直接正交校正用于牛奶成分近红外光谱分析

介绍采用近红外光谱分析方法快速检测牛奶主要成分含量的测量原理,探讨研究直接正交(DO)校正的基本方法.利用牛奶成分近红外光谱测量系统分别采集牛奶样品和葡萄糖白蛋白两成分溶液样品的近红外光谱,采用DO法进行光谱数据预处理,并采用偏最小二乘(PLS)法分别建立其相应的数学模型.实验及数据处理结果表明:经DO法预处理后,滤除了原始光谱中的部分噪声信息,但保留了原始光谱中的主要信息.PLS校正模型采纳的最佳因子数随着DO因子的依次滤除相应减少.牛奶中脂肪和蛋白质校正模型在原始光谱分别被滤除3和4个主成分时达到性能最佳,校正标准偏差SEC分别为0.3204和0.2727,预测标准偏差SEP为0.7316和0.4460,两成分溶液样品中白蛋白和葡萄糖校正模型在原始光谱被滤除1个因子时达到性能最佳.校正标准偏差SEC分别为0.2513和0.2780,预测标准偏差SEP为0.5169和0.7870,单位(g/dL),与DO法预处理之前的PLS模型相比,预测标准偏差相应降低,采纳的主成分数减少,模型得到简化.     

采用近红外光谱技术检测牛奶中脂肪、蛋白质及乳糖含量

利用近红外(NIR)漫反射光谱(1100～1700nm)快速测量牛奶中脂肪、蛋白质和乳糖的含量。采用偏最小二乘方(PLS)回归．建立了测量光谱与牛奶主要成分浓度之间的校正模型,并对其预测重复性进行了研究;进而探讨了非线性校正方法径向基函数网络(RBFN)的可行性,并与PLS线性校正模型进行了对比;探讨了如何提高PLS校正模型预测精度的相关问题。     

基于直方图分层映射的近红外光谱预处理算法北大核心CSCD

为解决近红外光谱快速检测乳品成分及含量时光谱数据的预处理问题,提出一种基于直方图分层映射技术的近红外光谱主成分得分重置(SR)预处理方法。以葡萄糖氯化钠水溶液三组分样品中的葡萄糖含量、鲜牛奶样品中的乳糖含量为定量检测目标,进行散射光谱主成分得分累计贡献率的分层分段规定化映射预处理,利用偏最小二乘(PLS)回归分析建模手段,对相应近红外光谱中的糖含量信息进行测试及分析。结果表明,经过SR预处理后,牛奶中乳糖含量PLS模型的校正集样品交互验证预测偏差降低23.9%,实际预测偏差降低27.8%;验证集实际预测偏差降低16.7%。该SR光谱预处理方法兼顾光谱、参考值及组分相关性等多尺度信息,以实现光谱信息增强去噪,能避免有用信息误删,防止不充分拟合及过拟合。     

基于PCR和PLS的蔗糖浓度透反射测量方法研究

利用近红外透反射光谱技术,研究短波近红外光谱(780~1100nm)无损检测蔗糖溶液的可行性,并通过主成分回归(PCR)和偏最小二乘(PLS)方法建立了蔗糖溶液的近红外定量分析模型。采用Savitzky-Golay卷积平滑(5点)和多元散射校正(MSC)进行预处理,并且对预处理后的数据进行建模分析。PCR定量分析的结果:主成分数PC=7,交互验证相关系数RCV=0.957335,交互验证的校正标准偏差RMSECV=0.015859;PLS定量分析结果:主成分数PC=4,交互验证相关系数RCV=0.975789,交互验证的校正标准偏差RMSECV=0.012251。分别用PCR和PLS的校正模型对预测集样本进行预测,两种模型的预测标准偏差RMSEP分别为0.0127,0.0118。二者均对高浓度蔗糖溶液的预测结果比较理想,而且在PLS模型下,77%以上的样本相对误差在10%以下,较PCR模型的高。综合结果,PLS所建立的模型简单,而且精度很高,所以,基于短波近红外光谱的蔗糖浓度的快速无损检测是可行的。     

用光谱主成分分析选择烟草近红外模型校正集样品

为研究光谱主成分分析方法在选择烟草近红外模型校正集样品过程中的可行性,本文采用常规的人为挑选和光谱主成分分析两种方法选择校正集样品,并利用偏最小二乘法建立烟叶总糖、总氮和烟碱含量的预测模型,同时比较了这两种校正集样品选择方法所建立模型的各项评价指标和预测结果的差异性。结果表明,上述两种方法建立的总糖、总氮和烟碱含量预测模型的各项评价指标非常接近,对20个烟叶样品的预测结果也无明显差异。因此,应用光谱主成分分析是烟草近红外模型构建过程中的一种非常有效,且节约常规化学分析成本的校正集样品选择方法。     

随机森林结合直接正交信号校正的模型传递方法

为增强近红外光谱模型通用性,解决直接正交信号校正算法在光谱处理过程中可能出现过拟合、模型不稳定的现象,提出一种将随机森林与直接正交信号校正算法相结合的模型传递方法(Random Forest-Direct Orthogonal Signal Correction,RF-DOSC)。该方法首先利用随机森林算法进行近红外光谱波长点筛选,然后采用直接正交信号校正方法进行光谱处理并建立回归方程,由PLS计算回归系数求得模型传递矩阵。实验使用三台光谱仪(S,S1,S2)测得的玉米近红外光谱数据集建立传递模型,数据集1(D1)水分、油分、蛋白质、淀粉成分预测标准偏差(SEP)分别为0.1267、0.0982、0.1569和0.4051,数据集2(D2)四种成分的SEP分别为0.1548、0.0819、0.1366和0.3836,均小于传统方法。实验结果表明本文所提模型传递方法能有效消除光谱噪声,减小主仪器和从仪器光谱之间的差异,提高模型的稳定性和准确性,实现不同仪器之间模型的共享。     

煤质的近红外光谱定量分析研究

实验中首先采用多元散射校正（MSC）的方法对煤粉样品的漫反射光谱进行了预处理,然后分别通过偏最小二乘法（PLS）和主成分分析（PCR）的方法建立煤粉样品的近红外光谱的全水分、挥发分和灰分的定量分析模型,通过预测集对建立的模型进行验证,发现利用偏最小二乘法建立的煤粉全水分模型最优,r＝0.975,RMSEC＝0.166,RMSEP＝0.169,RPD＝3.22,通过主成分分析方法建立的挥发分和灰分的模型最优,最后通过选取验证集样本对建立的模型进行了验证,得出利用近红外光谱分析技术间接对煤质进行定量分析是可行的。     

水稻叶片氮含量光谱监测中使用连续投影算法的可行性

使用5段移动平滑法、基线校正、光谱面积归一化、多元散射校正方法对水稻叶片可见-近红外光谱进行预处理,使用连续投影算法（SPA）进行有效波长的选取。分别基于光谱指数RVI、NDVI建立多元线性回归（MLR）模型,基于SPA有效波长建立MLR模型,基于全部波长建立主成分回归（PCR）及偏最小二乘法（PLS）回归模型。利用模型预测水稻叶片氮含量,对比发现基于SPA有效波长建立的模型的预测效果明显好于基于光谱指数RVI及NDVI建立的模型,略差于基于全部波长建立的PCR及PLS模型。基于MSC预处理光谱及SPA有效波长建立的模型预测集预测结果r=0.7943,RMSE=0.4558。在水稻叶片氮含量光谱监测中使用连续投影算法进行有效波长的选取是可行的。     

基于净分析物预处理算法的绿茶中儿茶素的近红外光谱定量分析

由于原始近红外光谱数据中含有与待测组分不相关的噪音及冗余信息,增加了偏最小二乘法(PLS)模型的复杂程度.为了简化儿茶素的预测模型,采用净分析物预处理法(NAP)对近红外光谱进行预处理,提取出待测组分的净分析物信号,然后利用PLS建立绿茶中三种儿茶素(EGCG、ECG和EGC)含量的(NAP/PLS)模型.在模型建立过程中,通过交互验证的方法优化NAP因子数及模型的主成分因子数,并且将NAP的结果与经典的标准正态变量(SNV)光谱预处理结果相比较.比较结果显示,经过NAP与SNV光谱预处理后,模型的预测结果相差不大,但是经过净分析物预处理后,模型的主成分因子数大大降低.研究结果表明,NAP光谱预处理算法能在保证精度的前提下有效地简化绿茶中儿茶素含量的预测模型.     

用近红外光谱预测土壤碳含量的研究

以田间行走式设备获取的近红外光谱数据为基础,利用最小二乘回归法(PLSR)建立了应用近红外光谱数据预测土壤碳含量的校正模型,与利用原始光谱数据建立的模型相比,应用经比值或归一化差值处理的光谱数据建立的校正模型可以提高预测精度.精度提高的原因可能是光谱数据经过波段算术组合处理后,能降低模型建立过程中产生过配的风险,使模型能包括更多的成分和信息.研究结果表明,利用偏最小二乘回归法,可以有效地建立田间近红外光谱与土壤碳含量之间的校正模型;同时,应用比值或归一化差值这些波段算术组合方法来处理近红外光谱数据,可以进一步提高模型的预测精度.因此,应用行走式设备获取的近红外光谱数据来快速测定田间土壤中碳的含量是可行的.     

基于LOCAL算法的秸秆水分和热值的近红外光谱快速分析

水分和热值是与秸秆能源转化利用相关的重要特性指标,采用近红外光谱技术结合LOCAL算法来予测秸杆水份和热值.首先将样品分别按水分含量和热值大小均分为高、中、低三个子集分段建模,结果高、中、低含量样品建立的模型的交互验证标准差(SECV)几乎都小于全部样品模型的SECV,表明了秸秆水分和热值变幅对近红外光谱模型的预测精度有较大的影响.针对化学值变幅对模型精度的影响,引入LOCAL算法实现近红外光谱技术预测,快速分析测定秸秆的水分和热值.研究结果表明,LOCAL算法为每个预测样品选择合理的定标集,与常规的PLS和MPLS模型相比,有效提高了近红外光谱技术预测精度,在秸秆近红外光谱定量分析中有着广阔的应用前景.     

近红外光谱技术与偏最小二乘法及模糊聚类法相结合的糖品种分类方法

提出了一种近红外光谱技术与偏最小二乘法及模糊聚类法相结合的可用于快速无损鉴别糖品种的新方法。采用近红外光谱仪获取了白砂糖、木糖醇、麦芽糖和葡萄糖等四种糖类别各30个样本的光谱漫反射特征曲线。运用偏最小二乘法提取了糖分类与特征值,并将提取到的经过归一化处理的11种主成分结果作为模糊聚类模型的建模参数。设定聚类数为4,建立模糊聚类模型,并对40个未知样本进行了预测。预测结果的准确率达到100％,说明本文提出的方法对于糖类别具有很好的分类和鉴别能力,同时也为光谱分析技术在对品种的快速、无损分类与识别中的应用提供了新的思路。     

中红外腔衰荡光谱技术的研究进展及应用

中红外基频指纹吸收谱具有吸收强、谱线宽且密集的特点。通常吸收红外光谱的气体分子在3000 cm^-1附近的中红外基频吸收强度比近红外吸收高约2个数量级,因此逐渐成为腔衰荡光谱(CRDS)技术的研究热点。简述了CRDS技术的工作原理及技术优势,介绍了中波红外CRDS技术特点并分析对比了近红外与中红外波段的CRDS技术差异,论述了基于中红外波段的CRDS技术研究现状,最后基于应用研究进展对其前景进行了展望。     

近红外反射光谱分析技术快速检测复合化学肥料中肉骨粉含量的研究

肉骨粉是产生牛海绵状脑病(BSE)的主要原因,根治BSE很有必要研究饲料和肥料中的肉骨粉的检出方法.本文探讨了利用近红外反射光谱(NIRS)分析技术快速检测复合化学肥料中肉骨粉含量的可行性.对混合有肉骨粉的4种复合肥料样品和这些所有样品,采用偏最小二乘法(PLS),获得5个校正模型的决定系数(R2)分别为0.9989、0.9957、0.9977、0.9969和0.9955,相对标准偏差(RSD)分别为3.82%、4.07%、3.92%、3.99%和5.13%;检验集的真值和模型预测值的决定系数(r2)分别为0.9951、0.9981、0.9960、0.9943和0.9884,RSD分别为6.74%、2.58%、3.55%、6.17%和7.44%.结果表明,利用NIRS分析技术可以成功检测出复合肥料中肉骨粉的含量.     

白砂糖色值近红外光谱分析的波段选择

采用近红外漫反射光谱技术和偏最小二乘法(PLS)建立白砂糖色值的定量分析模型.用多元散射校正方法对光谱进行预处理,再用Savitzky-Golay平滑化方法对原谱、一阶导数谱和二阶导数谱进行处理.选取5个波段,每个波段分别采用原光谱、一阶导数谱、二阶导数谱.同时调整Savitzky-Golay平滑点数和PLS因子数,通过多次PLS数值实验比较,按照预测效果确定每个模型的最优平滑点数、因子数,再从中选优.结果表明,采用780～1100nm-阶导数谱的定标效果最好,模型的预测均方根偏差、相对预测均方根偏差分别为11.2,8.91%.780～1100nm可以代替近红外全谱波段(780～2500nm)得到好的定量分析效果,为设计小型专用近红外分析仪器提供依据.     

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。     

核驱动BRDF模型RossThick-LiSparseR与RossThick-LiTransitN 的分析

RossThick-LiSparseR模型和RossThick-LiTransitN模型是两种具有代表性的核驱动模型,可以较好地描述地表的方向反射特性。以大豆地、果园、草地、阔叶林和玉米地五种地物为研究对象,采用变分正则化方法,反演得到了红色波段及近红外波段最优的双向反射分布函数（BRDF）模型参数。对比反演结果,分析了两种模型在不同条件下的优势。结果表明,在红色波段和近红外波段,RossThick-LiSparseR模型的数据拟合能力比较强,反演结果更接近真实值,且稳定性高;两种模型在反演黑空反照率上有相同的优势。     

西红柿成熟度的近红外漫透射光谱无损检测

为了证实以近红外漫透射光谱技术结合化学计量学方法能有效实现西红柿成熟度的检测，采用美国海洋光学公司的QE65000光谱仪取得了西红柿的漫透射光谱数据，采用日本柯尼卡美能达CR-10反射式色差计取得了亮度、红绿色相、黄蓝色相和总色差颜色数据; 通过标准数学建模方法建立了颜色模型，并通过偏最小二乘回归校正算法建立了近红外光谱模型。结果表明，两组模型都是以红绿色相指标建模时效果最佳，在99个未知样品数据中，预测模型的颜色模型误判情况分别为未成熟0%、半成熟33.33%、成熟0%；而近红外预测模型的误判情况分别为未成熟32.14%、半成熟50%、成熟0%。该研究验证了近红外光谱技术对西红柿成熟度进行无损检测的可行性，这对实现西红柿的快速、批量分选具有一定的实际意义。     

基于光谱技术的葡萄活体可溶性固体含量在线检测研究

快速检测活体水果内部品质对于确定水果最佳采摘时机和果园信息化管理具有重要意义。以南方棚栽葡萄为研究对象,应用光谱技术对处于生长期的四个葡萄品种的可溶性固体含量(SSC)进行现场测试。分别采用偏最小二乘法(PLS)回归、潜变量人工神经网络(LV-ANN)和潜变量支持向量机(LV-SVM)三种方法为光谱建模集建立了SSC校正模型。用验证集对模型的预测性能进行了评价。与PLS和LV-ANN模型相比,LV-SVM模型的预测性能最佳。实验结果表明,将光谱技术与LV-SVM建模法相结合适用于果园葡萄活体可溶性固体含量无损检测。