掺伪珍珠粉的近红外光谱定量鉴别方法

采用偏最小二乘法建立掺杂贝壳粉的珍珠粉的近红外光谱定量分析模型。以掺杂不同比例贝壳粉和珍珠粉作为掺伪样本,采集样本在4 000~10 000 cm-1范围内的近红外漫反射光谱,采用交叉验证和外部验证考察所建模型的可靠性。优化建模参数为:波数范围为4 100~7 500 cm-1;光谱预处理方法为二阶导数/矢量归一化(SNV)/Norris Derivative(5,5)滤波。所建定量分析模型的校正相关系数为0.999 7,校正均方差为0.708,交叉验证均方差为3.15。实验证明近红外光谱技术可用于掺伪珍珠粉的定量快速鉴别。     

基于近红外光谱技术的纺织品判别分析

近红外光谱技术是一种分析速度快、不破坏样品的绿色分析方法,在纺织品的成分检测方面具极大作用。本文利用近红外光谱技术对涤纶、腈纶、锦纶、羊绒、驼绒、兔绒、羊/涤样品进行定性判别分析。通过主成分分析法得到羊绒混涤纶光谱所呈递的主要信息,采用化学计量学方法对光谱进行预处理,剔除异常光谱。通过马氏距离判断分析类别,取得了较为良好的效果。     

高分子的近红外光谱

本文比较了近红外乐谱与基颗红外光谱，介绍了近红外光谱高分子领域的某些应用。     

基于近红外光谱的汽油辛烷值在线分析仪

介绍自主开发研制的汽油辛烷值近红外(NIR)光谱在线分析仪。该分析仪包括NIR光谱在线测量、光谱预处理与实时建模等部分。对于原始的NIR光谱数据,采用多项式卷积算法进行光谱平滑、基线校正和标准归一化;通过模式分类与偏最小二乘进行实时建模。该分析仪已成功应用于某炼油厂重整反应器液相产物的辛烷值在线分析。     

基于近红外光谱的汽油牌号快速识别

提出基于近红外(NIR)光谱的汽油牌号快速识别算法,主要包括预处理、特征提取和分类建模几部分,比较了各种分类方法的识别能力。实验结果表明:采用主元分析(PCA)提取特征进行模式识别的性能普遍优于直接在光谱波长域的方法,通过选择合适的PCA主元可以获得满意的分类效果,可用于汽油产品的牌号快速识别。     

基于近红外光谱的乳制品脂肪含量测定研究

乳制品具有很高的营养价值,随着人们健康意识的增加,其在人们日常生活中的地位越来越重要。本文使用近红外光谱技术对乳制品脂肪进行了定量分析。采用偏最小二乘法(PLS)、主成分回归法(PCR)建立乳制品脂肪含量的定量分析模型。结果表明:采用PLS法时,漫反射光程体系在10,000～4,000 cm-1的范围下,采用标准正则变换、二阶导数谱、无平滑时,预测集和建模集对应的误差均方根都在0.38以下;采用PCR法时,透射光程体系在4,855.88～4,133.27 cm-1的范围下,采用光程不矫正、一阶导数谱、Norris平滑时,预测集和建模集对应的误差均方根都在0.26以下,预测集和建模集对应的相关系数都在0.98以上,此时的定量模型的预测性和适用性最为理想。     

基于近红外光谱快速测定雪菊的总黄酮含量

建立了一种近红外漫反射光谱快速测定不同产地雪菊中总黄酮含量的方法.以10个不同产地的100份雪菊样品为对象,采用NaNO2-Al(NO3)3比色法对来自不同产地的雪菊进行总黄酮含量测定;通过不同产地雪菊样品的近红外光谱图和对应的总黄酮含量,运用偏最小二乘法(PLS)建立了雪菊总黄酮含量的快速测定模型并对模型进行了验证....     

基于近红外光谱的再生塑料固体废物识别技术

再生塑料固体废物鉴别过程较为复杂,需要结合多项理化指标综合分析判定。本文采用便携式近红外光谱技术,以842个再生塑料样品和202个再生塑料固体废物样品为研究对象,结合模式识别算法(最近邻算法KNN,偏最小二乘分类判别法PLS-DA,最小二乘支持向量机LS-SVM)建立识别模型,在剔除饱和吸收光谱的情况下,训练集的准确率最高可达到97%。实现了不同种类再生塑料固体废物快速鉴别,可应用于再生塑料固体废物现场初筛,为海关监管提供技术支撑。     

基于近红外光谱快速鉴别木材种类的研究

通过采集5种木材近红外光谱特征曲线,结合化学计量学技术建立预测模型,对不同种木材进行快速无损检测。设计正交试验L24(2×4×3×8)对光谱特征曲线进行优化预处理。利用TQ8.6软件对正交试验结果进行判别分析。结果显示,选择多元散射校正(MSC)、Savitzky-Golay平滑对波段10 000~4 000 cm-1进行光谱预处理,提取主成分为8时,光谱判别正确率为100%。将22种已知种类木材光谱信息导入预测模型,进一步评估预测模型的性能,验证通过率为100%,获得了较理想的预测结果。该方法的建立为木材种类鉴别提供了一个新方法,同时为其他木种植物的鉴别提供参考。     

近红外光谱技术及应用

近红外光谱技术是目前发展最快和最具有前景的分析技术之一。文章主要介绍了近红外光谱技术的基本原理及该技术在食品行业、农业、烟草行业中的应用。     

基于近红外光谱吸收原理的油水界面检测系统

为了准确检测原油储罐内油水界面位置,实现原油分离罐的自动放水,基于近红外光谱吸收原理设计油水界面检测系统。设计近红外检测探头,利用油、水对近红外光吸收不同的原理,通过选择合适的红外光谱段和光程,实现了油水界面位置的准确检测,有效避免了油水乳化带对油水分界点检测的影响。实验结果表明:基于近红外光谱吸收原理的油水界面检测系统可以提高原油储罐油水界面的检测精度。     

基于近红外光谱的生活污水油脂定量检测技术

研究了近红外光谱检测技术的基本原理,分析了近红外光谱检测技术在油脂定量检测中的优势,并以日常生活产生生的污水为研究对象,结合化学计量学,验证近红外光谱检测技术的有效性。实验结果显示,近红外光谱检测方法具有操作简单、灵敏度高、检测装置易构建等特点,可为生活污水的定量检测及制定生活污水处置措施提供依据。     

基于近红外光谱的茶叶中粗纤维快速测定方法研究

近红外光谱技术由于其操作简单、无需前处理、不破坏样品、无需化学试剂等特点受到人们的青睐,在众多领域得到研究和应用。本文就利用近红外光谱技术快速检测茶叶中粗纤维含量的方法进行研究,首先确定了茶叶样品粉碎时的最佳颗粒度和采集样品近红外光谱时的最佳装样厚度,选用135个茶叶样品作为试验对象,结合国标方法(GB/T 8310-2013)测定样品的粗纤维含量值,利用偏最小二乘方法建立了茶叶中粗纤维含量快速测定的近红外模型,并对60个未参加建模的茶叶样品进行了预测,将模型预测结果与国标方法结果进行成对结果 t检验,统计分析结果证明近红外方法与国标方法不存在显著差异,证明了近红外光谱法在茶叶中粗纤维快速检测中应用的可行性。     

基于近红外和中红外光谱的杜仲产地溯源

杜仲是一种重要而有价值的中药,具有多种医疗功能,多年来在中国、日本和韩国等亚洲国家被广泛用作保健食品。杜仲的功效和质量与产地密切相关。采用近中红外光谱与化学计量学相结合的方法,用于简便、快速和准确地鉴别杜仲的产地。使用k-最邻近分析(kNN)、主成分分析-线性判别分析(PCA-LDA)和偏最小二乘判别分析(PLS-DA)模型对杜仲样品进行了产地来源分类。结果表明,kNN模型更适合基于近红外光谱的不同省份杜仲样品的识别,kNN模型对来自8个省份的杜仲样本在训练集和测试集上的识别率均达到100%,交叉验证识别率为100%;PLS-DA模型更适合基于中红外光谱的不同省份杜仲样品的识别,PLS-DA模型在训练集和测试集中对来自8个省份的杜仲样品的识别率分别达到99.40%和98.61%,交叉验证识别率为99.11%。该方法可以快速、准确地确定杜仲的省份来源,有望应用于市场监督领域。     

我国近红外光谱分析技术的发展

现代近红外光谱技术主要用于快速、批量、无损分析复杂样品。广泛应用于农业、食品、石化和药物分析等领域。随着化学计量学和计算机技术迅猛发展,近红外光谱分析尤其是在线实时分析方面的独特优势已经突显出来。本文综述了近年来我国近红外光谱分析技术发展情况。     

基于近红外光谱和QPSO-LSSVM模型的玉米脂肪测定

为了建立一个精确、稳健的玉米脂肪近红外光谱定量模型,提出了以全波段光谱建立最小二乘支持向量机(LS-SVM)模型、用量子行为粒子群优化(QPSO)算法结合留一交叉验证(LOO-CV)规则优化模型参数的新方法,并用76份样本数据进行了验证。与常用的偏最小二乘(PLS)校正模型相比,当采用原光谱数据建模预测时,相关系数(Rp)和相对分析误差(RPD)分别由0.9248、2.43升至0.9801、4.38以上,预测均方根误差(RMSEP)从0.0624降到0.0311以下;若将光谱进行多元散射校正(MSC)预处理之后再建模预测,则Rp和RPD分别由0.9618、3.95升至0.9934、8.11以上,RMSEP从0.0395降到0.0215以下。试验结果表明,以全波段近红外光谱建立的QPSO-LSSVM校正模型完全可用于玉米脂肪的实际检测。     

基于二维相关近红外光谱技术测定辅料十二烷基硫酸钠

为了测定缬沙坦和辅料十二烷基硫酸钠共存样品中辅料的含量,配制成含有十二烷基硫酸钠含量为0.30%~5.88%的缬沙坦样品共35个。以十二烷基硫酸钠浓度为外扰,分别研究了十二烷基硫酸钠和缬沙坦共存样品的二维相关近红外光谱特征,分别选择随浓度变化大的区间4119~4216 cm-1、4235~4273 cm-1、4312~4351 cm-1、4484~4676 cm-1、5732~5828 cm-1、8132~8323 cm-1为光谱的建模区间,利用偏最小二乘方法建立定量预测模型。结果表明:模型的交叉验证决定系数为0.8670,交叉验证均方根误差(RMSECV)为0.804,预测均方根误差(RMSEP)为0.775,对未知样品集预测结果的平均相对误差为0.25%,这表明二维相关近红外光谱技术选择的波段建立的定量模型具有较好的预测效果。     

基于阿达玛近红外光谱技术的火电厂煤炭粒径识别方法

针对电力行业煤质分析的需求,基于近红外光谱煤质分析技术设计HNIS-1G阿达玛近红外光谱煤质分析平台。利用层次聚类算法对煤炭粒径进行了无管理模式识别,结果表明:系统聚类准确率达95.54%,粒径识别准确率达94.64%。     

近红外光谱分析技术及其应用

对近红外分析技术的研究和应用进行了综述,包括近红外分析技术的概述、分类并分析其特点,重点介绍了近红外光谱分析技术在石化、煤炭、药物分析、食品、茶叶和烟草等领域的应用.     

基于PCA⁃LDA的车用保险杠显微激光拉曼光谱模式分类

为实现对案发现场车用保险杠物证快速、无损、准确的分类与识别,提出了一种显微激光拉曼光谱分析技术结合多元建模用于车用保险杠模式分类方法。选择自动基线校正、峰面积归一化、Savitzky-Golay平滑（3次多项式,7点平滑）作为预处理方法,借助主成分分析和线性判别分析构建分类模型。结果表明,前27个主成分下,除了奥迪品牌的2个样本被误判在了广汽品牌的样本当中,其他不同品牌的样本均实现了100.00 %的准确区分,总体分类准确率为95.24 %,分类效果较为理想;针对实际案件中的未知样本,借助该方法确定其属于别克品牌,这与实际案件中物证信息相吻合;利用显微激光拉曼光谱分析技术多元建模分析可实现对不同品牌保险杠样本准确的识别与分类,可为微量物证鉴定方面的相关研究提供一定的思路与参考。