油脂酸价近红外光谱检测PLS建模方法研究

将目前广泛流行的近红外光谱分析技术应用于食用油脂酸价的检测。由于近红外光谱分析是一种间接检测方法,需要先利用校正集样本建立统计模型,然后再利用模型来预测未知样品性质,因此建立准确可靠的模型是近红外光谱分析的关键。详细介绍了偏最小二乘（PLS）回归的基本思想和建模方法。为使建立的校正模型更稳健,还研究了光谱波段选择。通过间隔偏最小二乘回归波段选择法进行特征波段提取,对提取的特征波段和全谱分别进行偏最小二乘回归建模,对比分析以说明波段选择的必要性。     

基于KPCA和LSSVM的蜂蜜近红外光谱鉴别分析

为快速鉴别普通植物源与中草药植物源蜂蜜,提出一种核主成分析和最小二乘支持向量机相结合的蜂蜜近红外光谱定性分析新方法。利用傅里叶变换近红外光谱仪测定普通洋槐蜂蜜和益母草、黄连两种中药植物源蜂蜜样本的近红外光谱并预处理,然后对光谱进行核主成分分析,提取非线性特征,最后设计基于纠错编码最小二乘支持向量机的多类分类器模型。采用网格搜索法确定模型最优参数,利用最优分类模型对未知类别蜂蜜样本进行识别,正确率可达96.67%。结果表明,基于KPCA和LSSVM的近红外光谱定性分析算法鉴别普通植物源与中草药植物源蜂蜜是可行的。     

发酵液中甘油和丁醇含量的近红外快速检测方法

为了提高生物发酵过程的控制与优化水平,试对发酵底物甘油和目标产物丁醇的含量进行快速无损检测进行研究。首先对80份甘油与丁醇的单体系样本进行近红外扫描并进行光谱分析。为提高模型的预测能力,分别采用了偏最小二乘法、间隔偏最小二乘法、向前间隔偏最小二乘法、向后间隔偏最小二乘法和窗口移动最小二乘法5种定量校正方法建立甘油和丁醇含量的近红外检测模型并对模型进行分析与比较。结果表明,向后间隔偏最小二乘法建立的模型效果较好,甘油和丁醇的单组份溶液的检测模型相关系数分别达到0.99932(甘油)和0.98843(丁醇)。为测量真实的甘油发酵液中甘油和丁醇含量,搭建并建立了甘油和丁醇浓度监测平台,验证得相关系数分别达到0.99074(甘油)和0.99261(丁醇)。结果表明建立的近红外快速检测模型在检测的准确性和快速性上均有优异的性能,为发酵行业快速检测提供了新的检测手段。     

基于近红外光谱的梨果糖浓度无损检测系统

应用近红外光谱漫发射技术设计了梨果的糖浓度无损便携式检测系统,建立了近红外光谱和梨的糖浓度值之间的关系。以850nm激光二极管作为背景光源,905nm作为特征光源,设计了用于梨的糖浓度无损检测的便携式仪器。将校正集样本结合偏最小二乘法进行建模,并对预测集进行预测。同时使用标准仪器测得梨果糖度标准值,得到了标准糖度值和预测值之间的相关图。其中校正集相关系数为0．99186,RMSEC为0．00175,由此模型进行预测时所得到的预测集相关系数为0．8262,RMSEP=0．00808。实验初步证明,文中所设计仪器可对同一种类的梨的糖浓度进行无损测量。     

基于联合区间偏最小二乘判别分析的猪肉近红外光谱定性建模分析

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题,提出一种基于联合区间偏最小二乘判别分析(Si PLSDA)算法,并将该算法应用于猪肉近红外光谱的定性建模分析。Si PLSDA利用联合区间偏最小二乘回归(Si PLS)进行光谱特征区域筛选,在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱,采用标准正态变量变换(SNV)进行近红外光谱的预处理,用Si PLSDA建立猪肉近红外光谱的定性模型。实验结果表明,Si PLSDA建立的预测模型对猪肉储藏时间的识别率达到93.94%,高于基于全光谱区域建立的PLSDA预测模型的识别率。     

基于拉曼光谱全谱数据的无损快速胆维丁含量定量检测方法

提出了利用拉曼光谱全谱数据结合偏最小二乘法实现胆维丁含量快速无损定量检测方法。 采用实验室自主研发的便携式拉曼光谱仪采集了39组不同含量胆维丁样品的拉 曼光谱,26组作为训练集建立偏最小二乘预测模型,13组作为测试集验证模型。测试集预测的 含量和实际含量的线性相关系数为0.999。研 究结果表明拉曼光谱全谱分析结合偏最小二乘法可以用于胆维丁含量的快速定量检测。     

便携式苹果糖度光谱检测仪的设计与试验

为快速、便捷地利用近红外光谱检测苹果糖度,设计了以ARM9处理器为核心、以微型光谱仪和自制果托作为光谱检测装置、以Win CE为操作系统的便携式苹果糖度光谱检测仪。以80个苹果样品作为试验对象,采用平滑、多元散射校正、标准正态变量变换等方法对原始光谱进行预处理,结合无信息变量消除法和连续投影算法进行有效波长的筛选,建立基于所选特征波长和全波段的苹果糖度近红外光谱偏最小二乘模型。结果表明,偏最小二乘结合原始光谱信息建模效果最好,其预测相关系数Rp=0.853,预测均方根误差RMSEP=0.534。该检测仪能较好地满足苹果糖度的快速无损检测。该研究为快速、便携的苹果糖度光谱检测仪设计提供了参考。     

近红外光谱结合GA-LSSVR分析烟草尼古丁含量

为了提高近红外光谱快速检测烟草尼古丁含量的精度和稳定性,利用近红外光谱结合遗传算法-最小二乘支持向量回归(GA-LSSVR)建立了回归预测模型。在LSSVR模型建立过程中,采用遗传算法对LSSVR参数进行自动优化。相比于利用常规最小二乘支持向量机和遗传偏最小二乘法等建立的回归预测模型,GA-LSSVR法建立的回归预测模型泛化能力更强,预测效果更好,验证集相关系数R2为0.9766,预测均方根误差为0.1065。研究结果表明,GA-LSSVR是一种快速准确的建模方法,为烟草尼古丁含量的近红外测定和近红外光谱数据的处理提供了新的方法与途径。     

梨表面色泽的可见/近红外漫反射光谱无损检测研究

应用可见/近红外漫反射光谱对梨表面色泽进行无损检测研究.在350～1800nm光谱区间,结合梨的原始吸收光谱和标准化光谱,采用多元线性回归(MLR)、主成分回归(PCR)和偏最小二乘回归(PLSR)三种数学校正算法进行了定量对比分析.原始吸收光谱应用偏最小二乘回归建立的定标模型对24个未知样品的预测结果是:L*、a*、b*预测均方差分别为1.4251,0.4569和0.9497;相对预测偏差分别为3.7404%,3.3571%和2.5877%.实验结果表明:可见/近红外光谱技术对梨表面色泽的无损检测具有可行性.     

区间偏最小二乘法结合拉曼光谱测定猪肉皮下脂肪的碘值

碘值是评价脂肪酸品质的重要指标,为探究拉曼光谱技术结合化学计量学方法对完整脂肪样本中脂肪酸不饱和程度测定的可行性,以猪肉皮下脂肪为研究对象,利用实验室自主搭建的拉曼光谱检测系统,获取其300~2000cm-1波段的光谱,进而利用该光谱进行预处理方法的优化研究和碘值相关变量的优选研究,并以传统韦氏滴定法测定得到的碘值为参考值,采用偏最小二乘法建立了完整脂肪样本中碘值的校正模型。结果表明:8次多项式拟合基线校正为最优预处理方法;经区间偏最小二乘法筛选得到的优选变量为1106~1470cm-1;结合最优预处理方法和优选变量建立碘值预测模型,其预测集相关系数Rp和预测均方根误差(RMSEP)分别为0.9463和2.5391×10-2。研究结果证明,优选的拉曼光谱变量可用于完整脂肪中碘值的快速无损测定,为基于拉曼光谱的猪胴体脂肪酸不饱和程度的在线、快速、无损检测提供了理论依据。     

一种二型模糊可能性聚类红外图像分割算法

提出了一种新的基于二型模糊可能性聚类的红外图像分割算法。针对受概率约束的模糊聚类算法和不受概率约束的可能性聚类算法在红外图像分割时存在的问题,采用二型模糊系统融合两种分割算法的隶属度函数,将隶属度函数看作一个区间型分布,而不是单独采用两种算法输出的确定模糊值。这种处理方式不但能有效抑制噪声及野值,而且能有效防止红外图像的过分割。实验仿真结果表明,该算法较传统聚类算法能获得更好的分割效果,可有效抑制噪声对目标区域分割的干扰。     

连续投影算法的润滑油中含水量近红外光谱的分析

应用近红外光谱技术结合连续投影算法（SPA）实现了油中含水量的分析。对57个油样进行光谱扫描,通过比较不同预处理方法,以相关系数（R）和均方根误差（RMSE）作为模型评价指标,建立油中含水量预测的全波段偏最小二乘法（PLS）模型。同时应用SPA提取有效波长,作为PLS的输入变量,建立了SPA-PLS模型。结果表明经连续投影算法提取24个特征波长建立的模型,所用变量数仅占全波段的 4.68%,SPA-PLS优于全波段的PLS模型,其对验证集样本进行预测的相关系数和均方根误差分别为0.994 4和5.455 110-5,获得了满意的预测精度。说明应用光谱技术检测油中含水量是可行的,并能获得满意的预测精度,为进一步应用光谱技术进行油中其他污染物的在线监测提供了新的方法。     

用近红外光谱鉴别杨梅品种的研究

提出了一种用近红外光谱技术快速无损鉴别杨梅品种的新方法,首先用主成分分析法对典型的四个杨梅品种进行聚类分析,获取杨梅的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别.主成分分析表明,以主成分1和2对样本的得分值做出的得分图,对不同种类杨梅具有较好的聚类作用,可以定性分析杨梅种类.利用主成分分析可以把原始波长变量压缩成能代表原始变量的少数相互正交的主成分,用这些新变量作为神经网络的输入,建立3层BP人工神经网络模型.四个杨梅品种共100个样本用来建立神经网络品种鉴别模型,对未知的20个样本进行预测,结果表明,品种识别准确率达到95%.说明综合主成分分析和人工神经网络的方法具有很好的分类和鉴别作用,为杨梅的品种鉴别提供了一种新方法.     

基于L_1度量的Type-2熵模糊聚类红外图像分割

为了准确实现目标识别,从红外图像的特点出发,提出了将L_1空间度量的二型(Type-2)熵模糊聚类算法应用干红外图像分割.该算法首先通过L_1空间度量样本点与类别中最大最小值的距离,代替了传统聚类算法中样本点与聚类中心的聚类,然后根据熵模糊聚类算法获得上模糊隶属度和下模糊隶属度两个隶属度函数,并采用二型模糊融合得到隶属度函数,其中给出了一种权重加权降型算法.通过对实际的红外图像分割表明,这种算法能准确地实现红外图像分割,自适应性强,鲁棒性好,能够在复杂背景下获得较为理想的分割效果.     

基于可见-近红外光谱技术的家蚕蚕种鉴别方法的研究

提出了一种结合主成分分析和人工神经网络技术的可见-红外光谱家蚕蚕种快速鉴别新方法.主成分分析法用于家蚕蚕种品种的聚类分析及主成分的提取.从主成分1和2对所有建模样本的得分图可以看出,主成分分析法对不同种类家蚕蚕种具有较好的聚类作用,可以定性分析家蚕蚕种品种.提取了6个能解释原始光谱的大部分信息的主成分,作为BP神经网络的输入,建立了三层BP人工神经网络模型.选取了4个典型的家蚕蚕种品种,共120个样本,其中随机选取了100样本用来建立神经网络品种鉴别模型,对未知的20个样本进行预测,结果表明,品种识别准确率达到100%.说明该方法具有很好的分类和鉴别作用,为家蚕蚕种的品种鉴别提供了一种新的途径.     

基于主成分分析和人工神经网络的五味子质量鉴定方法研究

提出了一种采用近红外光谱技术结合人工神经网络对中药五味子质量进行鉴别的新方法.利用近红外光谱仪获得了3种不同来源地五味子合计90个样本的光谱曲线,采用主成分分析法对光谱数据进行了聚类分析,并结合人工神经网络技术建立了五味子甲素、五味子乙素和五味子醇甲三种木脂素类化合物的分析模型.主成分分析表明,前5个主成分的累积贡献率为98.75%,具有很好的聚类作用.在主成分分析的基础上,取前5个主成分的18个吸收峰作为网络的输入节点,取3项指标作为输出节点,建立了一个18(输入节点)-10(隐含层节点)-3(输出节点)的三层人工神经网络模型.五味子甲素、五味子乙素和五味子醇甲三项指标的人工神经网络模型预测值的平均相对误差分别为4.07%、2.65%和6.15%,与高效液相色谱法测定值的符合程度很高.该模型具有很好的预测能力,可用于大批量五味子的质量检测和五味子生产加工过程中的质量控制.     

基于吸光度的波长筛选方法用于近红外光谱定量模型的优化

建立一种基于吸光度的波长筛选方法,以近红外光谱测定中成药制剂的多糖含量为例,对模型优化效果进行验证.考虑模型稳定性,在计算机平台上搭建一种新的样本集划分框架,基于吸光度筛选出最优波段为400~1882&2072~2364 nm,建立偏最小二乘(PLS)模型得到的SEPAve、RP,Ave分别为27.13 mg L-1、0.856,与全扫描谱区(400~2498 nm)的PLS模型预测效果做比较.结果表明,基于吸光度的波长筛选方法,可以优选出高信噪比波长,从而提高了近红外光谱定量模型的性能.     

白砂糖色值近红外光谱分析的波段选择

采用近红外漫反射光谱技术和偏最小二乘法(PLS)建立白砂糖色值的定量分析模型.用多元散射校正方法对光谱进行预处理,再用Savitzky-Golay平滑化方法对原谱、一阶导数谱和二阶导数谱进行处理.选取5个波段,每个波段分别采用原光谱、一阶导数谱、二阶导数谱.同时调整Savitzky-Golay平滑点数和PLS因子数,通过多次PLS数值实验比较,按照预测效果确定每个模型的最优平滑点数、因子数,再从中选优.结果表明,采用780～1100nm-阶导数谱的定标效果最好,模型的预测均方根偏差、相对预测均方根偏差分别为11.2,8.91%.780～1100nm可以代替近红外全谱波段(780～2500nm)得到好的定量分析效果,为设计小型专用近红外分析仪器提供依据.     

可见／近红外光谱预测杨梅汁酸度的方法研究

针对可见/近红外光与杨梅汁酸度存在非线性相关的特点,提出了应用偏最小二乘(PLS)法预测线性部分和人工神经网络(ANN)预测非线性部分,结合两种方法综合预测杨梅汁酸度值,通过比较,r RMSEP,B ias的值来检验该方法.其中PLS模型用于寻找与杨梅汁酸度值有关的敏感波段,预测杨梅汁酸度的线性部分,将这些敏感波段对应的光谱吸光度值作为人工神经网络的输入,并将杨梅汁酸度的实际测量值减去PLS模型校正值,获得的差额部分作为神经网络的输出,建立一个差额神经网络预测杨梅汁酸度的非线性部分.46个样本用于建模,30个样本用于预测.结果表明该方法对样本的预测相关系数r=0.939,RMSEP=0.218,B ias=-0.121,好于只使用PLS模型的相关系数r=0.921,RMSEP=0.228,B ias=-0.132.