直接正交校正用于牛奶成分近红外光谱分析

介绍采用近红外光谱分析方法快速检测牛奶主要成分含量的测量原理,探讨研究直接正交(DO)校正的基本方法.利用牛奶成分近红外光谱测量系统分别采集牛奶样品和葡萄糖白蛋白两成分溶液样品的近红外光谱,采用DO法进行光谱数据预处理,并采用偏最小二乘(PLS)法分别建立其相应的数学模型.实验及数据处理结果表明:经DO法预处理后,滤除了原始光谱中的部分噪声信息,但保留了原始光谱中的主要信息.PLS校正模型采纳的最佳因子数随着DO因子的依次滤除相应减少.牛奶中脂肪和蛋白质校正模型在原始光谱分别被滤除3和4个主成分时达到性能最佳,校正标准偏差SEC分别为0.3204和0.2727,预测标准偏差SEP为0.7316和0.4460,两成分溶液样品中白蛋白和葡萄糖校正模型在原始光谱被滤除1个因子时达到性能最佳.校正标准偏差SEC分别为0.2513和0.2780,预测标准偏差SEP为0.5169和0.7870,单位(g/dL),与DO法预处理之前的PLS模型相比,预测标准偏差相应降低,采纳的主成分数减少,模型得到简化.     

牛奶成分近红外光谱分析中系统漂移的补偿

为实现牛奶中蛋白质、脂肪等成分含量的快速无损检测,本文论述了采用近红外漫反 射光谱(1000～1700nm) 分析牛奶主要成分含量的基本方法,定量分析了仪器信噪比与系统测量误差之间的传递关系。在此基础上,进一步探讨了采用双光路设计以及参考液光谱自动校正方法消除系统漂移的可行性。实验结果表明:采用参考液光谱自动校正方法可以有效地克服系统漂移,校正后脂肪、蛋白质的实际预测相对偏差(RMSEP) 与参考值平均值之比分别降低了0. 14 %和0. 72 %。     

三维荧光光谱结合PARAFAC和GA对中国白酒品牌的鉴别

为了实现对中国白酒品牌的有效鉴别,在比较了不同品牌白酒三维荧光光谱特性的基础上,采用平行因子方法(PARAFAC)结合遗传算法(GA)获得训练样本和测试样本的浓度得分。同时利用支持向量机(SVM)方法建立中国白酒的鉴别模型,预测准确率为97.5%。PARAFAC分解得到的三个组分的浓度得分,在一定程度上反映了品牌之间的差异。PARAFAC与GA算法的有效结合为未知样本的鉴别提供了一种快速准确的方法。研究结果表明,PARAFAC-GASVM的鉴别模型具有更强的预测能力,该方法能够有效提取白酒的特征光谱信息,同时又大大降低了SVM输入变量的维数。研究结果为中国白酒的鉴别提供了一种新的思路。     

基于太赫兹辐射的黄芩苷光谱分析及定量检测

采用太赫兹时域光谱系统测试黄芩苷混合物的光谱,发现黄芩苷混合物在0.3～1.5 THz波段具有明显的吸收特征;采用二维相关光谱(2DCOS)算法进行分析后发现,混合物光谱对外扰变量(黄芩苷的浓度)变化敏感。在光谱分析的基础上分别建立了基于支持向量机(SVM)和偏最小二乘法(PLS)的定量分析模型,采用Kenard-Stone(KS)法选择模型的校准集和验证集,引入相关系数和均方根误差评价建模效果。结果表明:基于支持向量机和偏最小二乘法的定量分析模型的预测数据与实际数据均表现出良好的相关性,并且均方根误差较小,能够实现对黄芩苷的定量检测;SVM模型的预测结果优于PLS模型。研究结果为药物质量检测提供了一种新方法,对药物的质量检测具有重要意义。     

基于近红外透射光谱的牛奶中脂肪和蛋白质含量检测

基于近红外光谱检测牛奶中蛋白质和脂肪含量是当前的一个研究热门,主要可以利用近红外反射光谱,近红外漫反射光谱和近红外透射光谱的光谱信息来分析牛奶的主成分含量。本文是利用近红外透射光谱原始数据,通过数学方法转换,从吸光值、吸光比和吸收度三种形式,采用偏最小二乘法(PLS)回归,分别建立了其与牛奶主成分浓度之间的校正模型。对比三种形式所建立的数学模型的优劣,探讨了如何提高PLS校正模型预测精度的相关问题。     

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。     

基于U-PLS/RQL的油类混合物三维荧光导数光谱研究

以汽油、煤油和柴油的混合溶液为研究对象,将柴油作为干扰物,分析混合溶液中汽油和煤油的含量,提出了一种通过分析三维荧光光谱数据测量油类混合物成分及含量的新方法。该方法结合展开偏最小二乘法(UPLS)与残差四线性分析(RQL)处理三维荧光一阶导数光谱。利用Savitzky-Golay多项式拟合微分法分别对油类混合物光谱数据的x轴和y轴求偏导,并将三维荧光光谱扩展为五维导数光谱,再通过U-PLS/RQL建立该四阶数据的校正模型,对预测样品进行分析,使光谱数据得到合理的分解与识别。预测相对误差减小到5.0%以下,预测精度高于三阶多元校正法。     

采用近红外光谱技术检测牛奶中脂肪、蛋白质及乳糖含量

利用近红外(NIR)漫反射光谱(1100～1700nm)快速测量牛奶中脂肪、蛋白质和乳糖的含量。采用偏最小二乘方(PLS)回归．建立了测量光谱与牛奶主要成分浓度之间的校正模型,并对其预测重复性进行了研究;进而探讨了非线性校正方法径向基函数网络(RBFN)的可行性,并与PLS线性校正模型进行了对比;探讨了如何提高PLS校正模型预测精度的相关问题。     

运用荧光光谱特征参量识别五粮液白酒

为了研究荧光光谱技术在白酒检测、识别中的应用,对五粮液和用于比对的茅台醇、高沟等一些常见白酒的荧光光谱进行了检测,得到了3维荧光光谱图,发现五粮液与其中大部分白酒的3维荧光光谱有显著不同,但与同属浓香型白酒的茅台醇有较大相似之处.为识别出五粮液,首先提取出表征白酒荧光光谱的特征参量,再借助最小二乘支持向量机对其进行分类...     

基于支持向量机的多环芳烃光谱定量分析

目前，环境问题备受人们关注，有效解决多环芳烃污染已成为全球关注的焦点。基于此，提出一种基于支持向量机的多环芳烃光谱定量分析方法，通过FS920荧光光谱仪采集多环芳烃光谱数据，获取三维光谱灰度图。对多环芳烃实验样本数据采用多项式平滑法原理实施平滑处理，制备多环芳烃，通过支持向量机(SVM)对多环芳烃光谱定量检测，得到被检测溶液的荧光光谱图，对其光谱特性分析，最终实现光谱定量分析结果。实验结果表明，所提方法能准确地对多环芳烃光谱进行定量分析。     

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iPLS原理最优化信息区间的桃糖度组合权重PLS模型研究

采用反向区间偏最小二乘法和组合区间偏最小二乘法优化桃糖度可见/近红外光谱的信息区间组合,在选择的信息区间基础上提出了建立一种线性组合权重PLS模型的方法。对近红外光谱进行二阶导数处理、卷积平滑校正后,在区间分割数为15时筛选结果最优,BiPLS所选择的信息区间为742~770nm和 862~920nm,SiPLS所选择的信息区间为742~770nm、832~860nm和892~920nm;直接组合信息区间BiPLS和SiPLS模型的RMSEP值分别为0.386和0.308;线性组合权重PLS模型的RMSEP值分别为0.351和0.364。结果说明在近红外定量分析中,建立线性组合权重模型具有克服复杂样品各信息区间对PLS建模贡献率不一样的问题。     

基于iPLS原理最优化信息区间的桃糖度组合权重PLS模型研究

采用反向区间偏最小二乘法和组合区间偏最小二乘法优化桃糖度可见/近红外光谱的信息区间组合,在选择的信息区间的基础上建立了一种线性组合权重PLS模型.对近红外光谱进行二阶导数处理、卷积平滑校正后,发现在区间分割数为15时筛选结果最优,BiPLS所选择的信息区间为742~770nm和 862~920nm,SiPLS所选择的信息区间为742~770nm、832~860nm和892~920nm.直接组合信息区间BiPLS和SiPLS模型的RMSEP值分别为0.386和0.308,线性组合权重PLS模型的RMSEP值分别为0.351和0.364.结果说明在近红外定量分析中线性组合权重模型的建立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.     

近红外光谱结合GA-LSSVR分析烟草尼古丁含量

为了提高近红外光谱快速检测烟草尼古丁含量的精度和稳定性,利用近红外光谱结合遗传算法-最小二乘支持向量回归(GA-LSSVR)建立了回归预测模型。在LSSVR模型建立过程中,采用遗传算法对LSSVR参数进行自动优化。相比于利用常规最小二乘支持向量机和遗传偏最小二乘法等建立的回归预测模型,GA-LSSVR法建立的回归预测模型泛化能力更强,预测效果更好,验证集相关系数R2为0.9766,预测均方根误差为0.1065。研究结果表明,GA-LSSVR是一种快速准确的建模方法,为烟草尼古丁含量的近红外测定和近红外光谱数据的处理提供了新的方法与途径。     

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.     

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。     

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％。     

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PLS的飞机CFRP激光除漆LIBS监测判据研究

激光分层除漆的可靠性与可控性依赖于有效的在线监测技术,采用激光诱导击穿光谱(LIBS)技术能有效监控激光除漆过程。本文采用激光去除飞机碳纤维复合材料(CFRP)表面漆层,并基于高重频激光除漆LIBS在线监测平台,在线采集除漆过程所激发的面漆和底漆2类光谱共60组。分别建立了基于主成分分析(PCA)和偏最小二乘法(PLS)的判别和预测模型,研究了激光分层除漆过程中LIBS光谱的分类判别。PCA模型前两个主成分累计贡献率达到了79.2%,PLS-DA模型前两个主成分累计贡献率达到了85.5%。PLS回归模型校正标准差(RMSEE)为0.142923,均方根误差(RMSEcv)为0.152053,模型的预测标准差(RMSEP)为0.142421,对20组激光清洗面漆和底漆的混合数据集进行预测,预测准确率达100%。结果表明PLS判别模型比PCA模型分类判别效果更好,PLS预测模型实时评估和自动分类漆层具有较好的预测精度。本研究可为LIBS在线监测激光除漆过程,实现自动化、智能化的激光除漆提供技术支持。     

Determination of ethanol content in ethanol-gasoline based on derivative absorption spectrometry and information fusion

The ethanol content in ethanol-gasoline is respectively detected by the first-order derivative UV/vis absorption spectrum, the first-order derivative near infrared (NIR) absorption spectrum and the information fusion method. The backward interval partial least squares (BiPLS) algorithm is used as the feature extraction method, which is established by the partial least squares (PLS) regression model. Based on the information fusion theory, the low level data fusion (LLDF) and mid-level data fusion (MLDF) models are established by the first-order derivative UV/vis and NIR spectra. The analytical results are compared with the related textual references. Thereby, the single-spectral model based on the first-order derivative NIR absorption spectrum has the optimal results, where R _p ² =0.999 1 and RMSEP=0.324 5, while the LLDF after vector normalization (LLDF-VN2) is the optimal multi-spectral fusion model, where R _p ² =0.998 3 and RMSEP=0.498 2. The proposed method can be used to detect the ethanol content in ethanol-gasoline rapidly and provides a better choice for the component detection in mixed oils.