烟叶霉变的快速识别——基于近红外光谱与随机森林算法

为建立烟叶霉变快速识别模型,以复烤片烟为研究对象,在高温高湿条件下进行霉变实验,获得不同霉变程度的烟叶样本。应用近红外光谱技术在4000~12000 cm-1范围内对烟叶的近红外光谱进行采集,获得烟叶样本的基础光谱数据。采用小波分解法对基础光谱数据进行解析,选择中间频率小波系数[cd4, cd5]为光谱变量,利用随机森林算法建立了不同霉变烟叶的识别模型。模型对训练集预测准确率达到93.82%,独立测试集判别准确率达到94.84%,对未霉变样品、临近霉变样品和霉变样品的判别均取得了令人满意的结果。      

样品温度对植物油的近红外定性分析模型的影响

主要研究不同的样品温度对基于激光近红外食用植物油分类模型预测能力的影响。选择样品温度分别为30、40、50、60℃作为研究对象,利用激光近红外光谱仪采集4种温度下的合格食用油样品的光谱数据,用标准正态变量变换(SNV)对光谱数据进行预处理,应用支持向量机分类(SVC)方法建立独立温度分类模型和混合温度分类模型,然后采用遗传算法(GA)对模型参数组合(C,g)进行寻优,确定最佳参数组合,利用建立的8个模型对4种不同温度下的预测集样品分别进行预测。试验结果表明:某个样品温度下的独立模型对于该温度下的样品的预测准确率较高,但是对于其他温度下的样品的预测准确率不够理想;混合模型对不同温度的样品预测能力相对较好,具有更好的预测稳定性和温度适应性。研究表明:样品温度对模型的预测能力有很大的影响,是建立食用植物油分类模型过程中需要考虑的重要变量。     

不同产地国产烤烟近红外光谱的特征分析及其模式识别

对2003年125个不同产地的国产烤烟烟叶的原始近红外光谱、SNV光谱与一阶导数光谱进行了主成分分析,采用主成分空间下的马氏距离判别样本的产地归属,提出根据仪器噪声和误差水平确定最大主成分个数,研究了主成分个数、样本空间、光谱区间对烟叶产地识别准确率的影响,分析了烟叶产地的近红外特征区和产地特征信息在不同主成分上的体现。结果表明,采用光滑处理的全光谱区间的一阶导数光谱,在建模样本空间进行主成分分析时所建模型对烟叶样品的识别准确率最高。     

近红外光谱技术鉴别地理标志产品黄骅冬枣

采用近红外光谱技术结合合格性测试、主成分分析聚类方法,建立了快速鏊别地理标志产品黄骅冬枣的模型.收集产地不同的冬枣,使用聚焦不旋转固体漫反射方法,设定分辨率16cm-1,扫描范围4000～12000cm-1,采集样品近红外光谱.每个产地随机选取45个枣果,其中30个用来建立模型,余下的15个用于预测.通过对预处理方法和光谱波段的选择,两种方法使用的光谱范围均为4952.7～5693.2cm-1和6611.3～7537cm-1.原始光谱经矢量归一化预处理后进行合格性测试分析,建立黄骅冬枣的鉴别模型,预测准确率93.3%;经一阶导数+矢量归一化,17点移动式平均平滑预处理后,采用主成分分析(PCA)法对光谱进行聚类,预测准确率93.3%.两种方法均可作为快速无损地鉴别真伪黄骅冬枣的技术依据.     

棉氨针织二组分近红外定量建模探讨

通过傅立叶近红外仪器对棉氨针织样品进行光谱采集,仪器测试筛选出可用于模型建立的原始光谱,采用一阶导数和平滑对原始光谱进行预处理,选择光谱区域,采用偏最小二乘法建模。对已知标准值的样品进行测试,结果能符合标准允差范围。结果表明近红外技术能够科学、高效、健康地应用于棉氨针织样品的成分分析。     

近红外光谱法检测小麦粉中的水分含量

以化学法测定67个小麦粉样品的水分含量,利用波通DA7200型近红外光谱分析仪采集样品近红外光谱,选择合适的光谱区间及光谱预处理方法,采用偏最小二乘法(PLS)和留一法内部交叉验证方式建立定标模型.50个定标样品的近红外光谱经一阶导数预处理,由PLS法获得的定标模型决定系数(R2)为0.984 3.利用17个验证集样品进行外部检验,预测值与真实值之间的相关系数(R2)为0.984 8,预测集标准偏差(SEP)为0.092 9.近红外光谱法具有方便、快速、准确、无损、无污染的特点,应用于小麦粉水分的测定是可行的.     

蜂蜜颜色对近红外光谱检测模型建立的影响

实验针对影响蜂蜜近红外光谱检测模型建立的颜色因素进行了研究.通过对不同颜色蜂蜜在可见光区的吸收光谱与光密度值的比较,对蜂蜜样品的颜色进行分类;在此基础上,对不同颜色蜂蜜建立的水分、还原糖和蔗糖近红外光谱检测模型的预测效果进行了分析.结果表明,蜂蜜颜色与可见光谱存在一定的相关性.以不同颜色蜂蜜混合建立蜂蜜水分、还原糖、蔗糖含量的定标模型相关性能较高,预测相关系数和预测均方根误差均符合要求.     

便携式葡萄专用可见-近红外光谱检测仪器开发与实验

基于可见-近红外光谱技术,研发低成本、便携式葡萄专用多参数检测仪器,用于满足葡萄采后品质快速、无损的检测需求。本仪器选用凹面全息光栅搭配电荷耦合器件的光谱仪作为核心器件,用于获取样品400～1 100 nm的漫反射光谱数据;选用卤素灯作为稳定可靠的光源、低OH的Y型石英光纤作为光传输的可靠媒介,并设计可调型样品池满足不同大小和品种样品的需求,基于Windows系统采用C#撰写的软件性能稳定,便于模型的更新操作。以“美人指”、“白玉霓”两个葡萄品种进行实验,指标参数包含CIE L*a*b*、可溶性固形物含量及总酚含量。结果显示,本仪器基于最小二乘-支持向量机模型对2 个品种的a*值、可溶性固形物、总酚有较好的建模效果,“美人指”各指标的模型决定系数（Rc 2 ）分别为0.91、0.94和0.90;“白玉霓”各指标的模型决定系数分别为0.96、0.99和0.95。最后,利用70 个非建模葡萄样本模型进行外部测试,结果表明“美人指”的a*值、可溶性固形物、总酚3 个指标的预测根均方误差分别为3.15、1.39 °Brix和0.24 g/kg;“白玉霓”3 个指标的预测根均方误差分别为0.78、1.56 °Brix和0.22 g/kg。结果表明,本仪器能完成对葡萄多个理化指标的建模预测,同时样品池的设计能够满足不同品种葡萄的需求。本研究为果蔬专用型近红外仪器的开发提供技术参考。     

应用拉曼光谱技术识别食用油的种类

采用拉曼光谱技术对食用油的种类建立定性分析模型,实现快速、无损地识别食用油的种类。选取3种常用食用油(大豆油、花生油、玉米油)共87个样品采集其拉曼光谱,采用一阶导数的方法对光谱进行预处理,Norris导数法进行滤波去噪,处理后的光谱采用判别分析算法建立食用油种类识别模型,模型能够实现3种食用油的准确分类。选取大豆油、花生油、玉米油各5个样品作为测试样品,测试结果为大豆油、花生油和玉米油都能够正确地分入所属类别。结果表明,拉曼光谱结合判别分析的方法能够实现食用油种类的识别,校正模型的分类结果能达到100%,预测样本分类结果准确率为86.7%。     

玉米DDGS近红外光谱模型转移研究

为探讨玉米DDGS近红外光谱模型转移应用效果,实现不同仪器间模型共享,以FOSS DS2500F型为主仪器、TR3750-5000型为从仪器,采用近红外光谱基线平移的方法来实现原始光谱转移,分别从水分、粗蛋白质、粗脂肪、氨基酸等组分的建模参数即交互验证标准差(SECV)、交互验证决定系数(1-VR)和外部样品验证预测模型的光谱差异性、系统偏差(Bias)、预测平均标准偏差(SEP)、预测结果准确率等,多维度评估光谱转移后所建预测模型效果。通过验证和评估,从DS2500F型仪器原始光谱转移到TR3750-5000型仪器建立的水分、粗蛋白质、粗脂肪、氨基酸等预测模型SECV、1-VR值与TR3750-5000型仪器原始光谱建立的预测模型无显著差异;验证集样品试验结果显示,转移后的预测模型光谱、系统偏差(Bias)、预测平均标准偏差(SEP)以及准确率与TR3750-5000型仪器原始预测模型对比效果基本一致。结果表明,从DS2500F原始光谱转移到TR3750-5000型仪器建立的玉米DDGS水分、粗蛋白质、粗脂肪、氨基酸等预测模型是完全可以替代TR3750-5000型仪器原始预测模型,可提高模型利用率,具有良好的实用性和共享性,适用于饲料生产企业日常玉米DDGS质量控制。