基于高光谱成像技术的马铃薯多种营养成分同时检测

利用高光谱成像技术对马铃薯淀粉、干物质、水分含量进行同时检测。采用多元散射校正方法(MSC)对原始光谱预处理,并通过竞争性自适应重加权算法(CARS)和连续投影算法(SPA)选择特征波长,分别建立两种特征波长下的偏最小二乘模型(PLS)和多元线性回归模型(MLR),并对比建模效果。结果表明,采用CARS选择的特征波长建模效果较好。淀粉的最优模型为CARS-MLR模型,其校正模型相关系数(RC)、校正模型的均方根误差(RMSEC)、预测模型的相关系数(RP)、预测模型的均方根误差(RMSEP)分别为0.965、0.376、0.950、0.361;干物质的最优模型为CARS-PLS模型,其RC、RMSEC、RP、RMSEP为0.954、0.386、0.947、0.383;水分的最优模型为CARS-PLS模型,其RC、RMSEC、RP、RMSEP为0.926、0.410、0.929、0.398。研究结果表明,CARS算法是一种有效的高光谱特征波长提取方法,利用CARS选择特征波长建立的预测模型可替代全波段建模。利用高光谱成像技术可以实现马铃薯多种营养成分同时检测。     

应用NIR高光谱成像技术检测羊肉脂肪和蛋白质质量分数

采用近红外高光谱成像技术(900～1 700 nm)对羊肉脂肪和蛋白质质量分数进行预测.通过近红外高光谱对72个羊肉样本进行高光谱图像采集,获取的光谱数据经过多元散射校正进行光谱预处理.通过回归分析选取对应的特征波长,利用BP神经网络结合脂肪和蛋白质的实测值,建立预测模型并对模型进行验证.结果显示,羊肉脂肪和蛋白质的预测模型效果较好.其中,脂肪模型的相关系数R和预测均方根误差RMSEP分别为0.91和0.73;蛋白质模型的相关系数R和预测均方根误差RMSEP分别为0.87和1.19.该研究表明,利用近红外高光谱成像技术预测羊肉脂肪和蛋白质质量分数是可行的.     

基于连续小波变换参数选择的小麦近红外光谱模型优化方法研究

为了提高模型预测精度,结合连续小波变换（CWT）的最优参数选择,优化小麦蛋白质光谱模型。对原始光谱进行CWT,利用主成分分析（PCA）选出5种小波db1、sym2、sym5、sym7、coif1;在不同尺度参数下利用偏最小二乘法（PLS）建模,确定尺度参数为15;在此基础上,利用CWT结合多元散射校正（MSC）及支持向量机（SVM）建模确定最优小波db1;在最优参数下用CWT结合无信息变量消除算法（UVE）和连续投影算法（SPA）及SVM建立预测模型,预测均方根误差为0.3930,优于CWT-UVEPLS-SVM的0.4558和CWT-SPA-SVM的0.4415,研究结果表明,CWT参数选择可有效优化近红外光谱模型。     

可见光谱结合偏最小二乘法对混合染料浓度的同时测定

采用偏最小二乘法建立测定混合染料浓度的可见光谱定量分析模型,应用多种光谱预处理方法对光谱进行信息提取和分析,分别建立定量分析模型;讨论了光谱的预处理方法和主成分数对PLS模型定量预测能力的影响;比较各个模型的内部交互验证均方根误差(RMSECV),校正均方根残差(RMSEC),校正相关系数R,预测均方根误差(RMSEP)选取最优模型.结果表明:所建立的校正模型稳健性好和预测精度高,为混合染料浓度的快速、准确和同时测定提供了新的途径,对于连续在线监测混合染料浓度具有指导意义.     

聚乙烯密度的拉曼光谱检测

通过分析若干聚乙烯样品的拉曼光谱,对聚乙烯密度的检测方法进行了研究.分别采用拉曼光谱内标法(RISM)和偏最小二乘法(PLS)建立聚乙烯密度预测模型,其中RISM方法建模所得检测结果与真实值的相关系数为0.558,平均相对偏差为1.1%,标准偏差(SD)为11.7,而PLS方法建模所得检测结果的相关系数、平均相对偏差和交叉验证误差均方根分别为0.985、0.2%和2.2.研究表明:通过拉曼光谱能够实现聚乙烯密度的快速检测;且基于PLS的建模分析方法检测结果更优.     

强化生物除磷污泥糖原的近红外光谱分析

采用蒽酮法测定强化生物除磷(EBPR)反应器污泥中糖原物质的含量,运用间隔偏最小二乘法(iPLS)对近红外光谱进行建模,将光谱划分为20个子区间,选出最佳波数区间为4775-4389cm-1,并用这个模型预测未知样品中糖原含量。结果表明:所建模型对糖原校正时的相关系数(rc)为0.9583,校正均方根误差(RMSECV)为0.3554;预测时的相关系数(rp)=0.9769,预测均方根误差(RMSEP)为0.4243。所建的模型对糖原含量的预测效果较好,模型预测精度高,为污泥中糖原的测定提供了一种快速可行的分析技术。     

牛肉品质高光谱检测技术研究

为及时了解肉品品质,需要一种快速准确检测肉品品质的方法。针对此问题,提出利用高光谱检测技术检测肉品品质的方法。高光谱检测技术,需对光谱进行预处理。主要分析在400~1100nm波长内获取牛肉表面的高光谱图像,经过多种预处理方法进行预处理后,再通过连续投影算法进行特征波长优选后,分别利用多元线性回归对新鲜度和水分含量进行校正集和预测集建模,通过模型评价指标来判断各预处理方法的优劣性。实验结果表明,2阶9点S.Golay卷积平滑对牛肉新鲜度指标和水分含量的预测均是最佳预处理方法。     

水体中硝酸盐氮含量的UV-Vis光谱学在线测量方法

采集74份标准水样进行紫外可见波段全光谱扫描,结合Savitzky-Golay(SG)平滑算法、标准正态变换(SNV)、一阶微分(1st D)等6种方法对提取的光谱数据进行去噪处理,然后采用半监督近邻传播算法(SAP)、连续投影算法(SPA)、无信息变量消除算法(UVE)进行特征波长的选择。基于全光谱法建立了偏最小二乘(PLS)模型,基于特征波长建立了极限学习机(ELM)模型,另外把PLS回归模型得到的主成分作为支持向量机回归(SVR)、BP和RBF神经网络的输入建立了PCA+SVR、PCA+BP和PCA+RBF模型。结果表明:使用主成分分析结合RBF神经网络建立的PCA+RBF预测模型效果最优,其相对误差最稳定并保持在较低水平,测量上限高达数百mg/L,为实现水体中硝酸盐氮的在线检测和其他水质参数的检测奠定了基础。     

Copula-SAR模型及其在洪水地区组成随机模拟中的应用

洪水地区组成随机模型的核心问题是构建联合分布或条件概率分布.从白噪声项切入,建立了基于Copula函数的多元季节性一阶自回归模型,即Copula-SAR(1)模型,并与常用的SAR(1)模型作比较.清江流域的应用结果表明,Copula-SAR(1)模型能较好地保持地区洪水组成的统计特征,非线性自相关系数的均方根误差RMSE减少了0.071,各项统计特征值的均方根误差RMSE的平均值减少了0.012.该模型显著地降低了白噪声项的模拟误差,为水文水资源的随机模拟提供了一种新的途径.     

聚乙烯密度的拉曼光谱检测

通过分析若干聚乙烯样品的拉曼光谱,对聚乙烯密度的检测方法进行了研究.分别采用拉曼光谱内标法(RISM)和偏最小二乘法(PLS)建立聚乙烯密度预测模型,其中RISM方法建模所得检测结果与真实值的相关系数为0.558,平均相对偏差(ARD)为1.1%,标准偏差(SD)为11.7,而PLS方法建模所得检测结果的R、ARD和交叉验证误差均方根(RMSECV)分别为0.985,0.2%和2.2.研究表明,通过拉曼光谱能够实现聚乙烯密度的快速检测,同时,基于PLS的建模分析方法检测结果更优.