近红外光谱技术快速测定木材抽出物含量的研究

探讨了近红外光谱法快速预测木材冷水、热水、1.0%NaOH和苯醇抽出物含量的可行性。四个模型的决定系数（R2）高,分别为0.9804、0.9800、0.9823和0.9648;交叉验证均方根偏差（RMSECV）低,分别为0.21%、0.29%、0.48%和0.24%;冷水、热水、1.0%NaOH抽出物模型的残留预测偏差（RPD）值分别为7.14、7.07和7.51,而苯醇抽出物模型的RPD值仅5.33。采用不同校正模型分别对样品进行预测,四个模型的预测偏差分别为-0.19%～0.20%、-0.29%～0.28%、-0.36%～0.42%和-0.25%～0.14%,基本符合标准方法的误差要求。结果说明可以利用近红外光谱分析技术对木材抽出物进行快速、准确地测定。     

近红外光谱结合连续投影算法检测综纤维素含量

为了简化模型并实现制浆材综纤维素含量近红外光谱法的快速准确检测,以连续投影算法（SPA）筛选出有效波长组合进行了建模实验研究和分析。选择5种制浆材原料共82个样品,测量其综纤维素含量及光谱数据,经蒙特卡罗交叉验证法剔除异常样品后,剩余样品按2∶1划分为校正集和预测集。校正集先以多元散射校正（MSC）方法预处理,再利用SPA选择波长结合偏最小二乘（PLS）回归建立了综纤维素含量的近红外分析模型,并与相关系数法、竞争性重加权自适应选择（CARS）算法所选波长的建模及预测效果进行了比较。结果表明,SPA算法选择出25个波长能充分表征全谱图中的综纤维素含量信息,预测精度最高,预测均方根误差（RMSEP）和预测决定系数（R2p）分别为0.8306和0.9801,满足工业应用精度需求。     

制浆材木质素含量近红外分析模型传递研究

为研究制浆材中木质素含量近红外分析模型在两台便捷式近红外光谱仪间的传递,对制浆材木质素样品近红外光谱数据集进行代表性样本的选取、光谱预处理和界外样本的剔除,建立了源机的优化偏最小二乘（PLS）校正模型。分别采用斜率截距算法（S/B）、直接校正算法（DS）和典型相关分析算法（CCA）进行源机与目标机间的模型传递并比较了预测效果。结果表明,S/B算法模型传递效果较差,而经DS算法和CCA算法模型传递后的预测效果均有大幅提升。DS算法模型传递后决定系数（R2）、预测标准差（RMSEP）和相对标准差（RPD）分别为0.9643、1.0370%和5.3513;CCA算法模型传递后R2为0.9540、RMSEP为1.1766%、RPD为4.7711。因此,DS算法和CCA算法均可实现制浆材木质素含量近红外分析模型在两台便携式近红外光谱仪之间的传递。     

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%。     

近红外光谱技术在制浆造纸工业中的应用

本文就近红外光谱技术的发展现状和制浆造纸工业发展的需要,介绍了近红外光谱技术在制浆造纸工业中的应用。     

近红外光谱技术在制浆造纸工业中的应用

本文就近红外光谱技术的发展现状和制浆造纸工业发展的需要,介绍了近红外光谱技术在制浆造纸工业中的应用     

近红外光谱分析法预测欧美杨的制浆性能

选取85个欧美杨样品,先进行蒸煮实验,用国家标准方法测定样品的卡伯值和得率,然后用近红外光谱仪采集欧美杨浆样的近红外光谱图。光谱分别进行预处理后,用偏最小二乘法和完全交互验证方式建立相应预测模型。卡伯值校正模型和预测模型的相关系数分别为0.9445和0.9607,校正标准差和预测标准差分别为1.100和0.936;得率校正模型和预测模型的相关系数分别为0.8792和0.8617,校正标准差和预测标准差分别为0.844和0.831。结果表明,近红外光谱法可以快速分析浆样的卡伯值和得率。     

近红外光谱技术(NIR)在制浆造纸工业中的应用

介绍了近红外光谱(NIR)的发展历史及其工作原理、技术特点以及应用现状,并着重介绍了其在制浆造纸应用领域,如预测新闻纸厂脱墨浆中胶黏物含量、预测木材冷水、热水、1.0%NaOH和苯醇抽出物含量、纸浆中木素含量的测定方法等,展示了近红外光谱分析技术在制浆造纸领域巨大的应用前景.     

近红外光谱分析技术在制浆过程中的应用

近红外光谱分析技术是一种高效、无损的快速分析方法,作为实时成分分析和过程控制的先导技术,正逐渐成为制浆过程分析测量领域的研究热点。文中介绍了近红外光谱分析技术的测量原理、技术特点、建模方法等,并对近红外光谱分析技术在制浆过程中的原料分类筛选、材性分析、纸浆性能评估等方面的应用进行了综述。     

毛白杨材性的近红外光谱分析研究

用近红外光谱仪采集毛白杨杂交子代各样品的谱图,用偏最小二乘法和完全交互验证方式建立化学测量值的光谱验证模型,并用其对未知样品进行了预测.结果发现毛白杨冷水抽出物、1%NaOH抽出物、综纤维素、Klasson木素NIR验证模型确定系数分别为93%、94.6%、94.73%、81.87%,校正标准误差值分别为0.171、0.402、0.409、0.232,光谱残差分别为3.78、4.31、4.36、2.35.预测结果表明:近红外光谱分析技术可以用于毛白杨材性的快速分析测定.     

基于衰减消去蜻蜓算法的小麦粉蛋白质近红外特征波长优选

为优选小麦粉蛋白质近红外光谱特征波长,结合指数和线性衰减函数对单群蜻蜓算法（single-binary dragonflyalgorithm,single-BDA）进行改进并提出一种衰减消去蜻蜓算法（attenuationelimination-BDA,AEBDA）。分别使用single-BDA和AE-BDA筛选160个小麦粉样本中蛋白质近红外光谱的波长,并用偏最小二乘回归法建立蛋白质定量分析模型评价波长选择效果。结果表明：与single-BDA相比,AE-BDA所选波长数量少、稳定性强,建立的模型预测效果最佳,模型最佳的预测决定系数为0.972 7,预测标准偏差为0.281 1。8次AE-BDA实验挑选出特征波长的平均数量为15.8个,占原始波长数的12.6%,其中有3个波长每次均被选中。经近红外光谱解析,各入选的波长均包含在小麦粉蛋白质及背景组分的主要吸收谱带范围内。AE-BDA能够以较高的计算效率从小麦粉近红外光谱中筛选出较少的特征波长建立蛋白质分析模型,提高了模型的预测精度和稳定性,可为近红外分析建模提供一种更加简便有效的波长优选方法。     

近红外光谱法预测烟草中的纤维素含量

为了快速测定烟草中的纤维素含量,对1214个国产烤烟烟叶样品进行了近红外(NIR)漫反射光谱扫描及其纤维素含量的化学测定,而后根据这些烟叶样品的NIR光谱数据及其纤维素含量的化学测定数据,利用偏最小二乘法建立了烟叶纤维素NIR预测模型,并对建模参数和模型的预测效果进行了评价。结果表明:优化后,该NIR模型预测纤维素的决定系数为0.9649,实际预测的平均相对偏差<2%。该模型适合大批量烟叶纤维素含量的快速分析。     

近红外光谱技术分析草鱼的质构特性

采用化学计量学方法,测定211个草鱼样品鱼肉的质构参数和持水性,并采集各样品的近红外光谱,以建立基于近红外光谱技术的草鱼质构特性的快速检测方法。结果表明,样品数据范围较大,可满足建模要求,比较多种光谱预处理方法,确定正交信号校正(OSC)适宜分析鱼肉持水性、硬度、回复性、弹性和剪切力的大小,而鱼肉咀嚼性的近红外光谱的最佳预处理方法是数据标准化(S)。采用偏最小二乘法分别建立草鱼各质构指标的近红外定量分析模型。所建立的鱼肉持水性、硬度、回复性、弹性、咀嚼性和剪切力指标的近红外光谱模型的相关系数分别为0.9194、0.9812、0.9830、0.9871、0.7860和0.9896,说明除了咀嚼性模型外,草鱼质构指标各数学模型的预测值和实测值之间具有较高的相关性,采用该方法能较为准确、快速地测出草鱼鱼肉持水性、硬度、回复性、弹性和剪切力的值。     

近红外技术在茶叶快速无损检测方面的研究与应用

介绍了近红外光谱分析技术的基本原理、分析过程及特点,探讨了几种常见的近红外光谱分析方法,阐述了国内外近红外技术在茶叶上的研究现状,指出了近红外光谱技术在茶叶检测上的广阔应用前景。     

基于近红外光谱仪分析中式爆炒猪肉的水分含量

应用傅里叶变换近红外光谱技术建立中式传统爆炒猪肉片水分含量预测模型,达到快速无损检测的目的。通过直接干燥法测定100 组爆炒猪肉片样品的水分含量,并扫描得到其近红外光谱图。采用偏最小二乘法并通过二阶微分结合卷积平滑算法对光谱进行预处理,通过拐点法、马氏距离法、杠杆值、学生残差法与内部交互验证均方根法进一步剔除异常样本,优化光谱模型。结果表明：所构建的中式爆炒肉片水分含量近红外光谱预测模型的校正均方差值为0.089 1,相关系数为0.972 1;且将预测值与真实值进行比较发现,预测结果正确率大于98.7%（P＜0.05）,表明本研究建立的用于检测中式爆炒肉片水分含量的近红外光谱预测模型效果良好,能够快速检测并准确预测中式爆炒肉片的水分含量,具有一定的应用价值。     

采用近红外光谱技术检测蜂蜜中蔗糖含量的研究

利用近红外透射光谱快速测量蜂蜜中的蔗糖含量,采用偏最小二乘方(PLS)回归,建立光谱测量值与化学值之间的校正模型,找出二者的相关性,探讨近红外检测技术应用于蜂蜜品质分析的可能性。     

模拟退火算法用于食醋总酸含量近红外光谱模型的波数点优选

为优选食醋总酸对应的特征波长并提高模型的预测精度,采用模拟退火算法优化窗口宽度和特征波数点,并结合偏最小二乘法建立食醋总酸光谱模型。在全国范围内收集90个不同品牌的食醋样本,用近红外光谱仪采集近红外光谱数据(波数4000～10000cm-1)和常规理化分析方法检测总酸含量。采用模拟退火算法共优选出17个总酸特征波数点,结合样本总酸含量建立偏最小二乘光谱模型,模型对应的预测集相关系数为0.9210,优于全光谱偏最小二乘法和区间偏最小二乘法对应的预测效果。结果表明,近红外光谱技术结合模拟退火算法能够快速预测食醋中总酸含量。     

Salmon Fat Content Estimation by Near Infrared Transmission Spectroscopy

Near infrared transmission (NIT) specroscopy spectrum in the region 850–1050 nm was used for prediction of the fat content in fresh salmon fillets. The square error of prediction was 0.49%, and the correlation between measured and predicted fat from the NIT-spectrum was 0.99. The only sample preparation needed was simple homogenization of the fillet prior to analysis.