基于Savitzky-Golay平滑插值的烟草近红外光谱模型转移

为了解决不同近红外光谱仪器子机与主机光谱成像波数不一致的问题,通过使用Zero、Slinear、Quadratic、Cubic和Nearest 5种插值方法对光谱进行处理,研究提出一种基于Savitzky-Golay平滑插值（SG-Inter）的方法,使子机光谱与主机光谱插值后波数一致,有效解决了光谱波数不一致导致主机模型无法转移的问题。结果表明:利用SG-Inter插值处理后的光谱数据与原始光谱重合度高,且模型转移后的指标预测均方根误差（RMSE）最小。该方法将光谱数据平滑预处理与插值变换同步计算,相对简化了模型转移的工作流程,有效提升了主机模型的通用适配性。      

玉米DDGS近红外光谱模型转移研究

为探讨玉米DDGS近红外光谱模型转移应用效果,实现不同仪器间模型共享,以FOSS DS2500F型为主仪器、TR3750-5000型为从仪器,采用近红外光谱基线平移的方法来实现原始光谱转移,分别从水分、粗蛋白质、粗脂肪、氨基酸等组分的建模参数即交互验证标准差(SECV)、交互验证决定系数(1-VR)和外部样品验证预测模型的光谱差异性、系统偏差(Bias)、预测平均标准偏差(SEP)、预测结果准确率等,多维度评估光谱转移后所建预测模型效果。通过验证和评估,从DS2500F型仪器原始光谱转移到TR3750-5000型仪器建立的水分、粗蛋白质、粗脂肪、氨基酸等预测模型SECV、1-VR值与TR3750-5000型仪器原始光谱建立的预测模型无显著差异;验证集样品试验结果显示,转移后的预测模型光谱、系统偏差(Bias)、预测平均标准偏差(SEP)以及准确率与TR3750-5000型仪器原始预测模型对比效果基本一致。结果表明,从DS2500F原始光谱转移到TR3750-5000型仪器建立的玉米DDGS水分、粗蛋白质、粗脂肪、氨基酸等预测模型是完全可以替代TR3750-5000型仪器原始预测模型,可提高模型利用率,具有良好的实用性和共享性,适用于饲料生产企业日常玉米DDGS质量控制。     

基于拓展光谱的近红外光谱模型转移方法

提出了一种基于拓展光谱的近红外光谱模型转移方法。该方法利用一组标准样品估计源机光谱和目标机光谱之间的差异光谱,然后利用差异光谱将其他样品的源机光谱转移为目标机光谱,从而扩充目标机光谱的数量,建立目标机的稳定建模。使用三台不同仪器的近红外光谱进行了研究,结果表明,利用少量的标准样品光谱可以将大量源机光谱转移为目标机光谱,建立目标机的模型进行准确预测。该方法对仪器的更新替换具有重要的实用意义。      

近红外光谱在小尾寒羊羊肉水分预测中的应用

以南疆小尾寒羊鲜羊肉的含水量为研究对象,首先采集鲜羊肉的光谱数据和水分含量信息;然后分别采用小波变换、多元散射校正以及二者结合的方法预处理数据;最后使用偏最小二乘法对3种方法预处理过的光谱数据建立羊肉水分含量的预测模型,共制备134个样本,根据留一法选择110个样本作为训练集,剩余的24个样本作为预测集.结果表明,采用...     

基于近红外光谱模型转移的乳制品蛋白在线检测方法研究

乳制品是平衡膳食的重要组成部分,为提高人民健康水平、增强国民身体素质提供保证。蛋白、脂肪和乳糖等主要成分对乳制品营养价值影响较大,为了保证乳品的品质,需要生产过程中精确监测和控制主成分含量变化。近红外光谱利用物质分子吸收特征,实现多种成分定性、定量分析,为乳制品质量在线监测提供了基础。本文针对乳制品生产过程中蛋白质在线检测需要,研究基于模型转移与偏最小二乘的原料奶中蛋白含量定量分析方法。为了提高在线检测模型效率及准确度,分别采用实验室与在线检测近红外光谱仪采集生产过程中原料奶样品的近红外光谱,研究S/B,PDS,Shenk’s方法在不同仪器测量光谱之间模型转移应用,优化模型参数,提高实验室仪器建立的校正模型应用于在线光谱仪器的预测精度。实验结果表明,经过Shenk’s算法转移,主从机的光谱平均差异降低为0.0075,光谱校正率达到98.95%。利用模型转移方法与偏最小二乘模型结合,实验室分析光谱仪建立的模型用于生产在线光谱仪检测样本光谱预测精度得到显著提升,不同仪器之间模型预测相对误差从5.52%下降到2.03%。本文研究的方法实现了实验室分析与在线检测仪器测量光谱及定量分析模型转移共享,为近红外在线检测的智能化改进提供了基础。     

不同预处理方法对烟草近红外光谱预测模型的影响

采用基线校正、去卷枳、一阶微分、二阶微分、主成分回归(PCR)和偏最小二乘(PLS)法对198个烟叶样品的近红外光谱和总糖、还原糖、总烟碱含量数据进行了处理,建立了相应的总糖、还原糖和总烟碱校正模型,并将这些模型的回归参数作了比较。结果表明:①二阶微分处理光谱建立的模型的相关系数比基线校正、去卷枳、一阶微分预处理法建立的模型的高,而其相对偏差比基线校正、去卷枳、一阶微分法的低;②PLS算法建立的定量分析模型比PCR算法的好。     

近红外光谱技术检测液态奶中微量三聚氰胺的可行性研究

为了快速检测液态奶中违法添加的三聚氰胺量,利用近红外光谱技术进行可行性研究分析。对采集的54组添加不同三聚氰胺含量的液态奶样本的近红外漫反射光谱进行小波变换(wavelet transform,WT)结合主成分分析(principal component analysis,PCA)后,提取得到特征信号,利用广义回归神经网络(general regression neural network,GRNN)建模进行三聚氰胺的定量分析,结果显示当三聚氰胺浓度低于0.05%时,模型预测能力较差,预测集模型R2仅为0.654。进一步利用支持向量机(support vector machine,SVM)建模对液态奶中是否添加三聚氰胺进行定性判别,结果显示测试集准确率为94.44%。因此,通过近红外光谱结合适当的化学计量学方法,对液态奶中添加三聚氰胺虽无法精确定量,但可准确对其进行定性判别。     

甘蓝型油菜粒色近红外光谱分析模型构建

以306份甘蓝型油菜种子为研究材料,通过计算机图像处理技术筛选出最能反映油菜籽粒色变化的RGB色彩空间参数,并随机选择246份材料对粒色信息中的R（红色）值建立近红外光谱分析模型。在油菜粒色数字信息中,R值最能体现油菜籽粒色性状的变化情况,不同粒色等级对应样品的R值为：0级小于55、1级在55～100之间、2级在100～125之间、3级在125～140之间、4级在140～150之间、5级大于150。对R值构建NIRS分析模型,12种数学及光谱处理组合中最优模型的内部交叉检验相关系数为0.900;外部检验相关系数为0.831,检验偏差为2.147。说明利用RGB色彩空间下的R值构建粒色近红外光谱分析模型是可行的,该模型具有较高的稳定性和准确性,可以作为油菜种子粒色的定性和定量分析的依据。     

近红外光谱技术在烟草在制品稳定性分析中的应用

为了研究烟草在制品化学成分的稳定性,在线采集了烘丝出口叶丝的近红外光谱(NIR),采用连续小波变换方法进行光谱预处理,结合主成分分析(PCA)方法研究了样品常规化学成分与NIR的关系;建立了烟草在制品稳定性的表征模型,并通过调整烘丝工序加工参数对模型进行了验证。结果表明:NIR能够对样品常规化学成分所包含的信息进行表征;当显著性水平α=0.05时,B牌号试验卷烟的表征模型对异常样品的识别率为100%,对正常样品的识别率为98%,A,C,D和E牌号卷烟的模型对正常样品的识别率分别为98.7%,99.3%,100%和98.4%。该NIR模型能够对烟草在制品质量进行有效的实时监测。     

小波变换和偏最小二乘法在烟草常规成分预测中的应用

为了实现烟草样品的快速近红外光谱 (NIR)分析 ,将小波变换 (WT)用于烟草样品NIR的数据压缩 ,并结合偏最小二乘法 (PLS)对压缩后的数据进行建模。与直接采用PLS相比 ,WT PLS可有效地压缩原始谱图的数据 ,消除谱图中噪声和背景的干扰 ,降低所建模型的随机性 ,从而大大提高了运算速度 ,并获得了更高的预测精度。     

NIR光谱法测定烟草中棕榈酸、亚麻酸及亚油酸

为了快速检测烟草样品中的棕榈酸、亚麻酸及亚油酸含量,采用偏最小二乘法(PLS)将242个烤烟样品的近红外光谱(NIR)及其棕榈酸、亚麻酸、亚油酸含量GC测定值进行拟合,建立了校正模型,考察了光谱预处理方法和光谱谱区范围对模型的影响,并进行了内部交叉验证和模型精度检验及30个测试样品的外部验证。结果表明:①多元散射校正法和7502~5442.3,4427.9~4246.7 cm-1,一阶导数法和7502~5442.3,4601.5~4246.7 cm-1,矢量归一化法和8724.7~5438.5,4427.9~4246.7 cm-1谱区范围分别适合棕榈酸、亚麻酸、亚油酸模型;②3个模型的平均相对精度分别为98.41%,97.84%,98.84%;③3个模型的预测标准偏差均小于5%,且NIR预测值与GC测定值不存在显著性差异。NIR光谱法适合批量烟叶样品中棕榈酸、亚麻酸及亚油酸含量的快速分析。     

Non-destructive discrimination of paddy seeds of different storage age based on Vis/NIR spectroscopy

The potential of visible/near infrared reflectance (Vis/NIR) spectroscopy for non-destructive discrimination of paddy seeds of different storage age was examined based on Vis/NIR spectroscopy coupled with chemometrics. Data from 210 samples of paddy seed were collected from 325 to 1075 nm using a field spectroradiometer. The spectral data were processed and analyzed by chemometrics, which integrated the methods of wavelet transform (WT), principal component analysis (PCA) and artificial neural networks (ANN) modelling. The noise of spectral data was filtered and diagnostic information was extracted by the WT method. Then, diagnostic information from WT was visualized in principal components space, in which the structures with the storage period were discovered. Finally, the first eight principal components, which accounted for 99.94% of the raw spectral variables, were used as the input for the ANN model. A promising model was achieved with a high discrimination accuracy rate of 97.5%. Thus, an effective and non-destructive way to discriminate paddy seeds of different storage periods was put forward.     

最小二乘支持向量回归与偏最小二乘回归建立烟草总糖NIR预测模型比较

采用最小二乘支持向量回归(LSSVR)法和偏最小二乘回归(PLSR)法及192个烟叶样品的近红外(NIR)光谱与总糖含量的测定数据,分别建立了烟叶总糖含量的NIR预测模型,并利用这两种模型对95个烟叶样品进行了预测。结果表明:LSSVR法模型的预测误差范围为-3.08%~3.71%,预测回收率范围为90.0%~112.2%。LSSVR法模型的预测准确度比PLSR法的高。     

基于二维小波变换的织物色柳疵点检测

色柳是染整过程中形成的常见疵病,在纺织品的疵点自动检测识别中,疵点信息的检测最为关键。文章提出了色柳疵点的检测方法,利用图像的色彩模型提取不同的颜色值,并通过小波变换的多分辨率技术进行疵点的提取。实验表明该方法是可行的。     

基于近红外高粱水分的快速分析研究

为了实现高粱水分指标含量的快速分析,并使分析结果能够及时有效地反馈到生产车间,以指导车间日常生产.采用近红外光谱技术对高粱样品进行光谱扫描,并结合传统分析方法,最终建立了高粱水分指标的快速分析模型.结果表明,所建模型的线性关系较好,R2为0.9558,且模型内部参数RMSEC和RMSECV值均较小,分别为0.280和0...     

基于上下文小波量化的彩色图像压缩编码

本文针对传统彩色图像压缩算法复杂、模型开销大的不足,提出一种基于上下文小波量化的彩色图像压缩编码算法.该算法根据彩色图像亮度分量和色度分量的高度相关性和小波多分辨率理论,采用先对图像小波位平面编码,再对编码过程进行量化监督的方法来保证压缩编码的准确性.实验证明,该方法的压缩效果优于传统压缩方法JPEG2000.     

The potential of NIR spectroscopy for the detection of the adulteration of orange juice

Near-infrared spectroscopy was used to investigate the adulteration of 65 authentic concentrated orange juice samples obtained from Brazil and Israel. These samples were adulterated with 100 g kg^?1 additions (ie 100 g added to 900 g) of (1) orange pulpwash, (2) grapefruit juice, and (3) a synthetic sugar/acid mixture and with 50 g kg^?1 additions (ie 50 g added to 950 g) of (4) orange pulpwash, and (5) grapefruit juice. All samples were scanned on the NIR systems 6500 spectrophotometer over the 1100-2498 nm wavelength range. Principal component analysis was used to reduce each spectrum to 20 principal components. Factorial discriminant analysis was used to distinguish between the different sample groups. Using orange juice and orange juice adulterated at the 100 g kg^?1 level, accurate classification rates of 94–95% were obtained. To classify samples adulterated at the 50 g kg^?1 level, the calibration development sample set had to be augmented by the inclusion of samples adulterated at this lower level—after this augmentation, an accurate classification rate of 94% was obtained. The results demonstrated that the application of principal component and factorial discriminate analysis to NIR reflectance spectra can detect the adulteration of orange juice with an average accuracy of 90%. Furthermore, not one adulterated sample was predicted as being an authentic orange juice throughout the entire test regime.