液态纯牛奶可见／近红外漫反射光谱PLS鉴别

利用可见／近红外光谱技术研究了一种液态纯牛奶品牌鉴别模型。首先利用近红外分析仪InfraXactTM获得3种品牌共90个样本的漫反射光谱,分别对其赋值,采用偏最小二乘法（PLS）建立鉴别模型;其次比较典型光谱散射预处理和数学预处理对建模的影响,探索到建模优化预处理方法为SNV＋Detrending、5点间隙的一阶导数处理、5点平滑波长;实验结果表明,模型的RMSEC,Rc2,RMSEP,Bias和Rp2分别为0．515,0．937,0．561,0．296和0．912,对57个校正样本和30个独立预测样本进行鉴别,其准确率分别达到了100％和96．7％。     

煤质的近红外光谱定量分析研究

实验中首先采用多元散射校正（MSC）的方法对煤粉样品的漫反射光谱进行了预处理,然后分别通过偏最小二乘法（PLS）和主成分分析（PCR）的方法建立煤粉样品的近红外光谱的全水分、挥发分和灰分的定量分析模型,通过预测集对建立的模型进行验证,发现利用偏最小二乘法建立的煤粉全水分模型最优,r＝0.975,RMSEC＝0.166,RMSEP＝0.169,RPD＝3.22,通过主成分分析方法建立的挥发分和灰分的模型最优,最后通过选取验证集样本对建立的模型进行了验证,得出利用近红外光谱分析技术间接对煤质进行定量分析是可行的。     

基于iPLS和SiPLS算法的人体血清胆红素含量的可见-近红外光谱建模

为了建立血清胆红素(BR,bilirubin)样品总胆红素 (TBIL) 、直接胆红素(DBIL)和间接胆红素(IBIL)近红外(NIR)光谱分析最优模型,利 用可见-NIR透射光谱技术与间隔偏最小二乘法(iPLS)及协合区间偏最小二乘法(SiPLS)算法 相结合对建模区域进行优 选,实现血清光谱特征波段选择,建立光谱与血清BR成分之间的定量预测模型,以均方根误 差(RMSE)作为模型 评价标准。结果表明:SiPLS模型效果更佳,TBIL、DBIL和IBIL的最优 建模波长范围分别为400~536nm、1366~1502 nm和2324~2460nm,400~502nm、608~710nm和1644~1746nm,400~502nm和1746~1848nm; 3种BR最优预测模型的RMSE分别为0.598、0.207和0.386μm ol/L; 波段优选对提高预测结果的准确性有重要的意义;采用SiPLS建立TBIL、DBIL和IBIL定量分 析模 型,不仅可以提高模型的预测精度,而且克服了iPLS单一区间建模的缺点,优选出的特征谱 区还可为设计小型专用光谱分析仪器提供依据。     

可见／近红外光谱预测杨梅汁酸度的方法研究

针对可见/近红外光与杨梅汁酸度存在非线性相关的特点,提出了应用偏最小二乘(PLS)法预测线性部分和人工神经网络(ANN)预测非线性部分,结合两种方法综合预测杨梅汁酸度值,通过比较,r RMSEP,B ias的值来检验该方法.其中PLS模型用于寻找与杨梅汁酸度值有关的敏感波段,预测杨梅汁酸度的线性部分,将这些敏感波段对应的光谱吸光度值作为人工神经网络的输入,并将杨梅汁酸度的实际测量值减去PLS模型校正值,获得的差额部分作为神经网络的输出,建立一个差额神经网络预测杨梅汁酸度的非线性部分.46个样本用于建模,30个样本用于预测.结果表明该方法对样本的预测相关系数r=0.939,RMSEP=0.218,B ias=-0.121,好于只使用PLS模型的相关系数r=0.921,RMSEP=0.228,B ias=-0.132.     

基于近红外光谱技术的成品卷烟定量分析

CO,焦油,烟气烟碱是卷烟产品的重要指标,传统方法测量时,有污染并且不能预测。根据卷烟产品粉末的近红外光谱,用30个品牌样品,600条光谱建立了焦油、CO、烟碱三大烟气指标的校正模型,用于准确测定和预测卷烟产品的三大烟气指标。在所有的校正模型中,原始谱图经过二阶导数和偏最小二乘（PLS）处理,实验结果的偏差比较小,表明近红外光谱技术在分析卷烟产品的化学指标时可以代替经典化学方法,可以为烟草行业节省大量资金和显著提高工作效率。另外还利用近红外光谱图对卷烟产品的价格档次进行预测分类,结果令人满意,可以对卷烟产品价格的制定提供参考。     

可见近红外光谱多功能实时测量系统

本文主要叙述了可见近红外光谱多功能实时测量系统的结果。主要性能指标、原理、主要技术指标的标定及应用结果。该系统是测量目标的发射、反射、透过光谱特性的理想设备。     

基于可见/近红外光谱技术的黄瓜叶片SPAD值检测

为了快速准确检测黄瓜叶片的SPAD值,采用可见/近红外光谱技术并结合化学计量学方法建立了黄瓜叶片SPAD值校正模型.并用不同建模方法对全波段光谱进行建模,结果表明用最小二乘支持向量机(LSSVM)建模得到的预测效果最好,其相关系数r和预测均方根误差RMSEP分别为0.9583和0.9732.通过分析黄瓜叶片的光谱反射率与SPAD值的相关系数和PLS建模回归系数,得到了531~581nm和696~716nm 2个特征波段以及556nm、581nm、698nm和715nm 4个特征波长,应用LSSVM分别对特征波段和特征波长建模.分析表明,采用特征波段建模,其预测相关系数r和预测均方根误差分别为0.9338和1.1370,与全波段建模结果相近,而采用特征波长建模效果稍差.特征波段建模大大减少了建模中的运算量,提高了建模速度,便于相应检测仪器的开发,所以,采用光谱特征波段建模对黄瓜叶片SPAD值的检测更为有效.     

一种用于预测蚕丝含量占比的近红外光谱分析方法

针对近红外光谱分析技术中未充分利用预测模型光谱数据的问题,提出了一种可充分利用光谱数据和有效预测蚕丝含量占比的新方法.以5种类型共145个样本的蚕丝含量占比以及相应的所有蛋白质基光谱数据为研究对象,将这些样本分别划分为校正集和验证集,并采用偏最小二乘回归(Partial Least Squares Regression...     

基于近红外光谱和化学计量学方法的灵芝孢子油识别研究

采用近红外透射法建立了一种灵芝孢子油识别方法。分别在灵芝孢子油中掺入葵花油、薏仁油、花生油、玉米油和食用调和油。这些掺杂油品的体积百分比范围为0-100％。采用近红外透射法进行测定。选择最佳的光谱波段,然后用偏最小二乘fPartialLeastSquares,PLS）法分别建立了定量分析模型。对于不同比例的掺杂油料,预测相对误差范围在-0．357-0．435之间。研究结果表明,基于化学计量学和近红外光谱技术的分析手段可以作为一种简便、快捷、准确、廉价的方法应用于油类品种识别和掺杂量检测中。     

BiPLS结合模拟退火算法的近红外光谱特征波长选择研究

为了简化近红外光谱模型,提高对草莓可溶性固形物含量的预测精度,将反向偏最小二乘法(BiPLS)与模拟退火算法(Simulated annealing algorithm,SAA)相结合优选特征波长,建立了多元线性回归可溶性固形物光谱模型.原始光谱经过预处理后,用反向偏最小二乘法优选出4个特征子区间(分别为第8、13、1...     

基于可见光/近红外光谱技术的倒伏水稻识别研究

运用可见光/近红外光谱仪获取正常的和受稻飞虱、穗颈瘟危害而倒伏的水稻冠层光谱反射率,采用主成分分析(PCA)方法对反射率光谱进行降维处理,提取2个主分量光谱.其中,第一主分量PC1代表了水稻冠层的光谱特性,第二主分量PC2反映了倒伏水稻的冠层光谱变化信息.将前2个主分量作为支持向量分类机(SVC)的输入向量,建立分类模型.结果表明,对受稻飞虱危害倒伏的水稻验证数据的识别精度为100%,对受穗颈瘟危害倒伏的水稻验证数据的识别精度为90.9%.研究表明可见光/近红外光谱可能是一种有效的倒伏水稻识别方法.     

用最小二乘支持向量机的可见-近红外光谱测定蜂花粉贮存时间

为了探索一种快速有效的蜂花粉新鲜程度检测方法,利用可见近红外光谱技术结合最小二乘支持向量机（LSSVM）对蜂花粉的贮存时间进行了检测.选择常温环境中贮存时间为4~50天（共计47天）的茶花蜂花粉作为研究对象,将全光谱数据作为输入变量建立了LSSVM模型.结果显示,该LSSVM模型预测效果较好,预测相关系数rp达到了0.996,预测标准误差（SEP）和预测均方根误差（RMSEP）的值分别为1.310和1.308,优于偏最小二乘法（PLS）和主成分回归（PCR）的预测结果,说明基于LSSVM的可见近红外光谱技术能够很好地对花粉贮存时间进行检测.同时对不同贮存时间段花粉的预测效果进行了比较,发现该LSSVM模型适用于对第11~50天范围的贮存时间进行检测.     

肉骨粉中牛羊源成分含量的近红外漫反射光谱分析

为了切断疯牛病的传播途径保证饲料安全,开展非反刍动物肉骨粉中反刍动物成分含量的检测方法研究十分必要.本文探讨了利用近红外漫反射光谱(NIRS)分析技术快速检测非反刍动物(猪鸡)肉骨粉中反刍动物(牛羊)成分含量的可行性.收集了不同地区不同种类的肉骨粉样本,在猪和鸡肉骨粉中分别掺入0～48%的牛或羊肉骨粉,制备了200个样本.针对含牛羊源的猪肉骨粉、含牛羊源的鸡肉骨粉和含牛羊源的猪鸡肉骨粉三类样本,以掺入的牛羊源成分的质量比例作为真值,分别采用改进的偏最小二乘回归(MPLS)、偏最小二乘回归(PLS)和主成分回归(PCR)三种不同建模方法建立了NIRS定标模型.用独立的验证集对模型进行了验证,最优模型验证集的决定系数(R2)均大于0.90,相对分析误差(RPD)均大于3.0.结果表明,利用NIRS分析技术可以快速检测出猪鸡肉骨粉中牛羊源成分的含量.     

基于净分析物预处理算法的绿茶中儿茶素的近红外光谱定量分析

由于原始近红外光谱数据中含有与待测组分不相关的噪音及冗余信息,增加了偏最小二乘法(PLS)模型的复杂程度.为了简化儿茶素的预测模型,采用净分析物预处理法(NAP)对近红外光谱进行预处理,提取出待测组分的净分析物信号,然后利用PLS建立绿茶中三种儿茶素(EGCG、ECG和EGC)含量的(NAP/PLS)模型.在模型建立过程中,通过交互验证的方法优化NAP因子数及模型的主成分因子数,并且将NAP的结果与经典的标准正态变量(SNV)光谱预处理结果相比较.比较结果显示,经过NAP与SNV光谱预处理后,模型的预测结果相差不大,但是经过净分析物预处理后,模型的主成分因子数大大降低.研究结果表明,NAP光谱预处理算法能在保证精度的前提下有效地简化绿茶中儿茶素含量的预测模型.     

近红外反射光谱分析技术快速检测复合化学肥料中肉骨粉含量的研究

肉骨粉是产生牛海绵状脑病(BSE)的主要原因,根治BSE很有必要研究饲料和肥料中的肉骨粉的检出方法.本文探讨了利用近红外反射光谱(NIRS)分析技术快速检测复合化学肥料中肉骨粉含量的可行性.对混合有肉骨粉的4种复合肥料样品和这些所有样品,采用偏最小二乘法(PLS),获得5个校正模型的决定系数(R2)分别为0.9989、0.9957、0.9977、0.9969和0.9955,相对标准偏差(RSD)分别为3.82%、4.07%、3.92%、3.99%和5.13%;检验集的真值和模型预测值的决定系数(r2)分别为0.9951、0.9981、0.9960、0.9943和0.9884,RSD分别为6.74%、2.58%、3.55%、6.17%和7.44%.结果表明,利用NIRS分析技术可以成功检测出复合肥料中肉骨粉的含量.     

基于独立组分分析和BP神经网络的可见/ 近红外光谱稻谷年份的鉴别

建立了一种基于独立组分分析的可见/近红外光谱反射技术快速鉴别稻谷年份的新方法.首先用独立组分分析方法获取不同年份稻谷的可见/近红外光谱载荷图,将载荷图中相关性最大的波段(特征波段)作为人工神经网络的输入建立稻谷年份的鉴别模型.每个年份40个样本,3个年份共120个样本用来建立BP神经网络模型,剩余的3个年份各20个样本用于预测.预测的结果表明,准确率达到100%.同时通过独立组分分析,得到了稻谷主要成分对应的敏感波段.说明本文提出的基于独立组分分析的方法具有很好的鉴别效果,为稻谷的年份鉴别提供了一种新方法.     

近红外光谱技术在燕麦种子活力测定中的应用研究

快速准确无损测定牧草种子活力是当前种子生理研究中的一项重要内容.试验以甜燕麦种子为材料,采用近红外光谱结合主成分-马氏距离模式识别方法鉴别了3种不同活力的燕麦种子.研究结果表明, 在4000～6900cm-1波数范围内的光谱, 通过SNV (Standard Normal Variate )预处理方法, 用4个主成分建立的模型效果最佳, 模型对校正集样本和预测集样本的鉴别率都分别达到100%.该研究利用近红外光谱技术为快速准确无损测定种子活力提供了一条新途径.     

近红外光谱法对同仁乌鸡白凤丸的定性和定量分析

采用近红外漫反射光谱分析技术对同仁乌鸡白凤丸进行定性和定量分析.采集了98份同仁乌鸡白凤丸和58份不同厂家乌鸡白凤丸样品的近红外漫反射光谱.采用判别分析法对同仁乌鸡白凤丸和乌鸡白凤丸进行鉴别.以70份同仁乌鸡白凤丸的近红外光谱为标准,建立相似度匹配模型,并将其用于计算其余样品的相似度.采用偏最小二乘回归法建立了同仁乌鸡白凤丸总氨基酸、芍药苷、水分含量的定量分析模型,对未知样品进行含量预测.结果判别分析模型的错判数为0.相似度匹配模型能正确区分同仁乌鸡白凤丸和乌鸡白凤丸.校正模型的相关系数分别为0.9614,0.9651,0.9910,验证集均方差分别为0.199%,0.00436%,0.386%.本方法准确可靠,操作简便,快速无损,可推广用于工业现场的原位检测.     

用于脑血流量检测的近红外光谱术

介绍了用于大脑血流量检测的近红外光谱术的基本原理和实验体系,该系统可完成对近红外光学信号的实时采集、处理和显示等功能。在血模型实验结果基础上,报道了大脑血流量变化的近红外光学检测结果。     

基于近红外光谱的花椒麻味物质快速检测方法

针对传统方法测定花椒麻味物质含量耗时、费工的缺点,提出了应用近红外光谱分析技术,快速检测花椒麻味物质含量的新方法.对于141份粉碎到40目的花椒粉末样品,首先使用基于主成分得分与遗传算法的近红外光谱建模样品选择方法(PCA-SSGA)进行样品选择,优选出80份样品.然后应用偏最小二乘法(PLS),将其中60份样品的近红外光谱建立校正模型,并对其余20份样品组成的预测集进行预测.结果显示,测定系数(R220)为0.9004,预测标准差(RMSEP20)为0.8130,预测相对标准差(RSD20)为6.07%,预测相对分析误差(RPD20)为3.1670.说明模型对预测集样品具有一定的预测能力,基于近红外光谱技术快速检测花椒麻味物质是可行的.