基于近红外与高光谱技术的小麦种子多指标检测方法

采集47份小麦样本的高光谱图像,提取感兴趣区内的平均光谱,结合反映小麦品质的水分、蛋白质和湿面筋三个指标基础数据,通过OPUS软件搜寻最佳的光谱预处理和波段组合,分别建立了三个指标的偏最小二乘法(PLS)定量分析模型.同时与采用近红外(.NIR)光谱技术建立的三个指标的近红外模型进行比较,发现高光谱模型的各性能指标均明显优于近红外模型.结果表明:当被测样品为颗粒状且内部化学成分分布不均匀时,近红外模型的准确性和稳定性会受其测量条件的限制,而高光谱采样面积大,获取信息更全面,展现出强大的分析检测潜质,为小麦品质评价提供了新方法.     

近红外高光谱图像数据预测技术

目的 受到传感器光谱响应范围的影响,可见光区域和近红外区域（400~2 500 nm）的高光谱数据通常使用不同的感光芯片进行成像,现有这一光谱区域典型的高光谱成像系统,如AVIRIS （airborne visible infrared imaging spectrometer）成像光谱仪,通常由多组感光芯片组成,整个成像系统成本和体积通常比较大,严重限制了该谱段高光谱探测技术的发展。为了能够扩展单感光芯片成像系统获得的高光谱图像的光谱范围,本文探索基于卷积神经网络的近红外光谱数据预测技术。方法 结合AVIRIS成像光谱仪的光谱配置,设计了基于残差学习的红外谱段图像预测网络,利用计算成像的方式从可见光范围的高光谱图像预测出近红外波段的光谱图像,并在典型的卫星高光谱遥感数据上进行红外光谱预测重构和基于重构的数据分类实验,以验证论文提出的红外光谱数据预测技术的可行性以及有效性。结果 本文设计的预测网络在Cuprite数据集上得到的预测近红外图像峰值信噪比为40.145 dB,结构相似度为0.996,光谱角为0.777 rad;在Salinas数据集上得到的预测近红外图像峰值信噪比为39.55 dB,结构相似性为0.997,光谱角为1.78 rad。在分类实验中,相比于只使用可见光图像,利用预测的近红外图像使得支持向量机（support vector machine,SVM）的准确率提升了0.6%,LeNet的准确率提升了1.1%。结论 基于AVIRIS传感器获取的两组典型卫星高光谱数据实验表明,本文提出的红外光谱数据预测技术不仅可基于计算成像的方式扩展可见光光谱成像系统的光谱成像范围,对于减小成像系统体积和质量具有重要意义,而且可有效提高可见光区域光谱图像数据在典型应用中的处理性能,对于提高高光谱数据处理精度提供新的技术支撑。     

集成变量选择方法用于近红外光谱定量分析

本文建立了一种集成变量筛选方法,并用于玉米油分和蛋白质近红外光谱分析中的波长筛选。以光谱纯度值及回归系数构建变量重要性的评价指标w,将所有波长按w值大小排序后,用偏最小二乘交互检验按前向选择法选择最佳变量子集。最终从700个波长变量中分别选择了30和20个特征波长分别用于油分及蛋白质校正模型的构建,对独立测试集中样品油分和蛋白质预测的相关系数(R)、预测误差均方根(RMSEP)、平均相对误差(MRE)分别为0.9814、0.0329、0.714%和0.9887、0.0811、0.738%。而全谱变量建模对油分及蛋白质预测的R、RMSEP、MRE分别为0.9351、0.0606、1.474%及0.9709、0.1314、I.246%。可见该方法可有效地减少建模的变量数,提高预测精度。     

光谱技术结合数据处理技术测定大米中淀粉和蛋白含量

为了满足消费市场对大米品质快速实时检测的需要,对未经过粉碎、过筛等处理的大米,采集了4000cm-1—12500cm-1范围的近红外光谱。通过计算机数据处理,研究了大米的光谱数据,建立了一阶微分光谱数据与淀粉含量和蛋白质含量之间的偏最小二乘回归法定量分析模型。试验分析表明:淀粉的预测相关系数为0.912,预测标准偏差SEP为0.084,预测均方根误差为RMSEP为0.058;蛋白质的预测相关系数为0.898,SEP为0.095,RMSEP为0.121。表明采用一阶微分光谱数据分析法可以较好地预测经简单处理后的大米中淀粉含量和蛋白质含量,该结论为日后大米品质的快速特性光谱测量奠定了基础。     

近红外光谱结合Boosting-PLS快速检测奶粉中蛋白质含量

采用1种基于Boosting理论的回归建模算法Boosting-偏最小二乘法(BPLS),建立了奶粉中蛋白质含量的近红外模型.先用Kemard-Stone法构建样本训练集和预测集,继对所有样本的近红外光谱进行中心化处理,用BPLS算法进行建模,并对收缩因子v与迭代次数m这2个重要参数进行了优化,当收缩因子为0.9,迭代次数为882时,所建模型的预测结果最好,预测均方根误差(RMSEP)为0.3159,明显优于偏最小二乘法.结果表明:BPLS算法具有提高模型的预测精度的显著优势,可实现奶粉中蛋白质含量的快速、无损测定.     

近红外光谱技术在中药蛇床子分类中的应用

将近红外光谱分析技术应用于不同类别和产地的42种中药蛇床子的类别分析,取得了较好的结果,为植物中药的类别分析提供了一种新的思路.     

近红外光谱技术快速测定当归中藁本内酯含量

基于近红外光谱技术,运用偏最小二乘回归(PLSR)方法实现当归中藁本内酯含量的快速、无损检测.采用高效液相色谱(HPLC)法测定当归中藁本内酯含量,一阶导数结合正交信号校正对原始光谱进行预处理,建立当归近红外光谱和藁本内酯含量之间的最小二乘回归定量分析模型.结果表明:模型在校正集上的均方根误差(RMSEE)、交叉验证均方根误差(RMSECV)和决定系数R2分别为0.199 9,0.3489和0.9932,在预测集上的预测均方根误差(RMSEP)和决定系数R2分别为0.23和0.9941.方法具有简单、快速、不破坏样品等特点,可用于当归中藁本内酯含量的快速检测.     

近红外光谱分析技术在药学领域中的应用

综述了近红外光谱分析技术在药学领域中的应用。包括近红外光谱法在原料药的分析。、药物制剂的分析和制药过程中质量控制等。     

在线近红外光谱分析技术及应用

过程分析技术在优化生产控制、稳定产品质量、降低劳动成本、提高经济效益等方面起到越来越重要的作用,其中在线近红外光谱分析技术是目前发展最快和最具有前景的过程分析技术之一。介绍了在线近红外光谱分析系统的组成和特点,以及在石化、化工和制药领域的实际应用情况。应用实例表明,将在线近红外光谱分析技术用于生产过程可为厂家带来可观的经济效益。     

滨海盐渍土可见近红外高光谱特征

土壤光谱是遥感监测的物理基础,盐渍化土壤光谱特征研究对于盐渍化土地的监测有着重要的意义。以黄河三角洲地区的滨海盐渍土为研究对象,通过野外土壤样品采集和高光谱测量,研究在去除水分以及剔除土壤质地影响后,不同盐渍化程度的滨海盐渍土在350~1 100 nm区间的高光谱反射和吸收特征,并且试图构建光谱预测模型。结果表明: 平滑后的光谱曲线能更准确有效地描述光谱的反射特征及吸收峰。不同盐化程度的土壤光谱曲线形态一致,但反射率大小差异较大。连续统去除后,490 nm处轻度盐化土吸收最小,在760~920 nm区间重度盐化土的吸收更强烈。原始光谱不能预测土壤盐渍化信息,但是二阶微分变换能够提高波段敏感性,建立的光谱预测模型能够基本满足预测要求。     

近红外分析技术在汽油调合中的应用

近红外光谱分析是一种用于各种碳氢有机物组成和性质指标分析的重要检测技术.从近红外分析基本原理出发,分别介绍了近红外光谱的获取、传输、预处理、检测和分析技术的各种应用技术,探讨了定性和定量分析所涉及的各种分析、建模的步骤和方法,主要针对近红外光谱分析技术在汽油调合中的应用方法作了较为具体的说明.该技术已在炼化企业得到成功应用,并获得了明显的经济效益和社会效益.     

基于ARM9的近红外山茶油无损检测仪研究

基于ARM9微处理器对山茶油无损检测仪的硬件和软件进行了研制,仪器硬件由近红外光谱采集模块和基于ARM9的嵌入式控制系统组成,近红外光谱采集模块包括仪器光路、AD620信号放大和AD7705 A/D转换电路。仪器光路由近红外LED光源、窄带滤光片、菲尼尔透镜和光电检测器组成。嵌入式控制系统以高性价比、低功耗的S3C2440A为核心,包括Nand Flash,SDRAM,USB,UART,LCD显示屏和触摸屏等外围设备。同时在嵌入式Linux系统下完成了AD7705驱动程序和基于QT的系统软件设计,实现了对山茶油的检测。对山茶油体积分数进行了建模和预测,结果表明:预测体积分数值与实际体积分数值基本一致。     

基于独立成分的局部建模方法及其在近红外光谱分析中的应用研究

建立了一种基于独立成分分析的局部建模新方法,该方法首先将独立成分分析(ICA)用于近红外光谱的特征提取,然后,根据所提取的独立成分选择校正集中与预测样本相邻近的样本构成校正子集,建立局部偏最小二乘(PLS)回归模型并对预测样本进行预测。将所提出的方法应用于烟草样品中尼古丁含量的测定,所得结果优于常用的全局建模方法。     

Parallel protein secondary structure prediction schemes using Pthread and OpenMP over hyper-threading technology

Protein secondary structure prediction has a fundamental influence on today’s bioinformatics research. In this work, tertiary classifiers for the protein secondary structure prediction are implemented on Denoeux Belief Neural Network (DBNN) architecture. Hydrophobicity matrix, orthogonal matrix, BLOSUM62 matrix and PSSM matrix are experimented separately as the encoding schemes for DBNN. Hydrophobicity matrix, BLOSUM62 matrix and PSSM matrix are applied to DBNN architecture for the first time. The experimental results contribute to the design of new encoding schemes. Our accuracy of the tertiary classifier with PSSM encoding scheme reaches 72.01%, which is almost 10% better than the previous results obtained in 2003. Due to the time consuming task of training the neural networks, Pthread and OpenMP are employed to parallelize DBNN in the Hyper-Threading enabled Intel architecture. Speedup for 16 Pthreads is 4.9 and speedup for 16 OpenMP threads is 4 in the 4 processors shared memory architecture. Both speedup performance of OpenMP and Pthread is superior to that of other research. With the new parallel training algorithm, thousands of amino acids can be processed in reasonable amount of time. Our research also shows that Hyper-Threading technology for Intel architecture is efficient for parallel biological algorithms.

支持向量回归算法在NIR光谱法预测带鱼糜蛋白质和水分含量中的应用

为考察支持向量回归(SVR)在鱼糜近红外光谱(NIRS)分析中应用的可行性,采用SVR对73份带鱼糜样品的MR漫反射光谱及其蛋白质和水分含量的化学测定数据进行处理,建立了蛋白质和水分含量MRS定标模型,首次尝试将近红外光谱技术应用到带鱼糜主要成分含量的测定中.采用留一法交叉验证(LOOCV)的蛋白质和水分相关系数分别为0.90和0.96,并用独立样本集对模型进行外部验证.结果表明,SVR模型的预测能力比较好.因此,可以将NIR光谱支持向量回归法预测带鱼糜蛋白质和水分含量应用到鱼糜晶质的快速评价中.     

应用ANN/HMM混合模型预测蛋白质二级结构

针对3状态隐马尔可夫模型（hidden Markov model,HMM）预测蛋白质二级结构准确率不高的问题,提出15状态HMM,通过改进的算法与BP神经网络相结合进行二级结构预测。研究对象为CB513数据集中筛选出的492条蛋白质序列,将其随机均分7组。应用混合模型进行预测,对准确率进行7交叉验证,Q3准确率达7721%,SOV值为7252%。结果表明,混合模型既能充分考虑相邻氨基酸残基间的相互影响,也能在一定程度上照顾二级结构的远程相关性,因此带来了较好的预测准确率。     

基于GIS的粮食配送决策支持系统分析与设计*

以粮食物流企业的配送问题为背景,结合GIS理论和方法,对粮食物流配送决策支持系统进行了系统分析。首先结合粮食物流配送决策支持系统的数据需求,详细分析了数据库系统的结构;然后根据粮食物流配送的决策问题,研究分析了粮食物流配送决策支持系统中配送中心选址优化以及粮食配送过程中车辆路线规划等核心模块,并对模型库系统中的模型进行了设计。建立了基于GIS的粮食物流配送系统模型,为GIS应用于粮食物流配送决策支持系统(GLD_DSS)提供了较实用的指导性方案。     

利用自助拉丁配分和模糊规则对橄榄油进行分类研究

利用Nicolet 6700傅里叶变换近红外光谱仪测定了20个橄榄油样品的光谱数据。采用多元散射校正、Savitz-ky-Golay平滑以及二阶求导对原始光谱数据进行预处理以提高信噪比、消除背景和基线的影响。在(4500～12000)cm~(-1)波段范围内计算20个近红外光谱的标准偏差,以(5200～5300)cm~(-1)和(5600～6000)cm~(-1)作为输入建立模糊专家系统。建模过程中采用n次自助拉丁配分法进行评价分类和建模的结果,将更具统计意义的n次均值作为预测结果。利用模糊专家系统的分类树和定量预测都能成功地将20个橄榄油分为特级初榨和普通橄榄油2大类。结果表明,本文为橄榄油品质的鉴定提供了1种简便、快捷、准确的方法。