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.     

稀疏偏最小二乘方法用于光谱波长选择及定量分析

针对光谱数据局部效应显著、变量间的严重共线性等特征,实施基于转换权向量约束优化的稀疏偏最小二乘回归新技术。它通过在特征变量提取的优化目标函数中加入转换权向量的罚函数,一并执行光谱波长选择和特征提取,随后再构建特征变量与性质变量间的校正模型。其中,罚函数中的最佳罚因子和校正模型中的最优PLS成分数,经由各自取值范围内一定数量试验水平的两因素全面试验设计与校正模型精度调控的交叉验证方式确定。最后,通过面粉生面团切片的近红外光谱数据的试验应用研究,结果显示该技术光谱数据波长选择和特征提取稳健,去噪明显,并显著提高了光谱数据定量校正模型的预测能力。     

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.     

集成变量选择方法用于近红外光谱定量分析

本文建立了一种集成变量筛选方法,并用于玉米油分和蛋白质近红外光谱分析中的波长筛选。以光谱纯度值及回归系数构建变量重要性的评价指标w,将所有波长按w值大小排序后,用偏最小二乘交互检验按前向选择法选择最佳变量子集。最终从700个波长变量中分别选择了30和20个特征波长分别用于油分及蛋白质校正模型的构建,对独立测试集中样品油分和蛋白质预测的相关系数(R)、预测误差均方根(RMSEP)、平均相对误差(MRE)分别为0.9814、0.0329、0.714%和0.9887、0.0811、0.738%。而全谱变量建模对油分及蛋白质预测的R、RMSEP、MRE分别为0.9351、0.0606、1.474%及0.9709、0.1314、I.246%。可见该方法可有效地减少建模的变量数,提高预测精度。     

非线性偏最小二乘建模方法及在近红外光谱建模上的应用

偏最小二乘算法(PLS)是常用的线性光谱建模方法。针对汽油在线调合中具有非线性特点的辛烷值、干点等属性应用PLS方法建立模型误差较大问题,本文提出了残差-递阶偏最小二乘的建模方法,该方法对已经提取成分后的自变量中剩余的信息再提取主成分,并将该主成分作为新的自变量参与回归建模。仿真验证结果表明:残差-递阶偏最小二乘方法建立的模型中验证集的样本数据误差均在正负0.2之间。残差-递阶偏最小二乘方法与偏最小二乘、递阶偏最小二乘叫-PLS)两种方法比较,残差-递阶偏最小二乘建立的模型有的更高的精度和模型适应性。     

近红外光谱定量模型的优选及在线应用

针对近红外光谱在线监测软件算法模型扩展功能受限和对外服务能力受限的问题,论文设计出一种预测精准且开放服务能力强的近红外在线葡萄糖浓度监测系统。首先,对原始的光谱数据进行预处理,对比多种奇异样本剔除算法以及区间选择算法,从而优选出最佳区间并建立葡萄糖浓度的定量分析模型。然后,将优选模型嵌入到基于java和websocket的后台检测接口中,解决模型嵌入问题,采用微信小程序作为前端展示平台可以很好地解决平台不适应问题。经过测试分析,所嵌入的优选模型具有更好的预测精度,所设计系统可以跨平台多终端远程访问,实时监测效果良好。     

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.     

近红外光谱的甲醇汽油定量分析

随着汽油价格的不断升高,甲醇汽油作为一种替代车用燃料受到越来越多的重视.工业甲醇产量大,价格便宜,辛烷值高,将其以一定比例与汽油混合后,可以提高汽油标号,降低成本.但是由于甲醇热值低,甲醇汽油中的甲醇比例必须受到严格控制,不然会影响车辆动力性能.本文研究了采用近红外光谱分析技术定量分析甲醇汽油中的甲醇含量.首先对光谱数据进行多项式一阶微分和标准正态变换,得到预处理谱图;其次选取(1370～1450)m的光谱数据,对其进行PCA主元特征提取,并利用第一主元和第二主元对甲醇汽油和成品汽油进行分类:最后,选取(1100～1650)nm的光谱数据采用偏最小二乘(PLS)方法对甲醇含量建立定量分析模型.采用上述方法对24个实验室配制的甲醇汽油样品进行定量分析,实验结果表明,近红外光谱分析技术可以准确测量甲醇汽油中的甲醇含量,其交叉检验均方误差误差(StandardErrorofCrossValidation,SECV)为0.62(%,v/v),可以满足大部分甲醇汽油生产企业的实际检测需求.本文的最后部分讨论了光谱不同波段对模型精度的影响,结果表明,光谱1350～1650 nm波段包含了更加丰富的甲醇含量信息,但是采用全谱建立模型和经过波段选择后建立的模型交叉检验精度相差不大.     

基于近红外与高光谱技术的小麦种子多指标检测方法

采集47份小麦样本的高光谱图像,提取感兴趣区内的平均光谱,结合反映小麦品质的水分、蛋白质和湿面筋三个指标基础数据,通过OPUS软件搜寻最佳的光谱预处理和波段组合,分别建立了三个指标的偏最小二乘法(PLS)定量分析模型.同时与采用近红外(.NIR)光谱技术建立的三个指标的近红外模型进行比较,发现高光谱模型的各性能指标均明显优于近红外模型.结果表明:当被测样品为颗粒状且内部化学成分分布不均匀时,近红外模型的准确性和稳定性会受其测量条件的限制,而高光谱采样面积大,获取信息更全面,展现出强大的分析检测潜质,为小麦品质评价提供了新方法.     

近红外光谱组合区间偏最小二乘法定量白酒中的乙酸乙酯

白酒特征香味主要体现在酯类的分布和数量上,如乙酸乙酯既是清香型白酒的特征香味成分,又在浓香型、酱香型等白酒中有较高的含量,是形成白酒香味的重要物质。探讨白酒中以乙酸乙酯为代表的酪类物质检测具有重要的实际意义。传统的色谱法存在着操作复杂、耗时长等缺陷。近红外光谱以其简便、快捷、低成本、多组分同时测定以及不破坏样品等优点,在食品、化工、制药等领域得到了成功应用,与化学计量学结合被称为万能分析技术。本文通过组合近红外光谱与区间偏最小二乘算法,筛选出定量白酒中乙酸乙酯含量的最优波长区间,将变量从1175压缩到156,压缩率达87%,大大降低了计算的时间和空间复杂度。在此基础上建立了比基于全谱的偏最小二乘算法方法更简单、更精确的预测模型,显示出强的推广能力,并在独立的测试集上得到了验证。尽管只针对乙酸乙酯含量进行了实验,但实验结果具有普遍意义。     

基于近红外光谱的煤粉样品定量检测研究

针对煤质快速在线检测的需求,采用傅里叶变换近红外光谱结合不同的光谱预处理方法,即平滑处理方法、微分方法、多元散射校正方法、标准归一化处理方法分别建立了煤粉样品的水分、灰分和挥发分的偏最小二乘模型,并对模型的检测结果进行了十字交叉验证。结果表明,基于25点平滑处理方法建立的水分偏最小二乘模型较优,基于标准归一化处理方法建立的灰分偏最小二乘模型最佳,基于5点平滑处理方法建立的挥发分偏最小二乘模型精度最高,验证了应用傅里叶变换近红外光谱技术定量分析煤粉指标的可行性。     

红外和近红外光谱法在中药定性分析中的应用

目的:为中药的光谱研究提供参考.方法:综述了近年来红外和近红外光谱法在中药定性分析领域的应用,并对2种光谱技术的特点进行了比较a结果与结论:红外和近红外光谱法具有全面、快速、客观、无损等优点,为中药质量控制提供了新的思路.     

近红外光谱法测定黄酒中氨基酸态氮和酒精度的研究

黄酒中氨基酸态氮和酒精度的常规测定方法步骤繁琐,时效性差.在研究黄酒的近红外光谱和化学计量学的基础上,采用偏最小二乘法建立模型,并以该模型对未知黄酒样品的氨基酸态氮和酒精度含量进行预测,验证模型可靠性.氨基酸态氮建模结果:决定系数为95.19%,均方差为0.041;酒精度建模结果:决定系数为96.82%,均方差为0.26.氨基酸态氮外部检验的预测均方差为0.063;酒精度外部检验的预测均方差为0.20.结果表明该方法应用于黄酒品质的检测,操作简便、快速、准确.     

基于独立成分的局部建模方法及其在近红外光谱分析中的应用研究

建立了一种基于独立成分分析的局部建模新方法,该方法首先将独立成分分析(ICA)用于近红外光谱的特征提取,然后,根据所提取的独立成分选择校正集中与预测样本相邻近的样本构成校正子集,建立局部偏最小二乘(PLS)回归模型并对预测样本进行预测。将所提出的方法应用于烟草样品中尼古丁含量的测定,所得结果优于常用的全局建模方法。     

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。     

基于变量纯度的波长选择方法在近红外光谱分析中的应用

提出了一种基于光谱纯度值的变量选择方法。对光谱中各变量计算其纯度值后,按降序将相应变量排列,采用PLS交互检验按前向选择法选择最佳变量子集。用本方法对3组分混合物体系及烟草样品的近红外光谱进行变量选择,并与全谱变量建模的结果进行了比较。结果表明本实验给出的波长变量优选方法是一种比较有效和实用的变量筛选方法,通过变量筛选,可极大地减少光谱信息重叠,从而提高定量校正模型的预测精度和建模效率。     

基于回归系数的变量筛选方法用于近红外光谱分析

提出了一种基于回归系数的变量逐步筛选方法。对光谱中各变量计算其回归系数后,按其绝对值由大到小将相应变量排列,采用PLS交互检验按前向选择法逐步选择最佳变量子集。用该方法对玉米和柴油近红外光谱数据进行分析,对玉米蛋白质、柴油十六烷值和粘度分别选择出了14、12以及30个最佳变量用于建模,所得预测结果均优于全谱变量建模的预测结果。可见本方法是一种有效实用的近红外光谱变量选择方法。     

FUDT在苹果近红外光谱分类中的应用

苹果的分类是苹果采收后商品化处理的重要环节。为了快速、无损和有效地实现苹果的分类,利用近红外光谱技术采集四种苹果的近红外反射光谱,用主成分分析对高维的近红外光谱进行降维处理,分别运行线性判别分析,二次判别分析,模糊非相关判别转换和Foley-Sammon判别分析提取鉴别信息,用k-近邻分类器进行分类。分类结果表明,模糊非相关判别转换能更好地提取苹果近红外光谱的品种鉴别信息,达到了最高的分类准确率。