近红外漫反射聚类法无损快速测定淀粉品质

提出一种基于近红外光谱技术和聚类分析法对不同种类的淀粉进行无损快速鉴别的方法,研究了近红外光谱结合聚类分析法快速鉴别淀粉种类的可行性.采集样品在12 500~4 000cm-1范围内的近红外漫反射光谱,利用光谱模式识别法中的聚类分析法对图谱进行定性分类鉴别.光谱经一阶导数预处理后,采用聚类分析法可准确无误地将样品分为2类,分类准确率达到100%.同时采用预测集的样品验证所建模型的准确性,经实验得出预测准确率也是100%.实验结果表明,近红外漫反射光谱结合聚类分析法可以为快速无损鉴别淀粉种类提供一种准确可靠的方法.     

基于近红外与高光谱技术的小麦种子多指标检测方法

采集47份小麦样本的高光谱图像,提取感兴趣区内的平均光谱,结合反映小麦品质的水分、蛋白质和湿面筋三个指标基础数据,通过OPUS软件搜寻最佳的光谱预处理和波段组合,分别建立了三个指标的偏最小二乘法(PLS)定量分析模型.同时与采用近红外(.NIR)光谱技术建立的三个指标的近红外模型进行比较,发现高光谱模型的各性能指标均明显优于近红外模型.结果表明:当被测样品为颗粒状且内部化学成分分布不均匀时,近红外模型的准确性和稳定性会受其测量条件的限制,而高光谱采样面积大,获取信息更全面,展现出强大的分析检测潜质,为小麦品质评价提供了新方法.     

NIR和ATR-FTIR光谱技术在萝卜农残检测中的应用

研究了近红外(NIR)光谱技术和衰减全反射傅里叶变换红外(ATR-FTIR)光谱技术在萝卜农药残留检测中的应用。为了从不同角度分析,分别使用偏最小二乘(PLS)法和BP神经网络建立了数学模型。经最小—最大归一化方法优化后的NIR光谱数据的PLS法模型标准差为:RMSEC=0.289,RMSEP=0.335,BP神经网络模型标准差为:RMSEC=0.436,RMSEP=0.610。矢量归一化方法优化后的ATR-FTIR光谱数据的PLS法模型标准差为:RMSEC=0.168,RMSEP=0.127,BP神经网络模型标准差为:RMSEC=0.100,RMSEP=0.106。结果表明:ATR-FTIR的农药残留检测精度高于NIR光谱技术,ATR-FTIR光谱技术在农药残留检测方面有实际应用潜能和优势。     

单粒玉米种子水分近红外快速无损测定方法研究

玉米精量播种技术发展对种子质量检测提出了单粒、无损、快速测定等新需求,本研究重点探索了近红外光谱结合化学计量学方法建立单粒玉米种子水分检测模型的可行性。实验收集并测定了110份玉米样本的水分含量,应用傅里叶变换红外光谱仪及单粒测样附件扫描得到样本集近红外光谱,按照3:1随机划分训练集和测试集。首先采用多种光谱预处理方法消除单粒种子采集光谱时由于颗粒形态等引起的噪声干扰,然后分别建立基于PLS线性模型和SVM非线性模型的单粒玉米种子水分近红外检测模型,其中PLS模型测试集的R为0.93,RMSEP为0.86;SVM模型测试集的R达到0.96,RMSEP为0.71。实验结果表明,光谱预处理结合SVM非线性模型可以有效降低单粒玉米种子近红外光谱采集时引入的非线性干扰,有助于提升单粒玉米种子水分近红外快速无损检测实际应用可行性。     

近红外光谱技术用于菠菜中毒死蜱残留的定量分析研究

本实验基于近红外光谱方法对菠菜中农药残留量定量分析情况进行研究,前期实验通过模拟果蔬成分背景,配制了37个有机磷农药毒死蜱浓度为0.005～0.1mg/kg的模拟混合液体样本;后期对经化学处理后的毒死蜱浓度在0.1～3.65mg/kg的36个菠菜萃取液体样品进行定量分析研究.结果表明,近红外光谱法对分析模拟溶液中的毒死蜱及菠菜萃取溶液中的毒死蜱样本均取得良好的预测效果.     

微量农药溶液近红外光谱PLS模型的不同预处理方法对比研究

比较了常用的多种预处理方法对近红外光谱技术(NIR)检测微量农药溶液含量的影响,使用偏最小二乘法(PLS)分别对各预处理方法处理后的数据建立了数学模型,利用两种不同农药初步探讨了数据量对PLS建模结果的影响。结果表明:矢量归一化(SNV)对26个微量毒死蜱溶液样本的预处理效果综合参数最好,校正集参数为R=0.9957,RMSECV=0.182,预测集参数为R=0.9992,RMSEP=0.0802;减去一条趋势线对20个微量炔螨特溶液样本的预处理效果综合参数最好,校正集参数为R=0.9925,RMSECV=0.649,预测集参数为R=0.9952,RMSEP=0.646。26个样本的微量毒死蜱溶液PLS建模结果优于20个样本的微量炔螨特溶液。     

SVM方法在淀粉分类问题中的应用

采用不同品牌的马铃薯淀粉和玉米淀粉共计49个样品,运用VERTEX70进行光谱扫描,在不同光谱范围内,通过对原始光谱进行不同的预处理,得到淀粉样品的近红外光谱数据。在Matlab6.5仿真环境下,采用SVM工具包实现对样品数据的训练和预测,选取不同的核函数和惩罚因子C,可以准确地将淀粉进行分类。实验结果表明,利用近红外技术结合支持向量机对淀粉类别进行判别是可行的。     

用近红外光谱检测牛奶中的三聚氰胺

研究了用近红外光谱法快速定性和定量检测纯牛奶中三聚氰胺.实验分别配制了两组不同三聚氰胺含量的纯牛奶样品,用于定性和定量分析.通过近红外光谱与聚类分析法相结合,可将含有和不含有三聚氰胺的牛奶样品有效分类;结合光谱预处理和波长选择及模型优化方法建立的检测三聚氰胺的近红外定量分析模型具有较好的稳定性和预测能力.结果表明,近红外光谱分析是一种快速、方便和环保的检测乳制品中三聚氰胺的新方法.     

花生冻伤近红外光谱快速判别方法研究

目的 构建一个基于近红外光谱的花生冻伤判别模型。方法 采用移动窗口平均平滑(Moving Window Average, WMA)、标准正态变量校正(Standard Normal Variate Correction, SNV)及一阶导数(First Derivative, FD)的组合预处理方法提升光谱信号质量;分别采用无信息变量消除法(Elimination of Uninformative Variables, UVE)、竞争性自适应重加权法(Competitive Adaptive Reweighted Sampling, CARS)以及二者的联合算法(CARS-UVE、UVE-CARS)筛选特征波长;最后构建基于支持向量机分类算法(Support Vector Machine Classification, SVC)的花生冻伤分类模型。结果 使用UVE-CARS算法筛选特征波长效果最佳,筛选出7个特征波长,构建的判别模型准确率达95%。结论 该花生冻伤判别模型为花生冻伤快速、无损判别提供可行的技术方案,并为基于滤光片式近红外技术的花生品质色选机的开发提供参考。     

基于高光谱成像技术的板栗产地溯源

目的 建立了一种基于高光谱成像(Hyperspectral Imaging, HSI)技术的板栗产地溯源模型。方法 采集怀柔、迁西和沂蒙短枝三种不同产地板栗的高光谱图像,提取感兴趣区域(Region of Interest, ROI),建立支持向量机(Support Vector Machine, SVM)板栗产地溯源模型,通过比较分析不同预处理方法对建模结果的影响,选出最佳的预处理组合方法,并使用遗传算法对模型进一步优化。结果 实验结果表明,经多元散射校正(Multiplicative Scatter Correction, MSC)和移动窗口平滑法(Moving Window Smoothing, MWS)组合预处理后的数据所建立的溯源模型预测性能最好,分类的预测精确率达到了95%以上,模型整体的准确率为96.61%。经遗传算法(Genetic Algorithm, GA)对SVM的参数C进行优化,优化后的模型对怀柔板栗和沂蒙短枝板栗的预测精确率达到了100%,模型整体的准确率提高到了98.31%。结论 本研究基于高光谱成像技术建立了一种板栗产地溯源模型,经预处理和参数优化后,所建立的模型具有较好的预测性能,为板栗的产地溯源提供了一种新方法。