玉露香梨可溶性固形物近红外漫透射光谱在线检测

应用近红外漫透射光谱技术探索玉露香梨可溶性固形物在线无损检测的可行性。358个试验样本被分成建模集和预测集(269∶89),分别用于建立模型和验证模型的预测能力。通过对玉露香梨样品近红外漫透射光谱分析发现,样品光谱在625,725,800nm处存在3个波峰,在673,765,825nm处存在3个波谷。通过对比不同预处理方法,发现漫透射近红外光谱分别经一阶微分、移动窗口平滑和多元散射校正组合预处理后建立的模型效果最好。结合组合预处理方法建立了偏最小二乘和偏最小二乘支持向量机预测模型,经比较,偏最小二乘支持向量机模型预测能力更强,模型预测均方根误差和相关系数分别为0.316%和0.949。对比发现主成分分析和径向基函数有利于提高最小二乘支持向量机模型的预测能力。试验结果表明采用近红外漫透射光谱技术结合最小二乘支持向量机算法,实现了玉露香梨可溶性固形物在线无损检测。     

应用连续投影算法及最小二乘支持向量机的单组分纺织品识别

针对传统的纺织品检测受检测人员感官和精神状态影响,不同检测人员对同一样品的检测结果有偏差,且大部分传统的检测方法损伤纤维这一现象,以高光谱技术为基础设计了对8 种单组分纺织品材料进行识别分类的方法。对纺织品的高光谱数据预处理后,利用连续投影算法提取纺织材料的特征波长,在 920～ 2500 nm内将288个波长压缩至5 ～7 个（数据压缩至1.74%～ 2.43%）,并基于最小二乘支持向量机对每种纺织品建立二类分类器,将获取到的特征波长导入到各自对应的分类器中进行训练,最后对测试样本进行识别分类。实验结果表明,640 个实验样本均被8 种二类分类器识别,高光谱成像技术可用于棉、涤纶、聚乙烯、羊毛、聚氯乙烯、锦纶、亚麻、蚕 丝的识别。     

近红外光谱技术结合反向区间偏最小二乘算法-连续投影算法预测哈密瓜可溶性固形物含量

采用近红外光谱技术结合数据降维的方法,建立了哈密瓜可溶性固形物含量的预测模型,对原始光谱进行特征区间选择,共选取了6个子区间,432个光谱变量;将6个联合子区间的光谱数据分别结合特征选择竞争性自适应重加权采样算法、遗传算法、连续投影算法(successive projections algorithm,SPA)提取特征...     

壶瓶枣轻微损伤可见/近红外光谱动态判别模型研究

为了研究快速识别轻微损伤壶瓶枣与完好壶瓶枣的有效方法,本文以轻微损伤壶瓶枣和完好壶瓶枣为研究对象,动态采集轻微损伤壶瓶枣和完好壶瓶枣的近红外光谱数据。采用S-G平滑与多元散射校正(MSC)相结合的方法预处理光谱数据,分别以预处理后的全光谱(FS)数据和采用主成分分析(PCA)法提取主成分、采用连续投影算法(SPA)提取特征波长作为输入变量,建立偏最小二乘判别分析(PLS-DA)和最小二乘支持向量机(LS-SVM)模型,比较4种损伤壶瓶枣及完好壶瓶枣的判别准确性。结果表明:采用PCA提取主成分有较明显的优势,对4种损伤壶瓶枣的判别准确性均能满足实际要求,且采用PCA-LS-SVM模型对4种轻微损伤壶瓶枣和完好壶瓶枣的正确判别率最佳,分别达到100%、86%、100%、100%和100%,总的正确判别率为97.2%。该研究为轻微损伤壶瓶枣的动态判别提供了新的理论基础。     

最小二乘支持向量回归与偏最小二乘回归建立烟草总糖NIR预测模型比较

采用最小二乘支持向量回归(LSSVR)法和偏最小二乘回归(PLSR)法及192个烟叶样品的近红外(NIR)光谱与总糖含量的测定数据,分别建立了烟叶总糖含量的NIR预测模型,并利用这两种模型对95个烟叶样品进行了预测。结果表明:LSSVR法模型的预测误差范围为-3.08%~3.71%,预测回收率范围为90.0%~112.2%。LSSVR法模型的预测准确度比PLSR法的高。     

䥺Symbol`@@基于近红外光谱漫透射技术的苹果可溶性固形物含量在线检测

为研究苹果的内部品质,提高检测的速度和稳定性,将近红外光谱漫透射技术应用于在线检测研究,并采取偏最小二乘回归(PLSR)算法结合不同光谱预处理方法建立苹果内部的可溶性固形物含量(SSC)的定量模型。结果表明:采用一阶微分结合多元散射校正(MSC)预处理后的模型最稳定,校正集和预测集的标准差分别为0.17和0.39,校正集的相关系数也达到0.988 3。试验结果说明近红外光谱漫透射技术能够快速、无损地检测出苹果的可溶性固形物含量。     

基于近红外光谱和支持向量机回归参数调优的羊肉含水量检测

羊肉中的水分含量直接影响着其加工、贮藏和口感,因此对其水分含量的检测具有十分重要的意义。在900～1 700 nm的波长范围内采集南疆羊肉的光谱数据,采用一阶导数(first derivative, 1-DER)、标准正态变换(standard normal transformation, SNV)、多元散射校正(multivariate scatter correction, MSC)、小波变换(wave transformation, WT)、SG平滑变换(Savitzky Golag smooth transformation, SG)、傅里叶变换(Fourier transform, FT)对原始光谱数据进行预处理。分别采用连续投影算法(successive projection algorithm, SPA)和竞争自适应重加权算法(competitive adaptive reweighted sampling, CARS)进行光谱特征选取,建立偏最小二乘回归(partial least squares regression, PLS)和支持向量机回归(support vec...     

基于近红外光谱技术检测蓝莓可溶性固形物含量

采用近红外漫反射光谱技术对辽宁丹东蓝莓基地的六个蓝莓品种(埃利奥特、达柔、爱国者、北蓝、杜克、蓝丰)进行光谱分析,快速无损测定蓝莓可溶性固形物含量,利用一阶导数进行光谱预处理,主成分分析(PCA)和偏最小二乘法(PLS)建立蓝莓可溶性固形物预测模型。结果表明,所建模型的相关系数(Corr.Coeff.)为0.91518、校正集标准偏差(RMSEC)为0.801、预测集标准偏差(RMSEP)为1.06。该方法快速、准确、无损,能准确地预测蓝莓中可溶性固形物含量。     

基于近红外光谱技术检测蓝莓可溶性固形物含量

采用近红外漫反射光谱技术对辽宁丹东蓝莓基地的六个蓝莓品种(埃利奥特、达柔、爱国者、北蓝、杜克、蓝丰)进行光谱分析,快速无损测定蓝莓可溶性固形物含量,利用一阶导数进行光谱预处理,主成分分析(PCA)和偏最小二乘法(PLS)建立蓝莓可溶性固形物预测模型。结果表明,所建模型的相关系数(Corr.Coeff.)为0.91518、校正集标准偏差(RMSEC)为0.801、预测集标准偏差(RMSEP)为1.06。该方法快速、准确、无损,能准确地预测蓝莓中可溶性固形物含量。      

最小二乘支持向量机和脂肪酸融合信息应用于花生油掺伪玉米油检测

将最小二乘支持向量机用于气相色谱分析实现对花生油掺伪玉米油的鉴别,基于油脂的全样和Sn-2位脂肪酸组成的不同,采用主成分分析消除融合数据中信息重叠的部分,利用粒子群优化最小二乘支持向量机的参数,对花生油的掺伪进行鉴别,识别率为100%;分别采用最小二乘支持向量机、偏最小二乘法和主成分回归对花生油中掺入玉米油含量进行预测,结果表明基于脂肪酸融合信息的最小二乘支持向量机的预测均方根误差和相关系数R2分别为3.452 1%和0.986 6,与偏最小二乘法和主成分回归法相比,最小二乘支持向量机具有更好的稳定性和预测精度,同时也为食用油的真伪鉴别及掺伪情况确定提供一种新方法。     

紫外/可见光谱技术无损检测李子可溶性固形物含量

利用光谱技术结合化学计量学对李子可溶性固形物含量检测进行研究,为李子品质无损检测提供科学方法。通过反射式光谱采集系统获取了\     

PSO-LSSVM用于近红外光谱预测混合制浆材Klason木质素含量

为优化混合制浆材中Klason木质素含量的近红外分析模型,收集了5种常见制浆材的82个原木样品,将样品粉碎预处理后在便捷式近红外光谱仪上采集其近红外光谱信号,对原始光谱数据进行多元散射校正(MSC)预处理,利用粒子群寻优(PSO)算法对最小二乘支持向量机(LSSVM)算法中的参数进行优化,然后利用最优参数建立混合制浆材Klason木质素的LSSVM定量分析模型。将结果与偏最小二乘(PLS)和主成分降维后的BP神经网络(PCA-BPNN)算法进行比较。结果表明,PCA-BPNN和PSO-LSSVM模型均优于PLS模型,且PSO-LSSVM模型预测结果最优,预测结果的相关系数(Rv)最大为0. 9857;预测标准差(RMSEP)为0. 7498%,比PLS模型和PCA-BPNN模型分别降低了0. 2767%和0. 1455%;相对标准偏差(RPD)最大为5. 6174,比PLS模型和PCA-BPNN模型分别提高了1. 5144和0. 9138;真实值与预测值间的绝对偏差(AD)范围最小,为0. 0065%～1. 8449%。     

基于LS-SVM的黑液波美度软测量

研究了基于最小二乘支持向量机的软测量建模方法,并将其应用于造纸企业碱回收蒸发工段黑液浓度的预测.应用结果表明,该建模方法的可行性和有效性完全能满足工业生产的需要.     

Measurement of Soluble Solids Content and pH of Yogurt Using Visible/Near Infrared Spectroscopy and Chemometrics

Visible/near infrared spectroscopy (Vis/NIRs) technique was applied to non-destructive quantification of sugar and pH value in yogurt. Partial least squares (PLS) analysis and least squares support vector machine (LS-SVM) were implemented for calibration models. In this paper, three brands (Mengniu, Junyao, and Guangming) were set as the calibration, and the remaining two brands (Yili and Shuangfeng) were used as prediction set. In the LS-SVM model, the correlation coefficient (r), root mean square error of prediction, and bias in prediction set were 0.9427, 0.2621°Brix, 1.804e−09 for soluble solids content, and 0.9208, 0.0327, and 1.094e−09 for pH, respectively. The correlation spectra corresponding to the soluble solids content and pH value of yogurt were also analyzed through PLS method. LS-SVM model was better than PLS models for the measurements of soluble solids content and pH value. The results showed that the Vis/NIRs combined with LS-SVM models could predict the soluble solids content and pH value of yogurt.     

采后猕猴桃可溶性固形物含量的高光谱无损检测

为探讨基于高光谱成像技术无损检测采后猕猴桃可溶性固形物含量（soluble solids content,SSC）的可行性,基于猕猴桃900～1 700 nm波长范围的反射高光谱,建立了预测SSC的偏最小二乘、支持向量机及误差反向传播 （error back propagation,BP）网络模型,并综合比较了分别以全光谱的226 个波长,利用连续投影算法提取的12 个有效波长和采用无信息变量消除法提取的128 个有效波长作为模型的输入变量对各模型预测效果的影响。结果表明,连续投影算法能有效地提取有效波长,其在简化模型方面优势明显;BP网络与连续投影算法相结合具有最好的预测性能（预测相关系数为0.924,预测均方根误差为0.766）。研究表明,高光谱成像技术可无损检测猕猴桃的SSC,该技术将使猕猴桃内部品质的工业化分级成为可能。     

斜率/截距算法在猕猴桃可溶性固形物含量便携式检测中的应用

基于微型光谱仪搭建一台体积小、易操作的猕猴桃可溶性固形物含量（soluble solids content,SSC）检测装置,并用该装置采集了‘华优’、‘徐香’和‘西选’3?个品种猕猴桃的近红外光谱,利用不同特征波长提取方法从全光谱中提取特征波长,并比较不同方法提取的特征波长及全光谱对3?个品种猕猴桃SSC的偏最小二乘模型预测精度的影响;用斜率/截距算法结合‘华优’猕猴桃大样本模型,预测‘徐香’和‘西选’猕猴桃的SSC。结果表明,连续投影算法对于模型简化效果最好,其对‘华优’、‘徐香’和‘西选’猕猴桃大样本的预测均方根误差（root mean square error of prediction,RMSEP）分别为0.583、0.678?°Brix和0.646?°Brix;用斜率/截距算法对‘华优’猕猴桃SSC模型进行校正时,仅用10?个‘徐香’和50?个‘西选’猕猴桃便能有效地提高对SSC的预测性能,其RMSEP分别为0.966?°Brix和0.875?°Brix。本研究为进一步构建精度更高、更便捷的微型集成式猕猴桃SSC检测仪提供理论依据。     

基于VIS/NIR高光谱技术的灵武长枣SSC含量的无损检测研究

利用高光谱技术对灵武长枣可溶性固形物含量(SSC)检测进行研究,为灵武长枣内部品质无损检测提供科学方法。以灵武长枣为对象,对光谱数据进行预处理,应用连续投影算法(SPA)和正自适应加权算法(CARS)进行关键波长的选择,通过偏最小二乘回归(PLSR)和主成分回归(PCR)建立预测模型。实验结果表明:采用去趋势(Detrend)预处理算法效果最优,PLSR模型的交叉验证相关系数(Rcv)为0.809,交叉验证均方根误差(RMSECV)为1.331;通过SPA算法和CARS算法能够有效地对光谱数据进行降维处理,对SPA优选的8个和CARS优选的21个特征变量分别用PLSR和PCR建立预测模型,CARS-PLSR建模效果最优,其相关系数(Rp)为0.864,预测均方根误差(RMSEP)为1.174;研究结果表明基于高光谱成像技术采集的灵武长枣漫反射光谱进行SSC无损检测具有可行性。     

生鲜紫薯花青素等多品质参数的可见-近红外快速无损检测

基于实验室自行搭建的可见-近红外光谱系统,以市售生鲜紫薯为研究对象,探讨其花青素、可溶性固形物（soluble solid contents,SSC）以及总糖（total sugars,TS）的同时快速无损检测方法。对紫薯原始光谱进行SG（Savitzky-Golay）平滑、标准正态变量变换以及一阶求导预处理,然后用偏最小二乘回归法进行建模分析。对于花青素和TS,经SG平滑结合一阶求导预处理的模型预测效果最佳;对于SSC,经SNV预处理的模型预测效果最好。针对紫薯各参数最佳预处理光谱采用竞争性自适应加权算法进行波长筛选,再次建立模型。花青素模型预测集的相关系数为0.942 1,预测均方根误差（root mean square error of prediction,RMSEP）为0.225?9?mg/g;SSC模型预测集相关系数为0.943?1,RMSEP为0.878?7?°Brix;TS模型预测集的相关系数为0.925?3,RMSEP为0.244?3%。结果显示,利用可见-近红外光谱可以实现对生鲜紫薯的花青素、SSC以及TS的同时快速无损检测,对生鲜紫薯品质的快速无损检测分选有着重要的实用意义。     

二维相关光谱的鲜核桃青皮含水率检测

青皮含水率是衡量鲜食核桃新鲜度的重要指标,研究基于可见/近红外光谱技术进行鲜核桃的二维相关光谱分析,以实现青皮含水率的检测.利用4种预处理方法进行光谱数据预处理,经MSC预处理后所建模型的预测结果最好,预测集的决定系数(Rp2)和均方根误差(RMSEP)分别为0.9244和1.23％.在此基础上,进行不同时间下鲜核桃的...