PLS法和PCA法在近红外光谱定量分析中的应用研究

利用啤酒的近红外光谱数据比较了PLS(偏最小二乘法，partial—Squares)和PCA(主成分回归法，principal component regression)两种方法在近红外光谱定量分析中的应用．并应用所建模型预测了21个啤酒样品麦芽的含量，结论为两种方法均适合近红外光谱定量分析，PLS法所得预测结果准确度更高。     

PLS法和PCA法在近红外光谱定量分析中的应用研究

利用啤酒的近红外光谱数据比较了 PLS(偏最小二乘法,partial-Squares)和 PCA(主成分回归法,principal componentregression)两种方法在近红外光谱定量分析中的应用。并应用所建模型预测了 21 个啤酒样品麦芽的含量,结论为两种方法均适合近红外光谱定量分析,PLS 法所得预测结果准确度更高。     

近红外光谱法测定面粉的水分、脂肪、碳水化合物和蛋白质含量

应用近红外光谱技术结合不同的定量分析方法建立面粉4种组分的快速定量模型。国标法测定68种面粉样品的水分、脂肪、碳水化合物和蛋白质的含量,并采集其近红外漫反射光谱图。选取58个校正集和10个验证集样品,通过马氏距离法剔除异常样品后,对比17种光谱预处理方式所建立的基于全光谱的偏最小二乘法(partial least squares,PLS)定量模型效果,在最佳预处理方法的基础上,采用向后区间偏最小二乘法(Backward interval PLS,BiPLS)筛选特征光谱,进一步得到最佳定量模型。结果表明,所建立的模型校正集相关系数Rcv均大于0.9650,内部交叉验证均方根误差均小于0.328;验证集相关系数均大于0.9926,预测均方根误差均低于0.383。因此,模型具有较好的准确性和稳定性,能应用于面粉的多指标快速检测。     

基于近红外光谱的淀粉含水量快速检测研究

运用近红外光谱分析技术检测淀粉的含水量,收集了国内常用的不同种类的淀粉,选择最优的光谱预处理方法和光谱范围,运用偏最小二乘法（PLS）进行定量分析研究。结果表明,采用偏最小二乘法（PLS）所建的定量分析模型的相关系数R2达0．9912,预测均方根误差RMSEP为0．0784,偏差为0．132。研究发现,近红外光谱技术用于快速无损检测淀粉含水量是可行的。     

基于近红外光谱技术的面粉水分无损检测模型的建立

直接对面粉样品进行近红外光谱扫描,采用105℃恒重法测定面粉中水分含量,在不同的光谱数据预处理方式下运用改进偏最小二乘法(MPLS)建立水分含量定标模型,通过比较模型预测效果以确定最佳预处理方法,随后用PCA、PLS、MPLS三种建模方法在最佳预处理方式下建模通过比较模型预测效果以确定最佳建模方法并用验证集对最优模型进...     

近红外光谱对食醋有机酸含量快速、无损测定方法研究

将近红外光谱分析技术应用在食醋内部有机酸的定量分析研究中,分别建立了8种有机酸的偏最小二乘近红外预测模型和主成分分析近红外预测模型,模型的相关系数均大于0.9,模型具有较好的预测准确性。横向对比偏最小二乘和主成分分析两种建模方法对食醋有机酸的定量分析发现,采用偏最小二乘法建立的食醋有机酸近红外预测模型较优。采用近红外光谱分析技术对食醋中有机酸含量的测定具有快速、无损的特点,具有较大的实际应用价值。     

面粉湿面筋近红外定量分析中的光谱预处理方法研究

采用10种不同的预处理方法对面粉湿面筋含量的近红外光谱数据进行预处理,并比较了10种预处理方法对偏最小二乘法（PLS）建立定量模型效果的影响。结果表明,采用近红外光谱（NIRS）分析技术对面粉中的湿面筋含量进行定量分析时,一阶导数+减去一条直线的预处理方法对面粉湿面筋含量的预测效果最好,内部交叉验证相关系数R为0.901 8,内部交叉验证标准差（RMSECV）为0.708;预测相关系数R为0.920 9,预测标准差（RMSEP）为0.083,提高了预测模型的精度和准确性。     

近红外漫反射光谱法在稻谷质量检测中的应用

采用DA7200型二极管阵列近红外光谱仪对江西地区的284份稻谷样品进行光谱采集,同时按照国家标准方法对试验样品进行化学分析检验。在化学分析检验的基础上,采用偏最小二乘法建立分析模型,并对其准确性进行了评价探讨。结果显示,采用偏最小二乘法所建立的定量分析模型相关性较高。同时,另选取30份样品进行模型验证,其相关系数和预测均方根误差均符合国家标准方法要求,因此近红外漫反射光谱法可以用于稻谷质量评定中的快速无损检测。     

近红外光谱结合区间偏最小二乘法应用于花生油酸价的测定

采用近红外光谱法结合不同区间偏最小二乘波长筛选法建立花生油酸价的定量分析模型。采用酸碱滴定法测定花生油样本的酸价同时采集近红外光谱数据;采用区间偏最小二乘法(iPLS)、向后区间偏最小二乘法(BiPLS)、移动窗口偏最小二乘法(mwPLS)优选光谱特征区间;采用偏最小二乘法(PLS)对优选出来的谱段建立酸价的定量模型。结果表明,采用mwPLS选择的谱段建立的模型预测效果最佳,RMSECV和RMSEP分别为0.247 76和0.131 5,校正相关系数和预测相关系数分别为0.993 2和0.996 9。因此,近红外光谱结合移动窗口偏最小二乘法可以快速准确测定花生油的酸价。     

玉露香梨可溶性固形物近红外漫透射光谱在线检测

应用近红外漫透射光谱技术探索玉露香梨可溶性固形物在线无损检测的可行性。358个试验样本被分成建模集和预测集(269∶89),分别用于建立模型和验证模型的预测能力。通过对玉露香梨样品近红外漫透射光谱分析发现,样品光谱在625,725,800nm处存在3个波峰,在673,765,825nm处存在3个波谷。通过对比不同预处理方法,发现漫透射近红外光谱分别经一阶微分、移动窗口平滑和多元散射校正组合预处理后建立的模型效果最好。结合组合预处理方法建立了偏最小二乘和偏最小二乘支持向量机预测模型,经比较,偏最小二乘支持向量机模型预测能力更强,模型预测均方根误差和相关系数分别为0.316%和0.949。对比发现主成分分析和径向基函数有利于提高最小二乘支持向量机模型的预测能力。试验结果表明采用近红外漫透射光谱技术结合最小二乘支持向量机算法,实现了玉露香梨可溶性固形物在线无损检测。     

无效变量消除法在油菜籽芥酸近红外无损速测中的应用

探索改善油菜籽芥酸近红外预测模型准确度与精密度的方法,利用无效变量消除法（UVE）,对135个油菜籽样品近红外光谱信号进行筛选,并利用筛选后的光谱对油菜籽芥酸含量进行偏最小二乘法交叉验证。结果表明,UVE法筛选变量后建立的芥酸校正模型对未知样品预测结果的准确度和速度显著优于全波长参与建立的芥酸校正模型。散射校正加一阶导数对光谱预处理,UVE法筛选变量,偏最小二乘法交叉验证建立的校正模型效果最好,其预测值与标准值的相关系数R达到0.92,交叉验证预测均方差为2.2。因此,用UVE进行波长选择后建立的近红外模型,能准确快速地对油菜籽芥酸含量进行定量分析。     

基于近红外光谱快速定量检测面粉中曲酸的方法建立

利用近红外光谱技术快速定量检测面粉中非法添加的褐变抑制剂曲酸。选取市场上常见3?种基本类型的面粉（高、中、低筋面粉）,分别制备曲酸质量分数为0.0%、0.5%、1.0%、3.0%、5.0%、10.0%的面粉样品,并采集其在1?000～2?400?nm波段下的光谱数据。对比不同预处理下高筋面粉样品数据所建偏最小二乘（partial least squares,PLS）回归模型效果,选取Savitzky-Golay一阶导数为最优预处理方法。采用区间偏最小二乘（interval partial least squares,iPLS）法选取1?088.8～1?153.5?nm为最佳光谱区间。结果表明,基于最佳光谱区间所建PLS回归模型预测效果优于基于全波段光谱数据所建模型。进一步,基于所选最优区间对中、低筋面粉和混合样品集分别建立PLS回归模型。高、中、低筋面粉及混合样品集基于最优区间的PLS模型的决定系数为0.949～0.972,标准误差为0.581%～0.830%,验证集标准偏差与预测标准偏差的比值为4.171～4.830。结果表明,基于最优区间的近红外光谱方法对不同类型面粉中曲酸质量分数为1.0%～10.0%的样品具有较好的预测结果,结合具有低检测限的化学检测方法,在对大批量样品的检测中可提高检测效率。     

番茄总糖含量的近红外光谱无损检测方法研究

根据偏最小二乘法建立番茄总糖含量的定量分析模型,比较原始光谱和平均光谱以及10 种光谱预处理方法对近红外光谱无损检测番茄总糖含量的影响。结果表明：平均光谱所建立的偏最小二乘法校正模型明显优于原始光谱所建模型,常数偏移消除最适合番茄总糖近红外光谱的预处理,其在11998.9～7497.9cm-1 和4601.3～4256.5cm-1优化光谱区内,所建偏最小二乘法定量分析模型的预测值和实测值的相关系数(R)为0.917,校正标准差(RMSEC)为0.263%,预测标准差(RMSEP)为0.236%。平均光谱和优化的光谱预处理方法可有效提高近红外光谱无损检测番茄总糖含量的准确性。     

鲫鱼新鲜度近红外定量预测模型的建立

为实现鲫鱼新鲜度的快速测定,本文基于近红外漫反射光谱定量分析技术和化学计量学方法,采集了144个鲫鱼鱼肉样品在1000~1799 nm范围内的光谱数据,测定了鲫鱼样品的p H、TVB-N含量、TBA含量和K值四种新鲜度指标;在确定近红外光谱数据最佳预处理方法和适宜波段的基础上,分别采用偏最小二乘法、主成分分析和BP人工神经网络技术、偏最小二乘法和BP人工神经网络技术建立了鲫鱼新鲜度定量预测模型。结果表明,鲫鱼样品四种指标数据范围均较大,可满足建模要求。以p H为鲜度指标时,采用偏最小二乘法和BP人工神经网络技术建立的模型最好,其定标相关系数为0.9945;以TVB-N、TBA和K值为鲜度指标时,采用偏最小二乘法建立的模型最好,其定标相关系数分别为0.9857、0.9985和0.9952。建立的四种鲜度指标定量模型均具有较好的预测能力。     

近红外光谱技术在棉＼氨纶面料分析中的应用

利用近红外漫反射光谱技术对棉／氨纶混纺面料进行含量分析。对不同成分含量的样本用高分辨率的光谱扫描,得到信息量丰富的原始光谱;采用一阶导数方法对光谱进行预处理;利用偏最小二乘法建立模型。使用预测数据,对所建立模型进行预测效果分析。结果表明近红外检测可以用于纺织面料含量较低组分的定量分析。     

离散余弦变换结合BP网络用于白酒近红外光谱定量分析

采用近红外光谱的离散余弦变换和BP神经网络相结合．建立了白酒近红外光谱与其酒精度之间的数学关系模型，为快速检测白酒的酒精度提供了一种新的方法。结果表明．经离散余弦变换后建立的模型比全光谱偏最小二乘建立的模型具有更精确的预测效果。模型的相关系数由原来的0．9611提高到0．9744，预测标准偏差由原来的1．3891降低到0．9542。     

基于近红外技术的苎麻纤维素及胶质含量快速测定

 苎麻作为我国重要纺织用纤维素纤维资源,其经常进行化学成分定量分析工作,因此需要一种快速高效的定量分析手段。本研究在前期工作的基础上,使用AOTF近红外光谱仪,利用近红外漫反射光谱(NIR)技术,采用偏最小二乘法(PLS),并对比近红外样品厚度对建模的影响,建立了测定苎麻纤维素及胶质含量的NIR校正模型。实验结果表明,所建苎麻化学成分NIR模型预对纤维素含量预测平均相对误差为1.11%,胶质含量预测平均相对误差为4.54%,预测值与化学值误差较小,可以进行苎麻纤维素及胶质含量预测工作。同时发现,样品厚度越大,所扫描得到光谱所建模型预测精确度越高。     

食用油油酸的近红外特征谱区挑选

为提高食用油油酸的近红外定量分析模型的预测性能,采用4种波长变量优选方法:移动窗口偏最小二乘算法(MWPLS)、间隔偏最小二乘法(i PLS)、向后间隔偏最小二乘法(Bi PLS)、组合间隔偏最小二乘算法(Si PLS),优选食用油油酸近红外光谱特征区间,建立57份食用油样本的油酸定量分析模型。试验结果表明,相较于全谱建模,4种变量优选方法都能在有效地减少建模所用的变量数的同时提高模型性能,其中采用Si PLS优选变量所建的油酸定量模型的预测性能最优,决定系数R2为0.995 0,交叉校验均方根误差(RMSECV)为1.037 2,预测均方根误差(RMSEP)为0.924 6。     

基于近红外光谱的芝麻油酸价含量的预测

采用近红外光谱分析技术对芝麻油的酸价含量进行检测,避免了传统的化学方法缺陷,同时在不破坏样品的前提下极大地提高了检测效率。对39个芝麻油样本的酸价光谱图进行光谱预处理优化,并选择适当的光谱范围,采用偏最小二乘法(PLS)和BP神经网络算法进行了定量分析研究。结果表明,在所选定的样本和光谱范围内,PLS和BP神经网络算法均可以用于芝麻油酸价含量的预测,采用PLS模型的预测均方根误差(RMSEP)为0.058;用BP神经网络预测的RMSEP为0.148 8,偏最小二乘法建模相对于一般的BP网络建模方法更具有较好的建模预测效果。     

基于近红外光谱的大豆水分和粗脂肪含量的快速检测

基于近红外光谱技术快速检测大豆中水分和粗脂肪含量。方法 首先采集350-2500 nm光谱范围的大豆近红外光谱,采用光谱-理化值共生距离（SPXY）算法将大豆样本划分为校正集样本与测试集样本,然后对原始光谱分别采用多元散射校正(MSC)、标准正态变量交换(SNV)、归一化（Nor）等9种方法进行预处理,最后使用偏最小二乘回归(PLSR)分析方法建立模型对样本进行定量分析。结果 原始光谱经过多元散射校正后建立的偏最小二乘回归模型对水分的预测精度最高,其校正集和测试集的相关系数分别为0.8964和0.9055 , 均方根误差分别为0.4211和0.5933;原始光谱经过归一化处理后建立的偏最小二乘回归模型对粗脂肪的预测精度最高,其校正集和测试集的相关系数分别为0.9084和0.9295 , 均方根误差分别为0.6897和0.6462。结论 近红外光谱（NIRS）结合预处理及偏最小二乘回归法,可以快速、准确的检测大豆水分和粗脂肪含量。