近红外光谱分析中建模样品优选方法的研究

结合牛奶成分近红外光谱测量系统的实例,在已定的浓度范围内针对牛奶中脂肪、蛋白质、乳糖三成分采用正交设计法优选参与建模的样品.研究中首次利用正交表的\     

基于BP神经网络的啤酒酒精度近红外光谱快速检测

以啤酒酒精度的快速测定为研究对象,采用误差反向传播算法(Back-Propagation,BP),结合主成分分析(PCA),构造了三层的神经网络结构,建立了PCA-BP神经网络模型,达到满意的预测精度,结果表明:使用BP神经网络方法后,验证集预测均方差、平均相对误差和回收率范围分别为0.114、1.131%和97.91%-104.59%,其效果优于PLS模型.     

基于近红外光谱传感器的饮食监测系统

针对我国糖尿病患病率日益提高的问题,文章设计一套面向糖尿病患者的饮食监测系统,该系统中最为关键的是食物含糖量检测技术。采用苹果作为研究对象,利用艾迈斯半导体公司生产的最新的近红外光谱传感器采集其原始光谱数据,使用手持糖度计测量其糖度,通过PLS(偏最小二乘)算法建立苹果糖度的预测模型。实验结果显示预测值与实际值的相关系数为0.9858,均方误差为0.65。利用近红外光谱传感器对食物含糖量进行无损分析,避免对食物造成损伤,并且解决了近红外光谱仪庞大复杂难以民用的问题,为面向糖尿病患者的饮食监测系统应用奠定了基础,具有较高的实际应用价值。     

肉骨粉中牛羊源成分含量的近红外漫反射光谱分析

为了切断疯牛病的传播途径保证饲料安全,开展非反刍动物肉骨粉中反刍动物成分含量的检测方法研究十分必要.本文探讨了利用近红外漫反射光谱(NIRS)分析技术快速检测非反刍动物(猪鸡)肉骨粉中反刍动物(牛羊)成分含量的可行性.收集了不同地区不同种类的肉骨粉样本,在猪和鸡肉骨粉中分别掺入0～48%的牛或羊肉骨粉,制备了200个样本.针对含牛羊源的猪肉骨粉、含牛羊源的鸡肉骨粉和含牛羊源的猪鸡肉骨粉三类样本,以掺入的牛羊源成分的质量比例作为真值,分别采用改进的偏最小二乘回归(MPLS)、偏最小二乘回归(PLS)和主成分回归(PCR)三种不同建模方法建立了NIRS定标模型.用独立的验证集对模型进行了验证,最优模型验证集的决定系数(R2)均大于0.90,相对分析误差(RPD)均大于3.0.结果表明,利用NIRS分析技术可以快速检测出猪鸡肉骨粉中牛羊源成分的含量.     

近红外光谱分析中建模光谱宽度的选择

为选择生化样品近红外光谱分析中最优的建模光谱宽度,结合样品特征波长与光谱学原理开展研究.收集348份血清样品,以血清中胆固醇、甘油三酯为例进行分析.根据光谱学原理及2 mm厚度血清的光谱吸光度,选择一级倍频区域作为分析波段,考察该区域内不同宽度光谱范围的模型效果.优选出胆固醇与甘油三酯的最优光谱宽度分别为70 nm和1...     

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.     

一种新的遗传神经网络组合方法在近红外光谱分析中的应用

近红外光谱分析技术中波长点的选择和建模方法的选取对建立预测分析模型至关重要.在传统相关系数法的基础上,提出了一种基于遗传算法的相关系数阈值优化方法.该方法以决定系数最大为优化目标,寻找最佳阈值.校正时用径向基神经网络来建立定标模型,选取中心时采用正交最小平方法.采用新方法预测了汽油中的碳酸二甲酯含量,把预测结果与偏最小二乘法的实验结果进行了对比.结果表明,新方法的预测精度更高,决定系数可达到0.9993.     

用近红外光谱法测量分析全血的血糖浓度

文中利用透射实验测量了全血的近红外光谱,用偏最小二乘法( Partial Least Square ,简写为PLS) 选择包含有葡萄糖特征峰的谱段,建立了回归模型,得到了葡萄糖浓度的拟合曲线,分析拟合曲线与真值的关系,相关系数达到0. 9999 ,误差小于0. 13mmol/ l 。实验结果表明:用近红外光谱的方法可以实现全血血糖浓度的测量。     

激光拉曼光谱结合偏最小二乘法快速测定植物油碘值

为探讨应用激光拉曼(Raman)光谱结合偏最小二乘 法(PLS)建模无损、快速及无试剂测定植物油碘值 的可行性,实验以大豆油、橄榄油、花生油、芝麻油及其调和油为样品,采集了其拉曼光谱 , 采集波数范围为250cm－1～2400cm －1, 并对其信号进行了归属,考察了各种实验条件对拉曼光谱的 影响,并以传统韦氏法测定得到的碘值作为对比,结合化学计量学方法建立了植物油碘值拉 曼 光谱定量模型。实验结果表明,大豆油、橄榄油、花生油及其调和油的拉曼光谱峰形及位移 具有一定的相似性,芝麻油拉曼光谱有较强的荧光干扰,峰强度与其他植物油存在着明显的 差异。所建立的碘值校正模型的决定系数R²为97.49 ,交叉验证校正标准差(RMSECV)为 1.15;检验集预测标准差(RMSEP)为1.57, 决定系数R²为96.47。结果表明,应用拉曼光 谱技术结合化学计量学实现植物油碘值快速检测是可行的。     

油脂酸价近红外光谱检测PLS建模方法研究

将目前广泛流行的近红外光谱分析技术应用于食用油脂酸价的检测。由于近红外光谱分析是一种间接检测方法,需要先利用校正集样本建立统计模型,然后再利用模型来预测未知样品性质,因此建立准确可靠的模型是近红外光谱分析的关键。详细介绍了偏最小二乘（PLS）回归的基本思想和建模方法。为使建立的校正模型更稳健,还研究了光谱波段选择。通过间隔偏最小二乘回归波段选择法进行特征波段提取,对提取的特征波段和全谱分别进行偏最小二乘回归建模,对比分析以说明波段选择的必要性。     

红外多光谱遥感数据的校准

主要介绍了一种对由特定红外图谱一体化系统采集的光谱数据进行校准与分析的方法。在实验部分,首先对得到的设定已知特定温度的黑体红外光谱数据进行归类和整理,然后在最大保留特征信号的条件下利用不同的滤波算法与滤波窗宽尽量消除信号噪声,并采用偏最小二乘算法对所得信号进行校准,使之与理论值相符。最后利用校准结果构建数学模型,并考虑主成分个数这一概念,检验模型准确度。通过数据分析可知,由这个特定红外图谱一体化系统采集的光谱数据经偏最小二乘算法校正后与理论值相近,此时能够拟合出校正数列与波数之间的函数关系,且受温度影响较小。     

激光诱导击穿光谱结合PLS检测土壤中的铅

利用波长1064 nm的Nd∶YAG脉冲激光器获取国家标准土壤中铅元素的诱导击穿等离子体,并用八通道光纤光谱仪采集了样品等离子体光谱。应用多种光谱预处理方法对光谱进行信息提取和分析,比较了光谱的预处理方法对偏最小二乘(PLS)模型定量预测能力的影响。结果表明,采用9点光谱平滑处理和多元散射校正(MSC)预处理的模型质量较好,校正集和预测集的相关系数R分别为0.9981和0.9948,交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为12和17;元素Pb浓度分析测量的结果与标准值的相对偏差在10.5%以内,实验表明LIBS结合PLS建模能满足土壤中微量重金属快速检测的要求。     

一种基于探测元响应非线性的两点校正算法

针对焦平面器件现有非均匀性校正算法在实际应用中存在的问题,结合探测器的非线性模型对两点校正算法进行改进,提出了基于探测元响应非线性的两点校正算法,该算法是在最小二乘意义上的曲线拟合.通过将该算法与传统的两点校正法和四点校正法在残留非均匀性和校正速度两个方面的比较,说明该方法具有校正精度高、动态范围大、易于工程实时实现等优点.     

一种基于变量稳定性与集群分析相结合的近红外波长的选择方法

为了提高分析模型的效率与性能,提出了一种基于变量稳定性与集群分析相结合(VSPA)的波长选择方法。该算法将变量分为样本空间与变量空间,在样本空间里计算变量的稳定性,根据稳定性值,利用加权自举采样技术将变量划分为有用变量与无用变量;在变量空间中,统计每个变量出现的频率,利用指数衰减函数在无用变量中去掉变量频率较低的变量。将算法应用在近红外光谱玉米数据集中来预测玉米中淀粉的含量,其预测集均方根(RMSEP)与相关系数(R_p)分别为0.0409和0.9974,筛选后的特征变量仅为原始光谱数据的2.7%,说明提出的变量选择方法能够提高模型的运算效率与预测能力,是一种有效的变量选择方法。     

马铃薯加工品质指标近红外预测模型研究

以200个不同品种的马铃薯为样品,采用真空微波冷冻干燥技术对样品进行了预处理。用基于偏最小二乘法（PLS）的傅里叶变换近红外光谱技术建立了马铃薯4个主要加工品质指标（水分、还原糖、淀粉和蛋白质）的预测模型。以模型决定系数（R2）、校正标准差（RMSECV）、预测标准差（RMSEP）和相对分析误差（RPD）作为模型精度的评价指标,利用50个未知品种的马铃薯样品对模型预测结果进行了外部检验。外部检验结果表明,利用近红外吸收光谱技术预测马铃薯主要加工品质指标含量是可行的,水分和淀粉模型的预测效果理想,而蛋白质和还原糖模型的精度还有待于进一步提高。     

基于近红外光谱和系统聚类法的蝗虫识别模型研究

以蝗虫的近红外光谱图作为分析的对象,采用聚类分析方法对蝗虫进行快速的识别研究.结果表明:矢量归一化预处理后的光谱数据经最长距离法进行聚类分析,分类结果正确率为100%.此法可为蝗虫自动侦测系统中识别蝗虫提供一种可靠、简便的手段,盲样检测的准确率可达91.67%.     

牛奶成分近红外光谱分析中系统漂移的补偿

为实现牛奶中蛋白质、脂肪等成分含量的快速无损检测,本文论述了采用近红外漫反 射光谱(1000～1700nm) 分析牛奶主要成分含量的基本方法,定量分析了仪器信噪比与系统测量误差之间的传递关系。在此基础上,进一步探讨了采用双光路设计以及参考液光谱自动校正方法消除系统漂移的可行性。实验结果表明:采用参考液光谱自动校正方法可以有效地克服系统漂移,校正后脂肪、蛋白质的实际预测相对偏差(RMSEP) 与参考值平均值之比分别降低了0. 14 %和0. 72 %。     

近红外光谱在线分析系统及应用

介绍了在线近红外光谱分析系统的组成及技术发展,以及在食品加工业、农业、废弃物体自动分类、石油化工、制药与临床医学方面的应用。近红外光谱分析技术不需对样品进行前处理,可同时对多组分样品进行瞬间分析。与光纤的连用已使它被广泛应用于过程分析。近红外在线分析技术今后将向专用、小型化方向发展。     

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。