基于近红外光谱的纯花生油掺伪快速鉴别方法研究

针对目前国内缺乏快速鉴别花生油掺伪鉴别技术的现状,提出基于近红外光谱的纯花生油掺伪快速鉴别方法.实验分别配制了掺入大豆油、菜籽油、棕榈油和调和油的4类掺伪花生油样品共40个,纯花生油样品5个,采集样品近红外全谱,通过支持向量机技术建立纯花生油掺伪鉴别模型.结果表明,选取径向基函数为支持向量机核函数,通过网格搜索和k折校验法确定核参数γ为1,惩罚参数c为1 024,建立纯花生油掺伪鉴别模型的识别率和预测率均达到100%,基于近红外光谱的花生油掺伪快速检测技术具有较好的可行性和实用性.     

基于Linux的大容量Yaffs文件系统性能优化与实现

针对Yaffs文件系统应用在大容量存储设备时所产生挂载速度慢的问题,提出一种新的改进方法,并在Yaffs2文件系统中进行了实现。通过在Yaffs2文件系统中增加适当的偏移量,使得在扫描挂载文件系统时减少了不必要的扫描时间,从而加快了挂载的速度。在最新的Yaffs2文件系统当中,依据该方法修改Yaffs2源代码,同时,在Linux系统上加入了对改进后文件系统的支持。对改进前后的性能进行分析和实验,表明了该方法的可行性。     

近红外漫反射聚类法无损快速测定淀粉品质

提出一种基于近红外光谱技术和聚类分析法对不同种类的淀粉进行无损快速鉴别的方法,研究了近红外光谱结合聚类分析法快速鉴别淀粉种类的可行性.采集样品在12 500~4 000cm-1范围内的近红外漫反射光谱,利用光谱模式识别法中的聚类分析法对图谱进行定性分类鉴别.光谱经一阶导数预处理后,采用聚类分析法可准确无误地将样品分为2类,分类准确率达到100%.同时采用预测集的样品验证所建模型的准确性,经实验得出预测准确率也是100%.实验结果表明,近红外漫反射光谱结合聚类分析法可以为快速无损鉴别淀粉种类提供一种准确可靠的方法.     

微量农药溶液近红外光谱PLS模型的不同预处理方法对比研究

比较了常用的多种预处理方法对近红外光谱技术(NIR)检测微量农药溶液含量的影响,使用偏最小二乘法(PLS)分别对各预处理方法处理后的数据建立了数学模型,利用两种不同农药初步探讨了数据量对PLS建模结果的影响。结果表明:矢量归一化(SNV)对26个微量毒死蜱溶液样本的预处理效果综合参数最好,校正集参数为R=0.9957,RMSECV=0.182,预测集参数为R=0.9992,RMSEP=0.0802;减去一条趋势线对20个微量炔螨特溶液样本的预处理效果综合参数最好,校正集参数为R=0.9925,RMSECV=0.649,预测集参数为R=0.9952,RMSEP=0.646。26个样本的微量毒死蜱溶液PLS建模结果优于20个样本的微量炔螨特溶液。     

单粒玉米种子水分近红外快速无损测定方法研究

玉米精量播种技术发展对种子质量检测提出了单粒、无损、快速测定等新需求,本研究重点探索了近红外光谱结合化学计量学方法建立单粒玉米种子水分检测模型的可行性。实验收集并测定了110份玉米样本的水分含量,应用傅里叶变换红外光谱仪及单粒测样附件扫描得到样本集近红外光谱,按照3:1随机划分训练集和测试集。首先采用多种光谱预处理方法消除单粒种子采集光谱时由于颗粒形态等引起的噪声干扰,然后分别建立基于PLS线性模型和SVM非线性模型的单粒玉米种子水分近红外检测模型,其中PLS模型测试集的R为0.93,RMSEP为0.86；SVM模型测试集的R达到0.96,RMSEP为0.71。实验结果表明,光谱预处理结合SVM非线性模型可以有效降低单粒玉米种子近红外光谱采集时引入的非线性干扰,有助于提升单粒玉米种子水分近红外快速无损检测实际应用可行性。     

基于MicroNIR的小麦粉品质在线检测系统设计

小麦粉生产工厂多采用离线方式分析产品的品质,造成产品质量分析数据滞后于生产过程,导致人力和物力资源浪费等问题,研究设计了微型近红外小麦粉品质在线检测系统。以MicroNIR-2200微型近红外光谱仪和S3C2416开发板为核心,以小麦粉为研究对象,以水分、灰分和面筋含量作为检测指标,设计并搭建了基于近红外光谱分析技术的小麦粉品质在线检测系统,该系统主要包括在线光谱采集系统的硬件、软件部分和光谱建模分析软件的设计。通过模拟在线装置和实验测试,验证了基于近红外光谱的小麦粉品质在线快速检测系统的可行性。     

纯棉织物珠光印花工艺探讨

探讨与珠光印花有关的工艺参数的改变，如粘合剂的筛选、用量，焙烘温度、时间的变化等，从而获得较为合理的珠光印花工艺。     

纯棉氨纶包芯纱弹力织物珠光印花工艺

对珠光印花工艺参数如粘合剂种类、用量、焙烘温度、时间等进行优化试验，得出了较为合理的珠光印花工艺。     

基于高光谱成像技术的大米溯源研究

利用高光谱成像技术提取大米的光谱信息进行大米产地溯源研究。采用X-Y距离样本集算法（SPXY）进行训练集和测试集的划分,将1 000颗大米样本中800个为训练集,剩下200个为测试集。并采用主成分分析（PCA）法提取相关性较强的主成分光谱信息,进行数据降维。基于主成分分析法提取前4个主成分,并在贡献率最高的第4主成分基础上,结合支持向量机算法（SVM）建立大米产地溯源预测模型。研究得出训练集准确率可达96%,测试集平均准确率为79%。通过训练集和测试集的实验结果表明,高光谱成像技术可以对大米产地进行溯源,为大米产地快速、无损检测提供了一定思路和参考。     

NIR和ATR-FTIR光谱技术在萝卜农残检测中的应用

研究了近红外(NIR)光谱技术和衰减全反射傅里叶变换红外(ATR-FTIR)光谱技术在萝卜农药残留检测中的应用。为了从不同角度分析,分别使用偏最小二乘(PLS)法和BP神经网络建立了数学模型。经最小—最大归一化方法优化后的NIR光谱数据的PLS法模型标准差为:RMSEC=0.289,RMSEP=0.335,BP神经网络模型标准差为:RMSEC=0.436,RMSEP=0.610。矢量归一化方法优化后的ATR-FTIR光谱数据的PLS法模型标准差为:RMSEC=0.168,RMSEP=0.127,BP神经网络模型标准差为:RMSEC=0.100,RMSEP=0.106。结果表明:ATR-FTIR的农药残留检测精度高于NIR光谱技术,ATR-FTIR光谱技术在农药残留检测方面有实际应用潜能和优势。