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。     

近红外和高光谱技术用于小麦籽粒蛋白含量预测探索

以57份小麦籽粒为样本,分别采用Vertex 70傅立叶近红外光谱仪(单籽粒测样附件)和近红外增强型高光谱成像系统采集光谱,建立预测小麦籽粒蛋白含量的模型。基于近红外的小麦单籽粒模型相关系数为0.52,交叉校验均方根误差为0.807;而基于高光谱建立的模型相关系数为0.81,交叉校验均方根误差为0.7035。结果表明:在样本量少且为籽粒形态时,可优先考虑高光谱技术替代传统的近红外单籽粒采样模式来检测样本内部品质,但其实用性还有待进一步验证。若深入结合图像信息,高光谱技术在农产品内外品质检测方面有更广阔的应用。     

卷烟主流烟气成分释放量的人工神经网络预测研究

应用标准方法测试了55种烤烟样品(中国43种、巴西6种和津巴布韦6种)常规化学成分：总糖、还原糖、总植物碱、总挥发碱、总氮、钾、氯和卷烟主流烟气化学成分：烟碱、焦油、一氧化碳。完成了烟草淀粉、石油醚提取物以及卷烟主流烟气苯并[a]芘的分析。通过误差反向传播网络(BP-ANN)对卷烟主流烟气成分释放量进行了预测研究。结果显示,除烟气烟碱、苯并[a]芘的相对偏差绝对值的平均值略超过10%外,焦油、一氧化碳和抽吸口数的相对偏差平均值均小于10%,说明应用BP网络可通过烟草化学成分预测卷烟主流烟气成分烟碱、焦油和一氧化碳的释放量。     

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。     

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。     

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.     

SIMCA分类法与偏最小二乘法结合近红外光谱检测卷烟的内在品质

针对卷烟内在品质常规化学检测过程烦琐、速度慢的特点,本文探讨了基于化学计量学方法与近红外光谱分析技术结合判别卷烟品质等级和同时检测多个品质指标的快速方法。通过采用SIMCA分类法与偏最小二乘法结合卷烟的傅里叶变换近红外漫反射光谱,建立了3个不同级别卷烟的分类模型,用于甄别卷烟品质真伪,结果准确;同时,又建立了检测卷烟中总氮、总糖、烟碱主要化学成分含量和其主流烟气中焦油、烟碱、一氧化碳释放量等品质指标的校正模型,其相关系数分别为：0．9844、0．9918、0．9968、0．9505、0．8945和0．9625;交互效验均方残差分别为：0．0663、0．6682、0．0607、0．2262、0．0350和0．3685。另取未知样品对模型进一步验证,经配对t-检验表明,在显著性水平大于0．05的条件下,其测定结果与标准方法的测定结果对比,两者均无显著性差异。该法应用于卷烟品质真伪鉴别和品质指标检测,操作简单、快速、准确。     

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。     

当归中Z-藁本内酯及正丁烯基苯酞近红外定量模型的建立

建立快速测定当归中Z-藁本内酯及正丁烯基苯酞的近红外漫反射光谱定量模型。通过载有积分球漫反射装置的近红外光谱仪获得141批当归药材的近红外光谱,以高效液相色谱测定Z-藁本内酯及正丁烯基苯酞的质量分数,利用TQ Analyst 8.0软件的偏最小二乘法建立定量模型。结果表明,所建Z-藁本内酯模型的相关系数为0.9931,校正均方差为0.4464,预测均方差为0.50341交叉验证相关系数为0.9362,交叉验证均方差为1.0355。所建正丁烯基苯酞模型的相关系数为0.9672,校正均方差为0.5253,预测均方差为0.6462:交叉验证相关系数为0.9146,交叉验证均方差为1.0453。Z-藁本内酯及正丁烯基苯酞的平均预测回收率分别为100.99%及102.14%。研究表明,利用近红外光谱技术快速测定当归中Z-藁本内酯及正丁烯基苯酞的含量是可行的。     

近红外检测中EROS方法的最佳使用条件

EROS方法通常用于消除近红外检测中重复性误差,然而该方法并不是对所有光谱数据的预处理效果都好.采用向量相关性理论作为EROS方法有效使用的判据,并在理论上证明当背景光谱向量和感兴趣光谱向量之间呈弱相关性时,EROS方法的效果最佳.设计了一系列相关性实验,实验结果表明,当二者向量之间的相关系数小于0.66,即呈弱相关时,模型的预测均方根误差远小于当二者向量呈强相关时模型的预测均方根误差,进一步证明了EROS方法最佳使用条件的正确性和有效性.     

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%。     

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.     

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.     

基于Hyperion影像的高光谱水汽含量反演的算法比较研究

基于高光谱遥感图像数据的大气参数反演和一体化辐射校正具有重要研究意义和应用价值。首先,通过6S模型辐射传输计算分析了EO-1/Hyperion遥感影像在940和1 130nm附近水汽吸收区域的光谱吸收特点。其次,采用两通道比值法和三通道比值法,比较了不同波段组合的大气含水量高光谱遥感反演精度并进行了敏感性分析,模拟实验结果表明采用三波段比值算法的相关系数和均方根误差均优于对应的两波段算法。最后,利用张掖地区2008年3景EO-1Hyperion高光谱遥感影像,反演了大气含水量,并与地基CE-318太阳分光光度计测量数据进行对比验证,结果表明:1 124nm水汽吸收通道反演精度优于940nm,两通道和三通道比值法的均方根误差分别为0.369和0.128g/cm2,三通道比值方法优于两通道比值方法,与地面观测结果一致。     

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.     

蒙特卡洛交叉验证用于偏最小二乘建模数据质量的评价（英文）

基于蒙特卡洛交叉验证(MCCV)建立了一种用于近红外光谱偏最小二乘建模数据质量的评价方法。该方法首先通过蒙特卡洛交叉验证计算交叉验证均方根误差(RMSECV),同时计算交叉验证中建模样本的预测误差,记为建模样本的均方根误差(RMSECVc)。如果数据中部存在奇异样本、噪声、非线性相应等干扰因素,RMSECV和RMSECVc随因子数的变化应该保持一致,否则,二者的变化趋势将不同。因此,利用RMSECV和RMSECVc随因子数的变化趋势即可对数据的质量进行评价。采用模拟数据和12组实际样品的数据对该方法进行了考察,并对四组实际数据中的奇异样本进行分析,说明了方法的效果。本文为偏最小二乘建模方法提供了一种数据质量的评价方法。     

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。     

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。     

基于LS-SVM的苹果近红外光谱回归模型的研究

提出了一种应用于苹果近红外光谱分析的LS-SVM回归模型;使用基于两层网格搜索的交叉验证算法确定LS-SVM的最优参数(γ,σ2),缩短搜索时间并提高了效率;针对LS-SVM稀疏性的缺乏和鲁棒性的不足,对模型进行优化训练.在不同方差的噪声下,通过优化训练模型的抗干扰能力明显强于常规训练模型;将优化后的LS-SVM模型应用于苹果酸度的预测,利用光纤光谱仪采集苹果近红外吸收光谱作为模型输入,使用酸度计测得苹果测量酸度值作为模型输出;实验结果表明,所建模型的相关系数和均方根误差为0.9615和0.0312,与MLR、PLR、ANN和常规LS-SVM模型比较,优化后的LS-SVM具有更好的回归性能.