两种测定水的室内可见—近红外反射光谱的方法及应用比较

设计了两种辅助装置 ,探索利用室内光谱仪测定水的可见 -近红外反射光谱。通过比较证明两种方法都可以获得较好测试结果 ,水体在可见 -近红外波段的吸收峰在测量结果中都有较明显的显示 ,和野外光谱仪相比灵敏度较高。利用水的室内可见 -近红外光谱可以区分不同类型的自然水体 ,发现受有机物污染的水体反射率比未受有机物污染的清洁水体反射率要低 ,为利用遥感技术进行水污染研究提供了依据     

矿物与岩石的可见-近红外光谱特性综述

矿物和岩石的系统光谱学研究是当今高光谱遥感发展的基础。在简要介绍了吸收光谱产生的电子过程和振动过程机理后,系统归纳了主要矿物类型和岩石类型的可见-近红外光谱特征。认为矿物的吸收光谱主要由二价、三价铁离子和过渡族元素的电子跃迁以及晶体场效应等电子过程产生;此外,还可以由水分子、Al-OH、Mg-OH、碳酸根的振动过程及卤化物的色心和硫化物的导带产生;岩石的吸收光谱都是杂质、包体、蚀变及替代成分产生的,主要为铁、水和羟基、碳酸根、硼酸根的光谱。最后指出,不同物理、化学环境下的矿物光谱特征变异研究在将来的高光谱遥感地质勘察中将变的更为重要。     

典型煤系岩石的可见-近红外光谱特征研究

为研究基于可见-近红外光谱技术的煤岩识别方法,从山西、山东4个煤矿收集了页岩、砂岩、灰岩三大类11种典型煤系岩石,测定了其可见-近红外波段(400～2 450nm)的反射光谱,分析了其矿物、元素组成对反射光谱特征的影响,获得了碳质物质含量对煤系页岩反射光谱曲线特征参数的影响规律。研究结果表明:①绝大多数煤系岩石的反射光谱曲线在可见光波段(400～780nm)和短波近红外波段(780～1 100nm)呈现出随波长增加的多重吸收谷。在长波近红外波段(1 100～2 450nm),明显的吸收谷主要集中在1 400,1 900,2 200,2 350nm波长,页岩、灰岩吸收谷的波长相对固定,而不同砂岩吸收谷的波长呈现出多种变化。②除碳质物质含量较高的碳质页岩外,同一煤矿各类煤系岩石与煤的可见-近红外波段反射光谱吸收特征差异明显。③当煤系页岩中碳质物质含量增大时,可见-近红外波段反射光谱曲线的光谱斜率和各明显吸收谷深度均呈先快速减小后趋于平缓的特点。     

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。     

一种煤炭近红外光谱数据预处理方法研究

针对煤炭原始近红外光谱数据中存在噪声的问题,提出了基于De-SNV与小波阈值去噪组合的煤炭近红外光谱数据预处理方法。采用缺省软阈值法进一步对经过Savitzky-Golay平滑和De-SNV处理的光谱数据去噪,并分别建立了水分、灰分和挥发分的PLS校正模型,通过分析模型的预测性能对该方法的有效性进行评估。实验结果表明,经过该方法预处理的光谱数据所对应的PLS校正模型性能明显优于使用原始光谱数据所建立的PLS校正模型,水分、灰分和挥发分的PLS校正模型的预测均方根误差分别降低至0.007 07,0.040 8,0.008 66,决定系数分别提高至0.858 7,0.743 8,0.778 5。     

近红外光谱定量模型的优选及在线应用

针对近红外光谱在线监测软件算法模型扩展功能受限和对外服务能力受限的问题,论文设计出一种预测精准且开放服务能力强的近红外在线葡萄糖浓度监测系统。首先,对原始的光谱数据进行预处理,对比多种奇异样本剔除算法以及区间选择算法,从而优选出最佳区间并建立葡萄糖浓度的定量分析模型。然后,将优选模型嵌入到基于java和websocket的后台检测接口中,解决模型嵌入问题,采用微信小程序作为前端展示平台可以很好地解决平台不适应问题。经过测试分析,所嵌入的优选模型具有更好的预测精度,所设计系统可以跨平台多终端远程访问,实时监测效果良好。     

适合近红外光谱数据特征的降维方法对比分析

因近红外光谱具有波长点多、谱带归属困难、光谱重叠严重及光谱分布结构未知等问题,在进行近红外光谱关键特征提取和数据特征空间映射时难以准确获知合适降维方法。为了解决该问题,本文对比分析了典型线性和非线性降维方法 ,并用烟叶近红外光谱数据从数据降维可视化和分类准确性识别率角度分别进行了实验验证。结果表明,线性降维算法,特别是PCA、LDA算法,比较适合应用于烟叶近红外光谱降维分析中,非线性降维算法因其泛化学习能力与推广能力差以及本征维数估计困难不适合应用于近红外光谱降维分析。     

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.     

功能性近红外光谱系统及锁相放大器算法的研究

功能性近红外光谱技术是一种新兴的非侵入式光学技术,该技术可以测量脑皮层的功能性活动信息;介绍了单通道fNIRS系统的开发,为了验证系统的性能,2人参与了算数运算任务,获得了氧合血红蛋白和脱氧血红蛋白的浓度变化;锁相放大器在fNIRS系统中可以很好地提取淹没在噪声中微弱的光强信号,但是模拟锁相放大器价格昂贵,对多通道系统来说是很大的负担;设计了数字锁相放大器算法,通过与模拟锁相进行比较,结果表明设计的数字锁相放大器可以取代价格昂贵的模拟锁相放大器。     

基于近红外光谱的面粉中偶氮甲酰胺含量检测方法的研究

探讨了 NIRS结合化学计量学方法进行偶氮甲酰胺含量快速检测的可行性.针对NIRS冗余信息较多的特点,运用competitive adaptive reweighted sampling(CARS)对偶氮甲酰胺建立PLS回归模型的特征波长进行优选.全光谱的特征波长点为1845个,经CARS300优选后,偶氮甲酰胺的特征...     

一种基于Java平台的近红外光谱实时分析系统设计与开发

针对某肥料生产企业产品质量评价方式耗时、低效等问题,构建基于Java平台的近红外光谱实时分析系统。结合实际生产需求与近红外光谱技术的原理,对系统整体架构进行设计,并通过需求分析、系统设计、关键技术实现等过程,开发出近红外光谱实时分析系统,进行产品成分预测。可实现光谱数据采集、计算分析和结果实时输出功能,用户界面简洁直观。通过硅胶的吸水性实验,验证了预测分析结果的准确可靠(产品成分预测值对真实值的决定系数为95.13),满足生产要求,具备较大应用前景和商业潜力。     

基于有偏估计的近红外定量分析方法及应用

根据工况需求建立稳健性好的定量分析模型是使用近红外分析技术的关键。近红外光谱的波长点数多,实际工况中难以获得精确的无偏估计,可控的有偏估计更便于后续优化控制对产品目标属性的调优。鉴于此,提出一种融合互信息的光谱波长选择方法：根据光谱波长间的最大信息系数,选择与目标属性相关性大的波长,实现有监督波长选择。此外,融合即时学习,以有偏最小最大概率机建立定量分析模型,在保证有偏估计的同时提高了模型的自适应能力。工业案例验证结果表明,所提方法可有效提高近红外定量分析模型的精度,减少累积偏差。     

基于变量纯度的波长选择方法在近红外光谱分析中的应用

提出了一种基于光谱纯度值的变量选择方法。对光谱中各变量计算其纯度值后,按降序将相应变量排列,采用PLS交互检验按前向选择法选择最佳变量子集。用本方法对3组分混合物体系及烟草样品的近红外光谱进行变量选择,并与全谱变量建模的结果进行了比较。结果表明本实验给出的波长变量优选方法是一种比较有效和实用的变量筛选方法,通过变量筛选,可极大地减少光谱信息重叠,从而提高定量校正模型的预测精度和建模效率。     

近红外光谱煤质分析模型中异常样品的剔除方法

针对建立近红外光谱煤质定量分析模型时训练集中的异常样品严重影响模型预测精度的问题,提出一种二次诊断法剔除异常样品:利用模糊C均值聚类法对样品进行聚类,得到可疑样品;将可疑样品作为验证集,通过PCA-GA-BP模型进行二次诊断,剔除异常样品。实验对比了训练集中异常样品剔除前后,模型对15组待测样品的预测能力,结果表明该方法能够准确剔除异常样品,并有效提高模型的预测精度。     

基于神经网络的近红外光谱辛烷值模型的研究及应用

汽油管道调合的在线优化过程中,调合优化与控制系统对近红外光谱模型的依赖很大。光谱模型的精度及适应性直接影响整个在线调合系统。本文就如何建立适用于在线汽油调合的汽油辛烷值近红外光谱模型展开研究,提出一种采用主元分析(PCA)结合人工神经网络(ANN)的方法建立汽油近红外光谱辛烷值模型的方法;并与多元线性回归及偏最小二乘法建立的线性模型做比较。结果表明主元分析结合人工神经网络所建立的模型适应性较高、抗干扰能力强,适合汽油在线调合的现场应用。     

近红外光谱灰分预测模型中煤炭样本的优化方法

针对近红外光谱灰分预测模型中样本数据特有的问题,首先采用主成分分析方法剔除建模样本集中的异常样本,并提取出煤炭光谱的特征信息;然后提出一种集成自组织映射神经网络和模糊C均值聚类算法的双层聚类方法,将样本集分为5个子集,并滤除其中的争议点;最后搭建基于GA-BP神经网络的煤炭灰分预测子模型,单独分析各子集的测试集样本。实验结果表明,基于主成分分析和双层聚类方法的煤炭样本优化方法不仅能准确排除异常样本和可疑样本,还能有效地压缩样本数据,使得各子模型的学习精度和运算速度得到显著提高。该方法为近红外光谱煤质分析技术的发展应用提供了一种有效可行的新途径。     

径向基函数网络在近红外光谱纸浆卡伯值测量的应用

为了提高制浆过程中的在线预测纸浆卡伯值的精度,提出采用径向基函数网络来建立纸浆卡伯值近红外光谱法在线测量模型。结果表明,这种算法由于既考虑到了近红外光谱响应的非线性因素,又可防止BP网络在建模时出现训练速度慢、容易陷入局部最小和“过拟合”的现象,利用这种网络建立的纸浆卡伯值测量模型与一元回归、多元回归、主成分回归等线性方法和BP算法相比,具有更高的预测精度。     

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。     

非线性偏最小二乘建模方法及在近红外光谱建模上的应用

偏最小二乘算法(PLS)是常用的线性光谱建模方法。针对汽油在线调合中具有非线性特点的辛烷值、干点等属性应用PLS方法建立模型误差较大问题,本文提出了残差-递阶偏最小二乘的建模方法,该方法对已经提取成分后的自变量中剩余的信息再提取主成分,并将该主成分作为新的自变量参与回归建模。仿真验证结果表明:残差-递阶偏最小二乘方法建立的模型中验证集的样本数据误差均在正负0.2之间。残差-递阶偏最小二乘方法与偏最小二乘、递阶偏最小二乘叫-PLS)两种方法比较,残差-递阶偏最小二乘建立的模型有的更高的精度和模型适应性。