南丰蜜橘可溶性固形物近红外光检测研究

利用可见近红外光谱检测技术,对南丰蜜橘可溶性固形物含量的无损检测进行了相关研究。在350￣1800nm波段,应用偏最小二乘法对经过预处理的光谱进行建模分析。对89个建模样品的建模结果是,建模相关系数和均方差分别为0.955和0.018%;对30个未参与建模样品预测结果是,预测相关系数为0.946,均方差为0.018%。从实验结果可知,可见近红外光谱检测技术对南丰蜜橘可溶性固形物含量的无损检测是可行的。     

茶叶干燥过程水分含量的近红外光谱检测方法研究

水分含量是衡量茶叶干燥过程中品质的最重要因素之一,采用近红外光谱分析技术分析茶叶干燥过程水分含量。首先,采用便携式近红外光谱检测系统采集茶叶干燥过程样本的光谱,采用标准正态变量变换(SNV)预处理光谱;然后,比较应用全光谱偏最小二乘模型(PLS)、遗传偏最小二乘模型(GA-PLS)、竞争性自适应加权抽样偏最小二乘模型(CARS-PLS)建立模型,采用交互验证优化模型。结果显示,CARS-PLS模型预测性能最佳,结果优于PLS和GA-PLS模型;CARS-PLS模型优选的变量数为11,变量数仅为全光谱变量数的2.1%,预测集的Rp=0.990 7,RMSEP=0.574。结果表明,采用近红外光谱技术结合合适的化学计量学方法评价茶叶干燥过程的水分含量具有可行性,为茶叶干燥过程品质的数字化、智能化监控提供方法。     

油用牡丹种子水分含量近红外光谱估算研究

水分含量是影响种子销售、储存及加工的重要指标之一。以156份油用牡丹种子为试验材料,利用近红外光谱技术快速检测油用牡丹种子水分含量,分析油用牡丹种子的光谱特征,应用近红外光谱技术,结合偏最小二乘回归法,建立油用牡丹种子水分含量的估算模型,并比较多种预处理方法对建模结果的影响。结果表明,油用牡丹种子水分含量特征波段为1 450 nm和1 940 nm;油用牡丹种子水分含量偏最小二乘回归估算模型精度均较高,而且比较稳定,可用于油用牡丹种子水分含量精确估算。油用牡丹种子吸收光谱经标准化处理后所建立的偏最小二乘回归模型性能最佳,估算结果最准确,其校正集和验证集决定系数分别为0.92和0.97,均方根误差分别为0.41%和0.24%,RPD值为5.94。研究表明,近红外光谱技术可进行油用牡丹种子水分含量快速无损估算。     

近红外光谱无损检测石榴中花色苷含量研究

以全国不同地区的97个石榴为样本,研究近红外光谱无损检测石榴中花色苷的含量,探讨了不同数据处理和回归方法对建模效果的影响。结果表明,对原始光谱进行一阶微分、标准多元离散校正法处理后,采用偏最小二乘法建立的石榴花色苷含量预测模型,预测偏差为0.148,预测标准差(SEP)为1.47,相关系数为0.829,模型预测良好,说明近红外光谱无损检测石榴的品质是可行的。     

基于近红外法的鲜食大豆品质快速分析技术

为建立一种鲜食大豆品质的非破坏性快速检测方法,探究近红外分析技术在鲜食大豆品质检测中应用的可行性,以四川省成都市郫都区种植的66份鲜食大豆样品为材料,采用FOSS近红外谷物分析仪扫描得到光谱,并对所有材料的水分、蛋白质、可溶性糖和粗脂肪含量进行常规实验室分析,利用偏最小二乘法(PLS)建立近红外光谱与化学实验数据的相关模型,并进行模型优化、验证。得到的模型预测范围分别为水分含量60.03%~71.28%、可溶性糖含量2.36%~7.81%、可溶性蛋白含量1.03%~8.56%、粗脂肪含量4.33%~7.60%,预测系数(0.95)较高,标准误差(1.0)较低,实验结果显示,利用近红外分析技术建立定标模型用于检测鲜食大豆品质是可行且可靠的,该方法可快速检测鲜食大豆品质且不损坏籽粒,可用于鲜食大豆的种质资源评价、品质分级等。     

寒富苹果可溶性固形物可见/近红外光谱无损检测模型的优化

为提高可见/近红外光谱无损检测寒富苹果可溶性固形物的检测精度,应用近红外漫反射光谱仪对寒富苹果进行扫描,对主成分回归(principal component regression,PCR)、偏最小二乘法(partial least squares,PLS)和改进偏最小二乘法(modified partial least squares,MPLS)三种建模方法进行比较,通过改变波长的范围、导数处理、去散射处理、标准化处理、加权多元离散校正及间隔平滑处理等光谱预处理,研究不同建模和光谱预处理方法对寒富苹果可溶性固形物可见/近红外光谱无损检测模型准确性的影响。结果表明,在780~1 100 nm范围内,采用MPLS,间隔点为2,平滑点为2,结合去散射处理和一阶求导处理所建立的寒富苹果可溶性固形物定标模型最好,其定标模型的校正交互验证标准误差(standard error of cross validation,SECV)为0.306,交互验证决定系数(determination coefficient of cross validation,R2cv)为0.961;预测标准偏差(square error of prediction,SEP)、预测决定系数(determination coefficient of prediction,R2P)、预测相对分析误差(residual predictive deviation,RPD)分别为0.357、0.944、4.967,表明模型具有良好的预测效果,适用范围广。建模方法、波长范围、导数处理、间隔平滑处理、去散射处理使模型误差分别降低了14.688%~53.407%、20.787%~33.146%、1.918%~13.123%、1.813%~7.553%、0~2.647%,建模方法和光谱预处理对模型优化的次序依次为:建模方法波长范围导数处理间隔平滑处理去散射处理。     

利用VIS/NIR反射光谱快速检测柿饼加工中水分含量

水分是柿饼的重要组成成分,也是影响柿饼制作过程的重要因素。利用可见/近红外反射光谱对柿饼制作过程中的水分含量进行检测。首先,获取柿饼在不同加工阶段的可见/近红外反射光谱(400～1 000 nm),采用烘干法测定柿饼水分含量。然后,对光谱进行Mean smoothing (MS)平滑、多元散射校正(MSC)和一阶导数(1-D)预处理。最后,对不同预处理光谱,结合样本水分含量,使用Samples set partitioning based on joint x-y distance (SPXY)方法划分校正集和验证集,基于SPA方法选择特征波长,建立多元线性回归(MLR)预测模型。结果表明,反射光谱经过MS处理后,确定的9个最优波长组合建立水分检测模型的预测结果最好:预测相关系数(Rp)为0.969 0,预测标准残差(SEP)为3.472 9%,可见/近红外反射光谱技术可以较好地预测柿饼制作过程中的的水分含量。研究可为柿饼加工过程中的品质快速检测提供一定的技术支撑。     

基于近红外光谱的冷藏期番茄果实质地定量分析模型

以番茄样本为研究对象,建立基于近红外光谱的冷藏期果实质地定量分析模型。采用SPXY方法对样本集进行划分,经过不同光谱预处理方法比较后,在780~2 500,920~2 500,1 100~2 500 nm 3个波段范围内建立番茄果实质地定量偏最小二乘回归模型,根据相关系数以及预测标准差(RMSEP)分析得出最优模型。结果得出780~2 500 nm波段预测效果最佳,果肉平均硬度预测集相关系数为0.761,RMSEP为0.173;果皮破裂力预测集相关系数为0.809,RMSEP为0.820;果皮脆度预测集相关系数为0.803,RMSEP为0.831;果皮韧性预测集相关系数为0.764,RMSEP为0.427;预测集相关系数均达到0.760以上,RMSEP均小于0.850,模型效果比较好。结果表明,番茄果实质地的近红外无损检测可行,果实质地与近红外漫反射光谱具有显著相关性。     

基于 SPA-RBF神经网络的小麦蛋白质含量无损检测

传统半微量凯氏法测量小麦蛋白质含量繁琐费时,应用近红外光谱分析技术结合SPA-RBF神经网络对小麦蛋白质含量进行快速、无损检测.采用SPXY算法划分校正集和预测集样本,运用连续投影算法(SPA)对一阶微分和SNV预处理后的光谱数据提取敏感波点作为RBF神经网络的输入,建立小麦蛋白质含量的SPA-RBF神经网络校正模型.模型的预测均方根误差和预测相关系数可达到0.26576和0.975,预测效果较好,基本上可以完成粮食储备和食品加工行业对小麦及其制品品质的划分以及育种上的前期世代筛选.研究表明:近红外光谱技术结合SPA-RBF神经网络可实现对小麦蛋白质含量的检测,满足现代农业发展对小麦无损、实时、大量检测的需要.     

香蕉成熟期品质可视化与高光谱成像研究

为解决香蕉采后转色快和易腐烂而导致的果品等级下降问题,利用高光谱成像技术建立快速无损检验香蕉果实成熟度的预测方法.测定了香蕉在20、25、30℃三种不同贮藏温度下的可溶性固形物含量、含水率和硬度的动态变化,并与同期对应的光谱数据进行对比分析.同时,利用蒙特卡洛偏最小二乘法(MCPLS)选取其特征波长,并建立多元线性回归(MLR)预测模型.结果表明:香蕉果实的可溶性固形物含量、含水率和硬度的预测模型的决定系数分别为0.8584、0.8735和0.9128,实现了不同成熟阶段香蕉果实的可溶性固形物含量、含水率和硬度的无损评价.将高光谱成像技术应用于香蕉果实成熟期品质参数的快速无损检验具有良好可行性.     

近红外光谱法快速测定海产品处理过程中牛磺酸含量的研究

利用近红外光谱分析技术,建立快速检测水产品下脚料提取过程中牛磺酸含量的方法。利用氨基酸分析仪测定样品中牛磺酸含量,采用一阶导数对原始光谱进行处理,采用偏最小二乘法建立校正模型,并预测样品中牛磺酸含量。所建模型回归系数(R2)为99.12%,交叉检验均方根为0.086;经验证,预测值与参考值的回归系数(R2)为99.9%,预测误差均方根为0.040,模型预测值与氨基酸分析仪测定值之间没有显著差异。因此,近红外光谱分析法可以检测水产品下脚料提取过程中牛磺酸含量。     

蜂蜜中水分 果糖和葡萄糖的近红外定量分析模型

采用近红外光谱(NIRS)技术和偏最小二乘回归(PLS)方法分别建立了蜂蜜中的水分、果糖和葡萄糖含量的近红外定量分析模型,并对模型进行评价和考察。结果表明,所建模型具有一定的实用性。     

向日葵籽仁脂肪和脂肪酸含量近红外光谱模型的建立

为实现向日葵品质的快速无损检测,选取50份具有代表性的油用向日葵材料,采用偏最小二乘法（PLS）构建籽仁脂肪、亚油酸、油酸、硬脂酸和棕榈酸含量的近红外光谱（NIRS）模型。结果表明,脂肪、亚油酸、油酸含量模型校正和验证相关系数均大于0.96,且预测值与化学值相对误差均在10%以下,能够达到样品成分含量的快速测定。硬脂酸和棕榈酸含量模型校正相关系数分别为0.92和0.82,验证相关系数分别为0.83和0.74,预测值与化学值相对误差在4.66%~17.99%之间,可用于样品成分含量的初步预测。本研究构建的NIRS模型,有助于油用向日葵种质资源品质鉴定和快速筛选。     

可见-近红外光谱对花椰菜色泽的检测研究

花椰菜色泽变化和品质密切相关,利用可见-近红外光谱技术对花椰菜的色泽L*值进行研究。结果表明,归一化为最佳预处理方法,使用连续投影算法提取光谱数据特征波长并建立偏最小二乘回归模型。预测模型的相关系数达到了0.908 9,预测均方根误差为0.541 1。说明可见-近红外光谱技术检测花椰菜的色泽L*值变化是可行的。     

近红外叶片水分无损检测系统设计与试验

玉米叶片水分含量是玉米生长过程中的重要生理指标，近红外线水分仪能够有效检测玉米叶片含水率。传统近红外水分仪存在功耗大、成本高等不足，为此使用1450 nm的红外二极管作为光源，设计基于STM32的便携式近红外玉米叶片水分无损检测系统。首先设计检测系统，包括光源电路、信号调理电路、STM32最小系统、电源电路等。然后对近红外水分仪进行水分标定，采集叶片吸收光和叶片实际水分含量，建立光吸收率与叶片含水率的线性拟合函数，并将拟合函数写入STM32小型系统。最后对水分检测仪进行测试，测量并实时显示叶片含水率。对玉米叶片的试验结果表明，光吸收率和叶片含水率耦合模型建模集相关系数Rc为0.8019,RMSEC为0.51，测试集最大测量误差1.80%，测量误差平均值为0.964%，可以满足农业生产要求。搭建的系统具有检测速度快、体积小、低成本的优点，可为研究近红外的光谱检测仪器提供理论参考和技术支持。     

基于近红外光谱的棉花毛籽蛋白质和油分含量快速检测

【目的】建立棉花毛籽蛋白质和油分含量的近红外检测校正模型。【方法】检测样本的蛋白质含量和油分含量，根据光谱-理化值共生距离算法（sample set partitioning based on joint X-Y distance sampling, SPXY）按照3∶1的比例将426个样本划分为包含320个样本的校正集和106个样本的预测集，结合多元散射校正和一阶导数等光谱预处理方法对模型进行优化，并采用线性偏最小二乘法（partial least square method, PLS）、支持向量机（support vector machine, SVM）和随机森林（random forest, RF）3种方法对比分析建立棉花毛籽蛋白质和油分含量的近红外快速测定模型，以决定系数、均方根误差和剩余预测偏差作为模型的评价指标。【结果】SVM模型和PLS模型在校正集的拟合效果较好，决定系数均大于0.8，但对预测集的拟合决定系数不到0.8，说明模型均存在过拟合现象；而RF模型在校正集和预测集的拟合效果都非常好，决定系数均大于0.9，其中蛋白质含量预测模型的决定系数、预测均方根误差和剩余预测偏...     

基于连续投影算法的小麦湿面筋近红外校正模型优化

为减少建模过程中的计算量、提高模型的稳健性及预测精度,将连续投影算法用于小麦湿面筋近红外校正模型的建立。首先采用SPXY算法选择具有代表性的校正集样本,然后对光谱数据作不同预处理,增强光谱特征;运用连续投影算法对原始光谱和预处理后的光谱进行敏感波点提取,进而分别建立多元线性回归校正模型。测试结果表明,对光谱标准正态变量变换后利用连续投影算法提取敏感波点所建多元线性回归模型预测效果最好,预测均方根误差和预测相关系数分别为1.3332和0.94319,优于同等条件下建立的偏最小二乘回归模型。     

油菜品质近红外检测模型建立的研究

为实现油菜品质的快速检测,采用近红外光谱法测定油菜的水分、脂肪、蛋白质、纤维,并用光谱影响值法（Leverage）对异常值进行判断和处理,建立了油菜的水分、脂肪、蛋白质、纤维的近红外光谱检测模型,可以快速地检测油菜的水分、脂肪、蛋白质、纤维。     

基于水分光谱指数的烟草叶片等效水厚度估测

为及时、准确监测烟草叶片的水分状况,连续2年开展不同基因型烤烟品种的水分胁迫试验,测定烟叶的光谱反射率和叶片等效水厚度(EWT),系统分析350～2500 nm波段范围内任意2个波段组合而成的比值水分指数(SRWI)和归一化水分指数(NDWI),并构建烟草EWT的光谱指数预测模型。结果表明：(1)不同基因型烟草的叶片等效水厚度均随灌水量的减少而降低。(2)不同水分处理的烟叶光谱反射率在可见光波段和近红外波段均发生了规律性变化。(3)筛选出的烟草叶片等效水厚度的光谱敏感波段主要集中在可见光区域的500～600 nm、近红外区域的700～900和1000～1250 nm、短波红外区域的1900～2000 nm,最佳水分光谱指数分别为NDWI(R₁₉₂₀,R₁₉₃₀)、SRWI(R₁₉₃₀,R₁₉₂₀),核心波段为1920、1930 nm。(4)利用水分光谱指数构建的烟草叶片等效水厚度的线性和非线性预测模型,以极限学习机模型(ELM)的精准度和稳定性最佳(P-R²=0.853     

基于遗传算法结合偏最小二乘的潮土碱解氮高光谱特征及含量估测

提取土壤碱解氮特征光谱是利用高光谱数据进行其含量估测的关键。对山东省典型潮土土壤样本测试高光谱并进行变换;采用遗传算法（GA）结合偏最小二乘法（PLS）,在筛选潮土碱解氮含量特征谱区的基础上,构建潮土碱解氮含量偏最小二乘（PLS）回归估测模型;优选最佳模型并与相关分析、逐步回归分析和单纯偏最小二乘回归分析的模型进行比较。结果表明：潮土碱解氮特征波段为449~469nm,988~1001nm,1065~1078nm,1716~1736nm,1912~1925nm,2213~2233nm,2262~2275nm;基于各输入光谱特征谱区构建的估测模型决定系数R²均较高,其中基于反射率一阶导数光谱筛选的特征谱区,构建的模型精度最高,数据点（147个）为原始全谱的7.17%,建模R²达到0.97,均方根误差RMSE为4.78mg/kg,验证R²为0.95,RMSE为5.49mg/kg,对潮土碱解氮含量具有较好的预测准确性;在光谱变换形式中,反射率的一阶导数表现最佳;方法比较显示采用遗传算法结合偏最小二乘（GA-PLS）获得较高预测精度的同时,可简化模型。说明遗传算法结合偏最小二乘法（GA-PLS）,可有效筛选土壤碱解氮的特征波段,减少模型参与变量,提高估测精度。