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.     

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。     

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。     

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。     

遗传算法在肉类近红外光谱分析中波长选择的应用

论文旨在研究遗传算法波长选择对近红外光谱数据建立的模型的预测性能的影响.文中选用遗传算法对光谱数据进行波长选择,选择后建立偏最小二乘法（PLS）模型,再将得到的模型和没有经过波长选择的全波长建立的PLS模型进行对比.结果表明,经过遗传算法波长选择后建立的模型预测性能优越,预测误差明显减少.所以,将遗传算法应用到波长选择中是可行的,可以继续推广.     

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。     

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。     

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。     

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。     

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.     

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.     

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。