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.     

双峰驼乳常规营养成分检测与NIR快速预测模型建立

双峰驼乳营养丰富,总干物质显著高于牛乳,目前尚无驼乳常规营养素的专用近红外(NIR)光谱快速预测模型.从内蒙古乌海、阿拉善左旗和鄂温克旗采集双峰驼乳153份,并采集荷斯坦牛奶28份,水牛奶40份用于通用模型评价.按国标法测定乳样脂肪、乳糖、蛋白质、水分和灰分等5种常量营养素化学值,用PE台式傅里叶变换NIR光谱仪和VI...     

基于异常样品剔除的酒醅近红外定量分析模型的精度提升

目的 利用异常识别算法识别出原数据集中存在的奇异点,以建立预测精度更高的酒醅定量分析模型。方法 采用集群分析思维,利用马氏距离、主成分马氏距离、蒙特卡罗交叉验证法对108个样本进行异常样品识别及剔除,以光谱-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 酒醅水分近红外定量分析模型经马氏距离处理后预测精度达到最高,预测相关系数上升了0.43%,预测均方根误差下降了6.94%;酒醅酸度近红外定量分析模型经马氏距离处理后预测精度达到最高,预测相关系数上升了0.02%,预测均方根误差下降了0.20%;酒醅还原糖近红外定量分析模型经蒙特卡罗处理后,预测相关系数上升了8.74%,预测均方根误差下降了42.14%;酒醅淀粉近红外定量分析模型经蒙特卡罗处理后预测精度达到最高,预测相关系数上升了2.81%,预测均方根误差下降了57.80%。结论 经过验证,剔除异常样品可建立出预测精度更高的酒醅定量分析模型。     

共轭多孔聚合物应用于近红外光热转换材料

近红外光热转换材料在光热治疗、光驱动智能器件等医学和能源领域受到广泛重视.本文以商业化芳香小分子为单体,通过一步简单的交联聚合方法制得了四种共轭多孔聚合物,并首次系统研究了它们的光热转换性能.结果表明,它们均具有灵敏的近红外光热响应性,且材料的光热转换效率与单体结构中共轭苯环数有很大关系,其中两种聚合物的光热转换效率可...     

世界上最小的可见光近红外双波长摄像机

美国传感器无限公司最近推出一款型号为SU320 Mvis1．7RT的微型双波长摄像机。这是世界上最小的能同时获取可见光和短波红外图像的双波长摄像机,其重量不到300g(不包括镜头)。     

一种基于集成光学声光可调谐滤波器的近红外光谱仪

研制成功一种基于集成光学声光可调谐滤波器(IAOTF)的新型近红外光谱仪。从理论上分析了这种光谱仪的特征方程及分辨率，然后用三个中心波长不同的增益开关分布反馈激光器(DFB)的耦合光源进行了发射光谱的实验测量，最后通过傅里叶逆卷积的方法进行了光谱数据的恢复工作，从而进一步将该光谱仪的分辨本领提高到0．6nm。     

InGaAs近红外线列焦面阵的研制进展

研制出光谱响应为0.9～1.7μm的256×1、512×1元InGaAs线列焦平面组件,和光谱响应延展至2.4μm的256×1元InGaAs线列焦平面组件.焦平面组件包括光敏芯片、读出电路、热电制冷器以及管壳封装.光敏芯片在Inp/InGaAs/InP(p-i-n)双异质结外延材料上采用台面结构实现,并与128×1或512×1元CTIA结构的读出电路耦合.焦平面器件置于双列直插金属管壳中,采用平行缝焊的方式进行封装.介绍了高均匀性长线列InGaAs焦平面组件的关键技术和主要性能结果,为更长线列焦平面组件的研制提供了坚实的基础.     

用于CO2排放源监测的近红外光参量振荡系统

基于CO2的近红外吸收光谱特征,提出了一种可用于CO2排放源监测的光参量振荡(OPO)和放大(OPA)系统,该系统由输入OPO的激光双种子源、OPO和OPA、带窄线宽激光种子源脉冲Nd∶YAG基频激光器、高精度和频率稳定的双通道波长计等组成,可交替输出1.572 μm的双波长激光束.系统经初步调试后,泵浦脉冲能量为326mJ时获得近25％的转换效率,脉冲能量近80mJ,满足地基差分吸收激光雷达测量对流层CO2浓度廓线的需要.     

基于蒙特卡罗无信息变量消除的烟气指标预测

使用近红外光谱(NIRS)分析方法对烟叶的CO、烟碱、焦油含量进行无损快速定量分析,可以提高分析方法的预测精度,消除无信息建模变量对模型稳定性的影响。在此以烟叶为研究对象,利用蒙特卡罗无信息变量消除方法(MC-UVE)对烟叶的近红外光谱进行了波段点的筛选,并利用筛选出的波段建立PLS校正模型。结果表明利用蒙特卡罗无信息变量消除方法可以有效选择建模变量,既克服了复杂样品各信息区间对PLS建模贡献率不一样的问题,又能提高模型的稳定性和多元校正的预测精度。