磷铝酸盐玻璃中铋离子近红外发光与光学碱度反常现象

研究了铋离子掺杂磷铝酸盐玻璃近红外发光与光学碱度的反常现象. 研究发现, 通过改变碱金属离子半径调节玻璃基质光学碱度, 在808 nm激光激发下铋离子位于1300 nm波段的近红外宽带发光强度随光学碱度的增大而增强, 而在690 nm激光激发下得到的1100 nm波段近红外发光强度则随着光学碱度的增大而减弱. 该玻璃1300 nm波段近红外发光强度与光学碱度依存关系与以往报道结果相反, 且也与1100 nm波段发光特性相反. 根据上述结果可以推测玻璃中1100和1300 nm波段的近红外发光源于不同价态的铋离子, 而该玻璃体系的基质结构自还原作用是导致上述现象产生的主要原因.     

基于近红外光谱和机器学习的无创血糖浓度回归研究

无创血糖浓度预测是目前的热点研究问题,其预测精度容易受到各种不同因素干扰。针对基于近红外光谱的无创血糖浓度回归问题,重点分析了指端相邻位置光谱散射对回归精度的影响。OGTT实验是无创血糖浓度预测问题中的采集数据的经典方法,通过OGTT实验采集了指端区域近红外光谱及对应的血糖浓度数据,并利用支持向量机回归算法预测血糖浓度。总共设计了3组实验,实验结果表明,多区域数据的采集和平均能有效降低指端相邻位置对光谱不同散射带来的回归误差。     

近红外光谱技术在食品领域的研究进展

近红外光谱技术综合了计算机技术、光谱技术和化学计量学等多个学科的成果,具有强大的分析能力。近年来,近红外光谱技术被广泛应用于食品领域,与常规方法相比具有快速、无损、准确和环保的优势。本文概述了近红外光谱技术的检测原理和优势,探讨了近年来近红外光谱技术在食品检测领域的应用,包括食品成分检测、掺假鉴别、产地溯源和水果品质检测等,并对其应用前景进行了展望。     

油茶籽水分和含油近红外快检数据库模型的构建

本研究对江西、湖南、广西等省份(自治区)的2 000个油茶籽样品进行近红外光谱检测及其水分、含油化学检测,同时结合偏最小二乘回归分析建立其水分和含油的近红外定量分析模型。建模前,采用一阶导数(5点平滑)+SNV的预处理方法消除光谱基线漂移以及样品厚度和颗粒不均匀造成的影响。所建立的油茶籽水分、含油近红外定量分析模型预测标准偏差为1.21%和1.24%。近红外分析方法能够大大提高检测效率,对促进油茶籽收购和市场流通、保障茶油质量有着重要的意义。     

人工神经网络在舌诊近红外光谱中的应用研究

为了能客观地反映中医舌诊所蕴涵的病理信息,首次采用近红外光谱和神经网络对疾病进行诊断。分别采用了BP网络、广义回归神经网络(GRNN)、主成分分析和广义回归神经网络(PCA-GRNN)结合的三种模型在舌诊光谱法中的分析预测,首先对三种建模方法进行了分析,再用采集的健康人和糖尿病患者舌诊光谱数据进行校正模型的建立,两类舌诊光谱样本各39例,共计78例样本,在神经网络学习中,将其分成训练集样本60例和预测集样本18例,分别利用所建的三种模型对舌诊光谱样本进行训练和预测。实验结果是三种模型中PCA-GRNN相结合的方法平均绝对误差最小为13.2%、训练时间最短为0.072255s,以相对偏差在0.5以内为正确的情况下,其正确率为100%。说明用PCA-GRNN模型可以应用于舌诊光谱法的分析,并取得较好的分析结果,这对中医舌诊的客观化起到了一定的推动作用。     

基于FPGA的羊绒近红外光谱神经网络辨识研究

为了满足神经网络实现的实时性要求,介绍了一种基于FPGA的神经网络可重构实现方法。首先在软件中利用改进的BP神经网络算法得到最优权值,然后在改进了激励函数逼近方法的基础上,用FPGA实现了羊绒近红外光谱模型的辨识。通过仿真实验得知,该方法有较好的辨识精度和速度,是一种有效的硬件羊绒近红外光谱建模方法,为羊绒、羊毛鉴别的嵌入式实现奠定了基础。     

可见光-近红外HSV图像融合的场景类字典稀疏识别方法

针对典型自然场景智能观测的需求,为提高稀疏分类器在小样本数据库上的识别精度,提出一种可见光和近红外（NIR）HSV图像融合的场景类字典稀疏识别方法。首先,利用一直应用在计算机视觉显示领域中的图像HSV伪彩色处理技术将近红外图像与可见光图像融合;然后,对融合图像进行通用搜索树（GiST）特征和分层梯度方向直方图（PHOG）特征的提取与融合;最后,结合提出的类字典稀疏识别方法得到场景分类结果。所提方法在RGB-NIR数据库上的实验识别精度达到了74.75%。实验结果表明,融合近红外信息的场景图像的识别精度高于未融合时的识别精度,所提方法能够有效增加稀疏识别框架下场景目标的信息表征质量。     

高良姜中高良姜素含量NIRS分析模型的构建

建立高良姜药材中高良姜索含量的近红外光谱定量分析模型,实现药材中高良姜素的含量的快速测定方法,采用高效液相色谱法测定130批药材中高良姜素的含量,采集近红外光谱数据并用多元散射校正法、二阶导数法、Savitzky-Golay平滑法预处理,结合偏最小二乘法建立高良姜中高良姜素含量的定量分析模型,对所建模型进行了内部交叉验证和外部预测验证,并对模型进行了重复性考察。对于所建立的高良姜素近红外光谱定量分析模型,内部交叉验证决定系数达到0.9868,校正均方差为0.0529,预测均方差为0.0625,内部交叉验证均方差为0.0975,交叉检验和外部检验RPD均大于3。表明该模型稳定、准确可靠,可应用于高良姜中高良姜素的含量测定。     

多层梯度提升树在药品鉴别中的应用

近红外光谱分析技术高效应用于药品分析领域。针对高维非线性的小规模近红外数据,传统的药品鉴别算法存在特征学习能力不足的缺陷,基于神经网络的方法有局部最优及过拟合等问题,且两者易忽略样本的不均衡性。针对以上劣势,提出一种基于特征选择与代价敏感学习的多层梯度提升树(CS_FGBDT)药品分类方法。首先采用Savitsky-Golay平滑和一阶导数对原始数据进行预处理;其次利用随机森林对预处理光谱自适应提取特征,并由多层梯度提升树进行特征映射;然后结合代价敏感学习机制将样本不均衡性的负效应降到最小。实验结果表明,在胶囊和药片两种不平衡数据集上对算法进行对比评估,该模型具有更高的预测精度和稳定性,是一种有效的药品鉴别方法。