基于近红外光谱的水蜜桃采摘期的鉴别方法

提出了一种利用近红外漫反射光谱技术结合光纤传感技术建立水蜜桃采摘期的鉴别方法.从无锡阳山镇的某大棚采摘了距最佳采摘期天数为3,2,1以及处于最佳采摘期的水蜜桃各48个,用近红外光谱仪对样品进行了光谱采集.对原始光谱进行平滑、一阶微分和多元散射校正预处理,采用主成分分析(PCA)结合偏最小二乘(PLS)法建立了水蜜桃采摘期的鉴别模型.研究显示:一阶微分和平滑组合预处理后的鉴别模型效果最好,校正集模型和预测集模型的决定系数分别为0.9279和0.9138;模型的内部交叉验证均方差(RMSECV)和预测均方根偏差(RMSEP)分别为0.3003和0.3349;水蜜桃样品校正集和预测集的鉴别正确率分别为95.13%和93.75%.结果表明:利用近红外漫反射光谱技术对水蜜桃采摘期的鉴别具有很好的应用前景.     

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。     

基于近红外光谱的煤粉样品定量检测研究

针对煤质快速在线检测的需求,采用傅里叶变换近红外光谱结合不同的光谱预处理方法,即平滑处理方法、微分方法、多元散射校正方法、标准归一化处理方法分别建立了煤粉样品的水分、灰分和挥发分的偏最小二乘模型,并对模型的检测结果进行了十字交叉验证。结果表明,基于25点平滑处理方法建立的水分偏最小二乘模型较优,基于标准归一化处理方法建立的灰分偏最小二乘模型最佳,基于5点平滑处理方法建立的挥发分偏最小二乘模型精度最高,验证了应用傅里叶变换近红外光谱技术定量分析煤粉指标的可行性。     

不同森林植被的高光谱特征分析

“生态水(层)”富水特征特殊,各信息指标参数难以用常规方法进行量化和反演,高光谱遥感由于其波段多、光谱信息丰富的优点为生态水(层)各信息指标参数的量化反演提供有效的数据源及方法。利用高光谱遥感技术进行植被分析时,其光谱特征的分析和敏感波段提取非常重要。针对“生态水”信息指标植被参数有关量化反演需要,对研究区部分典型植被叶片进行了光谱采集,利用微分方法对光谱数据进行处理,分析了不同植被叶片光谱的原始、一阶微分和二阶微分光谱曲线,从中提取差异大的波段区分不同植被。同时,采用距离统计分析方法对所选择的不同波段进行有效性验证。研究结果表明:虽然3种方法提取的波段有差异,但存在共同点;选择的光谱特征波段可有效地区分不同植被,在近红外波段尤为明显,分别是1 814~1 823 nm,1 874~1 883 nm和1 890~1 899 nm附近。     

巴戟天水溶性浸出物近红外光谱测定方法的建立

目的:运用近红外光谱技术和化学计量学方法,建立巴戟天水溶性浸出物含量的近红外光谱测定方法。方法:冷浸法测定159批试验药材的水溶性浸出物含量,并采集近红外光谱数据,采用多元散射校正法、一阶导数法对光谱进行预处理,结合偏最小二乘法建立巴戟天中水溶性浸出物含量的近红外光谱分析模型,并对模型进行验证,得到水溶性浸出物含量的近红外光谱测定方法。结果:测定方法中建立的测定模型,内部交叉验证决定系数为0.9915,交叉验证校正标准偏差为0.4720,预测标准差为0.4890,交叉验证的标准偏差为0.8695。结论:建立的巴戟天水溶性浸出物近红外光谱测定方法稳定,准确可靠,可用于巴戟天药材的水溶性浸出物含量测定。     

高光谱数据预处理对大豆叶绿素密度反演的作用

针对高光谱数据异常值影响叶绿素密度反演精度的问题,以大豆叶片为研究材料,利用马氏距离和蒙特卡洛交叉验证法(Monte Carlo cross validation,MCCV)剔除异常样本,探讨13种高光谱数据预处理方法对叶绿素密度偏最小二乘法(partial least square,PLS)建模的影响。结果表明,马氏距离法和MCCV剔除异常样本能提高校正模型的精度,在权重系数为1时剔除异常样本数3个,模型精度最高,校正集决定系数和均方根误差分别为0.821和0.112。微分处理能大幅度提高模型的预测精度,二阶微分处理效果最好,校正集决定系数和均方根误差分别为0.998和0.012,验证集决定系数和均方根误差分别为0.961和0.139,具有比原始光谱更高的精度。因此,适宜的高光谱数据预处理可有效提高大豆叶绿素密度估测精度。     

番茄游离氨基酸总量近红外光谱预测模型研究

采用近红外光谱分析技术,建立番茄中游离氨基酸总量预测模型。从一至三穗成熟果实中共采集番茄108个,其中84个做校正集,24个做验证集。从数据归一化、数据格式、数据平滑几个方面选择不同的光谱预处理方法,确定最佳方法为:"Mean Centering"+"Second derivative"+"Norris derivative filter"。将全波数范围(40000~11000)cm~(-1)划分为70个区间,得到最佳建模区间组合为9,10,17,56,57,61。利用偏最小二乘法建立预测模型,得到相关评价指标R、RMSEC、RMSEP及模型预测准确率分别为0.936、6.72μg/100g、7.15μg/100g和92.5%。评价指标及对验证集的预测结果表明,所建模型用来实现对番茄中游离氨基酸总量进行无损、快速预测是可行的。     

土壤全钾含量高光谱估测模型

鉴于进行高光谱遥感全钾含量估测时,全钾含量及其高光谱反射率数据受到诸多因素的影响(复杂非线性问题),具有较大的模糊性和随机性,采用模糊识别理论建立数学模型对全钾含量进行估测。对横山县采集的84个土样350~2 500nm波段的光谱曲线,利用对数的一阶微分方法计算土壤全钾含量与光谱反射率的相关系数,然后根据极大相关性原则选择最佳波段作为光谱反演指标。经剔除异常样本后,考虑所有反演指标的组合方式,通过各个预测模型精度的对比,找出最佳全钾含量估测模型。     

高光谱植被遥感数据光谱特征分析

利用植被的光谱数据,探讨了植被冠层的光谱反射特征和诊断性光谱吸收特征。根据植被光谱特征和连续统去除法(CR),介绍了识别植被种类和预测植被冠层营养元素等生化组分含量的可能性。运用一阶微分反射比(FDR)和从连续统去除的光谱吸收特征中获得的波段深度(BD)、连续统去除后微分反射比(CRDR)、波段深度比(BDR)和归一化波段深度指数(NBDI)等变量,利用逐步线性回归模型并基于光谱吸收特征的变量来选择波长,并通过相关分析来预测植被冠层生化组分。     

近红外光谱的甲醇汽油定量分析

随着汽油价格的不断升高,甲醇汽油作为一种替代车用燃料受到越来越多的重视.工业甲醇产量大,价格便宜,辛烷值高,将其以一定比例与汽油混合后,可以提高汽油标号,降低成本.但是由于甲醇热值低,甲醇汽油中的甲醇比例必须受到严格控制,不然会影响车辆动力性能.本文研究了采用近红外光谱分析技术定量分析甲醇汽油中的甲醇含量.首先对光谱数据进行多项式一阶微分和标准正态变换,得到预处理谱图;其次选取(1370～1450)m的光谱数据,对其进行PCA主元特征提取,并利用第一主元和第二主元对甲醇汽油和成品汽油进行分类:最后,选取(1100～1650)nm的光谱数据采用偏最小二乘(PLS)方法对甲醇含量建立定量分析模型.采用上述方法对24个实验室配制的甲醇汽油样品进行定量分析,实验结果表明,近红外光谱分析技术可以准确测量甲醇汽油中的甲醇含量,其交叉检验均方误差误差(StandardErrorofCrossValidation,SECV)为0.62(%,v/v),可以满足大部分甲醇汽油生产企业的实际检测需求.本文的最后部分讨论了光谱不同波段对模型精度的影响,结果表明,光谱1350～1650 nm波段包含了更加丰富的甲醇含量信息,但是采用全谱建立模型和经过波段选择后建立的模型交叉检验精度相差不大.