基于化学计量学方法的黄水还原糖预测模型研究

目的 利用预处理对近红外光谱原始数据集进行降噪及非相关信息剔除后, 采用间隔偏最小二乘法(interval partial least squares, iPLS)与连续投影算法(successive projections algorithm, SPA)联用的特征波段筛选算法降低模型复杂度, 建立高精度低冗余度的黄水还原糖预测模型。方法 在最佳的3种预处理方法的基础上, 利用竞争性自适应重加权算法、间隔偏最小二乘回归法、连续投影算法对250个样品的光谱数据进行特征波段筛选, 采用光谱-理化值共生距离算法进行样品集的划分, 划分比例为3:1。结果 黄水还原糖预测模型经iPLS-SPA算法处理后, 得到了更高的精度与稳定性, 且预测可决系数较原始数据集提升7.28%, 为0.962; 预测均方根误差下降85.40%, 为0.220; 光谱变量数下降95.46%, 为100。结论 在预处理后加入iPLS-SPA特征波段筛选算法, 能够提升黄水还原糖预测模型精度, 极大减低冗余度。     

近红外光谱技术结合iPLS＿SPA波段筛选在黄水酒精度预测模型中的应用

为实现白酒发酵过程中黄水酒精度的快速检测,研究采用傅里叶近红外光谱（FT-NIR）技术对黄水进行光谱采集,并且采用偏最小二乘回归（PLSR）法建立酒精度预测模型。为减少全光谱的数据冗余降低复杂度,提升建模准确率,将连续投影算法（SPA）与间隔偏最小二乘法（iPLS）联用,对整个谱区进行特征波段筛选,并用决定系数R2与预测均方根误差（RMSEP）评价预测模型。结果表明：与原始数据集相比,经过异常样品剔除、预处理、特征光谱筛选后预测模型,预测集R2也从最开始的0.702变为0.952,提升35.61%;预测RMSEP从3.812变为1.367,降低64.14%;变量数也从2,203逐步下降到99,降低了95.51%。说明在减少非相关信息与噪声的同时,模型的复杂度也得到极大改善,并且模型的稳定性与准确度得到了有效提升,最终实现黄水酒精度的快速无损检测,以期为白酒发酵领域提供一种新的可能性,为近红外在白酒发酵副产物中的检验提供理论基础。     

基于FT-NIR光谱技术结合KPCA-MD-SVM对白酒基酒的快速判别

为保证在摘酒过程中基酒分段的准确,研究通过利用傅里叶变换近红外设备对整个摘酒过程中的基酒样品进行光谱采集,使用支持向量机（SVM）对最优预处理的基酒光谱建立基酒分段模型,其模型训练集的正确率为93.02%,测试集判别率为90.08%。为减少建模时间和提高模型的可靠性,使用核主成分分析（KPCA）对基酒光谱数据降维,并对此建立基酒分段模型。其训练集正确率为94.81%,测试集判别率为90.75%,相比无KPCA分析时的分段模型训练集高1.79%,测试集高0.67%。为进一步提高模型的判别能力,使用马氏距离（MD）剔除了降维后的异常数据样品,创建的基酒分段模型训练集对基酒段数的正确率为98.72%,测试集正确率为98.75%。剔除异常样品后的分段模型的训练集正确率提高了3.91%,测试集判别率提高了8%。以上研究表明了KPCA+MD+ SVM基酒分段模型能对基酒进行快速判别,为近红外光谱在自动化摘酒方面提供了一种理论可能。     

基于特征波长提取的激光近红外光谱快速鉴别食用植物油种类

提出了基于CARS、SPA和CARS-SPA特征波长提取的激光近红外光谱技术快速鉴别食用植物油种类的方法。应用光谱仪采集127个食用植物油样本的光谱数据,采用标准正态变量变换算法(SNV)、标准正态变量变换和去趋势技术联用算法(SNV-DT)对其进行预处理,采用CARS、SPA和CARS-SPA 3种方法对经过预处理的光谱数据进行特征波长提取,应用支持向量机分类方法(SVC)建立食用植物油种类定性分类校正模型,选择网格搜索算法对模型参数组合(C,g)进行寻优,确定最优参数组合。结果表明,CARS-SVC、SPA-SVC和CARS-SPA-SVC模型预测集准确率均达到96.77%,预测效果理想,其中SNV-DT-SPA-SVC模型预测效果最优,预测集准确率达到100%。综上基于特征波长提取的激光近红外光谱分析技术能够快速准确鉴别食用植物油种类,为便携式现场检测设备开发提供了理论基础。     

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。     

基于自然语言处理的山楂果实品种近红外无损鉴别方法

不同品种的山楂果实在营养组成、感官品质等方面存在差异,在工业生产中适用不同的加工方式。传统的检测方法耗时长、具有破坏性以及成本高,为适应规模化生产山楂果实制品的需要,需对山楂果实品种进行无损鉴别。研究共收集了4个品种240个山楂果实样本的近红外光谱数据,采用不同的预处理算法处理光谱数据后,使用自然语言处理（Natural Language Processing,NLP）模型进行分析,以实现山楂果实品种的无损鉴别。结果表明,长短期记忆网络（Long Short-Term Memory,LSTM）以及门控循环单元（Gated Recurrent Unit,GRU）神经网络模型对主成分分析法（Principal Component Analysis,PCA）预处理后的光谱的鉴别准确率高,验证集的准确率均为99.46%±0.00%,测试集的准确率均为100%±0.00%。逻辑回归模型对山楂果实光谱鉴别能力优异,除对二阶差分（Difference Of Second Order,D2）预处理的光谱鉴别能力较差外（验证集准确率96.65%,测试集准确率89.58%）,其他预处理方式验证集、测试集的...     

近红外分析技术快速检测白酒基酒中的总酯含量

采用近红外光谱分析技术,对基酒总酯进行无损检测研究。利用近红外光谱仪采集基酒样品在4000～10000 cm~(-1)波段内的光谱数据,首先对光谱数据进行一阶导数预处理,然后采用Si-PLS组合间隔偏最小二乘法优选特征波长,最后运用PLS偏最小二乘法建立基酒总酯模型。该模型校正集的决定系数R_C~2为0.95,校正集的均方根误差RMSEC为0.17;预测集的决定系数R_P~2为0.93、预测集的均方根误差RMSEP为0.19。与全波段光谱模型相比,该模型预测能力更强,稳定性更优。     

基于可见/近红外光谱技术的红提成熟度判别模

成熟度是水果评价的重要标准,直接影响水果的品质和经济价值。针对红提采摘成熟度评判困难,果肉营养价值参差不齐、产品竞争力低等问题,建立基于可见/近红外光谱技术的红提成熟度判别模型。该研究选取红提生长过程的4个阶段（分别为：未成熟、半成熟、成熟、过熟）的样本并进行光谱信息采集。选择550 nm~1 000 nm的光谱波段建模,分别将经过预处理的光谱用竞争性自适应加权算法（Competitive Adaptive Reweighted Sampling,CARS）、无信息变量消除算法（Uniformative Variable Elimination,UVE）和连续投影算法（Successive Projection Algorithm,SPA）进行特征波长提取,建立支持向量机（Support Vector Machines,SVM）、极限学习机（Extreme Learning Machine,ELM）和偏最小二乘判别分析（Partial Least Squares Discriminant Analysis,PLS-DA）的判别模型,最终建立可见/近红外光谱技术的红提成熟度的最佳判别分类模型。研究结果表明,在Savitzky-Golay（SG）卷积平滑处理算法光谱预处理后运用SPA算法进行特征波段提取建立的ELM模型成熟度判别分类效果最佳,SVM模型次之,PLS-DA模型最差。因此,红提成熟度的最佳判别分类模型为SG-SPA-ELM,该模型的训练集和测试集的准确率分别为97.50%和96.67%。利用可见/近红外光谱技术对红提成熟度进行判别是可行的,该研究为红提成熟度的判别找到了一种新的无损检测方法。     

近红外光谱结合连续投影算法检测综纤维素含量

为了简化模型并实现制浆材综纤维素含量近红外光谱法的快速准确检测,以连续投影算法（SPA）筛选出有效波长组合进行了建模实验研究和分析。选择5种制浆材原料共82个样品,测量其综纤维素含量及光谱数据,经蒙特卡罗交叉验证法剔除异常样品后,剩余样品按2∶1划分为校正集和预测集。校正集先以多元散射校正（MSC）方法预处理,再利用SPA选择波长结合偏最小二乘（PLS）回归建立了综纤维素含量的近红外分析模型,并与相关系数法、竞争性重加权自适应选择（CARS）算法所选波长的建模及预测效果进行了比较。结果表明,SPA算法选择出25个波长能充分表征全谱图中的综纤维素含量信息,预测精度最高,预测均方根误差（RMSEP）和预测决定系数（R2p）分别为0.8306和0.9801,满足工业应用精度需求。     

振动胁迫下双孢蘑菇高光谱成像品质检测

为快速有效识别双孢蘑菇轻微损伤,以不同振动时间后不同损伤程度的双孢蘑菇为研究对象,采集400～1 000 nm的完好无损、振动60 s和振动120 s双孢蘑菇的近红外高光谱图像,发现3 种类型的双孢蘑菇在450～750 nm的光谱曲线有明显差异。比较标准正态变量变换、SG（Savitzky-Golay）平滑和多元散射校正等预处理方法,确定SG平滑为最优预处理方法。并将处理后的数据采用连续投影算法和竞争性自适应重加权算法提取不同损伤程度的特征波段;基于灰度共生矩阵提取500 nm波长特征图像感兴趣区域的纹理特征,分别将光谱信息和纹理特征信息作为输入,建立偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）、BP（back propagation）神经网络和极限学习机损伤程度识别模型。结果表明,两种特征集建模,PLS-DA模型均表现出最好的识别效果,PLS-DA模型训练集和测试集平均识别准确率为93.33%、91.11%和88.89%、86.67%。最后基于光谱-纹理融合信息建立PLS-DA模型,训练集和测试集总体识别正确率分别为97.78%、95.56%。结果表明,光谱-纹理融合信息建模预测效果优于单一特征信息建立的判别模型。因此,采用高光谱融合信息建模可以提高不同损伤程度的双孢蘑菇检测精度,为双孢蘑菇贮藏、分类提供理论支撑。     

基于FT-NIR的葡萄酒发酵过程中挥发酸的定量分析

利用近红外光谱技术对葡萄酒发酵过程中挥发酸含量进行定量分析,通过偏最小二乘法建立葡萄酒发酵过程中挥发酸定量分析模型,同时采用间隔偏最小二乘法（iPLS）、后向间隔偏最小二乘法（BiPLS）、组合间隔偏最小二乘法（SiPLS）、竞争性自适应重加权算法（CARS）对整个谱区进行光谱特征变量筛选。以决定系数（R2）、校正标准偏差（RMSEC）、预测标准偏差（RMSEP）、相对分析误差（RPD）以及最佳主因子数为模型质量的评价指标。结果表明：进行变量筛选可对模型起到优化作用,提高识别精度,降低模型解析难度。其中CARS对模型的优化效果最佳,优化模型的决定系数R2达到0.868,RMSEC为0.033,RMSEP为0.032,RPD为5.31,有效简化了模型复杂程度,提高了模型稳定性和预测能力。     

鸡腿肌冻干粉蛋氨酸近红外光谱定量预测模型的建立与优化

本文从光谱预处理方法、建模特征光谱筛选、异常样本剔除、建模样本选择四个方面建立和优化鸡腿肌冻干粉蛋氨酸近红外定量预测模型,旨在进一步提高模型的预测精度和模型稳健性。以263个鸡腿肌冻干粉NIRS和蛋氨酸含量为研究对象,分别使用7种不同光谱预处理方法、4种特征光谱筛选方法、2种MCCV异常样本剔除方法,SPXY和常规选择2种建模样本选择方法,应用偏最二小乘法(PLS)、内部交互验证和外部验证建立和优化腿肌冻干粉蛋氨酸近红外定量预测模型。结果表明：在本研究中,最优鸡腿肌冻干粉蛋氨酸NIRS定量预测模型为在1000-2502nm谱段,使用原始光谱,在SNV+gapsegment(1#,15,7)光谱的基础上使用MCCV方法删除54个样本后,采用SPXY方法选取156个校正样本,39个外部验证样本所建模型,其为0.93、SE_CV为0.0609、为0.83、RPD_P为2.42。研究表明,模型预测值与化学检测值有很高的相关度,对腿肌冻干粉蛋氨酸NIRS模型预测精度和稳健性影响最大因素是异常样本剔除方法和建模样本选取方法。     

基于稀疏非负张量分解的图像分类算法

为了降低图像分类算法的计算复杂度,提高图像分类的准确性,本研究提出一种基于稀疏非负张量分解的图像分类算法,首先提取图像本身的结构特征信息得到图像特征数据,再把子空间数据稀疏性作为约束项,添加到非负张量分解目标函数中,再利用稀疏约束的非负张量分解算法对图像数据集进行降维处理,最后使用支持向量机方法对图像数据库进行分类。实验结果表明,本研究提出的算法能有效提高图像分类的准确性并降低计算复杂度。     

基于可见/近红外高光谱成像技术的牛肉品种鉴别

利用可见/近红外高光谱成像技术实现荷斯坦奶牛、秦川牛、西门塔尔牛三个品种牛肉的快速无损鉴别。首先,对原始光谱进行预处理并对样本集进行划分;应用竞争性自适应重加权算法(CARS)、连续投影算法(SPA)和无信息变量消除算法(UVE)对预处理后的光谱数据提取特征波长;结合偏最小二乘判别模型(PLS-DA)、K最近邻(KNN)模型及支持向量机(SVM)模型进行全波段及特征波段鉴别分析。结果表明,一阶导数(FD)法为最优预处理方法,利用光谱-理化值共生距离法(SPXY)法划分后的样本模型预测性能最好;利用CARS、SPA和UVE分别选出24、17和19个特征波长;基于CARS法提取的特征波长所建的RBF-SVM模型的校正集与预测集正确率分别为100%、98.82%。由此可见,基于高光谱成像技术能够获得较好的牛肉品种鉴别效果。该研究可为牛肉品种的快速无损鉴别提供参考。     

Identification of broiler chicken meat using a visible/near-infrared spectroscopic technique

A near-infrared spectroscopic method was developed with a dummy regression technique to differentiate meat originating from broilers and Chinese local chickens. Best classification accuracies of 100%, 92%, 96% and 92% were achieved for minced thigh meat, minced breast meat, breast cut without skin and breast cut with skin respectively. Comparison among the regression models of MLR, PCR, PLS and mPLS did not show obvious differences in classification accuracy. Scatter correction and derivative treatment of the spectral data before discriminant analysis often improved the classification accuracy for minced meat, while for meat cuts, spectra without pretreatment produced better classification. In general, using the full spectrum of 400–2500 nm produced satisfactory classification. The spectrum in the visible region of 400–750 nm, the short-wavelength NIR region of 750–1100 nm or the long-wavelength NIR region of 1100–2500 nm can also produce satisfactory classification depending on sample presentation methods and regression models. The spectroscopic classification was supported by physical and chemical properties of meat samples, which showed significant differences in collagen and fat contents and pH and chromatic values between the two groups of chickens. The results of the present study indicate that NIR spectroscopy can be used to identify broiler meat or carcass from those of local chickens. © 1999 Society of Chemical Industry     

基于高光谱成像技术的金银花与山银花快速鉴别

利用高光谱成像技术,研究一种快速、准确、无损的鉴别金银花与山银花的方法。通过对比3种预处理方法对偏最小二乘算法(Partial Least Squares,PLS)建模效果的影响,得到SNV为建模最优预处理方法。使用回归系数法(Regression Coefficient,RC)和连续投影算法(Successive Projection Algorithm,SPA)选择经预处理后光谱的特征波长,并分别建立极限学习机(Extreme learning machine,ELM)和最小二乘支持向量机(Last Squares Support Vector Machine,LSSVM)的判别分析模型。结果表明,光谱经SNV预处理后,应用SPA提取特征波长并建立LS-SVM判别分析模型为金银花和山银花最优判别模型,其建模集与预测集识别率均达到了100.00%。因此,利用高光谱成像技术能够无损、有效地鉴别金银花与山银花,并且在全光谱和特征波长下均能实现金银花与山银花的快速判别分析。     

Discrimination of Blended Chinese Rice Wine Ages Based on Near-Infrared Spectroscopy

In this study, near-infrared spectroscopy combined with spectral preprocessing methods was used for the discrimination of blended Chinese rice wine ages (3, 5, 8, and 10 years aged). Discriminant models were developed using principal component analysis, linear discriminant analysis, and discriminant partial least squares regression. The correct classifications for young wines (3 and 5 years) and aged wines (8 and 10 years) were 100% using discriminant partial least squares after spectral preprocessing. Moreover, for the classification of rice wines from the four years aged groups, 95.0% classification accuracy was obtained using discriminant partial least squares with orthogonal signal correction pretreatment in a validation sample set.     

经19种光谱预处理筛选建立3种连翘叶茶近红外定性定量模型

目的 建立一种能快速判定连翘叶绿茶、红茶及黑茶类别并预测其总黄酮、总多酚含量的分析模型。方法 以3种连翘叶茶的近红外（near infrared, NIR）光谱和总黄酮、总多酚含量为研究对象,对19种NIR光谱预处理方法进行比较,在最佳预处理方法下,用判别偏最小二乘（discriminant partial least-squares regression, DPLS）法、马氏距离（Mahalanobis distance, MD）法对连翘叶茶建立定性模型,用偏最小二乘（partial least squares,PLS）法对连翘叶茶建立定量模型,通过内部交互验证和外部验证,筛选出最佳的定性定量模型。结果 DPLS定性模型可100%识别3种连翘叶茶类别;MD定性模型可100%实现3种连翘叶茶两两间的类别判定;PLS法建立的总黄酮定量模型中绿茶、红茶及黑茶的预处理方法分别为矢量归一化、矢量归一化、标准正态变量变换（Standard normal variate, SNV）;预测含量与实测含量间回归方程的相关系数分别为0.9825、0.9881、0.9976;平均相对误差分别为0.26%、7.70%、0.63%;总多酚定量模型中绿茶、红茶及黑茶的预处理方法分别为卷积(Savitzky-Golay, S-G)平滑+矢量归一化+多元散射校正、SNV、S-G平滑+矢量归一化+SNV;预测含量与实测含量间回归方程的相关系数分别为0.8890、0.9805、0.8699;平均相对误差分别为6.29%、2.55%、5.67%。结论 通过对19种光谱预处理方法进行筛选,所建立的3种连翘叶茶定性定量模型稳定可靠,预测精度更高,可用于连翘叶茶样品质量品质的快速判别与检测。