基于支持向量机的食醋总酸近红外光谱建模

为了得到稳定可靠的食醋总酸光谱模型,以不同产地、不同种类的95个食醋样品为研究对象,应用基于统计学原理的最小二乘支持向量机(LS-SVM)对食醋总酸含量进行光谱分析.对预处理后的光谱进行主成分分析(PCA),以主成分信号作为输入变量建立食醋总酸含量的近红外光谱模型,并与偏最小二乘法(PLS)和向后区间偏最小二乘法(biPLS)模型进行比较.结果表明,LS-SVM模型中的校正集中的相关系数(rc)和交互验证均方根误差(RMSECV)分别达到0.9614和0.2192,预测集相关系数(rp)和预测均方根误差(RMSEP)分别达到和0.919和0.3226,均优于PLS和biPLS模型.研究表明,近红外光谱与食醋总酸含量呈非线性关系,采用LS-SVM建立的模型预测性能更好,精度更高.     

近红外光谱结合线性判别分析方法在食醋品牌鉴别中的应用

采用近红外光谱技术结合化学计量学手段,建立不同品牌食醋的快速鉴别方法。用近红外光谱仪对103组食醋样品进行扫描,采用二阶导数对图谱进行预处理、标准化处理、T检验和主成分分析(principal component analysis,PCA),运用留一法构建线性判别分析(linear discriminant analysis,LDA)模型。结果表明,原始近红外谱图经过处理后,显示出同种品牌食醋主成分的聚类趋势;交叉验证结果表明,PCA-LDA模型预测不同品牌食醋的正确率高达85. 57%,该模型具有较好的预测效果。该研究结合近红外光谱与PCA-LDA模型,为不同品牌食醋提供一种快速鉴别方法,具有处理近红外光谱数据,研究物质主成分的应用潜力。     

基于近红外光谱技术的茶籽油掺伪定性鉴别和定量分析

茶籽油是我国特有的高级食用油。近年来茶籽油掺伪现象层出不穷，本研究利用傅里叶近红外(FT-NIR)光谱与化学计量学相结合，获得一种快速对不同掺假类型（低芥酸菜籽油、大豆油、二元混合油）和不同掺假度（0%-100%）的茶籽油进行定性和定量检测的方法。基于近红外差异光谱进行判别分析（discriminant analysis，DA），DA成功识别了不同掺假度的二元与三元混合茶籽油。通过对手动与自动筛选的不同波段结合不同预处理方法建立偏最小二乘法（Partial least squares，PLS）定量分析模型，最佳模型对掺假水平具有良好的预测性能，决定系数(R2)均大于0.91。校正均方根误差(RMSEC)和预测均方根误差(RMSEP)均接近于0。通过交叉验证，最佳模型的交叉验证相关系数均大于0.98，交叉验证均方根误差均小于0.05，表明筛选的最佳模型均具有良好的稳定性。通过外部验证，最佳模型对不同掺假类型的中、高掺假度（≥10%）的样品识别率高达100%。研究表明，利用近红外光谱技术结合化学计量学能够实现茶籽油掺假的快速、无损鉴定。     

近红外光谱结合PLS-DA划分烟叶等级

为了对烟叶等级进行快速分类,采用云南曲靖地区150个烟草样品近红外光谱,结合偏最小二乘判别分析(PLS-DA),建立了烟叶等级分类模型,并对60个预测集样品进行了等级分类预测.结果表明:①训练集和预测集的预测正确率分别为100.0％(150/150)和96.7％(58/60).②PLS-DA对烟叶等级具有良好的分类效果.该模型为烟叶等级分类提供了一种新的快速鉴别分析的方法.     

近红外光谱在淀粉糖生产中的应用

本文论述了采用近红外光谱漫反射技术检测葡萄糖浆中主要成分含量的方法。讨论了采用偏最小二乘法(PLS)建立校正模型过程中样品预处理及利用常规吸收峰优选波长的方法。经验证：DE、DP分布测量值同浓度参考值具有良好相关性(相关系数大于0．9)，测量重复性变异系数(CV)优于2％。结果表明：近红外光谱法可以满足葡萄糖浆中主要成分的实际测量要求，为玉米深加工企业提供了淀粉糖生产过程控制的参考方法。     

间隔影响分析波长选择算法在近红外光谱鉴别贝类毒素中的应用

该文采用近红外光谱技术与化学计量学方法结合实现贝类毒素无损鉴别。该研究以新鲜翡翠贻贝为研究对象，使用近红外光谱仪采集健康贻贝和感染腹泻性毒素贻贝的反射光谱数据，利用Savitzky-Golay卷积平滑求导结合标准正态变量变换光谱预处理方式消除光谱中的干扰因素，采用间隔影响分析(margin influence analysis, MIA)结合连续投影算法(successive projections algorithm, SPA)对数据进行降维处理，应用偏最小二乘线性判别分析(partial least squares linear discriminant analysis, PLS-LDA)方法构建贝类毒素鉴别模型，并与支持向量机和随机森林分析模型进行比较。结果表明，采用MIA-SPA-PLS-LDA方法，可实现贝类毒素的100%鉴别。为此，利用MIA-SPA-PLS-LDA方法可建立准确的贝类毒素鉴别模型，为贝类毒素的快速鉴别提供了新途径，也为后续各种贝类水产品的毒素鉴别分析提供了参考。     

近红外光谱法快速鉴别转基因大豆模型优化

目的应用近红外光谱(NIR)结合偏最小二乘判别分析(PLS-DA)建立转基因大豆的快速鉴别模型,并选择最优模型。方法主成分分析(PCA)用于从光谱数据中提取相关特征并剔除异常样品。在试验中,94份样品用于构建模型,41份样品用作验证评估模型的效果。分别讨论样品形态(整粒和粉末)、波长范围和光谱预处理方法对所建模型判别正确率的影响。结果粉末状大豆样品建模的效果好于整粒大豆样品。其中判定效果最好的模型,整粒大豆在9 403～5 438 cm~(-1)范围内,采用二阶导数(2nd)处理光谱,模型的校正集和验证集的判定正确率均为100.00%;粉末状大豆在7 505～4 597 cm~(-1)范围内,采用矢量归一化+一阶导数(SNV+1st)处理光谱,模型的校正集和验证集的判定正确率也均为100.00%。结论通过选择样品形态、波长范围和光谱预处理方法可以优化鉴别模型,提高近红外判别模型的鉴别正确率。     

基于高光谱图像的玉米种子产地与年份鉴别

提出了一种利用高光谱图像技术对玉米种子产地和年份的鉴别方法。首先采用高光谱成像系统采集不同产地和年份的玉米种子高光谱图像,利用主动轮廓模型对玉米种子高光谱图像进行轮廓提取,得到每粒玉米在400~1 000 nm共233个波段范围内的4个光谱特征,利用不同的特征及预处理方式结合偏最小二乘判别分析建立玉米种子的产地和年份鉴别模型。结果显示,利用最佳特征及预处理方式建立的玉米种子产地和年份鉴别模型中,训练集和测试集精度分别为99.11%和98.39%。研究结果表明,利用高光谱图像技术对玉米种子的产地和年份进行无损鉴别是可行的。     

近红外光谱技术在南美白对虾鲜度判别中的应用

利用近红外光谱技术建立数学模型,预测南美白对虾鲜度变化时挥发性盐基氮(TVB-N)和菌落总数(TBC)的含量。对42个虾糜样品进行扫描,获得950¹ 650 nm光谱信息,运用Unscrambler10.3软件进行计算,光谱经过一阶导数、Savisky-Golay(SG)平滑和标准正态变化(SNV)预处理,运用偏最小二乘法(PLS)建立TVB-N及TBC模型,并对模型进行验证。结果表明:TVB-N模型中定标集和预测集相关系数分别为0.980和0.923,交叉验证标准方差(RMSECV)和预测均方根误差(RMSEP)分别为1.189和2.179;TBC模型中定标集和预测集相关系数分别为0.991和0.943,RMSECV和RMSEP分别为0.136和0.603,表明所建模型取得了较好的预测效果,可以很好的判别虾新鲜度。     

基于近红外光谱的茶叶高氯酸盐污染水平研究

目的 建立一种基于近红外光谱（near-infrared spectroscopy,NIR）分析技术快速定量茶叶中高氯酸盐污染水平的预测模型。方法 采集不同产地的91份茶叶干样,通过傅里叶变换近红外光谱扫描获得样品的近红外漫反射光谱,使用液相色谱质谱法测定茶叶样品中的高氯酸盐含量,以参考量限0.75 mg/kg为标准将样品分为两类;利用偏最小二乘判别分析（partial least squares-discriminant analysis, PLS-DA）建模建立高氯酸盐含量范围的预测模型,同时使用一阶导（1st）、连续小波变换（continuous wavelet transform, CWT）、多元散射校正（multiplicative scatter correction,MSC）、标准正态变换（standard normal variate,SNV）等光谱预处理和竞争自适应重加权（competitive adaptive reweighted sampling,CARS）采样波长筛选技术对判别模型进行优化,最后通过预测集样品对模型进行验证。结果 使用原始光谱建立的模型能够初步实现对高氯酸盐含量范围的预测,而使用光谱预处理扣除光谱中的背景信息,结合MSC和CARS方法共同处理后,模型的预测正确度显著改善,误判样品下降至3个,预测正确率提高至88.5%。结论 本方法表明近红外光谱技术可以为茶叶中高氯酸盐污染水平分析提供一种新方法,对茶叶产业高质量发展具有重要的实际意义。     

基于FPGA的老陈醋定量与定性分析系统设计

首先采用判别分析(DA)算法结合不同光谱预处理方法建立老陈醋醋龄的判别模型,采用偏最小二乘法建立老陈醋的pH值和可溶性固形物的定量分析模型,通过选择校正集验证了采用近红外光谱实现对老陈醋醋龄判别具有较高的准确性,对老陈醋的pH值和可溶性固形物的定性与定量分析的模型的精度和稳定性都较好,然后采用可编程逻辑器件(FPGA)的设计,完成从光谱的采集、预处理、定性定量分析和显示等整个功能,其中光谱采集采用的是近红外透射光谱采用NEXUS傅里叶变换近红外光谱仪(热电尼高力仪器公司,美国)及其相应的透射附件进行采集,定性与定量分析模型的建立采用数字信号处理器(DSP)核实现,最终实现对老陈醋的在线检测系统的设计.     

近红外光谱的三种蓝莓果渣花色苷含量测定

采用近红外光谱技术,对不同贮藏时间的蓝莓营养成分进行定量分析,以寻求其化学成分与近红外光谱数据的相关性,实现利用光谱技术对蓝莓营养成分的无损检测。对获取的近红外光谱数据,运用偏最小二乘回归（Partial Least Square Regression,PLSR）和支持向量回归（Support Vector Regression,SVR）两种机器学习算法预测蓝莓可溶性固形物（Soluble Solids Content,SSC）和维生素C（Vitamin C,V_C）含量。为增加预测精度,采用一阶导数（First Derivative,1-DER）、二阶导数（Second Derivative,2-DER）、标准正态变换（Standard Normal Variate Transform,SNV）、多元散射校正（Multiplicative Scatter Correction,MSC）、Savitzky-Golay平滑（S-G）等一种或几种方法组合对光谱数据进行预处理,比较分析最佳的预处理方式;采用竞争适应性重加权采样法（Competitive Adaptive Reweighted Sampling,CARS）和随机蛙跳算法（Random Frog,RF）及两种算法组合对光谱波长进行降维处理。结果表明,降维后的SSC波长变量分别降到了全光谱变量的1.7%、4.3%和5.6%,V_C波长变量分别降到了全光谱变量的2.5%、2.9%、4.8%。在筛选后的光谱波长变量的基础上,采用PLSR建立蓝莓近红外光谱与SSC和V_C含量的预测模型。对比发现CARS结合RF算法筛选出的波长变量预测效果更好,模型校正相关系数分别为0.9001、0.8707,校正均方根误差分别为0.8234、2.9429,预测相关系数分别为0.8424、0.8350,预测均方根误差分别为0.9613、2.9482。为排除模型性能对预测结果的影响,建立SVR模型将预测结果进行对比,同样发现CARS结合RF算法的预测效果更佳,模型校正相关系数分别为0.8702、0.8503,校正均方根误差分别为0.9549、3.2431,预测相关系数分别为0.8269、0.8183,预测均方根误差分别为0.8769、2.8818。本研究为蓝莓营养品质监测提供了模型基础,且选择特征波长的方法可以为更多果蔬营养物质预测模型提供参考。     

基于近红外光谱法快速测定许氏平鲉脂肪和 水分含量的方法研究

目的建立近红外光谱法结合偏最小二乘法测定许氏平鲉鱼肉中的脂肪和水分含量,以期简便、快速地对许氏平鲉进行品质分析与评价。方法采用常规分析手段测定70个样品的脂肪和水分含量,同时采集其近红外光谱数据,结合偏最小二乘法(partial least square,PLS)建立许氏平鲉鱼肉中脂肪和水分的定量预测模型,并对比不同光谱预处理方法、光谱范围和因子数对定量预测模型的影响。结果光谱经Savitzky-Golay(S-G)和标准正态变量变换(standardized normal variate,SNV)预处理后,在5341.85~4007.36 cm~(-1)、6556.79~5345.71cm~(-1)和8651.10~7162.33 cm~(-1)光谱范围内,选取主因子数10,建立脂肪的校正模型性能最优;光谱经过SNV预处理后,在8886.38~4061.35cm~(-1)光谱范围内,分别选取主因子数为9时,建立的水分的校正模型性能最优。脂肪和水分含量相对最优PLS模型的校正集相关系数分别为0.9918和0.9912,校正标准偏差分别为0.2680和0.3300,交叉验证相关系数分别为0.9820和0.9810,交叉验证均方差分别为0.3980和0.4850,验证集相关系数分别为0.9804和0.9798,验证集均方差分别为0.3260和0.3070。结论本方法可较为准确地预测许氏平鲉鱼肉中的脂肪和水分含量,能够满足快速分析评价许氏平鲉品质的要求。     

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。     

基于近红外光谱技术的老陈醋可溶性固形物定量分析

可溶性固形物含量(SSC)是食品行业的重要技术参数之一。利用近红外光谱技术对不同醋龄的老陈醋SSC进行分析。在不同光谱预处理下,分别采用主成分回归(PCR)和偏最小二乘法(PLS)建立SSC的定量分析模型。结果表明,采用5点平滑预处理后,利用PLS建立的老陈醋SSC的定量分析模型最优,其校正集的相关系数R为0.999 9,校正标准偏差(RMSEC)为0.038 3,预测标准偏差(RMSEP)和交叉验证标准偏差(RMSECV)分别为0.082 1,0.096 4。表明采用近红外光谱技术对不同醋龄的老陈醋SSC进行定量分析建模是可行的。     

近红外光谱法对茶叶中的咖啡碱含量的快速测定

以贵州省各地茶叶为研究对象,以近红外光谱分析技术快速检测茶叶中的咖啡碱含量为目的,将茶叶制成粉末进行光谱扫描并用化学法测定其咖啡碱含量,将偏最小二乘法与傅立叶变换近红外光谱法相结合,建立茶叶中咖啡碱含量的模型.通过多元散射校正(MSC)处理光谱,光谱范围选择4493.33cm-1～4354.48cm-1,5800.83cm-1～5696.69cm-1,主因子数为10,得到模型的内部交互验证相关系数(P)为0.991,交互验证均方差(RMSECV)为0.205;模型的预测值与化学测定值的相关系数为0.999,预测标准偏差(RMSEP)为0.242.通过稳定性试验得到的RSD都在0.30％以下.结果表明,模型的预测效果很好,具有较高的精密度和较好的稳定性,且方法简捷,能满足茶叶中咖啡碱的快速检测要求.     

近红外光谱法快速检测甜菜糖度的模型优化

目的建立起近红外光谱技术关于甜菜糖度的最佳预测模型。方法研究了Savitzky-Golay平滑处理、Savitzky-Golay导数、均值中心化、差分求导、净分析信号、去趋势校正、标准正态变量变换和多元散射校正等8种预处理方法的多方法联用处理进行光谱数据的预处理,结合光谱波段优选,建立甜菜糖度与近红外光谱的预测模型。结果在进行模型的评价时,以误差均方根(SEP)、校正标准误差(SEC)与交叉检验误差(SECV)作为评价指标。结论发现经过光谱波段优选之后,结合Savitzky-Golay平滑、Savitzky-Golay导数、去趋势校正及均值中心化进行光谱数据的预处理得到的模型效果最佳。