基于小波变换的近红外光谱校正转移研究

多变量校正模型在光谱技术的测量系统中至关重要,为了构建一个稳健的校正模型,往往需要花费大量人力和财力.然而,当采集样品光谱的仪器不同于建立校正模型的仪器或由于环境因素的影响原仪器已经发生变化时,模型将失效.因此,本文创造一种基于小波变换的校正转移(标准化)法,用于两台近红外光谱仪之间的光谱转移,转移性能比分段直接标准化方法更好.     

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.     

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.     

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。     

样品测试条件对近红外煤炭品质分析结果的影响

针对样品堆积造成的近红外光谱散射、吸光度与噪声干扰差异,使得光谱的信噪比发生改变而产生分析误差的问题,研究了样品状态和测试条件对近红外分析结果的影响。采集了样品在不同装样厚度、装样次数和不同装样松紧程度条件下的近红外光谱,采用主成分分析压缩数据,建立遗传算法BP神经网络模型。通过比较不同样品状态模型的预测性能,确立了最佳的样品测试条件。实验表明重复装样和样品松紧程度不会明显改善模型预测性;在装样厚度为0.5mm时,水分、灰分、挥发分和发热量预测模型的决定系数分别为0.936 6,0.791 6,0.894 9,0.857 5,模型预测性能较好。     

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。     

传感器光谱响应差异对NDVI的影响

传感器光谱响应差异是导致不同来源NDVI观测数据之间差异的因素之一,在进行多源遥感数据之间的对比和同化处理时需要对其影响加以分析和校正。基于此,该研究将地物的反射波谱曲线和传感器的光谱响应函数进行卷积,以此来模拟不同传感器在可见光和近红外通道的等效地表反射率并计算相应的NDVI,分别用绝对误差和相对误差两个指标来描述不同传感器观测结果相对于MODIS的差异并建立校正模型。结果表明,光谱响应差异引起的不同传感器观测结果差异可以通过二次多项式模型进行校正,基于相对误差的校正模型比基于绝对误差的校正模型效果更好一些,整体上传感器光谱响应差异对NDVI观测值的影响有限,还需要进一步考虑大气状况及观测几何等其他因素的影响。     

基于正交信号校正的喷气燃料近红外光谱去噪研究

为了提高喷气燃料近红外光谱模型的预测精度和稳健性,结合近红外光谱的特点,将正交信号校正法(OSC)用于喷气燃料近红外光谱的预处理.在正交信号校正过程中,通过K矩阵法建模选择正交信号校正的最佳主成分数.将正交信号校正后的光谱分别与K矩阵法、主成分回归(PCR)和偏最小二乘法(PLS)结合建立校正模型,对喷气燃料的密度和2...     

3种不同产地生地黄近红外图谱的判别分析

目的:采用近红外漫反射光谱技术对3种不同产地的生地黄进行近红外漫反射指纹图谱判别分析,建立基于近红外漫反射图谱的快速、简便的鉴别方法.方法:用Nico1et6700型傅里叶变换近红外光谱仪采集光谱,在OPUS5.5分析软件上用二阶导数+矢量归一化法进行产地聚类.结果:3种不同产地的生地黄距离在0.6以上时被分开,15批验证集的样品中2份判断错误,预测集正确率为86.67%.结论:此方法简便可行,可为地黄产地鉴别方法提供1种新技术.     

近红外光谱定量分析的模型转移新方法

由于近红外光谱不同仪器间存在差异性,在一台仪器上耗费大量人力物力建立的定量分析模型往往无法直接应用于另一台仪器。为了提高已有模型的通用性,需要对所建模型进行模型转移使其能够适用于更多仪器。本文针对近红外光谱定量分析中的模型转移方法展开研究,利用基于变量投影重要性系数（VIP）的改进叠加偏最小二乘（SPLS）算法（VIP-SPLS）与常用的模型转移方法直接标准化（DS）相结合,提出一种新的近红外光谱分析模型转移方法（VIP-SPLS-DS）,使得主仪器上建立的模型经模型转移后能更精确地预测从仪器上的测试样本。将本文提出的模型转移新方法（VIP-SPLS-DS）应用于真实的近红外光谱标准数据集,对两台从仪器的预测精度相对于已有的PLS-DS模型分别提高了29.3%和30.8%,显著改善了模型转移效果,具有良好的实际应用前景。     

基于光谱信息散度的近红外光谱局部偏最小二乘建模方法

常见的近红外光谱分析技术,一般将欧式距离作为相似性判据,但是在很多情况下并不能真实体现样本间的相似性;同时,线性回归模型无法克服校正样本集光谱数据中非线性以及样本差异大而导致的精度降低问题。针对上述问题,本文首次将光谱信息散度引入到局部建模算法中,以未知样本光谱与校正样本光谱间的光谱信息散度作为样本相似性判据,选取一定数量与待测样本最相似的校正样本组成局部校正子集,建立局部偏最小二乘模型。为了验证算法的有效性,将现有的全局建模算法、基于样本光谱间欧式距离的局部建模算法与本文提出的基于光谱信息散度的局部建模算法应用于猪肉近红外光谱标准数据集。实验结果表明:本文新方法的预测均方根误差(RMSEP)分别比现有的两种算法降低了22.8%与48.7%,克服猪肉近红外光谱的非线性和差异性,在近红外光谱定量分析领域具有良好的应用前景。     

饲料蛋白固态发酵过程参数的FT-NIR快速检测

为实现对整个固态发酵过程状态信息变量的在线监测,研究提出基于近红外光谱分析技术的饲料蛋白固态发酵过程参数快速检测新方法。利用近红外光谱采集装置获取固态发酵物样本的近红外光谱,引入不同的光谱预处理方法校正原始近红外光谱数据,采用PLS建立固态发酵过程参数pH和湿度的定量分析模型。在模型校正过程中,通过交互验证法优选光谱预处理方法和建模所需的主因子数。试验结果显示,pH和湿度的PLS模型在预测集中的相关系数R_p分别为0.9838和0.8707,RMSEP分别为0.0696和0.0152。研究结果表明,利用近红外光谱分析技术快速监测固态发酵过程参数是可行的。     

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.     

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。     

苹果近红外光谱的特征提取和分类研究

采用近红外光谱分析法对不同种类的苹果样品进行分类,提出一种基于非相关判别转换的苹果近红外光谱定性分析新方法。实验分别采用主成分分析、Fisher判别分析和非相关判别转换三种方法对苹果光谱数据进行特征提取,并使用K-近邻分类算法建立三种苹果分类识别模型,最后使用"留一"交叉验证法进行模型检验。结果表明,使用非相关判别转换方法建立的模型正确识别率优于使用主成分分析和Fisher判别分析建立的模型。     

基于小波降噪与多项式拟合相位校正的干涉图处理方法

干涉图是傅里叶变换光谱仪测试的原始信号,理论上它是偶函数。在实际测量中,由于检测延时等因素会导致测量干涉图存在相位误差。此外,在光谱测量过程中必然还伴有噪声。干涉图中存在的相位误差和噪声会影响光谱的质量。本文提出了先采用小波对干涉图降噪,再用多项式拟合方法来校正干涉图的相位误差,然后由处理后的干涉图获得高质量光谱的方法。通过对酒精的近红外实验测试结果表明,该方法对于光谱的高质量估计有较好的效果,经过处理的干涉图计算得到的光谱在酒精的定量分析中获得了较好的分析结果。     

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。     

不同产地黄柏的近红外指纹图谱鉴别分析

建立用近红外漫反射光谱鉴别不同产地黄柏药材的新方法.采集不同产地的黄柏药材及其伪品的近红外漫反射光谱,用模式识别方法进行聚类分析,建立判别模型并用三重交叉验证的方法对模型稳定性进行验证.黄柏样品与伪品能较好地区分开;建立模型后对已知训练集样本的分类精度高达100%,对未知样本的预测精度达到100%,该模型具有很好的预测性能,这说明了所建方法性能优良,能够适用于黄柏药材的不同种植产地分类鉴别.近红外光谱法简便、快速、不破坏样品,结合模式识别方法能够准确鉴别正品、伪品以及不同产地的黄柏药材.     

基于目标因子分析的成品油近红外光谱定性鉴别

为了对90#汽油,93#汽油,O#柴油和航空煤油等4种成品油进行快速准确地定性鉴别,提出了1种基于目标因子分析算法近红外光谱技术快速鉴别成品油的新方法.分别收集了46个90#汽油,63个93#汽油,89个航空煤油,138个柴油样品,利用MPA傅立叶变换近红外光谱仪对样品在(10 000～4400)cm-1光谱区域进行近红外光谱测量.采用主成分分析结合马氏距离及目标因子分析方法对4种成品油进行模式识别定性分析,选择合适的阈值和目标因子主成分数,结合二维投影和三维投影图,比较了成品油样品在近红外光谱上的差异程度,确立了最优定性判别模型.研究结果表明:采用传统的马氏距离法无法对90#和93#汽油进行准确识别,而采用目标因子分析算法能够表征336个样品的类别关系,能更全面可靠地表征样品的特征信息.选择24个90#汽油,42个93#汽油,103个O#柴油和59个航空煤油样品进行验证,其正确识别率分别95.8%,97.6%,99.0%和100%,具有良好的分类和鉴别作用,为成品油的鉴别提供了1种新方法,具有广泛的应用前景.