLS和MLR 3种预测模型的预测能力,研究表明,以GA-SVR模型的预测能力最强,其预测集的决定系数(R2)和均方根误差(RMSEP)分别为0.983 0和1.149 4mg/L。实验结果表明,GA能有效筛选出鸭蛋蛋清中GM的荧光特征波长和提高GA-SVR模型预测精度。     

基于近红外高光谱成像技术的长枣含水量无损检测

利用近红外(NIR)高光谱(900～1700nm)成像技术对灵武长枣含水 量的无损检测进行了研究。通过900～1700nm 高 光谱成像系统采集了128个长枣图像,对原始光谱与Savitzky-Golay 平滑处理后的光谱反 射率R曲线、吸收率A曲线和Kubelka-Munk函数(KM )等曲线的偏最小二乘回归(PLSR)模型进行对比分析;采 用PLSR的加权β系数分别提取不同光谱参数下的特征波长,建立R-PLSR、A-PLSR和KM-PLSR的长 枣 含水量预测模型。结果表明,采用原始光谱建立的PLSR模型优于Savitzky-Golay平滑的PLS R模 型;原始光谱的特征波长建立的PLSR模型优于全波段的PLSR模型,特征波长建立的KM-PLSR模型优于R- PLSR、A-PLSR模型,决定系数(R²)和预测均 方根误差(RMSEP)分别为0.793、1.828。这表明,NIR 高光谱成像技 术提取特征波长进行长枣水分检测是可行的,同时也为今后长枣品质在线检测提供了理论依 据。     

激光诱导击穿光谱结合间隔偏最小二乘法检测土壤中的Pb

为了提高激光诱导击穿光谱(LIBS)技术检测自然土壤中Pb的检测精度,提出采用间隔偏最小二乘法(IPLS)定量预测模型。对土壤在400~417nm波段的特征光谱进行平滑预处理后,建立偏最小二乘法(PLS)定量模型,得到训练集的相关系数为0.974 2,且斜率为0.983。建立IPLS模型时,把所选波段均分成了25个子区间,得到第八个子区间包含了Pb的特征光谱405.78nm,且交叉验证均方根误差最小,选择该区间建立模型得到训练集相关系数为0.985 3,斜率为1.121。预测集中,土壤样品Pb的真实浓度与预测浓度之间的相对误差在13%以内,平均相对误差为7.00%。研究表明IPLS法应用于LIBS定量检测土壤中的Pb是可行的,且该定量模型预测效果优于PLS法。     

液态纯牛奶可见／近红外漫反射光谱PLS鉴别

利用可见／近红外光谱技术研究了一种液态纯牛奶品牌鉴别模型。首先利用近红外分析仪InfraXactTM获得3种品牌共90个样本的漫反射光谱,分别对其赋值,采用偏最小二乘法（PLS）建立鉴别模型;其次比较典型光谱散射预处理和数学预处理对建模的影响,探索到建模优化预处理方法为SNV＋Detrending、5点间隙的一阶导数处理、5点平滑波长;实验结果表明,模型的RMSEC,Rc2,RMSEP,Bias和Rp2分别为0．515,0．937,0．561,0．296和0．912,对57个校正样本和30个独立预测样本进行鉴别,其准确率分别达到了100％和96．7％。     

基于特征波段-Fisher-K近邻的木器漆拉曼光谱的快速无损鉴别

为了实现木器漆的快速无损检测以及精确识别与分类,采集并获取了晨阳等3种品牌木器漆样本的拉曼光谱,并考察了基线校正、Savitzky-Golay九点平滑法、一阶导数和二阶导数等不同预处理方法的处理效果,建立了特征波段比值、Fisher判别、K近邻(KNN)模型。结果表明:特征波段比值法能以1358cm-1/1239cm-1表征3种木器漆的特征;基于Fisher判别的基线校正、平滑和二阶导数处理的拉曼光谱模型的分类准确率最高,能实现100%区分;在相同的预处理下,KNN判别模型的准确率仅为88.5%。基于二阶导数的拉曼光谱结合特征波段-FisherKNN法能为不同品牌木器漆的准确检测提供一种新的快速无损分析手段,具有普适性和一定的借鉴意义。     

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。