基于表面增强荧光的鸡蛋蛋清中土霉素残留含量检测分析

以银纳米颗粒(Ag NPs)作为表面增强荧光基底,形成的OTC-Eu-Ag NPs-Egg white体系具有强荧光特性,可实现鸡蛋蛋清中土霉素残留含量的检测分析。分析了OTC-Eu-Ag NPs-Egg white体系的三维荧光光谱,确定了最佳激发波长为380 nm。分析了Ag NPs加入量、Eu3+加入量、反应时间和金属共存离子对荧光强度的影响,确定了实验中的Ag NPs加入量和Eu3+加入量分别为0.25 m L和0.01 m L。应用最小二乘支持向量回归(LSSVR)在光谱区间605~630 nm建立了鸡蛋蛋清中土霉素残留含量检测的预测模型,模型预测集的决定系数(R2)和预测均方根误差(RMSEP)分别为0.9909和0.9079 mg/L,说明铕(III)的Ag NPs增强荧光结合LSSVR可用于鸡蛋蛋清中土霉素残留含量的检测。     

BP神经网络结合变量选择方法在牛奶蛋白质含量检测中的应用北大核心CSCD

牛奶中的蛋白质含量会影响牛奶的品质,利用高光谱图像的光谱特征信息研究对牛奶蛋白质含量预测的可行性。本文提出一种基于竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)和连续投影算法(successive projections algorithm, SPA)结合多层前馈神经网络(back propagation, BP)的预测建模方法,实验以含有不同浓度蛋白质的牛奶为对象,利用可见光/近红外高光谱成像系统共采集到5种牛奶共计250组高光谱数据,通过实验对比选择采用标准化方法对获取到的吸收光谱预处理,然后采用CARS结合SPA筛选特征波长,得到18个特征波长,建立CARS-SPA-BP模型,经过试验,CARS-SPA-BP模型的训练集决定系数和测试集决定系数R;和R;分别达到0.971和0.968,训练集均方根误差(root mean square error of calibration,RMSEC)和测试集均方根误差(root mean square error of prediction,RMSEP)达到了0.033和0.034。研究发现,采用CARS结合SPA筛选的牛奶特征波长建立的多层前馈神经网络模型,其模型预测结果与全波长建模相比并没有明显降低,因此将CARS结合SPA用于波长筛选并且结合BP神经网络基本可以完成对牛奶蛋白质含量的预测。为验证CARS-SPA-BP模型的预测能力,在相同数据环境下,使用较为传统的偏最小二乘回归(partial least squares regression, PLSR)进行建模,实验结果表明,CARS-SPA-BP相较于PLSR,R;和RMSEP均有明显提升。研究表明,CARS-SPA-BP可充分利用牛奶光谱特征信息实现较高精度的牛奶蛋白质含量检测。     

三维荧光光谱技术结合PLSR在鸭肉中西维因残留检测的应用

根据西维因水解物具有强荧光的特性,提出了利用三维荧光光谱技术结合偏最小二乘回归(PLSR)法测定鸭肉中西维因的残留含量。通过对样品的二维等高线光谱图分析,发现鸭肉和西维因的特征峰能明显区分开,在西维因-鸭肉体系中两者波峰分别位于300/365 nm和320/460 nm,再利用PLSR法建立鸭肉中西维因残留含量预测模型,其预测集中真实值与预测值的决定系数R2和均方根预测误差值Prms分别达到0.9883和3.103。结果表明三维荧光光谱技术结合PLSR法可用于鸭肉中西维因残留的测定,具有快速检测和预测精度高等优点,为鸭肉中农药残留检测提供了一种有效的手段。     

紫外可见光谱检测水体COD算法研究

应用紫外可见(ultraviolet/visible,UV/Vis)光谱技术对宜昌市环境监测站水体有机物指标化学含氧量(chemical oxygen demand,COD)进行快速检测,对采集的94份水样进行UV/Vis波段全光谱扫描,采用平滑(Savitzky-Golay smoothing,SG)、一阶导数(first-derivative,1-Der)以及二阶导数(second-derivative,2-Der)对光谱进行预处理,并结合偏最小二乘回归(Partial Least Squares Regression,PLSR)对水样建立COD回归预测模型,并利用该回归预测模型预测水样COD浓度。实验结果表明采用SG平滑预处理后结合连续投影算法(Successive Projections Algorithm,SPA)选取全波段光谱中的特征波长得到的PLS模型预测精度最高,相关系数r=0.91882,预测均方根误差RMSEP=2.8156mg/L-1。进一步研究发现,使用SG平滑预处理得到的岭回归(Ridge Regression)模型精度(r=0.92,RMSEP=2.765 mg/L-1)高于PLS模型,且模型仅仅选取了4个特征波长变量,占238个全波段光谱变量的1.38%。说明针对该水样样本,利用平滑光谱预处理后,再建立岭回归模型,能节约时间和降低算法复杂度,能够快速准确地进行水样COD浓度预测,为进一步实现水样的COD浓度快速检测奠定了基础。     

紫外可见光谱检测水体COD算法研究

应用紫外可见(ultraviolet/visible,UV/Vis)光谱技术对宜昌市环境监测站水体有机物指标化学含氧量(chemical oxygen demand,COD)进行快速检测,对采集的94份水样进行UV/Vis波段全光谱扫描,采用平滑(Savitzky-Golay smoothing,SG)、一阶导数(first-derivative,1-Der)以及二阶导数(second-derivative,2-Der)对光谱进行预处理,并结合偏最小二乘回归(PartialLeast Squares Regression,PLSR)对水样建立COD回归预测模型,并利用该回归预测模型预测水样COD浓度。实验结果表明采用SG平滑预处理后结合连续投影算法(Successive Projections Algorithm,SPA)选取全波段光谱中的特征波长得到的PLS模型预测精度最高,相关系数r=0.91882,预测均方根误差RMSEP=2.8156mg/L-1。进一步研究发现,使用SG平滑预处理得到的岭回归(Ridge Regression)模型精度(r=0.92,RMSEP=2.765 mg/L-1)高于PLS模型,且模型仅仅选取了4个特征波长变量,占238个全波段光谱变量的1.38%。说明利用平滑光谱预处理后,再建立岭回归模型,能节约时间和降低算法复杂度,能够快速准确地进行该水样样本COD浓度预测,为进一步实现水样的COD浓度快速检测奠定了基础。     

基于可见-近红外光谱特征波长选择的土壤有机质快速检测研究

选择光谱特征波长进行建模可以减少冗余波长的干扰,提高模型的预测精度。采用小波阈值消噪法对采集的104个土壤样本光谱数据进行了预处理,并通过间隔偏最小二乘法、无信息变量消除、连续投影算法和群智能算法等9种方法筛选了建模波长。结果表明,小波阈值消噪法能有效降低光谱中的噪声。利用波长选择方法筛选建模波长不仅能减少建模变量的个数,而且还能提高模型的预测精度,特别是离散粒子群优化算法利用26个波长进行建模,预测决定系数达到了0.81,预测的相对标准误差为2.31。实验结果证明,通过对光谱波长进行选择不但可以降低模型的复杂度,还能有效预测土壤有机质达的含量。     

基于近红外透射光谱的乳制品蛋白质、脂肪含量检测

应用近红外透射光谱(NITS)法对乳制品中蛋白质和 脂肪含量进行快速检测。首先分别对光谱进行二阶导数 加S-G平滑(SD+S-G)和一阶导数加多元散射校正加S-G平滑(FD+MSC+S-G)预处理;然 后对处理后 的光谱进行小波基为db3、分解尺度为6的小波压缩;最后以压缩后光谱数据作为输入变量, 采用径向基 函数人工神经网络(RBF-ANN)建立4种乳制品的蛋白质和脂肪定量分析模型。经过反复实 验得出最佳扩散 常数spread值,其中,蛋白质模型在spread值为135时预测精度最高, 其相关系数(R)和预测集均方差(RMSEP)分别为 0.9999和0.0301,脂肪模型在spread值为105时 预测精度最高,其R和RHSEP分别为0.999和0.096。结果表明,基于RBF-A NN和小波压缩建模更稳定、精度更高,可以实现乳制品品质快速无损检测。     

一种优化的高精度灰色GM(1,1)预测模型

针对灰色GM(1,1)模型的建模方法存在偏差,模型不满足协调性条件,不具有变换一致性,且通过累加生成建模时,x(0)(1)没有起到高精度控制预测等问题。该文从重构GM(1,1)白化背景值出发,利用白化背景值的加权向前差商和向后差商平均值优化模型灰导数,根据新信息对认知的作用大于旧信息的原理,以x(1)(n)替换x(0)(1)作为模型的初始条件,对GM(1,1)预测模型进行了改进,从而使所建模型的预测精度大为提高,尤其是发展系数大于2时,新模型的拟合精度仍然很高。通过实例对比验证了新模型无论在低增长指数序列还是在高增长指数序列都有非常高的实用性和可靠性。     

基于iPLS和SiPLS算法的人体血清胆红素含量的可见-近红外光谱建模

为了建立血清胆红素(BR,bilirubin)样品总胆红素 (TBIL) 、直接胆红素(DBIL)和间接胆红素(IBIL)近红外(NIR)光谱分析最优模型,利 用可见-NIR透射光谱技术与间隔偏最小二乘法(iPLS)及协合区间偏最小二乘法(SiPLS)算法 相结合对建模区域进行优 选,实现血清光谱特征波段选择,建立光谱与血清BR成分之间的定量预测模型,以均方根误 差(RMSE)作为模型 评价标准。结果表明:SiPLS模型效果更佳,TBIL、DBIL和IBIL的最优 建模波长范围分别为400~536nm、1366~1502 nm和2324~2460nm,400~502nm、608~710nm和1644~1746nm,400~502nm和1746~1848nm; 3种BR最优预测模型的RMSE分别为0.598、0.207和0.386μm ol/L; 波段优选对提高预测结果的准确性有重要的意义;采用SiPLS建立TBIL、DBIL和IBIL定量分 析模 型,不仅可以提高模型的预测精度,而且克服了iPLS单一区间建模的缺点,优选出的特征谱 区还可为设计小型专用光谱分析仪器提供依据。     

Kalman融合模型在无人装备关键部件寿命预测中的应用

无人装备一般数量众多、执行任务时间长、环境恶劣,因此剩余使用寿命(RUL)预测尤为重要。综合性能指标序列使用单一模型的预测精度较低,为解决此问题,提出基于Kalman融合模型的RUL预测方法。首先,采用面积最大值法提取无人装备关键部件综合性能指标的退化阶段;其次,利用具有指数特征的GM(1,1)模型、线性支持向量机SVR模型、非线性极端学习机(ELM)模型对综合性能指标进行预测,每种模型可以捕捉综合性能指标的不同特征;最后,通过Kalman框架将3种模型的预测结果以迭代最小二乘的原则进行融合。实验结果显示,Kalman融合模型的预测方法可显著提高对综合性能指标的预测精度,与ELM,SVR和GM(1,1)单一模型相比,拟合精度分别提高了16.96%,1.61%和39.84%,预测精度分别提高了45.06%,38.35%和74.12%。     

光纤光谱结合模式识别无损检测苹果表面疤痕

为了实现基于光纤光谱技术结合模式识别无损检测苹果表面疤痕, 利用光纤光谱采集系统采集了完好无损和表面有疤痕苹果的光谱数据, 采用标准正态变换(SNV)和1阶导数对原始光谱数据进行预处理; 利用主成分分析方法对预处理后的光谱数据进行降维, 以提取能反映苹果表面疤痕的特征光谱; 利用k最近邻(KNN)模式识别方法和偏最小二乘判别分析方法, 建立了苹果表面疤痕的识别模型。结果表明, 采用主成分分析法选择了累计贡献率超过99%的前8个主成分作为样本集特征光谱数据, 很好地实现了光谱数据的降维; 利用1阶导数+KNN识别模型对校正集以及SNV+KNN识别模型对预测集中正常果和疤痕果的正确率识别均高达96.0%。验证了基于光纤光谱技术结合模式识别方法无损检测苹果表面疤痕的可行性。     

基于STM的三维荧光导数光谱法检测食品中黄曲霉素

基于支持张量机(STM)的三维荧光导数光谱定量分析方法,检测了食品中黄曲霉素。在计算三维荧光导数光谱时,将常规的、只适用于向量光谱数据的Savitzky-Golay方法扩展到由二阶张量描述的三维荧光光谱中。同时,应用了STM方法建立校正模型,对白酒和牛奶中的黄曲霉素进行了检测。在对白酒中的黄曲霉素检测中,复相关系数(CC)和预测误差均方根(RMSEP)分别为0.952 3和14.847 5,与常规的偏最小二乘(PLS)和支持向量机(SVM)方法相比,CC分别提高了2.40%和2.34%,RMSEP分别降低了8.92%和4.36%。在对牛奶中的黄曲霉素检测中,CC和RMSEP分别为0.996 5和5.448 9,与PLS和SVM的方法相比,RMSEP分别提高了0.40%和0.30%,RMSEP分别降低了18.31%和17.18%。检测结果表明,基于STM方法建立的校正模型要优于传统的SVM方法和PLS方法。     

基于iPLS原理最优化信息区间的桃糖度组合权重PLS模型研究

采用反向区间偏最小二乘法和组合区间偏最小二乘法优化桃糖度可见/近红外光谱的信息区间组合,在选择的信息区间基础上提出了建立一种线性组合权重PLS模型的方法。对近红外光谱进行二阶导数处理、卷积平滑校正后,在区间分割数为15时筛选结果最优,BiPLS所选择的信息区间为742~770nm和 862~920nm,SiPLS所选择的信息区间为742~770nm、832~860nm和892~920nm;直接组合信息区间BiPLS和SiPLS模型的RMSEP值分别为0.386和0.308;线性组合权重PLS模型的RMSEP值分别为0.351和0.364。结果说明在近红外定量分析中,建立线性组合权重模型具有克服复杂样品各信息区间对PLS建模贡献率不一样的问题。     

自体荧光和肿瘤的光谱诊断研究进展

组织的自体荧光可用于肿瘤的光谱诊断.用不同波长的激光激发组织获得不同的自体荧光光谱特征.它们分别起源于蛋白质(色氨酸)、卟啉-蛋白的能量转移、以及内源卟啉的荧光等.通过促进卟啉的生物合成,可以增强自体荧光;采用时间门光谱技术,可以提高自体荧光诊断的灵敏度.光诱导的荧光变化的探测可以提供光动力产生的单态氧和以卟啉为基础的光动力治疗效率的信息.     

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...     

同步荧光结合神经网络同时测定3种抗生素

为了更快速、简便、准确地同时测定多种抗生素混合物,采用同步荧光光谱结合径向基神经网络的方法,对3种氟喹诺酮类抗生素（乳酸环丙沙星、乳酸左氧氟沙星、盐酸左氧氟沙星）的同步荧光光谱进行研究。选择3组分浓度均为1.67ng/mL的混合溶液,测量其3维同步荧光光谱;分别测量39种不同浓度的混合溶液样本的同步荧光光谱;选取其中35种作为训练组,其余4种作为预测组,将训练组样本对应的光谱数据作为输入,建立和训练径向基神经网络;在发射波长与激发波长的差Δλ=194nm条件下,利用训练好的神经网络对预测组中各组分的浓度进行预测,得到3种组分浓度预测的平均相对误差分别达到3.59%,3.47%,3.09%。结果表明,当Δλ设定为194nm时,3种抗生素的同步荧光峰差异最为明显、区分度高,该方法能实现对3种抗生素混合物中各组分的同时测定。这为多种抗生素混合物同时测定提供了一种快速、简便、准确的方法。     

基于可见光图像分析和支持向量机的鸭蛋新鲜度识别

研究鸭蛋内部的可见光图像信息(H和I)的变化来表征鸭蛋新鲜度的变化。采用可见光图像分析技术获取鸭蛋蛋心颜色参数, 将哈夫单位作为新鲜度的验证指标, 建立了基于支持向量机(SVM)的蛋心内部色泽参数的鸭蛋新鲜度预测模型。模型表明：当SVM类型为epsilon-SVR, 核函数为RBF模型特征参数C=27、σ=23时所建立的模型预测效果最好。其中模型预测效果参数RMSEC=0.9520, EMSEP=0.4205。鸭蛋新鲜度预测值与测定值之间具有良好的线性关系, 且预测值对实际值具有较大的搜索覆盖能力。该模型较好的解决了用普通的线性方法识别鸭蛋新鲜度存在的稳定性较差和置信度较小的问题。通过比较SVM和神经网络的识别结果可以发现：SVM对鸭蛋蛋心颜色的识别性能优于神经网络的识别性能(SVM: 98.92%>ANN: 93.77%)。     

LIBS结合GA-BP神经网络与GA-SVM对塑料分类研究北大核心CSCD

塑料制品回收力度小、重复利用率低,造成环境污染和资源浪费,因此对废旧塑料精确分类是提高塑料回收的关键。本文采用激光诱导击穿光谱(LIBS)技术结合遗传算法优化误差反向传播神经网络(GA-BP)和支持向量机(GA-SVM)对常见的10种塑料进行分类识别。利用LIBS技术对塑料样品进行处理,分别采集每种塑料样品100组光谱。对采集到的原始光谱做滤波和归一化处理,提取光谱中14条主要的特征谱线,分别建立GA-BP神经网络和GA-SVM模型。实验结果表明,GA-BP神经网络对塑料的识别性能优于GA-SVM,其中GA-BP神经网络识别精度为99.25%,原因是GA-SVM利用升维算法实现对数据集的分类,在塑料样品种类多的情况,分类效果不及GA-BP神经网络。因此,利用LIBS技术结合不同的识别算法,可以实现对多种塑料样品的分类,也为研究不同算法对塑料样品分类识别提供研究思路。