基于近红外光谱技术的油茶籽粕中灰分含量快速检测方法开发

以南昌海关技术中心115个油茶籽粕样品为研究对象,比较了不同扫描次数和装样厚度对样品近红外光谱的影响。选择扫描次数为32次,装样厚度为4 mm,并根据不同预处理方法对所建立的油茶籽粕中灰分含量近红外模型的影响筛选出最佳预处理方法——归一化(Standard Normal Variate,SNV)、一阶导数(DG1)和9点平滑(Smooth Savitzky-Golay 9 points,SG9)。利用偏最小二乘法建立了油茶籽粕灰分含量的定量分析模型,其校正相关系数为0.9698,校正均方根误差为0.5236,预测相关系数为0.9575,预测均方根误差为0.6211。为验证模型的适用性,对15个未参与模型建立的油茶籽粕样品的灰分含量进行了预测,并将预测结果与国标方法GB 5009.4-2016的测定结果进行成对结果t检验,得到该方法与国标方法的结果不存在显著差异的结论。近红外方法将极大地提高油茶籽粕品质检测速度和效率、降低检测人员工作量、减少化学试剂的使用,为实现快速、高效的油茶籽粕质量分级和监管提供了技术基础。     

专利算法在白酒酒精度近红外光谱分析模型转移中的应用

研究了用专利算法（Shenk＇s patented algorithm）解决白酒酒精度近红外光谱分析模型应用中的模型转移问题,建立了最佳的数学校正模型和光谱转移参数.讨论了Shenk＇s算法中的标样数及窗口大小对模型转移结果的影响.实验结果表明：验证集光谱经Shenk＇s算法模型转移后的预测结果比转移前有明显的改善,预测相对误差小于5%,这对近红外光谱模型的共享具有实际意义.     

近红外光谱检测技术在仓储害虫识别中的应用

简要介绍了近红外光谱检测技术的发展过程及在仓储害虫识别应用中的基本原理,通过对近红外光谱检测技术在国内外仓储害虫识别中的发展状况的分析,提出了在仓储害虫识别中采用近红外光谱检测技术与图像处理识别技术结合的研究新思路。     

AOTF近红外光谱技术及在食安领域的应用

针对近年来多发的食品安全问题,概括性地介绍了近红外光谱分析技术的原理、近红外光谱仪器分类、优势对比及其在食品质量与安全检测中的研究和应用情况。同时,探索性地提出了一种新型的食品安全网络测试分析系统,该系统是由多台基于声光可调滤波器的近红外光谱分析仪器联网组成的。并介绍了该光谱仪器的组成、原理及技术特点,对其在食品安全领...     

用于果蔬内部品质无损检测的NIRS技术新进展

文中对近红外光谱在水果和蔬菜内部品质检测研究中的最新进展进行了介绍,总结了光谱检测和光谱信号处理中新颖技术的应用及便携式检测系统的发展状况,分析了近红外光谱技术在果蔬内部品质检测中存在的问题和发展方向.     

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.     

基于深度信念网络的烟叶部位近红外光谱分类方法研究

近红外检测作为一种快速无损的检测方法得到广泛关注。但光谱中存在大量噪声以及光谱数据的高维度和非线性等特点影响了分类模型的准确率。将深信网络（DBN）的理论改进并引入光谱特征学习中,解决高维特征间非线性关系的学习问题,采用逐层训练策略和随机梯度上升法分别进行网络预训练和微调获得网络权值;并结合支持向量机（SVM）建立近红外光谱多分类模型DBN-SVM。与基于主成分分析的分类模型PCA-SVM和基于线性判别分析的LDA-SVM分类模型进行应用比较。结果表明:DBN-SVM算法能有效地学习高维数据中的内在结构和非线性关系,由该算法构建的模型具有良好的特征学习能力和分类识别能力,而且在稳健性、各类别的灵敏度和特效度也更优。     

近红外光谱技术在种子硬实检测中的研究进展

近红外光谱分析技术由于其独特的技术优势在许多领域中已得到广泛应用。简要阐述了近红外光谱分析技术的概念及其在无损检测中的应用情况,综述了近红外光谱技术在种子硬实测定中的应用情况,在此基础上介绍了利用近红外光谱分析技术测定种子硬实率的方法,并提出了存在的问题及发展方向。     

水果内部品质近红外动态在线检测研究进展

近红外光谱技术具有无损检测、分析效率高、速度快、重现性好,适于现场检测和在线分析等特点,并已渗入到各个领域,在提高生产技术水平和改善产品质量方面发挥着重要作用。本文简述了水果近红外光谱在线检测原理和方式及动态在线检测装置的组成,并介绍了在线检测的控制过程及在线检测分析软件。总结了国内外近红外光谱技术在水果内部品质在线检测与分级方面的应用情况,并分析水果内部品质在线检测与分级中存在的问题,指出了水果内部品质近红外光谱在线检测的进一步研究方向。     

近红外光谱快速测定石脑油芳烃含量模型的校正研究

在采用近红外光谱建立石脑油芳烃含量校正模型的过程中,分析讨论了校正系数K值、光谱区域选取及光谱预处理方法对校正模型准确性的影响。实际分析结果表明,选择11000cm~(-1)～6099．7cm~(-1)光谱区域并使用偏最小二乘法校正方法建立的石脑油芳烃含量模型的预测值偏差不大于2．0％,能够实现对石脑油芳烃含量的快速准确测定。该方法在实际生产过程中已得到应用。     

近红外光谱仪器的研究进展与发展趋向

近红外光谱技术正受到越来越多研究人员的青睐。作为这一技术的基础和前提,近红外光谱仪推动着其快速发展。近年来,随着近红外光谱技术的广泛应用,已有的近红外光谱仪已经难以满足研究与生产的需要,为此科研人员在现有光谱仪的基础上进行了很多研究,以提高其使用性能。对近年来近红外光谱仪的研究进展包括仪器硬件的进展、光谱信号处理电路的改进、光谱信号处理方法的发展以及仪器软件的开发等进行了总结和归纳,并对近红外光谱仪的发展趋势进行了展望。     

近红外光谱检测技术在塑料分选中的应用进展

近红外光谱检测技术(NIRS)在塑料分选中的应用旨在对塑料种类与组份进行识别,从而提高回收效率最终实现资源的综合利用。本文首先介绍传统塑料分选技术发展;其次概述近红外检测技术原理与其在塑料领域的应用现状;最后对在塑料分选领域应用前景进行了总结与展望。在塑料分选领域,近红外光谱检测技术相比传统的物理和化学检测方法,具有快速、无损、高效等明显的优势,可通过实时、在线检测,定性与定量的方式对未知样品进行识别与分选。尽管该技术在一些实验研究中已经取得了显著的阶段性成果,但在实际工程应用特别是检测的精准度,外延新的应用场景等方面仍需进一步研究和优化。     

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。     

中药水分检测系统的传感系统和采样装置设计

在中药生产过程中,中药水分含量测定是十分重要的环节,现阶段的中药水分测量需要专业人员在一定的环境内测量,操作复杂、耗时较长,从而会延误中药生产时间和降低测量精度,故本研究中设计了一种中药水分检测系统,对检测系统中的传感系统和采样装置进行了设计。传感系统采用近红外(Near Infrared,NIR)光谱技术,该技术具有快速、无损、准确的特点,可以满足测定中药水分含量的要求。采样系统设计为六自由度机械手臂,灵活方便,满足生产要求。     

无取代硫代双烯金属络合物的合成及其在夜视兼容技术中应用

为了研制夜视兼容照明器件用近红外滤光片,合成了最大吸收波长在近红外区域(855nm)的无取代基硫代双烯镍络合物(NIR DYE-01),其结构为(RCSCSR)2Ni(R=苯环)的近红外染料,单独以该染料为原料制备了近红外吸收滤光片,透射曲线表明滤光片具备(780nm～930nm)波段的近红外吸收能力;将该染料与近红外吸收剂IR-01配合制备近红外吸收滤光片,透射曲线表明滤光片具备(600nm～930nm)波段的近红外吸收能力,NR值测试结果表明近红外滤光片的光谱辐亮度符合夜视兼容的要求.     

血糖近红外定量分析方法研究

为解决传统有创检测血糖的问题,文中对近红外光谱无创血糖检测技术进行了研究。使用ABB公司的TALYS ASP531近红外光谱仪测得葡萄糖溶液的光谱,建模波段选取5 500~6 500 cm ^-1,使用偏最小二乘法建立光谱数据与对应浓度之间的校正模型。实验结果表明,校正模型的决定系数达到了0.983 99,校正均方根偏差为1.023 26 mmol·L ^-1,误差分布为-1.3~1.7 mmol·L ^-1,证明了近红外无创检测人体血糖浓度的可行性,为近红外血糖检测的研究提供了可靠的依据。     

基于可见/近红外光谱技术的黄瓜叶片SPAD值检测

为了快速准确检测黄瓜叶片的SPAD值,采用可见/近红外光谱技术并结合化学计量学方法建立了黄瓜叶片SPAD值校正模型.并用不同建模方法对全波段光谱进行建模,结果表明用最小二乘支持向量机(LSSVM)建模得到的预测效果最好,其相关系数r和预测均方根误差RMSEP分别为0.9583和0.9732.通过分析黄瓜叶片的光谱反射率与SPAD值的相关系数和PLS建模回归系数,得到了531~581nm和696~716nm 2个特征波段以及556nm、581nm、698nm和715nm 4个特征波长,应用LSSVM分别对特征波段和特征波长建模.分析表明,采用特征波段建模,其预测相关系数r和预测均方根误差分别为0.9338和1.1370,与全波段建模结果相近,而采用特征波长建模效果稍差.特征波段建模大大减少了建模中的运算量,提高了建模速度,便于相应检测仪器的开发,所以,采用光谱特征波段建模对黄瓜叶片SPAD值的检测更为有效.