基于低场核磁共振技术构建韧性饼干中水分含量无损定量预测模型

目的基于低场核磁共振技术(low-field nuclear magnetic resonance, LF-NMR)弛豫特性建立韧性饼干水分含量的预测模型,探讨LF-NMR无损快速预测韧性饼干水分含量的可行性。方法采用LF-NMR对韧性饼干的CMPG(Carr-Purcell-Meiboom-Gill)序列信号进行采集,利用直接干燥法检测韧性饼干中水分的实际含量,建立多元回归分析、K最邻值回归分析(K-nearestneighbor,KNN)和高斯过程回归(Gaussianprocess regression,GPR)模型。结果 3种模型中KNN回归模型预测集决定系数最大为0.9932,均方根误差最小为0.2542,因此韧性饼干中水分与低场核磁弛豫特性的分析中, KNN回归分析的模型最优。结论使用LF-NMR分析仪预测韧性饼干中水分含量是一种无损、快速的方法,对于韧性饼干样品中水分快速预测建模结果良好,因此利用低场核磁共振技术快速预测韧性饼干样品中的水分含量方法可行。     

基于微型近红外光谱仪的油菜籽含油率模型参数优化研究

为实现油菜籽含油率快速无损检测,采用微型近红外光谱仪,结合竞争性自适应重加权(CARS)、遗传算法(GA)、连续投影算法(SPA)、无信息变量消除法(UVE)、向后区间偏最小二乘法(BIPLS)、联合区间偏最小二乘法(SIPLS)等方法优选油菜籽含油率近红外光谱特征波长,建立偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)定量分析模型,同时对LS-SVM模型参数进行优化。研究表明,对PLSR模型,BIPLS+GA优选的26个特征波长建模效果最好,其预测相关系数(Rp)和预测均方根误差(RMSEP)分别为0.9330和0.0075,对LS-SVM模型,SIPLS+GA优选的13个特征波长建模效果最好,预测相关系数(Rp)和预测均方根误差(RMSEP)分别0.9192和0.0055。证明了波长优选和参数优化可有效简化油菜籽含油率近红外光谱定量分析模型,提高模型预测精度和稳定性,为进一步拓展微型近红外光谱仪的应用提供技术参考。     

低场核磁共振与近红外联用仪器的研发与应用

为弥补单一低场核磁共振分析仪或单一近红外光谱仪器能够检测到的信息有限、分离式采样操作繁琐耗时的缺点，通过研究近红外所用透射式光纤与低场核磁主频21 M、线圈直径25 mm的探头组合，研发了一款能够同位、同步采样，实现信息互补的联用分析仪。性能测试结果表明，低场核磁均匀区长度大于25 mm,近红外光谱标准偏差小于0.003,其他各项测试结果均符合应用技术要求。最后以84个柴油样品在该联用仪器上进行采样分析试验，以柴油的50%回收温度和密度建立模型，结果表明，经过特征提取、数据融合的检测模型分别优于基于低场核磁共振与近红外单一数据集的检测模型。由此可见该联用仪器在柴油分析中具有信息互补的趋势，在石油产品、食品农业、生物医药等检测领域具有实际应用意义与推广价值。