基于极限学习机自编码算法的近红外光谱模型传递的研究

目的 针对食用油的酸值和过氧化值进行分析,探究极限学习机自编码算法(transfer via extreme learning machine auto-encoder algorithm,TEAM)在近红外光谱上的模型传递。方法 使用MATRIX-F和VERTEX-70两种红外光谱仪采集食用油近红外光谱数据,利用多元散射校正方法对光谱数据进行预处理。然后基于TEAM建立传递模型,并与直接标准化、分段直接标准化和斜率偏差校正算法的建模效果进行了对比。结果 经TEAM算法模型传递后提高了模型的精确度,食用油酸值模型中,决定系数(R2)从-1.3984升高到0.8553,预测集均方根误差从0.6130mg/g降低到0.2578mg/g,食用油过氧化值模型中,R2从0.6170升高到0.8987,预测集均方根误差从16.1530 mmol/kg降低到10.4150 mmol/kg。结论 极限学习机自编码算法使从机数据更好适应主机模型,提高了模型的稳定性和准确性。     

京郊鲜食杏白利糖度的便携式光谱快速无损检测方法研究

目的建立京郊鲜食杏白利糖度的定量分析预测模型,实现对京郊鲜食杏品质的快速无损检测。方法使用便携式近红外光谱仪采集900～1700 nm下鲜食杏的漫反射光谱信息,使用多元散射校正(multiplicative scatter correction,MSC)、标准正态变量变换(standard normal variable transformation,SNV)和Savitzky-Golay卷积平滑(Savitzky-Golay smooth,S-G)对原始光谱数据进行预处理,使用Kennard-Stone (K-S)算法以3:1比例将样本集划分成校正集和预测集,利用竞争自适应重加权采样(competitive adaptive reweighted sampling,CARS)算法和连续投影算法(successive projections algorithm,SPA)对光谱进行特征波长筛选,使用偏最小二乘回归(partial least squares regression,PLSR)算法建立京郊鲜食杏白利糖度的预测模型。结果以MSC+S-G+CARS+PLSR算法建立的北京鲜食杏的...     

基于云计算的食品品质实时在线光谱检测系统实现

为解决光谱检测技术中的模型维护成本高、扩展性不足和光谱资源共享性较差等问题,改善专用便携式光谱仪检测分析对象的局限性,将光谱数据采集和分析功能进行解耦,使用Android开发工具和Java语言,开发了以便携式光谱仪、手机终端和云服务器构成的光谱实时在线检测系统,基于云计算服务完成云端光谱模型的建立与分析。以小麦粉面筋定量分析为例,采用多元散射校正、竞争性自适应重加权采样法、偏最小二乘回归算法建立小麦粉面筋定量分析模型,测试25个小麦粉样本并返回分析结果,验证系统可靠性。结果表明,25个小麦粉样本面筋含量误差范围在0~0.7%,分析结果消耗时间平均为7.09s,误差范围和分析结果耗时均在可接受范围内,验证了基于云计算服务实现光谱实时在线检测分析是可行的。通过部署不同食品主要成分的定量分析模型至云端,系统可实现多种食品品质的实时在线检测分析,希望为多场景下食品品质快速无损检测提供技术参考。