基于可见-近红外光谱技术的润滑油酸值无损检测方法研究

研究了基于可见-近红外光谱技术的润滑油酸值无损检测方法.获得了润滑油在475～975 nm范围内的可见-近红外光谱.采用最小二乘支持向量机(LS-SVM)建立可见-近红外光谱检测模型,并通过将无信息变量消除算法(UVE)与连续投影算法(SPA)相结合进行光谱有效波长选取.通过UVE-SPA法进行变量选择计算,最终将原始...     

基于可见/近红外反射光谱的稻米品种与真伪鉴别

利用可见/近红外光谱技术对市场上5种稻米进行了鉴别.以ASD FieldSpec3地物光谱仪采集了5种稻米的光谱数据,各获取35个样本,随机分成训练集(150份)和检验集(25份),并分别采取全波段与特征波段(400~500nm、910~1400nm与1940~2300nm)两种方法建立模型进行分析.光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维.将降维所得的前9个主成分数据作为BP人工神经网络(BP-ANN)的输入变量,稻米品种作为输出变量,建立3层BP-ANN鉴别模型.利用25个未知样对模型进行检验,结果表明两类模型预测准确率均高达100%,其中特征波段模型比全波段模型具有更高的预测精度,说明利用可见/近红外技术结合PCA-BP神经网络分析法进行稻米品种与真伪的快速、无损鉴别是可行的,且提取特征波段是优化模型的有效方法之一.     

基于可见-近红外光谱技术与BP-ANN算法的污水类型鉴定

提出了一种基于可见-近红外光谱技术与BP人工神经网络(BP-ANN)算法快速进行污水类型鉴定的新方法.以FieldSpec(R)3地物光谱仪采集了4种污水样品的光谱数据,共168份,随机将其分成校正集(132份)和检验集(36份).分别采取全波段(400～2450 nm)与择取波段(400～1800 nm)两种方法建立模型进行分析.光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维.将降维所得的前9个主成分数据作为BP-ANN的输入变量,污水类型作为输出变量,建立3层BP-ANN鉴别模型.利用36个未知样对模型进行检验.结果表明:两类模型预测准确率均高达100%,且择取波段模型比全波段模型具有更高的预测精度.说明利用可见-近红外技术结合BP-ANN算法进行污水类型的快速、无污染鉴定是可行的,且波段筛选是优化模型的有效方法之一.     

用近红外光谱鉴别杨梅品种的研究

提出了一种用近红外光谱技术快速无损鉴别杨梅品种的新方法,首先用主成分分析法对典型的四个杨梅品种进行聚类分析,获取杨梅的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别.主成分分析表明,以主成分1和2对样本的得分值做出的得分图,对不同种类杨梅具有较好的聚类作用,可以定性分析杨梅种类.利用主成分分析可以把原始波长变量压缩成能代表原始变量的少数相互正交的主成分,用这些新变量作为神经网络的输入,建立3层BP人工神经网络模型.四个杨梅品种共100个样本用来建立神经网络品种鉴别模型,对未知的20个样本进行预测,结果表明,品种识别准确率达到95%.说明综合主成分分析和人工神经网络的方法具有很好的分类和鉴别作用,为杨梅的品种鉴别提供了一种新方法.     

杂交稻种品系与真伪的可见-近红外光谱鉴别

提出了一种基于可见-近红外光谱技术快速、无损鉴别杂交稻种品系与真伪的新方法。采集了5种稻种的光谱数据,各获取32个样本,随机分成训练集(125份)和检验集(35份)。光谱经S.Golay平滑和标准归一化(SNV)处理后,以主成分分析法(PCA)降维。将降维所得的前9个主成分作为新变量。分别用模糊模式识别、BP-神经网络、Fisher多类线性判别以及Bayes多类逐步判别四种方法进行分析。对35个未知样的预测结果说明可见-近红外技术进行杂交稻种品系与真伪的快速、无损鉴别是可行的,且PCA结合Bayes多类逐步判别是一种优选方法。     

基于可见-近红外光谱技术的制动液品牌混掺比例快速无损检测方法

研究了基于可见-近红外光谱技术的制动液品牌混掺比例快速无损检测方法.全波段建立的偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)模型均得到了较好的预测结果.这两个模型的建模集和预测集的确定系数(r2c和r2p)均在0.98以上.采用连续投影算法(SPA)挖掘特征波长,最终选择了439 nm、443 nm、...     

基于主成分和多类判别分析的可见-红外光谱水蜜桃品种鉴别新方法

提出了一种用可见-近红外漫反射光谱技术快速鉴别水蜜桃品种的新方法.应用可见-近红外光谱仪测定三个品种水蜜桃的光谱曲线,再用主成分分析法对不同品种样本进行聚类分析,获取了水蜜桃可见-近红外光谱的特征信息,同时结合多类判别分析技术建立水蜜桃品种鉴别的模型.对经过预处理的光谱数据进行主成分分析,分析表明,以样本在第一主成分和第二主成分上的得分做出的二维散点图,对不同种类水蜜桃具有很好的聚类,能定性区分不同种类水蜜桃;经过主成分分析得到的前8个主成分的累积可信度已达94.38%,说明这8个变量能够代表绝大部分原始光谱的信息.从75个样本中随机抽取60个样本用于建立8个主成分变量的多类判别分析品种鉴别模型,余下的15个样本用于验证,准确率为100%.说明本文提出的方法具有明显的分类和鉴别作用.     

基于独立组分分析和BP神经网络的可见/ 近红外光谱稻谷年份的鉴别

建立了一种基于独立组分分析的可见/近红外光谱反射技术快速鉴别稻谷年份的新方法.首先用独立组分分析方法获取不同年份稻谷的可见/近红外光谱载荷图,将载荷图中相关性最大的波段(特征波段)作为人工神经网络的输入建立稻谷年份的鉴别模型.每个年份40个样本,3个年份共120个样本用来建立BP神经网络模型,剩余的3个年份各20个样本用于预测.预测的结果表明,准确率达到100%.同时通过独立组分分析,得到了稻谷主要成分对应的敏感波段.说明本文提出的基于独立组分分析的方法具有很好的鉴别效果,为稻谷的年份鉴别提供了一种新方法.     

应用光谱技术和支持向量机分析方法快速检测啤酒糖度和pH值

为实现啤酒糖度和pH值的快速检测,采用可见/近红外光谱仪器得到360个啤酒样本的可见/近红外光谱数据.使用主成分分析(PCA)对数据进行降维处理以消除众多信患共存中相互重叠的部分,得到6个主成分值.将样本数据随机分为定标集和预测集,利用最小二乘支持向量机(LS-SVM)算法在定标集数据基础上建立啤酒糖度和pH值预测模型,并利用此模型对预测集样本进行预测.根据预测相关系数(r)和预测标准偏差(RMSEP)判断预测模型好坏,结果表明该模型对啤酒糖度预测的相关系数r为0.9829,RMSEP为0.1506;对啤酒pH值的预测相关系数r为0.9563,RMSEP为0.0494,预测精度明显高于神经网络和PLS预测,所以利用该模型能够准确的预测啤酒的糖度及pH值.     

黄酒总酚含量检测:一种基于GA-LSSVM的近红外光谱波段选择方法

主要研究了近红外光谱技术对成品黄酒中总酚含量快速检测的可行性.针对近红外光谱样本少、非线性等特点,首次将最小二乘支持向量机(Least squares support vector machines, LSSVM)方法引入到传统遗传算法(genetic algorithms,GA)的波长选择中,提出一种基于GA-LSSVM的近红外光谱波段选择方法.该方法采用LSSVM建立小样本下不同波段的非线性模型,然后通过GA算法进行波长的优化选择.应用中,基于GA-LSSVM模型的总酚预测集相关系数(Rp)为0.9734,预测均方根误差(RMSEP)为5.5596,相比于传统方法,GA-LSSVM算法能够较好地提取非线性信息,预测效果更好.     

连续投影算法的润滑油中含水量近红外光谱的分析

应用近红外光谱技术结合连续投影算法（SPA）实现了油中含水量的分析。对57个油样进行光谱扫描,通过比较不同预处理方法,以相关系数（R）和均方根误差（RMSE）作为模型评价指标,建立油中含水量预测的全波段偏最小二乘法（PLS）模型。同时应用SPA提取有效波长,作为PLS的输入变量,建立了SPA-PLS模型。结果表明经连续投影算法提取24个特征波长建立的模型,所用变量数仅占全波段的 4.68%,SPA-PLS优于全波段的PLS模型,其对验证集样本进行预测的相关系数和均方根误差分别为0.994 4和5.455 110-5,获得了满意的预测精度。说明应用光谱技术检测油中含水量是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行油中其他污染物的在线监测提供了新的方法。     

BiPLS结合模拟退火算法的近红外光谱特征波长选择研究

为了简化近红外光谱模型,提高对草莓可溶性固形物含量的预测精度,将反向偏最小二乘法(BiPLS)与模拟退火算法(Simulated annealing algorithm,SAA)相结合优选特征波长,建立了多元线性回归可溶性固形物光谱模型.原始光谱经过预处理后,用反向偏最小二乘法优选出4个特征子区间(分别为第8、13、1...     

导数同步荧光光谱结合遗传优化算法测定鸭蛋蛋清中庆大霉素含量

为实现鸭蛋蛋清中庆大霉素(GM)残留含量的快速测定与检测模型精度的提高,应用遗传算法(GA)筛选导数同步荧光光谱特征波长,用遗传-支持向量回归(GA-SVR)建立鸭蛋蛋清中GM残留含量的预测模型。首先分析了样本的三维同步荧光光谱和确定了本实验研究的波长差Δλ为120nm;然后利用sym5小波的2层分解对一阶导数同步荧光光谱进行去噪处理,并利用GA筛选出了14个荧光特征波长;最后利用GA优化了SVR的径向基核函数(RBF)参数(c,g,p),进而比较了GA-SVR、PLS和MLR 3种预测模型的预测能力,研究表明,以GA-SVR模型的预测能力最强,其预测集的决定系数(R2)和均方根误差(RMSEP)分别为0.983 0和1.149 4mg/L。实验结果表明,GA能有效筛选出鸭蛋蛋清中GM的荧光特征波长和提高GA-SVR模型预测精度。     

基于序列连通度的睡眠分期算法研究

准确的睡眠分期有利于帮助人们改善睡眠质量.本文提出了一种基于序列连通度分析的特征参数提取算法,提取了连通度分布斜率,连通距离均值,平均连通距离均值以及改进的加权连通度均值等特征参数,采用最小二乘支持向量机对其进行训练和学习,建立了睡眠脑电的数学模型.结果表明,相对于目前已有的序列加权连通度算法,本文算法对于不同睡眠状态的分期正确率提高了约5.72%,特别是对于浅睡眠状态的分类正确率提高约9.65%.     

基于双激活层深度卷积特征的人脸美丽预测研究

目前,人脸美丽预测存在数据规模小、分类难度大、深度特征研究不足等问题.为此,本文提出基于双激活层深度卷积特征的人脸美丽预测研究的解决方案.首先,采用数据增强和人脸对齐方法来增加训练集的样本数量和提高数据库的数据质量.其次,提出一种双激活层改进CNN模型,使其更适合人脸美丽预测应用.实验结果表明,本文所提方法在分类和回归预测方面均大幅度优于传统人脸美丽预测方法;同时,在主流的CNN模型中取得了较好的实时性和准确性,基于2000测试集的分类准确率达到61.1%,回归相关度达到0.8546.因此,双激活层在深层人脸美丽特征学习中发挥了重要作用,可广泛应用于人脸图像识别与处理.     

LSSVM模型下的LCVR相位延迟特性标定方法

为了标定液晶相位可变延迟器(Liquid Crystal Variable Retarder,LCVR)的相位延迟特性,在25℃、405 nm波长下,利用搭建的测量装置采集了141组实验样本,其中71组样本为训练集,70组样本为预测集,利用最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)和支持向量机(Support Vector Machines,SVM)算法建立LCVR相位延迟量和驱动电压相关数学模型。实验表明,GASVR、PSOSVR、LSSVM方法下最大波长偏差分别为0.013 6、0.013 7和0.004 5,均方误差提高两倍,通过比较,说明该模型能快速准确地预测LCVR工作范围内全部波长、全部电压值下的相位延迟。该方法可作为LCVR相位延迟特性标定的有效手段。     

Detection of chemical oxygen demand in water based on UV absorption spectroscopy and PSO-LSSVM algorithm

A method of detecting chemical oxygen demand(COD) of water based on ultraviolet(UV) absorption spectra is proposed. The modeling and analysis of the standard samples and the actual water samples are carried out respectively. For the standard solution samples, the univariate linear models based on single wavelengths and the partial least square(PLS) model based on synergy interval partial least square(Si PLS) and moving window partial least square(MWPLS) are established. For the actual water samp...