基于近红外及中红外光谱融合技术快速检测黄酒中的总酚含量及其抗氧化能力

为了实现对黄酒中总酚含量(TPC)及其抗氧化能力(TAC)的快速检测,探索了将傅立叶红外光谱技术应用于快速检测这两项重要指标的可行性。协同区间偏最小二乘算法(Si PLS)用于选出有效波长区间以提高模型的预测能力。支持向量机(SVM)和主成分分析(PCA)用来融合由Si PLS选出的中红外(ATR-IR)和近红外(FT-NIR)光谱的有效波段。实验结果表明基于Si PLS筛选的有效光谱变量而建立的偏最小二乘回归模型(PLS)的精度优于基于全光谱建立的经典PLS模型。基于ATR-IR建立的模型的效果略优于基于FT-NIR光谱建立的模型。此外,基于提取自ATR-IR合FT-NIR的有效区间而建立的SVM模型的预测能力要好于建立的PLS或Si PLS模型。因此,ATR-IR及FT-IR结合特征谱区筛选方法可以作为理化检测的替代手段实现对黄酒中的TAC和TPC的快速检测,同时基于两种光谱的融合技术可显著提高模型的预测精度。     

基于微型近红外光谱仪的油菜籽含油率模型参数优化研究

为实现油菜籽含油率快速无损检测,采用微型近红外光谱仪,结合竞争性自适应重加权(CARS)、遗传算法(GA)、连续投影算法(SPA)、无信息变量消除法(UVE)、向后区间偏最小二乘法(BIPLS)、联合区间偏最小二乘法(SIPLS)等方法优选油菜籽含油率近红外光谱特征波长,建立偏最小二乘回归(PLSR)和最小二乘支持向量机(LS-SVM)定量分析模型,同时对LS-SVM模型参数进行优化。研究表明,对PLSR模型,BIPLS+GA优选的26个特征波长建模效果最好,其预测相关系数(Rp)和预测均方根误差(RMSEP)分别为0.9330和0.0075,对LS-SVM模型,SIPLS+GA优选的13个特征波长建模效果最好,预测相关系数(Rp)和预测均方根误差(RMSEP)分别0.9192和0.0055。证明了波长优选和参数优化可有效简化油菜籽含油率近红外光谱定量分析模型,提高模型预测精度和稳定性,为进一步拓展微型近红外光谱仪的应用提供技术参考。     

模拟退火算法用于食醋总酸含量近红外光谱模型的波数点优选

为优选食醋总酸对应的特征波长并提高模型的预测精度,采用模拟退火算法优化窗口宽度和特征波数点,并结合偏最小二乘法建立食醋总酸光谱模型。在全国范围内收集90个不同品牌的食醋样本,用近红外光谱仪采集近红外光谱数据(波数4000～10000cm-1)和常规理化分析方法检测总酸含量。采用模拟退火算法共优选出17个总酸特征波数点,结合样本总酸含量建立偏最小二乘光谱模型,模型对应的预测集相关系数为0.9210,优于全光谱偏最小二乘法和区间偏最小二乘法对应的预测效果。结果表明,近红外光谱技术结合模拟退火算法能够快速预测食醋中总酸含量。     

用遗传算法提取南疆红枣总糖的近红外光谱特征波长

本研究尝试利用近红外光谱技术测量红枣的总糖含量,针对采用偏最小二乘(PLS)法建立近红外光谱预测模型时波长筛选问题,提出用联合区间偏最小二乘法(si PLS)与遗传算法(GA)相结合的方法遗传联合区间偏最小二乘法(GA-si PLS)来提取近红外光谱特征区域和特征波长,提高模型预测精度的方法。结果表明:将全谱等分成20个子区间,用联合区间偏最小二乘法优选出4个特征子区间,在这4个子区间的基础上再用遗传偏最小二乘法继续筛选出12个特征波长。用12个特征波长建立的偏最小二成模型精度要好于全谱建立的模型,其主因子数减少了4个,预测集标准偏差(RMSECP)减少了25%,预测相关系数(RP)提高了5%。该方法选取的波长变量建立的校正模型,不仅使模型简洁、优化,而且增强了模型的预测能力。     

近红外光谱法快速检测黄酒的酒精度、总糖和总酸

通过研究黄酒的近红外光谱和利用化学计量学的技术,采用偏最小二乘法建立快速检测黄酒的酒精度、总糖和总酸的近红外模型。用相关系数(R)、交叉验证均方差(RMSECV)和相对分析误差(RPD)衡量模型的预测精度和稳定性,R值分别为0.9994,0.9989,0.9780,RMSECV值分别为0.0891,0.6980,0.0898,RPD值分别为27,21,4.8,RPD≥3表明建立的模型效果良好。研究结果表明,近红外光谱法可用于快速检测黄酒酒精度、总糖和总酸,为黄酒食品安全质量控制体系的建立提供了快速检测手段。     

LS-SVM结合近红外光谱快速检测香梨可溶性糖

利用可见/近红外光谱技术对"库尔勒香梨"内部品质的快速无损检测具有非常重要的研究意义。为了解决光谱数据中由于大量无关信息的存在而导致模型精度降低的问题,探究了基于不同可见/近红外光谱特征波长筛选方法建立模型的效果。分别采用无信息变量消除算法(UVE)、后向偏最小二乘算法(BiPLS)对香梨可溶性糖的特征波长进行筛选,并将其作为输入变量分别建立偏最小二乘(PLS)、最小二乘支持向量机(LS-SVM)模型。结果表明,UVE算法可以有效地减少建模变量,UVE-LS-SVM模型效果明显优于UVE-PLS模型,其决定系数(R~2)为0.976、预测均方根误差(RMSEP)为2.313、预测相对分析误差(RPD)为5.45,验证了UVE-LS-SVM结合近红外光谱分析技术能实现对"库尔勒香梨"可溶性糖含量的快速无损测量。     

用遗传算法提取南疆红枣总糖的近红外光谱特征波长

本研究尝试利用近红外光谱技术测量红枣的总糖含量,针对采用偏最小二乘（PLS）法建立近红外光谱预测模型时波长筛选问题,提出用联合区间偏最小二乘法（si PLS）与遗传算法（GA）相结合的方法遗传联合区间偏最小二乘法（GA-si PLS）来提取近红外光谱特征区域和特征波长,提高模型预测精度的方法。结果表明:将全谱等分成20个子区间,用联合区间偏最小二乘法优选出4个特征子区间,在这4个子区间的基础上再用遗传偏最小二乘法继续筛选出12个特征波长。用12个特征波长建立的偏最小二成模型精度要好于全谱建立的模型,其主因子数减少了4个,预测集标准偏差（RMSECP）减少了25%,预测相关系数（RP）提高了5%。该方法选取的波长变量建立的校正模型,不仅使模型简洁、优化,而且增强了模型的预测能力。      

一种基于拉曼光谱技术的甲醇汽油定量分析方法

针对甲醇汽油中甲醇成分含量的快速检测问题,提出一种基于拉曼光谱信号和偏最小二乘算法相结合的快速检测技术。实验在三种成分不同的基础汽油中加入不同体积比例(2.5~80%)的甲醇溶液,利用PLS方法对随机选择的训练样本集建立起拉曼光谱信号与甲醇成分浓度的回归模型,经过实验显示,无论训练样本如何选择,回归模型均可取得较高的预测精度,预测均方误差(SEP)为在0.6%左右,复相关系数(R2)均大于0.98。     

基于高光谱技术的香肠亚硝酸盐快速检测方法

选取7个不同储藏时期的香肠分别进行亚硝酸盐含量检测和对应的光谱数据采集,并用Savitzky-Golary法进行光谱数据预处理,以减少光谱数据的噪声;在预处理后的光谱数据基础上,用偏最小二乘回归系数法提取出29个特征波长;对比分析了特征波长和全波长下香肠中亚硝酸盐含量预测模型的检测精度。结果表明:全波长下的回归模型预测结果均高于特征波长下,且全波长下偏最小二乘回归模型优于主成分回归模型,表征偏最小二乘回归模型精度的决定系数和均方根误差分别为0.982 9和0.059 2。说明全波长下的光谱信息更适用于香肠储藏过程中亚硝酸盐含量高光谱检测模型的构建。     

茶皂素提取过程的原位实时监测技术

采用近红外光谱技术结合化学计量学方法,实时原位监测茶皂素提取过程中的茶皂素质量浓度、蛋白质质量浓度和多糖质量浓度的变化。研究结果表明,一阶求导(1^stDer)为最优的光谱预处理方法,3个指标的校正集决定系数(R_C)和预测集决定系数(RP)皆最高,交叉校验残差均方根误差(RMSECV)和预测残差均方根误差(RMSEP)最小。相较于偏最小二乘法(PLS)和区间偏最小二乘法(iPLS)算法对回归模型进行校正,以R_P和RMSEP为评价指标,联合区间偏最小二乘法(SiPLS)算法下所建模型稳健性最佳。茶皂素浓度模型中的R_P=0.9889,RMSEP=1.36;蛋白质浓度的R_P=0.9859,RMSEP=0.354;多糖浓度的_RP=0.9919,RMSEP=0.359。结论：近红外光谱技术联合Si-PLS模型可较好的实时监测茶皂素提取过程。