基于变量优选和近红外光谱技术的红富士苹果产地溯源

为实现对红富士苹果的产地溯源,采集阿克苏、静宁、灵宝、烟台的红富士苹果近红外光谱数据,分别采用归一化、中心化、一阶导数、二阶导数、标准正态变换、多元散射校正(multivariate scattering correction, MSC)、小波变换、SG平滑变换、傅里叶变换等9种方法对原始光谱进行预处理,建立概率神经网络(probabilistic neural network, PNN)模型对苹果的产地进行识别。结果表明,MSC预处理之后的模型总准确率最高,为97.5%,阿克苏、静宁、灵宝、烟台4个产地的准确率分别为100%、100%、90%、100%。为简化模型,对MSC预处理之后的光谱数据分别采用主成分法、连续投影算法(successive projection algorithm, SPA)、竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)、随机蛙跳算法(random frog, RF)、CARS-SPA、RF-SPA选取特征变量建模。综合考虑正确率和模型的复杂性,最优模型MSC-CARS-SPA-PNN的测...     

大米蛋白粉多组分含量近红外光谱快速检测

大米蛋白粉中蛋白质、脂肪和水分的含量是其品质评定的重要指标,应用近红外光谱方法检测大米蛋白粉多组分含量.采集244份大米蛋白粉样品光谱数据,经小波变换处理后建立极限学习机模型(ELM),并采用自适应算法对极限学习机的参数进行优化,提高了模型的精度和稳定性.结果 显示,大米蛋白粉中蛋白质、脂肪和水分的预测集决定系数(R2...     

基于近红外光谱和SSA-ELM的苹果糖度预测

目的：剔除近红外光谱存在大量冗余信息以及提高苹果糖度预测模型的精度,建立快速无损检测苹果糖度的方法。方法：提出一种基于小波包变换的特征波长筛选和樽海鞘算法改进极限学习机的苹果糖度预测模型。针对苹果光谱数据具有维度高而复杂的特点,对光谱数据进行降维处理,分别对比全波段和偏最小二乘法、连续投影法和小波包变换等筛选特征波长的结果,确定苹果光谱特征波长筛选方法;针对极限学习机（extreme learning machine,ELM）,模型性能受其初始权值和隐含层偏置选择的影响,运用樽海鞘群算法进行ELM模型的初始权值和隐含层偏置优化,提出一种基于樽海鞘算法改进极限学习机的苹果糖度预测模型。结果：与遗传算法（genetic algorithm,GA）改进ELM（GA-ELM）、粒子群算法改进ELM（PSO-ELM）和ELM相比,基于SSA-ELM的苹果糖度预测模型的预测精度最高。结论：通过智能算法优化ELM模型的参数可以有效提高ELM模型的苹果糖度预测精度。     

基于近红外光谱和支持向量机回归参数调优的羊肉含水量检测

羊肉中的水分含量直接影响着其加工、贮藏和口感,因此对其水分含量的检测具有十分重要的意义。在900～1 700 nm的波长范围内采集南疆羊肉的光谱数据,采用一阶导数(first derivative, 1-DER)、标准正态变换(standard normal transformation, SNV)、多元散射校正(multivariate scatter correction, MSC)、小波变换(wave transformation, WT)、SG平滑变换(Savitzky Golag smooth transformation, SG)、傅里叶变换(Fourier transform, FT)对原始光谱数据进行预处理。分别采用连续投影算法(successive projection algorithm, SPA)和竞争自适应重加权算法(competitive adaptive reweighted sampling, CARS)进行光谱特征选取,建立偏最小二乘回归(partial least squares regression, PLS)和支持向量机回归(support vec...     

基于近红外光谱的茶叶高氯酸盐污染水平研究

目的 建立一种基于近红外光谱（near-infrared spectroscopy,NIR）分析技术快速定量茶叶中高氯酸盐污染水平的预测模型。方法 采集不同产地的91份茶叶干样,通过傅里叶变换近红外光谱扫描获得样品的近红外漫反射光谱,使用液相色谱质谱法测定茶叶样品中的高氯酸盐含量,以参考量限0.75 mg/kg为标准将样品分为两类;利用偏最小二乘判别分析（partial least squares-discriminant analysis, PLS-DA）建模建立高氯酸盐含量范围的预测模型,同时使用一阶导（1st）、连续小波变换（continuous wavelet transform, CWT）、多元散射校正（multiplicative scatter correction,MSC）、标准正态变换（standard normal variate,SNV）等光谱预处理和竞争自适应重加权（competitive adaptive reweighted sampling,CARS）采样波长筛选技术对判别模型进行优化,最后通过预测集样品对模型进行验证。结果 使用原始光谱建立的模型能够初步实现对高氯酸盐含量范围的预测,而使用光谱预处理扣除光谱中的背景信息,结合MSC和CARS方法共同处理后,模型的预测正确度显著改善,误判样品下降至3个,预测正确率提高至88.5%。结论 本方法表明近红外光谱技术可以为茶叶中高氯酸盐污染水平分析提供一种新方法,对茶叶产业高质量发展具有重要的实际意义。     

近红外光谱结合极限学习机的榛子蛋白质含量检测

以毛榛与平榛作为研究对象,将去壳后的毛榛与平榛分别制成90组与60组试验样本,获取波长范围为900 nm～1700 nm的原始光,同时,通过凯氏定氮法测得其中蛋白质含量真实值,并通过对比研究一阶(1-der)导数、二阶(2-der)导数、多元散射校正(multiplicative scatter correction,...     

基于近红外光谱的SSA-RELM的菠萝含水率快速检测

目的：建立快速无损检测菠萝含水率的方法。方法：提出一种基于连续投影法的特征波长选择和麻雀搜索算法（SSA）优化正则化极限学习机（RELM）的菠萝含水率检测模型。针对菠萝近红外光谱数据具有维度高、冗余信息多的特点,分别对比连续投影法、主成分分析法和全波段等筛选特征波长的结果,确定菠萝近红外光谱特征波长筛选方法;针对RELM模型性能受其输入层权值和隐含层偏置的影响,运用麻雀搜索算法优化RELM模型的输入层权值和隐含层偏置,提出一种基于麻雀搜索算法改进正则化极限学习机的菠萝含水率检测模型。结果：与遗传算法改进正则化极限学习机（GA-RELM）、粒子群算法改进正则化极限学习机（PSO-RELM）和RELM相比,基于麻雀算法改进正则化极限学习机（SSA-RELM）的菠萝含水率检测模型的检测精度最高。结论：麻雀搜索算法优化RELM模型可以有效提高RELM模型的菠萝含水率检测精度。     

稻谷脂肪近红外光谱特征筛选及检测模型构建

应用近红外光谱技术对稻谷脂肪含量进行检测。采集了90个稻谷样本的漫反射近红外光谱,运用Kennard-Stone法选取校正集及预测集样本。对比研究了归一化、一阶导、二阶导、一阶导+归一化等4种预处理方法对模型性能的影响,确定一阶导为最佳预处理方法。运用竞争性自适应重加权采样技术筛选出与稻谷脂肪含量检测相关的特征波长,再用多元线性回归对特征波长进行优选,最终得到30个特征波长。其中最典型的特征波长为1 343、1 489和1 583 nm,反映了稻谷脂肪中大量存在的—CH和—OH基团。所建立的基于近红外光谱分析技术的稻谷脂肪含量检测模型具的决定系数为0.958 9,定标标准差RMSEC为0.223 6,相对偏差为5.53%。     

近红外光谱的苹果内部品质在线检测模型优化

利用近红外光谱技术在线检测水果内部品质的关键是获取精度高稳健性好的定量分析模型。研究开发了短波近红外光谱苹果品质在线检测系统,试验时苹果样本传输速度为5个/s,以漫反射方式采集,有效光谱范围为500~1100 nm。经光谱强度标准化校正后,有比较的采用遗传算法、连续投影算法和蚁群优化算法等提取特征变量,分别建立偏最小二乘模型,同时分析了这三种方法提取光谱特征变量的搜索机制。特征变量提取方法建立的预测模型所用变量显著减少,预测效果均优于全光谱模型,且能提高运算速度,增强模型的稳健性;其中又以蚁群优化算法的模型预测能力最佳,预测集相关系数R为0.9358,预测均方根误差RMSEP为0.2619。研究结果表明,近红外光谱结合特征变量提取方法可以建立高效的苹果可溶性固形物含量在线检测模型,在产业化应用方面具有很大潜力。     

近红外光谱结合连续投影算法检测综纤维素含量

为了简化模型并实现制浆材综纤维素含量近红外光谱法的快速准确检测,以连续投影算法（SPA）筛选出有效波长组合进行了建模实验研究和分析。选择5种制浆材原料共82个样品,测量其综纤维素含量及光谱数据,经蒙特卡罗交叉验证法剔除异常样品后,剩余样品按2∶1划分为校正集和预测集。校正集先以多元散射校正（MSC）方法预处理,再利用SPA选择波长结合偏最小二乘（PLS）回归建立了综纤维素含量的近红外分析模型,并与相关系数法、竞争性重加权自适应选择（CARS）算法所选波长的建模及预测效果进行了比较。结果表明,SPA算法选择出25个波长能充分表征全谱图中的综纤维素含量信息,预测精度最高,预测均方根误差（RMSEP）和预测决定系数（R2p）分别为0.8306和0.9801,满足工业应用精度需求。     

间隔连续投影算法应用于近红外光谱苹果糖度模型的优化

目的采用一种改进的连续投影算法(successive projection algorithm,SPA)筛选光谱区间变量,优化苹果近红外光谱模型。方法试验以半透射方式无损地获取134个苹果的光谱信息,再以标准方法破坏性检测其内部糖度指标,在光谱信息与糖度指标之间构建定量模型。区间连续投影算法(intervals SPA, iSPA)是根据各光谱区间之间的投影关系,选择那些具有共线性小的区间变量来构建偏最小二乘模型(partial least square,PLS)。尝试以全区间光谱划分的间隔数量从5到60,步长为5,以优化共线性小的间隔组合。结果当划分为20个间隔时,构建的PLS模型相比于其他划分间隔时的模型,具有较小的交互验证均方根误差和较少的入选变量,此时对预测集的预测均方根误差为0.521,优于常规连续投影算法线性回归和全区间PLS模型的预测性能。结论区间连续投影算法可用于光谱区间变量的筛选,结合偏最小二乘法可提高模型的预测性能。     

鲸鱼算法改进极限学习机的葡萄酒品质评价研究

[目的]解决近红外光谱中冗余信息过多的问题,提升葡萄酒品质评价模型的准确性,并构建一种快速无损的葡萄酒品质评价方法。[方法]运用竞争性自适应重加权采样法进行特征波长筛选,提出了鲸鱼算法改进极限学习机的葡萄酒品质评价模型。通过自适应重加权采样法等多种特征波长筛选方法,确定了最适用于葡萄酒光谱特征波长筛选的方法;针对ELM的初值权值与隐含层偏置选取问题,利用鲸鱼优化方法对初值权值与隐含层偏置进行优化,从而构建了一种基于鲸鱼优化算法改进的极限学习机葡萄酒品质评价模型。[结果]与GA-ELM、PSO-ELM和传统的ELM模型相比,WOA-ELM的准确率最高,达到了0.944 5,GA-ELM的准确率为0.929 0,PSO-ELM的准确率为0.906 1,传统的ELM方法准确率为0.817 7。[结论]通过智能算法优化ELM模型的参数,可以有效提高葡萄酒品质评价的准确性。     

基于可见/近红外光谱和变量选择的脐橙可溶性固形物含量在线检测

为联合可见/近红外光谱技术和变量选择方法在线检测脐橙主要内部品质指标可溶性固形物(SSC),分别选定脐橙校正集和预测集样本141个和47个,脐橙运输速度为0.3m/s,利用USB4000微型光谱仪在线采集脐橙样本的可见/近红外光谱,先分别采用无信息变量消除(UVE)和遗传算法(GA)对650～950nm波段范围的波长变量进行预筛选,再分别利用竞争自适应重加权采样(CARS)及连续投影算法(SPA)对波长变量进一步筛选,并应用偏最小二乘(PLS)方法分别建立脐橙SSC的在线预测模型,并与原始光谱等建立的预测模型进行比较。结果表明,对于脐橙SSC,预筛选方法GA优于UVE方法,变量选择方法CARS优于SPA方法;GA-CARS及GA-SPA联合变量选择方法优于对应的单一变量选择方法CARS及SPA。在上述变量选择方法中,GA-CARS方法获得的结果最优,其所建立的脐橙SSC的PLS模型的校正集和预测集相关系数分别为0.933和0.824,校正集和预测集均方根误差分别为0.429%和0.670%,性能优于原始光谱建立的PLS模型,且建模波长变量数由1 385个下降为78个,仅占原波长变量数的...     

苹果糖度近红外光谱检测波段试验研究

目的通过近红外光谱技术对苹果进行无损检测,具有快速、非破坏性、无试剂分析、安全、高效、低成本等特点。方法本文运用Matlab7.1,对苹果的糖度与光谱曲线在不同波段处的相对光强进行多元线性回归分析,建立了最佳单波长、最佳双波长组合、最佳三波长组合和最佳四波长组合的校正方程。结果校正方程的相关系数分别为0.621、0.715、0.797和0.822,标准校正误差分别为1.325、1.218、1.074和0.997Brix°,相对校正误差分别为11.28%、10.42%、9.63%和9.26%。结论试验表明用近红外光谱技术无损检测苹果糖度是可行性的,为今后进一步检测苹果的其他品质奠定基础。     

近红外光谱法快速检测甜菜糖度的模型优化

目的建立起近红外光谱技术关于甜菜糖度的最佳预测模型。方法研究了Savitzky-Golay平滑处理、Savitzky-Golay导数、均值中心化、差分求导、净分析信号、去趋势校正、标准正态变量变换和多元散射校正等8种预处理方法的多方法联用处理进行光谱数据的预处理,结合光谱波段优选,建立甜菜糖度与近红外光谱的预测模型。结果在进行模型的评价时,以误差均方根(SEP)、校正标准误差(SEC)与交叉检验误差(SECV)作为评价指标。结论发现经过光谱波段优选之后,结合Savitzky-Golay平滑、Savitzky-Golay导数、去趋势校正及均值中心化进行光谱数据的预处理得到的模型效果最佳。     

利用近红外透射光谱技术测定苹果糖度的研究

利用近红外透射光谱法对苹果糖度进行检测分析,表明在600￣1100nm的波长范围内建立对苹果糖度的预测模型是可行和有效的。苹果糖度的实际化学值和NIT测定值的相关系数为0.955335,标准误差为0.241307。此种方法测定苹果的糖度仅需十几秒钟,并且样品无需任何处理,具有快速、方便、无损伤等特点,对苹果的分级具有实际的意义。     

苹果质地的近红外光谱无损检测模型研究

为了建立快速而无损检测苹果质地的新方法,应用近红外光谱仪研究不同建模方法和光谱预处理方法对苹果质地(脆度、硬度、回复性、凝聚性和咀嚼性)无损检测模型性能的影响。结果表明,波长范围400~2500nm内,采用改进偏最小二乘法、原始光谱结合反相多元离散校正处理所建苹果质地的校正模型最优,脆度、硬度、回复性、凝聚性和咀嚼性预测相关系数均大于0.8,而预测标准误差分别为7.6763N、6.5876N、0.0085、0.0175、1.2466N,残差之和均小于0.2。因此,通过近红外光谱对苹果质地进行快速而无损检测具有一定可行性,但模型精度有待进一步提高。