粳稻储藏食用品质近红外光谱快速测定技术研究

本文采用近红外光谱(NIRS)分析技术和化学计量方法研究建立了粳稻储藏品尝评分值的近红外分析模型,并对模型进行了预测准确性评价.在建立定标模型的过程中,探讨了不同光谱散射、数学等优化处理对定标模型的影响.结果表明:修正偏最小二乘法(MPLS)是建立粳稻储藏品尝评分值定标模型的最佳回归方法,所建立颗粒状和粉末状样品模型的定标相关系数(RSQ)分别为0.9274和0.9230,定标标准偏差(SEC)分别为2.3479和2.5391.定标模型具有较好的预测准确性.     

近红外光谱结合反向区间偏最小二乘法检测药用辅料糊精

利用近红外光谱结合化学计量学方法快速检测了药用辅料糊精含量。首先,用近红外光谱仪采集主药与糊精共存样本的近红外光谱数据;然后,采用反向区间偏最小二乘法(Backward Interval Partial Least Squares,Bi PLS)优选光谱特征区间;最后,采用偏最小二乘法(PLS)对优选出来的区间建立药用辅料糊精近红外光谱模型。采用Bi PLS将全光谱均匀划分35个子区间,选择16个子区间[1,7,10,12,18,20,21,23~25,28~33]时,建立的模型预测效果最佳,其交叉验证均方根误差和预测均方根误差分别为1.501和2.437,校正集和验证集相关系数分别为0.9968和0.9958。因此,利用近红外光谱技术快速检测药用辅料糊精含量是可行的。     

基于正交信号校正的喷气燃料近红外光谱去噪研究

为了提高喷气燃料近红外光谱模型的预测精度和稳健性,结合近红外光谱的特点,将正交信号校正法(OSC)用于喷气燃料近红外光谱的预处理.在正交信号校正过程中,通过K矩阵法建模选择正交信号校正的最佳主成分数.将正交信号校正后的光谱分别与K矩阵法、主成分回归(PCR)和偏最小二乘法(PLS)结合建立校正模型,对喷气燃料的密度和2...     

基于GA-PLS算法的小麦粉灰分含量快速检测

为得到噪声小、准确性强、自适应性良好的模型,对实验所得的近红外光谱进行预处理及优化波长是十分必要的.实验确定小麦粉中灰分含量为研究对象,提出将光谱预处理及遗传算法(GA)优化波长用于提高偏最小二乘法(PLS)定量建模的稳健性.对比在不同预处理方法下相关系数R2、矫正标准差(RMSEC)、预测标准偏差(RMSEP)3个指标,随机选择130份样本,建立预处理+GA+PLS定量分析模型.实验结果为:R2从70.31%提到了97.46%,RMSEC从0.0775降低到了0.0226,RMSEP从0.0996降低到了0.0213,表明基于光谱预处理结合GA优化谱区定量分析小麦粉中灰分含量可行,模型预测能力和精度更高.     

偏最小二乘法同时测定食醋的有效成分和防腐剂的含量

偏最小二乘方法建立近红外光谱与组分浓度的多元校正模型,用于同时快速测定食醋的有效成分(总酸)和防腐剂(苯甲酸)含量。采用透射模式,样品不经任何处理测定近红外光谱。用17个食醋样品建立偏最小二乘法(PLS)模型,用3个样品作为预测样品以评估PLS模型。结果:食醋中的总酸和苯甲酸在2 125～2 325 nm区域之间,与光谱有良好的线性关系,总酸的PLS模型中,隐变量为3时,预测均方根误差0.038 7 g·L~(-1),总酸含量与光谱的线性相关系数达到0.999 7,相对预测误差5.89%;苯甲酸的PLS模型中,隐变量为6时,预测均方根误差降至0.013 8 g·L~(-1),苯甲酸含量与光谱的线性相关系数达到0.999 8,相对预测误差降至4.29%。     

近红外光谱信号的优化处理

用实验室常规方法测定竹材样品的木质素含量,漫反射方式采集样品的近红外光谱信号,偏最小二乘法(PLS)和完全交互验证方式以建立毛竹木质素含量的定量分析模型。研究主成分数、建模谱区、求导和平滑预处理技术对定量分析模型的影响。结果表明,预处理技术压缩和恢复的近红外光谱信号效果良好,提高了模型的预测能力,优化近红外定量分析模型有重要参考价值。     

MIV方法在苹果糖度近红外分析中的应用

针对苹果糖度近红外光谱数据的特点,分析了基于BP神经网络和偏最小二乘PLS的苹果糖度定量预测模型建立方法:,将平均影响值方法:(mean impact value)引入到近红外波长选取的过程中来,并与联合区间偏最小二乘法结合,达到波长优选的目的:。首先,利用联合区间偏最小二乘算法,筛选出与苹果的糖度相关度较大的光谱波长数据,再利用PLS-BP方法:建立预测模型。在此模型基础上,使用平均影响值方法:,对参与建模的每个波长数据进行评价,选取影响值最大的一系列波长点,重新建立模型。模型变量数为124,校正均方根误差(RMSEC)为0.1740,验证均方根误差(RMSEP)为0.4565。结果:表明,校正均方根误差,利用平均影响值与联合区间偏最小二乘方法:结合,对光谱数据进行波长的筛选,可以降低模型复杂度,同时提高模型预测精度。     

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。     

小波变换-偏最小二乘法用于柴油近红外光谱分析

为了提高近红外光谱分析精度和速度,需要分别对近红外光谱扣除背景、降低噪音和优选变量等预处理,其过程稍嫌烦琐,本文提出用小波变换-偏最小二乘法(PLS)。该方法利用小波变换提取光谱变量,利用PLS将光谱变量和柴油性质进行关联,建立模型。利用该方法能够分析柴油的诸多性质,分析精度与传统处理方法(微分-PLS)基本一致。该方法具有预处理简单、优选参数少、建模变量少等特点,能够大大简化建模过程、提高建模和分析速度。     

夏枯草中迷迭香酸近红外光谱定量分析模型的建立

目的:建立近红外漫反射光谱法快速测定夏枯草中迷迭香酸的含量方法。方法:采用高效液相色谱法测定不同产地的170批次夏枯草中迷迭香酸的含量,同时采集近红外漫反射光谱,对原始光谱进行多元散射校正(MSC)、一阶导数(First derivative)和S-G(Savitzky-Golay filter)平滑等光谱预处理方法,采用偏最小二乘法(PLS)建立近红外定量分析模型,实现夏枯草中指标性成分迷迭香酸含量的快速测定。结果:所建立的迷迭香酸近红外定量分析模型,模型R~2为0.9768,RMSEC和RMSEP分别为0.0387和0.0441,表明所建近红外模型预测准确度高。交叉验证均方差RMSECV为0.0706,表明所建模型稳健性好。结论:本研究所建迷迭香酸近红外定量分析模型具有很好的预测准确度和稳健性,为市场上夏枯草质量的快速评价提供新的方法。