基于近红外光谱技术的针叶材板材表面节子缺陷检测

为了实现木板材依据节子进行自动化分级,采用近红外光谱技术研究了多种针叶材表面节子缺陷的检测方法。采用Smart Eye 1700近红外光谱仪获取北美黄杉Pseudotsuga menziesii,铁杉Tsuga chinensis,云杉Picea asperata,白云杉Picea glauca-英格曼云杉Picea engelmannii-扭叶松Pinus contorta-冷杉Abies laciocarp a(SPF)等4种板材的近红外光谱(1 000~1 650 nm),比较了光谱预处理方法、建模方法对节子识别的影响,并首次对多种针叶树材进行了节子识别的适应性研究,随后引入一种新的变量选择方法即随机青蛙算法用于优选节子检测的特征波长,在此基础上建立了板材节子识别的最小二乘-支持向量机(LS-SVM)模型。结果显示:一阶导数光谱预处理结合LS-SVM所建混合树种板材节子识别模型性能最优。随机青蛙算法提取了8个特征波长变量,仅占全波段变量的1.23%,所建简化模型效果最好。该模型对测试集的敏感性、特异性和识别准确率分别为98.49%,93.42%和96.30%。近红外光谱技术结合化学计量学方法可以对针叶材树种板材的表面节子进行快速准确检测,随机青蛙算法是提取板材表面节子缺陷特征的有效方法。该结果可为下一步搭建木材节子快速检测系统提供技术支撑。     

基于烟叶信息的近红外光谱和化学成分模式识别比较

为比较近红外光谱和化学成分的模式识别能力,采用逐步判别法,以烟叶近红外谱图、化学成分为研究对象,比较两者在烟叶种植区域、品种、部位等烟叶信息方面的识别能力。结果表明,种植区域化学成分模式识别的准确率略高于近红外谱图模式识别的结果;烟草品种的近红外谱图模式识别结果优于化学成分模式识别的结果;烟叶部位的近红外谱图模式识别结果优于化学成分模式识别的结果。相关性分析结果表明,近红外谱图与微量痕量化学成分模式识别获得的结果存在显著的相关性;t检验结果表明,近红外谱图与微量痕量化学成分模式识别的效果差异不显著。因此,使用近红外谱图结合逐步判别分析法能够快速有效地对烟叶信息进行模式识别。     

基于光谱技术和SIMCA方法的润滑油鉴别

采用可见-近红外反射光谱结合独立软模式法(SIMCA)建立了不同品牌种类的发动机润滑油鉴别模型。研究在对光谱曲线进行预处理和聚类分析后,选取7个主成分作为SIMCA的最佳主成分,随机采用20×7个样本作为建模样本,其余的10×7个样本作为预测样本,应用SIMCA进行分类,在显著性水平为5%下,其预测分辨率为98.75%。根据变量建模能力值,找到敏感波段420~425 nm、492~518 nm和796~816 nm,并将相应波段的光谱值作为SIMCA的输入,进行建模预测,结果发现,预测分辨率达95.71%,能快速正确区分7类不同品种的发动机润滑油。     

利用近红外光谱技术识别不同类别的茶叶

以龙井、碧螺春、祁红和铁观音4种中国名茶为对象,研究了采用近红外光谱结合K最近邻法(KNN)模式识别方法对茶叶进行识别与分类的可行性.选取6500～5500 cm-1(1538～1818 nm)波数范围内的光谱,通过标准正态变量变换(SNV)预处理后,利用KNN的模式识别方法建立识别模型.结果表明,4主成分因子建立的KNN判别模型最佳,模型对训练集与预测集中样本的识别率都达到100%.该结论为快速准确识别茶叶提供了一种新思路.     

近红外光谱技术识别沾化和陕西冬枣产地的研究

为探索利用近红外光谱分析技术识别陕西和沾化两地冬枣的可行性,本研究应用便携式近红外光谱仪并结合簇类独立软模式分类(SIMCA)和偏最小二乘判别分析(PLS-DA)两种建模方法识别冬枣的产地,同时研究了不同近红外光谱预处理方式对模型预测识别率的影响。结果表明,采用原始近红外光谱结合SIMCA和PLS-DA方法识别沾化冬枣和陕西冬枣是可行的,其中PLS-DA方法的准确度更高,对冬枣验证集样品识别率为100%。     

果品-果汁加工中的近红外光谱技术

系统分析了近红外光谱 ( NIR)分析的原理、技术特点、基本分类 ;介绍了实现近红外光谱定性分析常用的几种分析方法 :近红外光谱峰位鉴别法、模式识别法、人工神经网络法 ;定量分析所采用的不同的模型回归方法以及在线分析技术 ;分析了近红外光谱 ( NIR)技术在国内外水果 -果汁加工方面的应用领域和特点 ,提出利用近红外光谱技术检测果品 -果汁品质指标是可行的     

Rapid assessment of infrared spectroscopy and ehemometrics of lllicium difengpi from different regions by fourier transform.

为实现不同产地地枫皮快速鉴别并筛选出高药效成分的种质,利用红外光谱结合主成分分析模型和簇类独立软模式法（SIMCA）对不同产地地枫皮药材进行检测,同时在主成分分析模型中提取载荷因子对其进行分析。结果显示：1）各产地红外光谱经过SNV标准归一化后,主成分分析模型中前3个主成分能够分析出代表87％的样品变量信息,样本在主成分空间中聚集成为7个不同的类别。2）SIMCA模型能成功地对不同产地未知地枫皮样本进行预测且判断准确率均达100％。3）载荷因子分析表明,A、B及E产地样本地枫皮素、厚朴醇及芳香类化合物的含量比其他产地高,不同产地样品中芳香类物质差异主要体现在槲皮素含量的不同。     

苹果贮藏中水心消失速率的研究

利用可见-近红外光谱和X射线成像技术研究了水心苹果贮藏中水心消失速率.采用PLSDA和平均灰度值法对水心判别,研究120水心苹果贮藏中的光谱及灰度图像的变化规律.结果表明:PLSDA和平均灰度值法对水心判别,判别正确率分别为96.7%和97.43%;水心消失速率在贮藏前期高于贮藏后期;水心苹果平均光谱峰面积与贮藏时间拟合方程为:y=-0.0002x3 0.0733x2-7.405x 342.06;该实验条件下,近红外平均能量谱峰面积和X射线图像平均灰度值的贮藏临界值分别为110.21,143.91.实验结果表明可见-近红外能量光谱和X射线成像技术可以快速、无损、准确鉴别苹果水心及检测贮藏变化规律.     

近红外光谱技术对红木家具的鉴别

[目的]建立一种快速鉴别一些易混淆的珍稀红木家具的方法。[方法]选择奥氏黄檀、刺猬紫檀、大果紫檀和非洲紫檀4种珍稀木材制作的红木家具,使用便携式光谱仪采集光谱,并进行预处理,建立初始模型。采用不同特征波长提取方法,提取有效信息后,利用SIMCA、PLS-DA建立红木鉴别模型。[结果]不同树种谱线形状类似,近红外光谱吸收强度不同。4种家具在SIMCA的校正集和验证集中的识别率均在92%以上,拒绝率高于98%;PLS-DA模型中识别率和拒绝率成效显著。[结论]采用近红外光谱对红木家具类别进行鉴别是可行的。     

近红外光谱法鉴别6种根茎类中药材

为建立山豆根、百两金、千斤拔、北豆根、滇豆根、云南豇豆等6种易混淆根茎类中药材的快速鉴别方法，利用近红外漫反射光谱分别采集其在900~1 700 nm内的光谱信息，结合主成分分析、系统聚类分析、K近邻法、线性判别分析建立定性判别模型。结果显示，6种药材在主成分分析及系统聚类分析中表现出了明显的分类聚集特征，K近邻法和线性判别分析对46个药材盲样的鉴别准确率分别达到了93.48%和95.65%。结果表明，近红外漫反射光谱结合模式识别方法可用于根茎类中药材的定性鉴别。     

Identification of pummelo cultivars by using Vis/NIR spectra and pattern recognition methods

Vis/NIR spectroscopy was used in combination with pattern recognition methods to identify cultivars of pummelo (Citrus grandis (L.) Osbeck). A total of 240 leaf samples, 60 for each of the four cultivars were analyzed by Vis/NIR spectroscopy. Soft independent modeling of class analogy (SIMCA), partial least square discriminant analysis (PLS-DA), back propagation neural network (BPNN) and least squares support vector machine (LS-SVM) were applied to the spectral data. The first 8 principal components extracted by principal component analysis were used as inputs in building the BPNN and the LS-SVM models. The results showed that a 97.92 % of discrimination accuracy was achieved for both the BPNN and the LS-SVM models when used to identify samples of the validation set, indicating that the performance of the two models was acceptable. Comparatively, the results of the PLS-DA and the SIMCA models were unacceptable because they had lower discrimination accuracy. The overall results demonstrated that use of Vis/NIR spectroscopy coupled with the use of BPNN and LS-SVM could achieve an accurate identification of pummelo cultivars.     

不同产地地枫皮的红外光谱和化学计量学快速评价

为实现不同产地地枫皮快速鉴别并筛选出高药效成分的种质,利用红外光谱结合主成分分析模型和簇类独立软模式法（SIMCA）对不同产地地枫皮药材进行检测,同时在主成分分析模型中提取载荷因子对其进行分析。结果显示:1）各产地红外光谱经过SNV标准归一化后,主成分分析模型中前3个主成分能够分析出代表87%的样品变量信息,样本在主成分空间中聚集成为7个不同的类别。2）SIMCA模型能成功地对不同产地未知地枫皮样本进行预测且判断准确率均达100%。3）载荷因子分析表明,A、B及E产地样本地枫皮素、厚朴醇及芳香类化合物的含量比其他产地高,不同产地样品中芳香类物质差异主要体现在槲皮素含量的不同。      

应用可见/近红外光谱技术快速鉴别山西陈醋品种

为了实现对山西老陈醋品种的快速鉴别,应用可见/近红外光谱透射技术,结合化学计量学方法,进行了山西老陈醋品种的判别分类试验研究。对4个不同品种共240个山西老陈醋样品采集其光谱数据,结合主成分分析和神经网络技术分别对山西陈醋原始光谱、一阶微分光谱、二阶微分光谱进行了判别分析。结果表明:可见/近红外原始光谱结合主成分分析神经网络判别分析法的分析结果最优,校正集正确分类的百分比达92.1%,预测集达85.0%;二阶微分光谱分析结果最差。     

基于近红外技术的落叶松木材密度预测模型

运用近红外光谱对落叶松(Larix gemelinii Rupr)样品密度进行了研究,分别运用偏最小二乘法及主成分回归建立预测模型,并用建立的模型分别对每一个样品进行了预测。基于偏最小二乘法的校正模型及验证模型相关系数分别为0.964和0.918,校正标准误差及预测标准误差分别为0.016和0.021,模型预测值与实测值决定系数为0.93;主成分回归模型中,校正模型及验证模型相关系数分别为0.954和0.911,校正标准误差及预测标准误差分别为0.017和0.023,模型预测值与实测值决定系数为0.91。研究表明:基于主成分回归法与偏最小二乘法的近红外光谱分析建模,都可以实现对落叶松木材密度的有效预测,但相比较而言,偏最小二乘法略优于主成分回归法,所建立的模型对落叶松木材密度预测更加准确可靠。     

近红外光谱技术在黑芝麻糊品牌鉴别中的应用研究

本文探索了使用近红外光谱分析技术鉴别黑芝麻糊品牌的可行性。试验共采集了48个不同品牌黑芝麻糊样品的近红外漫反射光谱,波长范围为800～2 500nm。使用Hierarchical聚类、主成分分析、判别分析及判别偏最小二乘等方法分析了黑芝麻糊品牌的分类鉴别结果,各种方法的校正集和预测集均得到了100%的判别正确率。研究结果表明,近红外光谱分析技术可用于黑芝麻糊品牌的鉴别分析,分析过程具有快速、准确等多方面的优点。     

Detection of common defects on oranges using hyperspectral reflectance imaging

To detect various common defects on oranges, a hyperspectral imaging system has been built for acquiring reflectance images from orange samples in the spectral region between 400 and 1000 nm. Oranges with insect damage, wind scarring, thrips scarring, scale infestation, canker spot, copper burn, phytotoxicity, heterochromatic stripe, and normal surface were studied. Hyperspectral images of samples were evaluated using principal component analysis (PCA) with the goal of selecting several wavelengths that could potentially be used in an in-line multispectral imaging system. The third principal component images using six wavelengths (630, 691, 769, 786, 810 and 875 nm) in the visible spectral (VIS) and near-infrared (NIR) regions, or the second principal component images using two wavelengths (691 and 769 nm) in VIS region gave better identification results under investigation. However, the stem-ends were easily confused with defective areas. In order to solve this problem, representative regions of interest (ROIs) reflectance spectra of samples with different types of skin conditions were visually analyzed. The researches revealed that a two-band ratio (R875/R691) image could be used to differentiate stem-ends from defects effectively. Finally, the detection algorithm of defects was developed based on PCA and band ratio coupled with a simple thresholding method. For the investigated independent test samples, accuracies of 91.5% and 93.7% with no false positives were achieved for both sets of selected wavelengths using proposed method, respectively. The disadvantage of this algorithm is that it could not discriminate between different types of defects.     

基于近红外光谱的纽荷尔脐橙产地识别研究

【目的】中国柑橘产区分布广、生态类型复杂,不同产地纽荷尔脐橙果实品质和市场效应具有较大差异。研究基于近红外光谱技术的柑橘产地识别技术,利于不同柑橘产地果品的识别和鉴伪。【方法】从中国南方17个纽荷尔脐橙主要产地选择代表性成年果园,分别采摘成熟鲜果样品100个。利用SupNIR-1500近红外分析仪采集脐橙果实赤道部、肩部表面以及果汁滤液的近红外反射光谱,光谱波长范围为1 000-2 499 nm。采用主成分分析法对原始光谱数据进行预处理,提取近红外光谱的特征信息以降低数据集维度以及噪声。研究人工神经网络理论,构建由一个输入层、一个具有非线性激励函数的隐藏层和一个输出层组成的典型的3层人工神经网络识别模型。研究由径向基函数作为核函数、以光谱主成分作为输入的支持向量机模型,构建由126个分类器组成的一对一扩展支持向量机模型。研究遗传算法优异的自然选择特性,利用遗传算法从光谱主成分中选择出最优的特征基因子集作为支持向量机的输入,构建遗传算法-支持向量机模型。利用3种模型分别对果汁滤液的近红外反射光谱数据进行分类,从而实现产地识别测试,并根据产地识别精度筛选出最优的产地识别模型。进一步对比该最优识别模型对果实赤道部、肩部反射光谱数据的识别精度,从而确定识别精度最高的光谱数据采集源。【结果】利用所建立的3层人工神经网络模型对纽荷尔脐橙果汁滤液的近红外光谱进行产地识别测试,确定当输入神经元数量为11、隐藏神经元数量为13时,模型对果实产地识别的最佳精度达81.45%。采用一对一扩展方式建立支持向量机产地识别模型,研究确定采用径向基函数作为核函数,当主成分数量为20时,脐橙产地识别精度最高可达86.98%。测试利用遗传算法-支持向量机混合模型进行脐橙产地分类识别,确定当种群数量为200、遗传代数为100、交叉概率0.7、突变概率0.01时,遗传算法选择出最优的基因子集进行产地识别,遗传算法-支持向量机模型的产地识别精度最高可达89.72%,优于人工神经网络分类模型和支持向量机分类模型的产地识别精度。进一步利用遗传算法-支持向量机产地识别模型对果实赤道部及肩部的果面反射光谱进行产地识别测试,得到对应的最高识别精度分别为80.00%和69.00%。【结论】遗传算法-支持向量机模型对果汁反射近红外光谱进行产地识别精度最高,优于人工神经网络模型和支持向量机模型。该模型对果实赤道部反射光谱进行分类的精度次于果汁滤液反射光谱但优于果实肩部反射光谱,因此,可利用赤道部的反射光谱实现非破坏性果实产地分类识别。     

应用近红外光谱技术快速检测黑加仑浆果的主要营养成分

为了快速检测黑加仑浆果中的营养成分,用近红外光谱分析仪测量了黑加仑果浆样品近红外光谱(波长918～1 045 nm)吸收值,并用多元线性回归(MLR)、主成分回归分析(PCA)、偏最小二乘法(PLS)建立了同时测定黑加仑果浆中总酸、维生素C、总糖、花青素含量的数学模型,并对以上三种回归方法进行统计分析.结果表明,用多元...