用于近红外校正模型的训练样本选择

近红外(near-infrared,NIR)校正模型建立时传统的训练样本选择方法只考虑光谱欧氏距离的同类就近选取,不考虑光谱特征异常的训练样本的影响.基于主元分析(principal component analysis,PCA)残差,在同类就近取样的基础上引入异常光谱剔除技术进行训练样本的二次提取,用于建立偏最小二乘(partial least squares,PLS)回归模型.实验结果表明,该方法比传统方法的预测精度有较明显的提高.     

正交信号校正算法及其在光谱处理中的应用

基于正交投影的正交信号校正(OSC)算法是近年来在光谱处理上很活跃的一种方法。本文介绍了OSC算法的基本原理，并对S．Wold、Feam等人的比较成熟的5种正交信号校正算法作了比较详细的介绍。利用谷物的近红外数据，采用5种不同的OSC算法对谷物中的湿度、油含量、蛋白质和淀粉含量的预报情况进行了比较，并讨论了OSC组分数对预处理结果的影响。结果表明，各种正交信号校正算法基本上都能取得比单纯使用PLS更好的结果。     

近红外技术监测流化喷雾制粒水份的研究

流化床喷雾制粒是一种较复杂的生产过程，实现生产过程中物料含水量实时监测，对提高产品质量、实现生产装置自动化意义重大。本文探索利用近红外测试分析技术．实现对流化床喷雾制粒生产过程颗粒含水量的实时监测。根据现代NIR理论和不同含水率颗粒光谱特点，采用双光路4波段8光束反射式近红外测试装置，进行含水率测试实验，实现了颗粒含水量在线监测，实验表明本文方法具有较高的测量精度和抗干扰性，为实现产品颗粒含水量自动测控提供了一种新的方法。     

微型近红外光谱仪在农产品检测中的应用研究进展

介绍了微型近红外光谱分析技术在一些主要农产品检测中的最新应用研究进展,包括中草药、乳制品、水果、粮食作物等方面。并对微型近红外光谱技术所存在问题进行了探讨,对其发展趋势进行了展望。     

近红外光谱分析技术研究进展及在饲料行业中的应用

文章主要阐述了近红外光谱分析技术的研究进展和应用前景。作为近年来发展十分迅速的高新分析技术之一,近红外技术具有方便、快捷、无损,且多组分同时测定,无污染、灵活等许多优点。近红外光谱的数据处理技术是近红外建模中不可分割的一部分,在建模时需根据模型稳定性和预测准确性选择合适的数据处理方法。此外,近红外光谱分析技术应用领域十分广阔,在饲料行业中可利用其检测饲料成分,评估饲料产品营养价值,监控生产过程等,大幅节约了人力资源并降低生产成本。     

磨盘柿褐变指标的可见/近红外漫反射无损预测研究

为了建立可见/近红外漫反射光谱与磨盘柿果皮和果肉褐变之间的关系,作者在全光谱区域(570～1 848 nm)对比分析了不同处理方法对磨盘柿果皮颜色b*和果肉浊度定标模型的影响。结果表明,应用MPLS、原始光谱和无散射处理建立果皮颜色b*的定标模型预测性能较好,Rp2为0.968,RMSEP为1.417 7,RPD为7.92。应用PLS、一阶导处理和无散射处理建立磨盘柿果肉浊度的定标模型预测性能较好,Rp2为0.757,RMSEP为0.107 9,RPD为2.22。因此,可见/近红外漫反射技术对磨盘柿果皮颜色b*和果肉浊度的快速无损检测具有可行性。     

柑橘内部品质在线检测软件系统的设计与实现

本文基于目前国内外对柑橘内部品质的实时无损检测还处在实验室研究阶段，现有在线无损实时检测技术和方法还不成熟且投入商业化应用较少的现状，设计并开发了一套近红外光谱采集与处理软件。该软件采用面向对象化的visual C++编程技术，可以实现实时光谱的显示、光谱文件的管理、光谱信号的实时处理以及光谱预测模型的选择等，解决了一些在线检测中的关键技术问题，为柑橘内部品质的实时无损检测提供了理论指导和参考依据。     

基于近红外漫反射检测的红枣定性分析模型中的预处理方法研究

利用近红外漫反射光谱技术对红枣进行定性分析,针对病虫害果实问题,以马氏判据法建立定性分析模型,研究不同光谱预处理方法对光谱分析结果的影响。结果表明,利用原始光谱进行分类建模的正确性是87.08%,经过各种预处理后的校正和预测集均有提高,小波结合微分建模结果最优,准确率为96.67%。利用近红外技术进行红枣分类建模是可行的,且具有较高的识别准确度。     

聚光科技近红外分析仪在种业签订首批30台采购订单

2013年12月，聚光科技实验室业务发展事业部签订30台近红外分析仪采购订单，该批仪器将在种业领域应用，用于种子的真实性快速鉴别。     

近红外光谱技术的恩施玉露原产地鲜叶收购价格评估

为科学客观地评估鲜叶收购价格,应用近红外光谱技术结合人工神经网络方法和联合区间偏最小二乘法,建立了三种鲜叶收购价格预测模型并比较了预测效果.应用联合区间偏最小二乘法筛选最佳光谱区间为5 750~6 000cm-1,7 750~8 000cm-1,8 250~8 500cm-1,8 500~8 750cm-1,9 500~9 750cm-1和9 750~10 000cm-1,并对上述光谱进行主成分分析.前5个主成分累计贡献率为99.87%,并以此为输入值建立收购价格人工神经网络预测模型(R2=0.968 7,RMSEP=4.625).模型预测结果优于全波长人工神经网络模型(R2=0.855 1,RMSEP=5.218)和联合区间偏最小二乘法模型(R2=0.581 6,RMSEP=25.433)的预测结果.近红外光谱技术结合人工神经网络和联合区间偏最小二乘法,能够快速、准确、客观的评估鲜叶收购价格,有利于统一鲜叶收购价格标准,有效地减少纠纷.