优化茶多酚近红外光谱定量分析模型

茶叶中茶多酚作为茶叶品质检测中常规检测成分之一,目前的常规检测方法的缺点是费时、费力,成本较高,因此本研究利用近红外光谱分析技术对茶叶中茶多酚含量快速无损检测具有很高的实用价值.为了提高近红外光谱茶多酚预测模型的精度,利用小波消噪预处理茶叶近红外光谱,滤去其中的噪声信息.再用区间偏最小二乘法(iPLS)与遗传算法(GA)相结合的PLS波长筛选法iPLS-GA建立茶多酚的预测模型:用iPLS预测前,先将整个光谱划分为40个子区间,选择交互验证均方根误差RMSECV值低于全光谱区间的第25和34子区间的组合为信息区间,共166个波数点,然后用GA全局优化组合这166个波数点,最终共有18个波数点用于建立茶多酚模型.结果表明,用小波消噪和iPLS-GA建立的茶多酚模型的预测相关系数RC和校正均方根误差RMSEC分别为0.964 8和2.14;预测相关系数Rp和预测均方根误差RMSEP;分别为0.958 7和2.22.均比其它模型好.建模数据量从3 320个减少到18个,使模型得以简化.     

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%。     

近红外光谱技术快速测定当归中藁本内酯含量

基于近红外光谱技术,运用偏最小二乘回归(PLSR)方法实现当归中藁本内酯含量的快速、无损检测.采用高效液相色谱(HPLC)法测定当归中藁本内酯含量,一阶导数结合正交信号校正对原始光谱进行预处理,建立当归近红外光谱和藁本内酯含量之间的最小二乘回归定量分析模型.结果表明:模型在校正集上的均方根误差(RMSEE)、交叉验证均方根误差(RMSECV)和决定系数R2分别为0.199 9,0.3489和0.9932,在预测集上的预测均方根误差(RMSEP)和决定系数R2分别为0.23和0.9941.方法具有简单、快速、不破坏样品等特点,可用于当归中藁本内酯含量的快速检测.     

近红外光谱结合Boosting-PLS快速检测奶粉中蛋白质含量

采用1种基于Boosting理论的回归建模算法Boosting-偏最小二乘法(BPLS),建立了奶粉中蛋白质含量的近红外模型.先用Kemard-Stone法构建样本训练集和预测集,继对所有样本的近红外光谱进行中心化处理,用BPLS算法进行建模,并对收缩因子v与迭代次数m这2个重要参数进行了优化,当收缩因子为0.9,迭代次数为882时,所建模型的预测结果最好,预测均方根误差(RMSEP)为0.3159,明显优于偏最小二乘法.结果表明:BPLS算法具有提高模型的预测精度的显著优势,可实现奶粉中蛋白质含量的快速、无损测定.     

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。     

烟叶原料单位烟气释放量的近红外速测模型建立

为快速有效进行烟叶原料烟气释放量分析,通过近红外光谱预处理、光谱特征谱段选择和模型参数优选等方面的研究,构建了对加工前和加工后烟叶原料近红外光谱均适用的稳健的偏最小二乘烟气预测模型,实现了对烟叶原料单位焦油、一氧化碳和烟气烟碱的有效分析。结果表明:焦油模型的交叉验证均方根误差和相关系数分别为1.01和0.87,一氧化碳模型的交叉验证均方根误差和相关系数分别为1.16和0.81,烟气烟碱模型的交叉验证均方根误差和相关系数分别为0.25和0.93。单位焦油、一氧化碳和烟气烟碱的有效预测范围分别为:(18.6~27.01)mg/g,(16.89~24.41)mg/g,(1.5~3.41)mg/g。研究结果能够为烟草企业更好评价烟叶原料品质、稳定卷烟配方烟气释放量、提升产品质量一致性提供技术支撑。     

近红外光谱法测定黄芩提取物中黄芩苷含量

应用近红外光谱技术探讨了黄芩提取物中黄芩苷含量的快速检测新方法.共收集12个不同厂家的100批黄芩提取物样品,利用Nicolet 6700型傅立叶变换近红外光谱仪采集样品近红外漫反射光谱,通过HPLC法测定黄芩苷含量值,结合偏最小二乘法(PLS)建立黄芩苷含量的近红外定量校正模型,并通过筛选合适的光谱预处理方法、建模区间和主成分数获得最优模型.所建最优校正模型的相关系数(R2)、校正均方差(RMSEC)和内部交叉验证均方差(RMSECV)分别为0.995、0.440和2.259;经外部验证,模型的预测相关系数(r2)、预测均方差(RMSEP)和平均回收率分别为0.988、0.486和100.190%.结果表明,该方法可用于不同厂家黄芩提取物中黄芩苷含量的直接测定,操作简便,无污染,结果准确可靠,可实现大批量样品的快速分析.     

近红外光谱结合可移动窗口偏最小二乘法对克霉唑粉末药品的定量分析

建立测定克霉唑粉末药品的近红外漫反射光谱结合可移动窗口偏最小二乘法(MW-PLS)多元校正模型。选择有效的光谱预处理方法,并对窗口宽度,窗口移动的位置,以及隐变量数对模型参数进行优化,使用逼近度作为建模参数优化评价指标,最终得到测定克霉唑粉末药品的最佳模型。用该模型进行预测,校正集和验证集的预测值和真实值间的相关系数(Rc)分别为0.9558和0.9645,校正集的均方根误差(RMSEC)为0.0041,验证集均方根误差(RMSEP)为0.0043,表明该模型的稳健性、拟合度和预测能力都令人满意。     

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。     

NIRS结合PLS快速分析银黄颗粒中有效成分含量

研究旨在探讨利用银黄颗粒样品的近红外漫反射光谱(NIRS)信息,建立黄芩苷和绿原酸含量的校正模型,为银黄颗粒质量的快速评价提供1种新方法.以HPLC分析值为参照,采用近红外漫反射光谱技术采集100批银黄颗粒样品的近红外漫反射光谱,结合偏最小二乘法(PLS)建立了黄芩苷和绿原酸含量的校正模型.黄芩苷和绿原酸含量的校正模型相关系数(R2)分别为0.998和0.995,校正均方差(RMSEC)为0.578和0.123,内部交叉验证均方差(RMSECV)为2.356和0.412;经外部验证,预测相关系数(r)分别为0.995和0.984,预测均方差为(RMSEP)0.597和0.166.结果表明,该方法准确、简便、无污染,可实现大批量银黄颗粒样品的快速分析.     

高光谱数据预处理对大豆叶绿素密度反演的作用

针对高光谱数据异常值影响叶绿素密度反演精度的问题,以大豆叶片为研究材料,利用马氏距离和蒙特卡洛交叉验证法(Monte Carlo cross validation,MCCV)剔除异常样本,探讨13种高光谱数据预处理方法对叶绿素密度偏最小二乘法(partial least square,PLS)建模的影响。结果表明,马氏距离法和MCCV剔除异常样本能提高校正模型的精度,在权重系数为1时剔除异常样本数3个,模型精度最高,校正集决定系数和均方根误差分别为0.821和0.112。微分处理能大幅度提高模型的预测精度,二阶微分处理效果最好,校正集决定系数和均方根误差分别为0.998和0.012,验证集决定系数和均方根误差分别为0.961和0.139,具有比原始光谱更高的精度。因此,适宜的高光谱数据预处理可有效提高大豆叶绿素密度估测精度。     

基于CARS变量筛选的固态发酵pH值近红外检测

为了提高近红外光谱技术快速检测固态发酵过程中pH值的精度和稳定性,提出了采用竞争自适应重加权采样(competitive adaptive reweighted sampling,CARS)法筛选出与pH相关的波长变量建立PLS预测模型,对验证集样本进行预测的方法。并与2种常见的变量筛选法GA-PLS和蒙特卡罗无信息变量消除法(MC-UVE)相比较.实验结果表明:CARS方法能有效筛选有用波长26个变量建立PLS模型,其校正集交互验证均方根误差(RMSECV)以及交互验证相关系数(Rc)分别为0.0368和0.9950;验证集的预测均方根误差(RMSEP)以及预测相关系数(Rp)分别为0.0589和0.9895。     

杜仲松脂醇二葡萄糖苷含量的近红外光谱检测研究

采用AntarisⅡ傅立叶变换红外光谱分析仪器(Thermo Nicolet)测定了9种杜仲的光谱数据,运用偏最小二乘法(PLS)和主成分分析回归(PCR)分别建立了杜仲中松脂醇二葡萄糖苷(PDG)含量与吸光度变量的近红外光谱定标模型,并对所建模型进行验证.结果表明,2种方法建立的模型精度都较高,其中模型的预测能力强弱指标SSE=2.8333,PRESS=7.2392,可见在近红外光谱下,PCR和PDG都适合对杜仲进行检测研究,这是本文的一个重要结果,为以后杜仲的指标检验研究提供了理论和实验依据:但是,PCR建立的(PDG)定标模型预测精度稍高于偏最小二乘法(PLS)建立的模型,所以文中只对PCR进行模型的建立,PLS方法对杜仲检测分析这个问题有待于以后的进一步讨论和研究.     

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。     

基于近红外光谱的水蜜桃采摘期的鉴别方法

提出了一种利用近红外漫反射光谱技术结合光纤传感技术建立水蜜桃采摘期的鉴别方法.从无锡阳山镇的某大棚采摘了距最佳采摘期天数为3,2,1以及处于最佳采摘期的水蜜桃各48个,用近红外光谱仪对样品进行了光谱采集.对原始光谱进行平滑、一阶微分和多元散射校正预处理,采用主成分分析(PCA)结合偏最小二乘(PLS)法建立了水蜜桃采摘期的鉴别模型.研究显示:一阶微分和平滑组合预处理后的鉴别模型效果最好,校正集模型和预测集模型的决定系数分别为0.9279和0.9138;模型的内部交叉验证均方差(RMSECV)和预测均方根偏差(RMSEP)分别为0.3003和0.3349;水蜜桃样品校正集和预测集的鉴别正确率分别为95.13%和93.75%.结果表明:利用近红外漫反射光谱技术对水蜜桃采摘期的鉴别具有很好的应用前景.     

辣椒粉掺杂苏丹红的近红外光谱鉴别及其含量测定方法研究

研究应用漫反射近红外光谱快速鉴别辣椒粉中的苏丹红及其含量测定的方法。利用漫反射模式直接测定含有苏丹红的辣椒粉的近红外光谱,采用多元散射校正(MSC)方法对光谱进行校正,利用主成分分析研究含有苏丹红的辣椒粉和未含苏丹红的辣椒粉空白样品的分类。根据高效液相色谱测定辣椒粉中的苏丹红含量,利用偏最小二乘方法(PLS)建立苏丹红含量与近红外光谱之间的线性模型。结果显示,利用主成分分析可以方便、快速和准确地区分有无苏丹红的辣椒粉;苏丹红含量与近红外光谱具有良好的线性关系,当隐变量数目为7时,PLS模型的预测误差达到0.428μg/g,预测相关系数达0.973。     

基于VIP处理的O-PLS算法的无创血糖基础研究

为了解决目前无创血糖检测模型的精度不高,预测效果不好的问题,以葡萄糖水溶液为样本,利用近红外光谱透射法测量不同浓度葡萄糖的吸光度。采用偏最小二乘法（PLS)对葡萄糖溶液的光谱和浓度进行建模和预测,通过正交信号校正法（OSC)消除葡萄糖溶液光谱和浓度的主成分中的正交成分,同时,采用了变量投影重要性指标（VIP）筛选出对葡萄糖溶液浓度解释能力强的波长变量。数据结果表明,经过处理后模型验证集的实际值和预测值的相关系数可以达到9977%,预测均方根误差（RMSEP)为00048,通过OSC和VIP可以有效提高PLS模型的准确度和预测能力。     

库尔勒香梨含糖量的近红外光谱检测模型研究

以成熟期库尔勒香梨为研究对象,以香梨含糖量作为检测指标,使用近红外光谱仪采集香梨样本光谱数据,通过一阶差分、二阶差分、标准正态变量变换（SNV）、多元散射校正（MSC）等方法对原始光谱进行预处理分析,研究香梨糖分的近红外光谱响应,结果表明MSC方法更适合于香梨近红外光谱数据的预处理。使用SPXY算法将近红外光谱建模样本集按4∶1进行划分,并使用相关系数法提取12个特征波长变量。通过线性回归、偏最小二乘法（PLS）和支持向量机（SVM）等方法分别建立香梨含糖量的检测模型,并进行比较,PLS模型均方根误差（RMSE）为0.5457,预测精度（Precision）为0.9918,相关系数为0.5802,均优于其它两种预测模型。MSC+PLS预处理方法可用于库尔勒香梨含糖量快速、无损检测。     

基于BiPLS和cPLS的苯丙酮尿症FTIR/ATR光谱筛查模型的建立与优化

目的:基于反向区间偏最小二乘法(BiPLS)和多模型共识偏最小二乘法(cPLS),建立新生儿苯丙酮尿症的FTIR/ATR光谱筛查模型。方法:利用BiPLS将全光谱划分成若干个子区间,优化子区间数目,优选特征子区间组合,然后分别建立基于全光谱和BiPLS优选波段的定量模型,以均方根误差(RMSE)、平均相对误差(MRE)、预测准确率(Acc)、灵敏度(Sens)、特异性(Spec)为指标,比较2种模型的性能。结果:与全光谱相比,BiPLS优选波段将波长压缩了85.0%~90.5%,但所建模型的多项性能指标却有不同程度地提高。在最优条件下,Phe浓度模型的R、RMSE、MRE分别为0.93、87.0、0.27,Sens、Spec、Acc分别为98.2、98.7和98.4;Phe/Tyr比值模型的R、RMSE、MRE分别为0.93、3.55、0.36,Sens、Spec和Acc均为100。Phe浓度模型对接近筛查切值的样本会产生误判,而辅以Phe/Tyr比值模型可将Sens和Spec提高到100。结论:BiPLS极大地压缩了建模所需波段,降低了模型复杂度,提高了模型精度;与cPLS相结合,本文建立的Phe浓度和Phe/Tyr比值的定量校正模型,有望用于新生儿苯丙酮尿症的大人群快速筛查。     

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。