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.     

可见/近红外光谱的南丰蜜桔可溶性固形物含量定量分析

基于可见/近红外漫反射光谱定量分析技术对南丰蜜桔的可溶性固形物含量进行实验研究.采用偏最小二乘法对南丰蜜桔完整果和果肉的可见/近红外光谱进行了分析,并且比较和讨论了不同光谱预处理的建模结果.实验结果表明:在波长范围350～1800nm,一阶微分光谱所建模型效果最佳.其中完整果所建校正模型的预测相关系数为0.825和预测均方根偏差为0.899;果肉所建校正模型的预测相关系数为0.893,预测均方根偏差为0.749.     

基于可见-近红外光谱技术的制动液品牌混掺比例快速无损检测方法

研究了基于可见-近红外光谱技术的制动液品牌混掺比例快速无损检测方法.全波段建立的偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)模型均得到了较好的预测结果.这两个模型的建模集和预测集的确定系数(r2c和r2p)均在0.98以上.采用连续投影算法(SPA)挖掘特征波长,最终选择了439 nm、443 nm、...     

用近红外光谱鉴别杨梅品种的研究

提出了一种用近红外光谱技术快速无损鉴别杨梅品种的新方法,首先用主成分分析法对典型的四个杨梅品种进行聚类分析,获取杨梅的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别.主成分分析表明,以主成分1和2对样本的得分值做出的得分图,对不同种类杨梅具有较好的聚类作用,可以定性分析杨梅种类.利用主成分分析可以把原始波长变量压缩成能代表原始变量的少数相互正交的主成分,用这些新变量作为神经网络的输入,建立3层BP人工神经网络模型.四个杨梅品种共100个样本用来建立神经网络品种鉴别模型,对未知的20个样本进行预测,结果表明,品种识别准确率达到95%.说明综合主成分分析和人工神经网络的方法具有很好的分类和鉴别作用,为杨梅的品种鉴别提供了一种新方法.     

一种用于预测蚕丝含量占比的近红外光谱分析方法

针对近红外光谱分析技术中未充分利用预测模型光谱数据的问题,提出了一种可充分利用光谱数据和有效预测蚕丝含量占比的新方法.以5种类型共145个样本的蚕丝含量占比以及相应的所有蛋白质基光谱数据为研究对象,将这些样本分别划分为校正集和验证集,并采用偏最小二乘回归(Partial Least Squares Regression...     

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。     

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。     

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(Partial Least 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%。说明针对该水样样本,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水样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。     

用最小二乘支持向量机的可见-近红外光谱测定蜂花粉贮存时间

为了探索一种快速有效的蜂花粉新鲜程度检测方法,利用可见近红外光谱技术结合最小二乘支持向量机（LSSVM）对蜂花粉的贮存时间进行了检测.选择常温环境中贮存时间为4~50天（共计47天）的茶花蜂花粉作为研究对象,将全光谱数据作为输入变量建立了LSSVM模型.结果显示,该LSSVM模型预测效果较好,预测相关系数rp达到了0.996,预测标准误差（SEP）和预测均方根误差（RMSEP）的值分别为1.310和1.308,优于偏最小二乘法（PLS）和主成分回归（PCR）的预测结果,说明基于LSSVM的可见近红外光谱技术能够很好地对花粉贮存时间进行检测.同时对不同贮存时间段花粉的预测效果进行了比较,发现该LSSVM模型适用于对第11~50天范围的贮存时间进行检测.     

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.     

基于独立组分分析和BP神经网络的可见/ 近红外光谱稻谷年份的鉴别

建立了一种基于独立组分分析的可见/近红外光谱反射技术快速鉴别稻谷年份的新方法.首先用独立组分分析方法获取不同年份稻谷的可见/近红外光谱载荷图,将载荷图中相关性最大的波段(特征波段)作为人工神经网络的输入建立稻谷年份的鉴别模型.每个年份40个样本,3个年份共120个样本用来建立BP神经网络模型,剩余的3个年份各20个样本用于预测.预测的结果表明,准确率达到100%.同时通过独立组分分析,得到了稻谷主要成分对应的敏感波段.说明本文提出的基于独立组分分析的方法具有很好的鉴别效果,为稻谷的年份鉴别提供了一种新方法.     

基于可见/近红外光谱技术的茄子叶片灰霉病早期检测研究

应用可见/近红外光谱技术对茄子叶片进行灰霉病害还未在叶片表面出现病症时的早期检测.采用化学计量学方法建立早期检测模型.主成分分析用于对光谱数据进行降维,得到若干个最重要的主成分.但直接从聚类图中无法进行是否染病的鉴别.因而将其作为变量输入BP神经网络,从而减少了计算量,提高了建模精度.检测结果显示,模型具有良好的检测效果,能够达到100%的识别率,正确率也能达到88%.说明运用可见/近红外光谱技术能够实现当病症还未在叶片表面出现时的快速准确的早期检测,为灰霉病早期检测提供了新的途径.     

用近红外光谱检测牛奶中的三聚氰胺

研究了用近红外光谱法快速定性和定量检测纯牛奶中三聚氰胺.实验分别配制了两组不同三聚氰胺含量的纯牛奶样品,用于定性和定量分析.通过近红外光谱与聚类分析法相结合,可将含有和不含有三聚氰胺的牛奶样品有效分类;结合光谱预处理和波长选择及模型优化方法建立的检测三聚氰胺的近红外定量分析模型具有较好的稳定性和预测能力.结果表明,近红外光谱分析是一种快速、方便和环保的检测乳制品中三聚氰胺的新方法.     

基于净分析物预处理算法的绿茶中儿茶素的近红外光谱定量分析

由于原始近红外光谱数据中含有与待测组分不相关的噪音及冗余信息,增加了偏最小二乘法(PLS)模型的复杂程度.为了简化儿茶素的预测模型,采用净分析物预处理法(NAP)对近红外光谱进行预处理,提取出待测组分的净分析物信号,然后利用PLS建立绿茶中三种儿茶素(EGCG、ECG和EGC)含量的(NAP/PLS)模型.在模型建立过程中,通过交互验证的方法优化NAP因子数及模型的主成分因子数,并且将NAP的结果与经典的标准正态变量(SNV)光谱预处理结果相比较.比较结果显示,经过NAP与SNV光谱预处理后,模型的预测结果相差不大,但是经过净分析物预处理后,模型的主成分因子数大大降低.研究结果表明,NAP光谱预处理算法能在保证精度的前提下有效地简化绿茶中儿茶素含量的预测模型.     

基于可见一近红外光谱技术的家蚕蚕种鉴别方法的研究

提出了一种结合主成分分析和人工神经网络技术的可见～红外光谱家蚕蚕种快速鉴别新方法．主成分分析法用于家蚕蚕种品种的聚类分析及主成分的提取．从主成分1和2对所有建模样本的得分图可以看出，主成分分析法对不同种类家蚕蚕种具有较好的聚类作用，可以定性分析家蚕蚕种品种．提取了6个能解释原始光谱的大部分信息的主成分，作为BP神经网络的输入，建立了三层BP人工神经网络模型．选取了4个典型的家蚕蚕种品种，共120个样本，其中随机选取了100样本用来建立神经网络品种鉴别模型，对未知的20个样本进行预测，结果表明，品种识别准确率达到100％．说明该方法具有很好的分类和鉴别作用，为家蚕蚕种的品种鉴别提供了一种新的途径．     

基于可见-近红外光谱技术的家蚕蚕种鉴别方法的研究

提出了一种结合主成分分析和人工神经网络技术的可见-红外光谱家蚕蚕种快速鉴别新方法.主成分分析法用于家蚕蚕种品种的聚类分析及主成分的提取.从主成分1和2对所有建模样本的得分图可以看出,主成分分析法对不同种类家蚕蚕种具有较好的聚类作用,可以定性分析家蚕蚕种品种.提取了6个能解释原始光谱的大部分信息的主成分,作为BP神经网络的输入,建立了三层BP人工神经网络模型.选取了4个典型的家蚕蚕种品种,共120个样本,其中随机选取了100样本用来建立神经网络品种鉴别模型,对未知的20个样本进行预测,结果表明,品种识别准确率达到100%.说明该方法具有很好的分类和鉴别作用,为家蚕蚕种的品种鉴别提供了一种新的途径.     

基于无信息变量消除法和连续投影算法的可见-近红外光谱技术白虾种分类方法研究

应用无信息变量消除法结合连续投影算法对可见-近红外光谱区进行有效波长的选择,选择后的波长作为输入变量建立最小二乘-支持向量机模型,对白虾属中三种典型种,脊尾白虾、秀丽白虾和东方白虾进行鉴别分类.实验采用Kennard-Stone算法选取150个样本作为建模集,50个样本作为预测集,通过UVE-SPA优选了数值分别为392、431、517、551、595、627、676、734、760、861、943和1018 nm的12个波长为LS-SVM的输入变量,建立了白虾种分类模型.该模型对50个预测集样本检验的准确率达到了92.00%.结果表明,采用可见-近红外光谱对白虾种进行鉴别是可行的,UVE-SPA能够有效地进行波长选择,使LS-SVM模型获得最优的分类结果.     

基于可见光/近红外光谱技术的倒伏水稻识别研究

运用可见光/近红外光谱仪获取正常的和受稻飞虱、穗颈瘟危害而倒伏的水稻冠层光谱反射率,采用主成分分析(PCA)方法对反射率光谱进行降维处理,提取2个主分量光谱.其中,第一主分量PC1代表了水稻冠层的光谱特性,第二主分量PC2反映了倒伏水稻的冠层光谱变化信息.将前2个主分量作为支持向量分类机(SVC)的输入向量,建立分类模型.结果表明,对受稻飞虱危害倒伏的水稻验证数据的识别精度为100%,对受穗颈瘟危害倒伏的水稻验证数据的识别精度为90.9%.研究表明可见光/近红外光谱可能是一种有效的倒伏水稻识别方法.