高效通道注意力结合卷积神经网络的近红外光谱分析模型研究

近红外光谱分析技术有无损、高效的特点,在各领域都有广泛应用。但传统分析模型在面对近红外光谱数据量激增时往往出现预测精度不高、泛化能力差等问题。为此,提出一种基于卷积神经网络（CNN）与高效通道注意力（ECA）模块相结合的近红外光谱分析模型（CNNECANet）,该模型由8个一维卷积层、1个ECA模块、4个最大池化层、1个展平层、2个全连接层和1个参数优化器组成。ECA模块由1个全局平均池化、1个一维卷积层和1个Sigmoid激活函数组成。以啤酒、牛奶、柴油、谷物的近红外光谱公共数据为例,将CNNECANet与常用建模方法进行比较,CNNECANet比PLS的预测精度分别提高了30.3%、14.1%、29.5%、48.4%;CNNECANet比SVR的预测精度分别提高了33.5%、17.6%、39.0%、50.0%;CNNECANet比BP神经网络模型的预测精度分别提高了80.0%、29.0%、7.2%、42.7%。该模型具有更好的预测精度和鲁棒性,解决了传统近红外光谱建模算法容易出现过拟合、模型泛化性差等问题。     

近红外光谱技术检测牛奶中脂肪及蛋白质含量校正模型的建立

为实现牛奶成分的快速检测,研究了近红外光谱法在牛奶主要成分分析中的应用,重点对比了不同近红外区域的检测结果。研究中利用偏最小二乘法(PLS)建立校正模型,探讨了不同光谱区域和数据预处理对模型准确性的影响。模型结果表明在长波段(1700nm~2500nm)检测牛奶中脂肪及蛋白质含量的准确性最高。     

应用近红外检测技术测定黄豆蛋白质含量的研究

本文通过近红外检测技术,在不破坏黄豆状态的前提下,探究快速检测黄豆蛋白质含量的方法,利用国标认可的化学法检测数据,建立近红外快检方法模型,再对黄豆样本进行检测,并与化学法检测结果进行对比,验证近红外快检方法模型的适用性。结果表明,黄豆蛋白质定标模型的线性相关性R2=0.837 2,精密度最大偏差为4.68%、变异系数为0.14%,均在标准要求的范围内,可实现黄豆蛋白质的快速检测。     

有机与非有机大豆的营养成分分析及近红外鉴别

目的 分析有机与非有机大豆的营养成分差异,建立有机与非有机大豆的快速鉴别方法。方法 测定40份有机与非有机大豆的蛋白质、脂肪、水分、大豆苷和染料木苷含量并进行差异性分析;采集大豆的近红外光谱,基于主要营养成分以及近红外光谱结合不同预处理采用偏最小二乘法判别分析(partial least squares discriminant analysis,PLS-DA)建立有机与非有机大豆的快速鉴别模型;通过PLS-DA模型筛选对于区分有机与非有机大豆有重要贡献的近红外光谱特征波段以建立最佳的快速鉴别模型。结果 有机与非有机大豆在蛋白质、水分和染料木苷含量上不存在显著性差异,但有机大豆的脂肪和大豆苷含量显著高于非有机大豆。仅基于主要营养成分建立的鉴别模型显示出较低的模型参数和预测正确率,而基于近红外光谱及其与主要营养成分结合建立的模型具有较高的模型参数和预测正确率。对于区分有机与非有机大豆有重要贡献的近红外光谱特征波段是5974～5372 cm^-1以及5064～4000 cm^-1,这两个特征波段的近红外光谱吸收峰与脂肪、黄酮类物质以及蛋白质官能团的振...     

基于可见/近红外光谱技术的橘小实蝇侵染柑橘检测研究

目的 使用可见/近红外光谱技术实施橘小实蝇侵染柑橘不同时期的无损检测。方法 研究选取人工制备的不同侵染时期的柑橘样本作为研究对象,利用搭建的可见/近红外光谱系统测量的光谱信息结合人工标定的侵染时期,对原始光谱进行了5种预处理,采用竞争性自适应重加权算法(competitive adaptive reweighted sampling, CARS)、连续投影算法(successive projections algorithm, SPA)两类方法提取反映侵染柑橘时期变化的光谱特征波长,应用偏最小二乘判别分析(partial least squares discriminant analysis,PLS-DA)建立基于特征波长光谱的柑橘侵染时期分类模型,对比分析不同光谱预处理方法的模型分类效果。结果 原始光谱经多元散射校正(multiplicative scatter correction, MSC)预处理的模型分类效果最佳,分别经CARS方法和SPA方法优选出了34和16个光谱特征波长。采用MSC-CARS-PLS-DA方法构建的模型分类效果最好,总准确率、假阳率分别为96.8%和0.0...     

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。     

径向基函数网络在近红外光谱纸浆卡伯值测量的应用

为了提高制浆过程中的在线预测纸浆卡伯值的精度,提出采用径向基函数网络来建立纸浆卡伯值近红外光谱法在线测量模型。结果表明,这种算法由于既考虑到了近红外光谱响应的非线性因素,又可防止BP网络在建模时出现训练速度慢、容易陷入局部最小和“过拟合”的现象,利用这种网络建立的纸浆卡伯值测量模型与一元回归、多元回归、主成分回归等线性方法和BP算法相比,具有更高的预测精度。     

近红外湿度测量仪研究

针对传统测湿方法的测量时间长等弱点,应用近红外分析（NIRA）技术开展对环境大气湿度测量技术的研究。红外湿度测量仪基于Lambert—Beer定律,在功能上被设计为测量头和二次仪表两个模块。测量头选用新型的集成红外光源和与之匹配的集成探测器,设计简单、稳定可靠的光学结构,优化了电路设计和标定方法。二次仪表采用嵌入系统设计。整机具有高度智能化,能实现对大气环境湿度的高精度、动态、分布式、无接触测量。     

基于透射光谱技术的红提pH和硬度无损检测

红提pH和硬度决定着果实的口感和收获后的品质。本文提出了一种基于透射光谱的红提pH和硬度(Firmness,FI)的检测方法。首先采集360个全生长周期红提样本光谱数据并通过不同光谱预处理建模,以此确定最好的光谱预处理方法。然后分别采用竞争性自适应加权算法(Competitive Adaptive Reweighted Sampling,CARS)、连续投影算法(Successive Projection Algorithm,SPA)、无信息变量消除算法(Uniformative Variable Elimination,UVE)、CARS-SPA、UVE-SPA数据降维方法对光谱进行特征变量提取,分别建立红提pH和硬度的偏最小二乘回归算法(Partial Least Squares Regression,PLSR)检测模型。红提果粒的pH和硬度的最优预测模型分别为移动平均法(Moving-Average Method,MA)-CARS-SPA-PLSR和MA-UVE-SPA-PLSR,两个模型预测集相关系数(Correlation Coefficient of Prediction,...