近红外光谱法测定大米中的淀粉含量

用化学方法测定64个大米样品中的淀粉含量,利用近红外谷物分析仪采集样品的近红外光谱,选择合适的光谱区间和光谱预处理方法。50个定标集样品的近红外光谱经二阶导数及标准多元离散校正(Standard MSC)预处理,结合偏最小二乘法(PLS)建立了大米中的淀粉含量测定的定标模型,其相关系数为0.8780。14个验证集样品用于外部检验,大米中的淀粉含量的模型预测值与化学值之间的相关系数为0.9498。     

基于高光谱成像技术快速无损测定花生中水分含量

花生中水分含量的高低直接影响花生及其制品的贮藏期,而现有的测定方法存在步骤多、时间长等问题。试验利用高光谱成像技术对花生中水分含量进行快速无损检测分析。通过采集120个花生样品的图像信息,从校正后的图像中提取花生目标区域的平均光谱作为花生光谱信息进行分析;同时,优选最佳的光谱预处理方法和建模方法建立花生中水分含量全波段模型,在此基础上利用回归系数法,确定重要波长并建立模型。结果表明,二阶导数(2nd-der)偏最小二乘法(PLS)全波段模型预测水分含量能力最佳,校正集和预测集的相关系数分别为0.91和0.84,标准偏差分别为0.28和0.38;回归系数法确定的14个波长所建简化模型的性能与全波段相当,校正集和预测集的相关系数分别为0.82和0.81,标准偏差分别为0.39和0.43。因此,高光谱成像技术可以快速无损测定花生中水分含量,其具有快速运算特点的重要波长模型可以更加方便地应用于花生加工产业中。     

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。     

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。     

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。     

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.     

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...     

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。     

烟叶化学成分协调性的近红外光谱检测模型研究

对烟粉全部近红外光谱数据采取不同的预处理方法来探究烟叶化学成分协调性（施木克值、糖碱比、氮碱比）,基于有效波长光谱数据建立相应的近红外光谱的检测模型,并利用偏最小二乘法(PLS)通过训练集的交叉验证建立回归模型。通过全部波长数据中值滤波平滑处理后建立施木克值的回归模型,预测集r=0.9861、RMSE=0.0548;通过全部波长数据卷积平滑二阶求导处理后建立糖碱比的回归模型,预测集r=0.9498、RMSE=0.9095;在对光谱数据处理较优的Norris一阶导数数组基础上选取30个有效波长建立氮碱比的回归模型,预测集r=0.9202、RMSE=0.6947。结果表明：利用近红外光谱可以较好地预测烤烟施木克值、糖碱比和氮碱比。     

基于便携式光谱仪和反射、透射光谱技术的小麦叶片叶绿素定量分析研究

为了无损检测小麦叶片叶绿素含量,应用便携式高分辨率光谱仪及内置钨卤灯光源的叶片夹采集小麦叶片的反射、透射光谱数据,采用多种预处理方法对光谱数据进行预处理。用偏最小二乘法建立小麦叶片叶绿素含量与反射、透射光谱间的数学模型,同时分析了不同预处理方法对模型预测性能的影响。结果表明,基于反射光谱的最优检测模型校正集的相关系数r为0.950,预测标准偏差SD为0.1287,相对标准偏差RSD为5.67%。检验集的相关系数r为0.926,预测标准偏差SD为0.1892,相对标准偏差RSD为8.26%。基于透射光谱的最优检测模型r为0.846,SD为0.2201,RSD为9.69%。检验集的r为0.880,SD为0.2714,RSD为11.84%。研究表明,应用便携式高分辨率光谱仪和反射、透射光谱技术来定量分析小麦叶片叶绿素含量是具有可行性的;通过对比发现,基于反射光谱模型的预测性能较好;为叶片叶绿素含量的现场快速无损测定提供了一种有效途径。     

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。     

大米蛋白质含量近红外光谱检测模型研究

探索建立一种有效的大米蛋白质含量近红外光谱检测模型,并寻找1100~2500nm波段中预测大米蛋白质含量的有效波长。采用面积归一化（Area Normalization）方法进行光谱预处理。用主成分回归方法建立回归模型,用Martens不确定性检验方法选择有效波长。发现利用主成分分析可以较好地区分出不同种类的米粉,样品在主成分上的得分可以作为鉴别米粉种类及品质的依据。基于全部波长建立的回归模型,训练集r=0.9923,RMSE=0.0747。交叉验证的结果r=0.9399,RMSE=0.2103。预测集r=0.9364,RMSE=0.1607。基于有效波长建立的回归模型,训练集r=0.9899,RMSE=0.0854。交叉验证结果r=0.9437,RMSE=0.2004。预测集r=0.9079,RMSE=0.1796。使用近红外光谱分析技术检测大米蛋白质含量是可行的,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测大米蛋白质含量也是可行的。     

江汉平原土壤有机碳含量高光谱预测模型优选

研究探讨了贫瘠地区低有机碳含量条件下,不同光谱预处理与建模方法用于土壤有机碳估测的最佳组合,对贫瘠土壤属性信息快速获取和精确农业发展具有重要意义。以江汉平原不同利用条件下的土壤为研究对象,使用可见光/近红外高光谱技术,结合包括Savitzky-Golay平滑(SG)、一阶导数(FD)、多元散射校正(MSC)在内的光谱预处理方法,分别建立用于估测土壤有机碳(SOC)含量的多元线性回归(MLR)、主成分回归(PCR)、偏最小二乘回归(PLSR)和支持向量机回归(SVMR)模型。结果表明：不同建模方法预测精度差异明显,PLSR和SVMR的预测结果优于MLR和PCR;不同预处理方法对模型的预测精度亦有较大影响,表现为MSC＞FD＞SG;基于FD和MSC组合预处理的SVMR模型的预测能力最好,R2=0.84,RPD=2.50,满足土壤有机碳的预测。有机质含量大于2%并不是建立优质模型的必要条件。     

烟叶成熟度区分及烟碱含量检测模型研究

为探索一种有效的近红外光谱应用于烟叶成熟度区分以及烟碱含量检测模型建立的方法,对56组烟叶样品近红外光谱数据进行系统聚类,分类结果与原始结果基本一致,客观反映了成熟与未成熟烟叶的差异。识别率达到92.86%。采用多种不同的光谱预处理方法,并选择较优的多元散射校正处理原始光谱,再用偏最小二乘回归建立模型。结果表明：所建模型训练集r=0.9852,RMSE=0.0676;交叉验证r=0.9145,RMSE=0.1645。预测值能够较为均匀紧密地分布于拟合线的两侧,预测结果较好。     

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。     

烤烟叶片含水量的光谱检测模型研究

为研究烤烟叶片中含水量随烘烤时间变化的问题,通过烘烤实验探索烤烟叶片含水量的可见-近红外光谱监测模型。针对光谱原始数据和预处理数据,利用交叉验证法采用偏最小二乘法建立回归模型,发现经过平滑处理的数据利用偏最小二乘法(PLS)可以较好地检测烤烟叶片含水量。基于全部波长建立回归模型,训练集r=0.9771,RMSEC=0.0742;交叉验证结果r=0.9573,RMSEC=0.1009;预测集r=0.9683,RMSEC=0.0862。结果表明,基于全部波长原始数据平滑处理的PLS模型预测烤烟叶片含水量是可行的。     

花生籽仁蛋白质含量近红外光谱模型的建立

采用近红外漫反射光谱非破坏性分析,结合偏最小二乘法,以河北省地方花生品种为研究对象建立了花生籽仁蛋白质含量的近红外光谱模型。结果表明,对原始光谱数据采用一阶导数+变量标准化处理的方法建立的模型其校正或预测效果最佳。该模型的校正集和验证集决定系数分别为0.9245和0.9018,校正标准误和预测标准误分别为0.3601和0.4153。用该模型对16个未参与建模的花生品种进行了预测,结果表明该模型具有很好的预测能力,可以用于花生品种蛋白质含量的快速检测。     

烟叶总氮的近红外光谱检测模型研究

探索建立一种有效的烟叶总氮含量近红外光谱检测模型,并寻找1100~2500 nm波段中预测烟叶总氮含量的有效波长。采用多种不同的光谱处理方法,并选择较优的一阶导数光谱处理原始光谱,再用偏最小二乘回归建立模型和Martens不确定性检验方法选择有效波长。基于全部波长建立的模型,训练集r=0.9930,RMSE=0.0490;交叉验证r=0.9708,RMSE=0.0996;预测集r=0.9747,RMSE=0.0884。基于有效波长建立的模型,训练集r=0.9937,RMSE=0.0464;交叉验证r=0.9744,RMSE=0.0938;预测集r=0.9610,RMSE=0.1116,预测值与化学值的绝对误差小于0.227%,相对误差未超过0.1%。表明使用近红外光谱分析技术检测烟叶总氮含量较好,采用Martens不确定性检验方法选择有效波长,并利用有效波长预测烟叶总氮含量是可行的。     

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。     

食用向日葵子仁蛋白质含量近红外光谱模型的建立

以自育的57份食用向日葵子仁为测试对象,用化学方法测定蛋白质含量,对照近红外漫反射光谱,通过偏最小二乘法建立了食用向日葵子仁蛋白质含量的近红外光谱模型。结果表明,对原始光谱数据采用“一阶倒数+多元散射校正(FD+MSC)”处理的方法建立的模型其校正或预侧效果最佳。该模型的校正决定系数和验证决定系数分别为0.95和0.93,校正标准误和预测标准误分别为0.96和1.16。用该模型对16份未参与建模的食用向日葵材料进行了预测,结果表明该模型预测能力较好。