利用近红外光谱技术同时检测奶粉中的多个掺假成分

利用近红外光谱技术对奶粉中含有多种掺假物的情况进行了定性判别分析.样本集除12个纯正奶粉样品外,146个掺假奶粉样品中分别加入了植脂末,天然大豆分离蛋白粉和麦芽糊精中的1～3种,掺假物的总含量范围在1.96%～35.9%之间.用Thermo Scientific Antaris MX型近红外光谱仪测量样本近红外光谱,采用非线性迭代偏最小二乘法(NIPALS)提取主成分,然后利用马氏距离进行线性判别分析,建立了1个8类判别模型.在138个样本集的交叉验证中,判别准确率达99.28%,20个测试样本的判别准确率达100%.另一方面,将3种掺假物中的1种作为未知干扰掺假物,用不含未知干扰物的样本建立了定性判别模型,然后用含有未知干扰物的样本进行验证.在植脂末作为未知干扰的情况下,判断奶粉是否掺假的准确率有100%,判断大豆分离蛋白粉和麦芽糊精是否掺入的准确度分别为78.94%和88.42%;而使用麦芽糊精作为未知干扰物时,调用模型判别奶粉是否掺假,准确率依然有100%,但判断植脂末和大豆蛋白粉掺入情况的准确率只有34.74%和32.63%.研究表明近红外光谱技术可以对奶粉中的掺假情况和掺假物种类进行快速判断;当掺假物定性判别模型遇到未知干扰时,使用该方法虽然可以对奶粉是否存在掺假进行判断,但对掺假物种类难以进行正确判别,因此建模样本集应包含尽可能多类型的掺假物.     

基于自助采样和互信息策略的集成校正算法及应用

综合应用训练集自助采样(bootstrap)和互信息(mutual information)选择变量来引入成员模型间的差异性,提出一种子空间回归的集成校正算法ESPLS.当建立一成员模型时,先淘汰互信息量小于一个特定阈值的变量,使建模在原变量的一个子空间上进行,有效避免了多元共线性产生的诸多问题.通过一近红外光谱数据集实验,同时与全谱偏最小二乘法(PLS)和互信息选择变量的偏最小二乘法(SPLS)2种单模型算法进行了比较,证明:该算法在不增加模型复杂度的前提下,能提高校正模型的预测精度、稳定性及抗过拟合的能力.     

近红外光谱结合反向区间偏最小二乘法检测药用辅料糊精

利用近红外光谱结合化学计量学方法快速检测了药用辅料糊精含量。首先,用近红外光谱仪采集主药与糊精共存样本的近红外光谱数据;然后,采用反向区间偏最小二乘法(Backward Interval Partial Least Squares,Bi PLS)优选光谱特征区间;最后,采用偏最小二乘法(PLS)对优选出来的区间建立药用辅料糊精近红外光谱模型。采用Bi PLS将全光谱均匀划分35个子区间,选择16个子区间[1,7,10,12,18,20,21,23~25,28~33]时,建立的模型预测效果最佳,其交叉验证均方根误差和预测均方根误差分别为1.501和2.437,校正集和验证集相关系数分别为0.9968和0.9958。因此,利用近红外光谱技术快速检测药用辅料糊精含量是可行的。     

近红外光谱信号的优化处理

用实验室常规方法测定竹材样品的木质素含量,漫反射方式采集样品的近红外光谱信号,偏最小二乘法(PLS)和完全交互验证方式以建立毛竹木质素含量的定量分析模型。研究主成分数、建模谱区、求导和平滑预处理技术对定量分析模型的影响。结果表明,预处理技术压缩和恢复的近红外光谱信号效果良好,提高了模型的预测能力,优化近红外定量分析模型有重要参考价值。     

基于光谱信息散度的近红外光谱局部偏最小二乘建模方法

常见的近红外光谱分析技术,一般将欧式距离作为相似性判据,但是在很多情况下并不能真实体现样本间的相似性;同时,线性回归模型无法克服校正样本集光谱数据中非线性以及样本差异大而导致的精度降低问题。针对上述问题,本文首次将光谱信息散度引入到局部建模算法中,以未知样本光谱与校正样本光谱间的光谱信息散度作为样本相似性判据,选取一定数量与待测样本最相似的校正样本组成局部校正子集,建立局部偏最小二乘模型。为了验证算法的有效性,将现有的全局建模算法、基于样本光谱间欧式距离的局部建模算法与本文提出的基于光谱信息散度的局部建模算法应用于猪肉近红外光谱标准数据集。实验结果表明:本文新方法的预测均方根误差(RMSEP)分别比现有的两种算法降低了22.8%与48.7%,克服猪肉近红外光谱的非线性和差异性,在近红外光谱定量分析领域具有良好的应用前景。     

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。     

基于GA-PLS算法的小麦粉灰分含量快速检测

为得到噪声小、准确性强、自适应性良好的模型,对实验所得的近红外光谱进行预处理及优化波长是十分必要的.实验确定小麦粉中灰分含量为研究对象,提出将光谱预处理及遗传算法(GA)优化波长用于提高偏最小二乘法(PLS)定量建模的稳健性.对比在不同预处理方法下相关系数R2、矫正标准差(RMSEC)、预测标准偏差(RMSEP)3个指标,随机选择130份样本,建立预处理+GA+PLS定量分析模型.实验结果为:R2从70.31%提到了97.46%,RMSEC从0.0775降低到了0.0226,RMSEP从0.0996降低到了0.0213,表明基于光谱预处理结合GA优化谱区定量分析小麦粉中灰分含量可行,模型预测能力和精度更高.     

近红外光谱结合可移动窗口偏最小二乘法对克霉唑粉末药品的定量分析

建立测定克霉唑粉末药品的近红外漫反射光谱结合可移动窗口偏最小二乘法(MW-PLS)多元校正模型。选择有效的光谱预处理方法,并对窗口宽度,窗口移动的位置,以及隐变量数对模型参数进行优化,使用逼近度作为建模参数优化评价指标,最终得到测定克霉唑粉末药品的最佳模型。用该模型进行预测,校正集和验证集的预测值和真实值间的相关系数(Rc)分别为0.9558和0.9645,校正集的均方根误差(RMSEC)为0.0041,验证集均方根误差(RMSEP)为0.0043,表明该模型的稳健性、拟合度和预测能力都令人满意。     

杜仲松脂醇二葡萄糖苷含量的近红外光谱检测研究

采用AntarisⅡ傅立叶变换红外光谱分析仪器(Thermo Nicolet)测定了9种杜仲的光谱数据,运用偏最小二乘法(PLS)和主成分分析回归(PCR)分别建立了杜仲中松脂醇二葡萄糖苷(PDG)含量与吸光度变量的近红外光谱定标模型,并对所建模型进行验证.结果表明,2种方法建立的模型精度都较高,其中模型的预测能力强弱指标SSE=2.8333,PRESS=7.2392,可见在近红外光谱下,PCR和PDG都适合对杜仲进行检测研究,这是本文的一个重要结果,为以后杜仲的指标检验研究提供了理论和实验依据:但是,PCR建立的(PDG)定标模型预测精度稍高于偏最小二乘法(PLS)建立的模型,所以文中只对PCR进行模型的建立,PLS方法对杜仲检测分析这个问题有待于以后的进一步讨论和研究.     

多态偏最小二乘法模型

为了更合理的确定偏最小二乘法的主成分数,提出了一种多态偏最小二乘法的建模方式。介绍了建模和预测具体实现过程。给出了预测时样品相似度计算的两种方式:直接距离法和性质得分距离法。以玉米样品近红外光谱数据为例,分别采用多态偏最小二乘法与传统偏最小二乘法建模对蛋白质指标进行了检测。结果表明:多态偏最小二乘法预测结果优于传统偏最小二乘法预测结果,有更强的适应性和兼容性。