近红外漫反射光谱结合神经网络检测小麦蛋白质含量

为了实现对小麦蛋白质含量的快速检测,提出了基于近红外光谱结合神经网络的小麦蛋白质检测方法.以160个小麦样品为对象,采集其近红外漫反射光谱,并以国标法分析小麦样品蛋白质含量,作为参考值.样品随机分成预测样品集和定标样品集,其光谱经标准归一化、去趋势等预处理后,采用BP神经网络和偏最小二乘法分别建立蛋白质含量定标模型.BP神经网络模型的预测相关系数和预测均方根误差分别为0.98和0.270 4%.而偏最小二乘法模型的预测相关性系数和预测均方根误差分别为0.98和0.303 8%.结果表明,两种方法建立的模型都具有较好的预测相关性和预测效果,其中BP神经网络模型优于偏最小二乘法模型.用非线性BP神经网络结合相应算法建立模型检测小麦蛋白质含量的定标模型可以提高检测准确性.     

近红外光谱结合神经网络判别茶鲜叶产地

为快速、无损的判别鲜叶产地,维护恩施玉露的地理标志产品属性,采集恩施市芭蕉乡、白果乡和咸丰县茶鲜叶近红外光谱,经光谱预处理后,对校正集66个样品光谱数据进行主成分分析,然后建立BP神经网络预测模型,对验证集鲜叶样品的产地进行了预测,建立了8(输入节点)-4(隐含层节点)-1(输出节点)三层网络模型,验证集样品判别准确率为100%.近红外光谱技术结合神经网络能够快速、准确地判别茶鲜叶产地.     

近红外光谱数据处理的独立分量分析方法研究

从数学的角度分析比较了主成分分析(PCA)与独立分量分析(ICA)的原理和特点,给出光谱矩阵在两种不同分析方法下的不同分解;同时结合线性回归和神经网络回归,提出"两步法"来确定不同成分含量测定的最优模型.进而采用PCA与ICA对实际测得的玉米近红外光谱进行了处理,比较分析了两种不同分解所得矩阵的化学含义,以及PCA与ICA两种不同分解对玉米光谱分析结果的影响.仿真结果表明,ICA从独立性角度对光谱数据矩阵进行分解,所得结果更接近实际光谱.最后,利用"两步法"对玉米三种主要成分水、淀粉、蛋白质分别建立了各自最优含量测定模型.结果表明,所建模型符合快速测定要求,具有一定的实用价值.     

近红外光谱分析技术在聚乙烯醇分析中的应用

采用近红外光谱分析仪对聚乙烯醇进行扫描,测定其光谱图。然后对光谱图进行分析处理,利用化学计量学软件,建立定性和定量分析模型。用光纤将近红外光谱仪和检测探头连接起来,组成一个在线分析系统,可以实现在线分析。介绍了近红外光谱分析的基本原理和基本过程。     

基于神经网络方法的框架结构损伤检测的试验研究

首先建立了三层试验框架结构的有限元模型，利用未损伤状态的动态测量数据，采用神经网络方法分步对原结构的有限元模型进行了修正。然后，依据修正的有限元模型，运用神经网络方法对各种实际损伤状况进行了损伤诊断。比较了仅以三阶频率作为神经网络输入向量和三阶频率及一阶振型组合作为网络输入向量对网络训练和损伤检测结果的影响。研究表明，神经网络的输入数据越充分，网络训练的收敛速度越快；利用三阶固有频率能够对该模型结构的各种损伤进行诊断，获得满意层问刚度识别的结果。     

光谱预处理对棉涤混纺面料近红外定量模型的影响

以46个棉涤混纺面料样品为研究对象,采集样品的近红外漫反射光谱,光谱范围为12 000~4 000 cm-1,利用偏最小二乘法建立定量校正模型,并用交叉检验法对模型进行检验,以交叉验证均方差RMSECV和决定系数R2作为判断模型优劣的标准.对利用无光谱预处理、一阶导数法、二阶导数法、多元散射校正和矢量归一化五种不同预处理方法所建的模型进行了比较,发现对光谱进行矢量归一化预处理所建模型最优;此外还分析了建立纺织布料的近红外光谱定量分析模型时主要的误差来源及近红外光谱分析技术用于纺织面料定量分析的可行性.     

基于k-means聚类挑选特征样品建立烟草近红外光谱模型

为突破建立近红外光谱模型需要大量实验数据这一瓶颈,实现快速建立烟草近红外光谱预测数学模型,本研究利用k-means聚类分析算法挑选出具有代表性的特征样品光谱,采用偏最小二乘(PLS)回归法建立了烟草6项常规化学指标的近红外光谱模型,并对模型进行了优化及外部验证。结果表明:烟草6项常规化学指标预测模型的相关系数(R)较大,在0.9356以上,交叉验证均方差(RMSECV)在0.867以内,外部验证均方差(RMSEP)小于1.71,预测值和标准值没有显著差异。同时,预测结果还与用大量样品建立的模型的预测结果进行了t检验方式的比较,其结果无显著性差异,说明用挑选特征样品建立的模型和使用大量样品建立的模型分析效果一致,可用于批量烟草样品常规化学指标的快速检测。     

基于RBF网络和NIRS的绿茶水分含量分析模型

基于径向基函数(RBF)和反向传播(BP)神经网络分别建立了绿茶水分含量的近红外光谱分析模型.结果表明:RBF网络预测模型的相关系数r(p)=0.933,预测标准误RMSEP=0.528%;BP网络预测模型的相关系数r(p)=0.914,预测标准误RMSEP=0.598%.RBF网络模型优于BP网络模型.     

基于卷积神经网络的食品塑料包装袋光谱识别

目的实现食品塑料包装袋的快速检测和材质区分。方法研究使用高光谱成像技术在450～950nm波长范围下采集了49组不同食品包装袋样本的光谱数据,利用Savitzky-Golay平滑滤波、数据归一化和主成分分析进行预处理,建立决策树、支持向量机2种传统机器学习模型和卷积神经网络模型,并比较了它们对包装袋材质的识别性能。结果决策树模型与支持向量机模型的验证识别率分别为87.8%和88.9%,卷积神经网络模型的验证识别率高达100%,损失函数值最终下降到0.0171且达到收敛,在分类效果和精度上具有明显的优势。结论高光谱检测方法不破坏检材,重现性好,稳定性强,实现了对食品塑料包装袋的精准识别。卷积神经网络模型对食品包装袋高光谱数据的识别效果最好,为食品包装袋质量检测领域中塑料包装袋的识别鉴定提供依据。     

近红外光谱技术检测烟叶中的氨基酸

研究应用傅里叶变换近红外光谱法快速测定烟叶中氨基酸含量的可行性,使用偏最小二乘法(PLS)为建模方法,选择3800~8000 cm-1谱段,采用二阶导数和Norris Derivative滤波法进行光谱预处理,建立了烟叶中氨基酸含量的近红外预测模型。采用留一(leave-one-out)交叉验证法进行建模,并以校正集样品的交叉验证相关系数(R)和均方差(RMSECV)为指标优化光谱预处理方法和模型参数,确定最佳预测模型。将近红外光谱技术与常规标准检测方法相比较,结果表明,近红外光谱技术可以较为准确的测定烟叶中氨基酸的含量。     

白酒酒精度近红外光谱快速检测方法研究

一、前言本文根据我国白酒的主要特点,以清/浓香型白酒酒精度的快速检测为研究对象,通过国家标准方法比重瓶法测量酒精含量,积累大量实验数据,再与样品的近红外光谱图信息相关联,经过化学计量学软件的处理,采用近红外光谱技术结合偏最小二乘法(NITS-PLS)建立乙醇含量的定量数学模型,得出样品组分的酒精度含量,开发白酒酒精度的快速检测法。所建模型交互验证相关系数(1-VR)达到0.999,定标标准偏差(SEC)为0.200,用所建模型测定样品与比重瓶法分析结果的相对误差不大于0.21%,实验结果表明近红外仪测量清/浓香型白酒酒精度的快速分析法是一…     

近红外光谱小波投影寻踪回归定量分析方法研究

为改进近红外光谱结构特征与定量回归模型的非线性拟合度和充分利用光谱中的非线性特征,提出了一种光谱小波投影寻踪定量分析方法。该方法对光谱进行小波分解后,用高斯混合模型噪声估计法降噪,对降噪后的小波系数向最优投影方向降维,用多项式岭函数拟合定量回归关系。建立黄酒近红外光谱快速预测酒精度小波投影寻踪回归模型,其相关系数R2和交叉检验标准差RMSECV分别为0.957和0.37838,该法比分析多元线性回归和偏最小二乘回归定量分析2种常规定量分析方法具有更优的预测效果,能更为有效地应用于近红外光谱快速定量分析检测。     

基于近红外光谱分析技术的液态水性油墨印刷品 颜色预测模型

针对印刷品颜色离线检测存在滞后、检测不精准等问题,提出基于近红外光谱分析技术的液态水性油墨印刷品颜色预测模型。用多元散射校正（MSC） 、标准正态变换（SNV）和卷积平滑滤波器（SG）对原始光谱数据进行预处理,将原始光谱数据及预处理后的光谱数据分别与印刷品的Lab值建立偏最小二乘回归（PLSR）和主成分回归（PCR）两种预测模型。结果表明,基于MSC预处理的PLSR预测模型的预测精度最高,L、a、b值的R2分别高达0.9885, 0.9879和0.9938,预测颜色的平均色差约为0.71。液态水性油墨的近红外光谱可以精确预测印刷品颜色,为印刷品的在线检测提供了新思路。     

近红外技术应用于成品卷烟的内在质量稳定性控制

以某品牌卷烟为例,采用傅立叶变换近红外光谱技术采集成品卷烟的近红外光谱,结合连续流动法测定样品中还原糖、烟碱、氯、钾含量的数据,采用偏最小二乘法(PLS)分别建立了预测品牌卷烟烟丝中还原糖、烟碱、氯、钾及糖碱比、钾氯比的近红外模型,模型的相关系数(除钾外)都在0.95以上。用建立的模型快速检测红狼卷烟的各化学成分,通过值的波动范围初步监控成品的质量稳定性。并采集它们的近红外光谱,应用连续小波变换(CWT)对原始光谱进行预处理,再对CWT系数进行主成分分析(PCA),在PCA分析的基础上引入马氏距离算法建立成品卷烟质量稳定性评价模型。通过研究光谱预处理对卷烟样品分类鉴别的影响,确定马氏距离阈值Dthro,结合近红外定量测定值与马氏距离阈值Dthro,对卷烟产品质量稳定性进行评价和控制。     

基于近红外光谱的英红九号红茶快速定级方法

目的 以英红九号红茶为研究对象,提出一种基于近红外光谱的红茶质量快速定级方法。方法 首先使用湿化学法对英红九号红茶进行内质成分含量检测,并通过感官审评对参试红茶进行定级,基于内质成分含量建立英红九号红茶定级模型,然后利用近红外光谱构建红茶内质成分的定量模型,以快速预测英红九号红茶的内质成分含量。将内质成分含量预测值输入定级模型,以预测英红九号红茶的质量等级。结果 建立了红茶茶多酚、可溶性糖、游离氨基酸和咖啡碱4个内质成分的偏最小二乘法定量模型,其测试集的决定系数分别为0.974 5、0.887 6、0.963 6、0.860 6,基于感官审评和内质成分的随机森林定级模型测试集的准确率为90.48%。结论 为红茶质量快速定级提供了一种可行方案,增强了基于近红外光谱的红茶定级方法的解释力。#$TAB     

近红外快速检测中的独立分量和遗传神经网络建模方法

采用独立分量分析方法提取近红外光谱的独立分量和影响矩阵,再用GA-BP神经网络对影响矩阵和浓度矩阵进行建模,提出了基于独立分量-遗传算法-人工神经网络回归的近红外光谱建模方法.分析了独立分量数和网络中间隐层的神经元数对模型性能的影响.采用该方法对小麦样品中的水分、蛋白质、淀粉3种主要成分含量进行测定,水分、蛋白质和淀粉的预测值和参考值之间的相关系数R分别为0.9670、 0.9804、0.9674.     

红外光谱结合主成分分析对纸质快递文件袋的分类研究

目的 建立一种快速无损的检验纸质快递文件袋的分析方法。方法 利用傅里叶变换红外光谱对63个纸质快递文件袋样品进行检验，分析样品的红外光谱吸收峰的峰位，结合主成分分析对光谱数据进行了降维处理并分类。利用费歇尔判别对快递文件袋的分类结果进行分析和验证。同时建立多层感知器神经网络和径向基函数神经网络2种分类模型，进行分析和验证。结果 63个纸质快递文件袋样品可被分成四大类，利用费歇尔分类模型进行验证，准确率为100%；多层感知器神经网络分类模型准确率为95.23%，径向基函数神经网络分类模型准确率为92.06%。通过比较发现，费歇尔判别可以实现对纸质快递文件袋更加有效地分类。结论 该方法简单快速，样品用量少且无损样品，可为快递文件袋类的物证鉴定提供科学依据。     

烟叶复烤在线近红外模型的建立和应用

快速准确检测烟叶水分值对烟叶复烤具有重要意义。针对复烤企业下属复烤厂比较分散,在应用近红外分析技术时,不方便进行近红外模型管理维护和数据的一致性要求,提出将各复烤厂相关数据进行整合,建立统一的近红外模型,建模过程中采用K-S方法挑选样品,优化后模型的RMSECV和RMSEP分别为0.33和0.34,R~2由原来的0.73提高至0.84,模型相关性得到改善。结果表明:文章所用方法建立统一模型检测准确度满足实际生产要求,K-S方法能有效改善样品分布情况,保持建模样品具有代表性,同时还能压缩建模光谱数据库的作用,方法可以推广到其他集团化企业的近红外建模中。     

基于遗传神经网络的异步电动机故障诊断研究

提出一种基于遗传神经网络进行异步电机故障检测的新方法,仅利用一个振动传感器来获取异步电机的特征信息,建立电机动态非线性神经网络检测诊断模型,并利用该模型进行电机的故障检测,为减少网络权值学习搜索空间,解决神经网络权值学习中易于陷入局部最小点的问题,本文采用遗传算法实现模型权值的修正,实际使用证明利用该方法可以方便的实现在线故障诊断,且方法简单,易于实现。     

小波域高斯混合模型方差估计近红外降噪方法

针对抑制近红外光谱噪声与保留光谱信号细节的矛盾,提出一种基于噪声方差估计的小波域降噪方法.该法对光谱信号小波域高频系数建立了两状态高斯混合模型,用EM算法估计模型系数,推证模型对噪声方差准确估计特性,将估计得到的噪声方差建立了阈值降噪模型.实验建立黄酒近红外光谱快速预测酒精度偏最小二乘模型,对比分析Penalty阈值、...