基于主成分分析的苹果霉心病近红外漫反射光谱判别

为了探讨利用近红外漫反射光谱技术判别苹果霉心病的可行性,将健康苹果和霉心病苹果的近红外光谱经不同光谱预处理方法处理,将主成分分析提取的主成分作为自变量,对苹果霉心病进行了判别研究。结果表明,光谱经矢量归一化处理后提取到的20个主成分建立的Fisher判别函数判别率最高,性能稳定,建模集正确判别率为89.9%,对检验集正确判别率为87.8%。     

可见/近红外光谱结合软化指标快速判定沙果货架期

基于可见/近红外光谱技术探讨利用软化指标对不同货架期沙果进行分类的可行性。以SNV为最优预处理结合PLS建立软化指标模型,经优化后其校正和预测模型的决定系数R2分别为0.847和 0.813。证实软化指标与光谱数据之间存在很高的相关性,可以以软化为指标对不同货架期的沙果进行分类。分别采用非线性的LS-SVM和线性的PLS-LDA建立分类模型,结果表明：利用LS-SVM所建模型得到的效果要优于PLS-LDA模型,其正确识别率和正确拒识率都达到了94%。     

光谱预处理在农产品近红外模型优化中的应用研究

在农产品品质的近红外光谱分析中,光谱预处理方法的选择直接影响所建品质模型的稳健性和准确性.为此,使用132个小麦样品的近红外光谱集为例,分别对于原始光谱集和添加不同比例高斯白噪声的光谱集建模,比较了几种常见的光谱预处理方法(小波消噪、光程校正、导数、基于遗传算法的谱区挑选、正交信号校正)对建模的影响.从实例中得出:在光谱信号较好的前提下,谱区挑选是首选的预处理方法;矢量归一化预处理能够比较有效地去除高斯白噪声;在噪声较大的情况下,预处理方法组合明显提高了模型的质量,但是组合顺序还有待于进一步研究.     

基于NIRS的反刍动物饲料中肉骨粉判

收集国内常用的、具有代表性的精料补充料和肉骨粉,制备定标集样品235个,外部验证集样品152个。在400～2498nm波长范围内进行近红外光谱扫描,选择合适的光谱预处理方法和光谱范围,采用SIMCA方法和DPLS方法分别建立判别分析模型。建立的SIMCA判别分析模型对外部验证集的正确判断率为96.1%,建立的DPLS判别分析模型对外部验证集的正确判断率为100%。与NIRS定量分析精料补充料中MBM的方法相比,定性分析模型能准确判断饲料样品是否掺有     

近红外光谱云计算分析系统构架与实现

传统的近红外光谱分析系统是单机版,建模工作难度大。为了在近红外光谱分析中实现对现有光谱模型资源共享,提出利用云计算中心的高性能服务器代替单机版的主机,然后在云服务器上开发近红外光谱软件分析系统,并详细分析了近红外光谱云分析系统的构架与设计步骤。该系统可以实现近红外光谱数据的预处理、定量分析、定性分析以及光谱模型查找和光谱模型转移等功能。最后以潲水油近红外光谱定性鉴别为例,分析比较了单机版和基于云计算的近红外光谱分析结果。在近红外光谱云分析系统中,对预测集58个样品进行判别,总体鉴别正确率为86.21%,这一结果与在单机环境下的分析结果完全一致。实验结果表明近红外光谱云分析系统具有成本低、建模方便、接入方式灵活、可实现资源共享和远程访问等优点。     

基于NIRS的反刍动物饲料中肉骨粉判别

收集国内常用的、具有代表性的精料补充料和肉骨粉,制备定标集样品235个,外部验证集样品152个.在400～2 498 nm波长范围内进行近红外光谱扫描,选择合适的光谱预处理方法和光谱范围,采用SIMCA方法和DPLS方法分别建立判别分析模型.建立的SIMCA判别分析模型对外部验证集的正确判断率为96.1%,建立的DPLS判别分析模型对外部验证集的正确判断率为100%.与NIRS定量分析精料补充料中MBM的方法相比,定性分析模型能准确判断饲料样品是否掺有MBM.     

基于变量选择的堆肥胡敏酸含量近红外光谱分析

为探讨基于选择的近红外光谱变量定量判别堆肥腐熟度的可能性,为堆肥发酵终点判定及开发相应的近红外漫反射光谱控制设备提供理论基础,采集了100份堆肥样本,用湿化学方法分析了堆肥样本中的胡敏酸含量,采集范围为4 000~9 000 cm~(-1)波段的光谱,进而利用该近红外光谱进行预处理方法的优化研究及堆肥胡敏酸感变量的优选研究,以偏最小二乘的方法建立了基于近红外光谱分析的堆肥胡敏酸定量模型。结果表明:小波变换充分提取了近红外光谱的信息;利用C_4小波系数对58个堆肥样本进行建模,对42个预测集样本进行预测,预测集均方根误差和R2分别为0.113 8%和0.926 6,优于原始光谱直接建模的0.167 2%和0.834 8。对近红外光谱数据进行小波变换,利用处理后的小波系数,采用偏最小二乘法预测了堆肥中胡敏酸的含量,建立了小波变换与近红外光谱技术结合用于测定堆肥样品中胡敏酸测定的模型。基于小波系数的模型优于传统的近红外光谱全谱模型,对于堆肥胡敏酸的测定取得了较为准确的预测结果。     

基于近红外显微成像的豆粕和抗生素菌渣鉴别分析

以豆粕和3种抗生素菌渣为研究对象,通过傅里叶变换近红外显微成像系统采集样品近红外显微图像;对采集到的近红外显微图像进行光谱重构,并对所有样品光谱进行预处理,利用Duplex算法分别从不同的样品预处理光谱中筛选具有代表性的光谱建立豆粕和抗生素菌渣的特征光谱库。使用偏最小二乘判别分析(PLS-DA)与支持向量机判别分析(SVM-DA)结合不同的光谱预处理方法,构建豆粕与不同种类抗生素菌渣的近红外显微成像定性判别模型。结果表明:构建的2种模型均能有效对试验中所用豆粕和抗生素菌渣样品进行鉴别分析,正确率均在99.4%以上。进一步比较研究发现,一阶导数+SNV的预处理方式优于无预处理、一阶导数、二阶导数;SVM-DA的模型效果优于PLS-DA,SVM-DA中特征提取方法 PLS优于PCA。     

基于近红外漫反射光谱技术的芒果糖度无损检测方法研究

近红外光谱分析技术是近年迅速发展的一门绿色分析技术,具有快速、准确、无损伤检测的特点,正越来越广泛地应用于水果内部品质的无损检测。为此,应用近红外漫反射光谱技术无损检测芒果糖度,光谱数据经一阶微分和Savitzk-Golay预处理后,分别采用主成分回归法(PCR)和偏最小二乘法(PLS)建立芒果糖度近红外分析模型,当主成分数为10时,预测相关系数R分别为0.838 69,0.976 59,RMSEC分别为1.628 4,0.205 8,MEP为1.235 0,0.738 3;采用BP神经网络对70个样品光谱进行训练,建模集相关系数达到0.983 3,而对36个预测样品集的相关系数只有0.663 9;调整建模集和预测集样品,相关系数增大到0.683 6,平均相对误差由10.336 9%降到8.057 6%。研究结果表明,利用近红外漫反射光谱技术对芒果糖度进行无损检测是可行的。     

芝麻油掺伪的近红外透射光谱检测技术

采用近红外光谱技术结合间隔偏最小二乘法分别建立芝麻油中掺入大豆油、玉米油和花生油的定量检测模型。实验配制不同比例的掺假芝麻油混合样品,采集样品在4 000～12 000 cm-1范围内的近红外透射光谱,把数据分为校正集与预测集。将4 420～12 000 cm-1波段的光谱进行各种预处理,最佳方法为平滑预处理,并利用间隔偏最小二乘波长筛选法(iPLS)选取光谱特征波段,最后采用偏最小二乘法建立掺假芝麻油的定标模型。结果显示:3种掺假芝麻油的PLS模型预测相关系数分别达到0.998、0.999、0.999,预测均方根误差分别为0.24%、0.24%和0.19%,具有较高的预测精度。实验证明近红外光谱技术对芝麻油掺假的快速检测具有可行性。     

光谱技术在农业领域的应用与展望

光谱技术以其简便、快速、精度高和无损测定等优越性。成为获取农田生物环境信息的重要手段．在精确农业发展中发挥着重要作用。从土壤光谱特性、植物光谱特性和冠层光谱特性角度,综合分析了光谱技术在土壤性质测定、作物水分监测、营养诊断、产量估测、籽粒品质检测以及病虫害和农药残留监测等方面的应用现状．探讨了应用中存在的光谱分辨率不高、模型不完善、应用体系不完整、应用尺度不统一等问题,并对其应用前景进行了展望。     

基于近红外与中红外光谱技术的淀粉回生度检测

淀粉食品在加工、运输及储藏过程中会逐渐出现回生,其回生程度是影响淀粉食品品质的重要因素。利用近红外和中红外光谱技术快速、无损检测淀粉回生度。首先采集了储存不同时间淀粉的近红外和中红外光谱,分别利用近红外、中红外以及两者融合的光谱数据结合化学计量学方法(偏最小二乘法(PLS、iPLS、biPLS、siPLS))建立淀粉回生度检测模型。结果显示,近红外和中红外融合光谱技术的biPLS检测模型最佳,校正集和预测集相关系数分别为0.965 5和0.931 3。研究结果表明,红外光谱技术可以快速、无损检测玉米淀粉回生度,保障了富含淀粉食品的质量与安全。     

鱼粉、豆粕样本-样本二维相关近红外光谱判别

为了探讨利用二维相关近红外光谱法快速判别鱼粉和豆粕饲料原料的可行性,共收集了52个鱼粉、60个豆粕样品,其中34个鱼粉和40个豆粕样品作为定标集,其余18个鱼粉和20个豆粕样品作为独立验证集,用Spectrum400型近红外光谱仪扫描获取光谱,并对其特征峰进行解析.采用样本-样本二维相关分析方法定性判别鱼粉、豆粕,当预处理方法为一阶导数时,判断正确率为100％.与偏最小二乘判别分析方法相比,二者均可正确检测鱼粉、豆粕,其中二维相关方法的建模及验证算法简单、计算量小、运算速度快.     

注水肉无损检测技术现状与发展趋势分析

针对目前市场上注水肉现象加重问题,有必要研究注水肉的检测技术。首先对注水肉的传统检测方法进行简要论述,分析总结了传统方法的弊端;然后对现阶段肉品含水率的4种主要无损检测方法:生物电阻抗法、核磁共振方法、超声波法和近红外光谱法的研究现状及特点进行了总结分析,着重叙述了近红外光谱技术在肉品含水率及品质检测中的研究情况及技术特点,提出了未来技术发展方向。     

基于OSC和PLS的土壤有机质近红外光谱测定

分析了经过简单处理的土壤样本光谱特性,将正交信号校正与偏最小二乘算法回归相结合,建立了土壤光谱特性与土壤有机质含量之间的定量分析模型。结果表明,正交信号校正可以消除噪声信息对土壤有机质含量预测的影响,预测样本的预测相关系数达到0.893、标准偏差为0.051%、预测标准差为0.050%;而不采用正交信号校正建立定量分析模型的对应参数分别为0.818、0.069%和0.085%。     

农田杂草识别技术的现状与展望

杂草是农业生产的大敌，其蔓延速度快，危害严重。目前采用的杂草识别技术主要有人工识别、计算机视觉技术识别、绿色识别、近红外光谱分析技术识别。近年来，随着光学仪器的不断发展和近红外技术的不断成熟，近红外技术的应用越来越广，因此基于近红外技术的杂草识别——绿色识别和近红外光谱分析技术识别将是今后农田杂草自动识别的主要措施。     

基于可见-近红外光谱的鲜食葡萄成熟品质关键指标检测

酚类物质是评价葡萄成熟品质的重要指标,本文利用可见-近红外光谱技术结合化学计量学定量分析方法对葡萄皮总酚、籽总酚、皮单宁和籽单宁含量开展了无损检测研究。通过手持式可见-近红外光谱仪采集巨玫瑰葡萄波长400～1 029 nm范围内的漫反射光谱,采用SPXY算法将其划分为校正集和预测集,结合标准正态变换(Standard normal variate, SNV)、多元散射校正(Multiplicative scatter correction, MSC)、一阶导数(First derivative, 1D)、二阶导数(Second derivative, 2D)、Savitzky-Golay卷积平滑(Savitzky-Golay smoothing,SG)和Savitzky-Golay卷积平滑+一阶导数(SG+1D)6种预处理方法以及偏最小二乘回归(Partial least squares regression, PLSR)、支持向量机回归(Support vector machine regression, SVR)和卷积神经网络(Convolutional neural networ...     

贮藏稻谷霉菌菌落总数近红外光谱预测模型

贮藏稻谷常受到霉菌和毒素的侵染会引起稻谷品质下降,严重危害稻谷贮藏安全。近红外光谱技术具备非破坏性、分析速度快、成本低、稳定性好及污染小等优点,适合于稻谷中霉菌菌落总数快速检测。为此,构建了基于近红外光谱的稻谷霉菌和毒素检测数学模型。通过模拟稻谷贮藏试验,建立了贮藏环境温度和含水率对稻谷表面霉菌菌落总数影响规律的数学模型,该模型可以描述和预测稻谷表面霉菌菌落总数在贮藏仓内的变化规律,以指导稻谷安全贮藏。     

基于拉曼光谱的稻叶瘟病害程度划分研究

随着植保变量喷施作业机械的研究和应用,急需一种高效的病害程度识别技术。为此,针对水稻稻叶病运用拉曼光谱仪采集正常及受病害叶片的光谱特性,通过绘制折线图及受试者工作特征曲线进行水稻受病害程度分析,并运用动量因子BP神经网络优化算法,建立了寒地水稻稻叶瘟的病害程度检测模型。结果表明:优化的BP神经网络算法网络预测集的均方误差为0. 002 409 6、相关系数为0. 998 2。该方法可以较好地区分水稻正常叶片、稻叶瘟重度和轻度叶片,是一种高效的病害程度识别技术。