基于近红外光谱技术的茶鲜叶海拔高度判别模型建立

以不同海拔高度的茶鲜叶为研究对象,扫描获取其近红外光谱(NIRS)并筛选特征光谱区间后,分别应用逐步多元线性回归法(SMLR)、主成分回归法(PCR)和联合区间偏最小二乘法(Si-PLS)建立茶鲜叶海拔高度预测模型。结果表明,在5 542.41~6 888.48cm-1区间内,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的SMLR模型预测集相关系数和预测均方差分别为0.800 5和0.486;在4 929.16~6 965.62cm-1区间内,当主成分数为3时,对原始光谱进行一阶导数+3点Norris平滑预处理后,建立的PCR模型预测集相关系数和预测均方差分别为0.803 6和0.472;当将光谱划分为18个子区间、因子数为13时,选用[5 8 11 17]4个子区间建立的Si-PLS模型预测集相关系数和预测均方差分别为0.944 3和0.295。经比较,Si-PLS模型预测结果最佳。     

基于近红外光谱苗期玉米叶片叶绿素含量的无损检测方法

试验以42片未经处理的苗期玉米叶片为试材,采用近红外光谱检测技术和SNV+Detrending的预处理方法,应用偏最小二乘回归分析方法建立定量分析模型,通过测定近红外光谱图,研究3 300~10 000 cm-1范围内苗期玉米叶片的光谱特性。结果表明,测定苗期玉米叶片叶绿素含量的决定系数R2为0.989,残差均方根RMSE为0.047,采用近红外光谱快速检测苗期玉米叶片叶绿素含量是可行的。     

基于近红外光谱技术对绿豆产地溯源的研究

为探索绿豆产地鉴别可行性,实现对来自白城、杜尔伯特、泰来、泗水绿豆原产地的快速鉴别。研究运用近红外光谱技术,并结合PLS-DA法（偏最小二乘判别分析）进行建模,对4个产地的120份绿豆粉末样品进行近红外光谱的扫描,分别采用不同光谱预处理方法[标准正态变换（SNV）、多元散射校正（MSC）、矢量归一化与导数处理等]最终确定矢量归一化+MSC建立的模型最稳定,建模波长为12 000～4 000 cm-1全波长。主成分分析提取3个有效主成分（主成分1贡献率为52.44%,主成分2贡献率为30.16%,主成分3贡献率为9.57%）,其累计贡献率达到92.17%。用预测样本集进行模型的验证,白城、杜尔伯特、泰来、泗水4个产地的预测正确率分别为100%、80%、80%和100%。预测结果达到80%以上,初步认定近红外光谱分析技术可用于绿豆产地溯源研究。     

基于近红外光谱不同波段的红松木材含水率预测分析

运用近红外光谱技术结合偏最小二乘法(PLS),对所采集光谱进行一阶导数和二阶导数处理,并对未处理原始光谱、一阶导数处理光谱和二阶导数处理光谱分别在7个不同波段范围内建立红松含水率预测模型.结果表明红松样本近红外光谱经一阶导数处理,波段在1 000～2 100nm范围内所建模型最优,其校正集相关性系数为0.992 5,校...     

基于小波压缩的木材密度近红外光谱的预处理研究

近红外光谱数据维数多、数据量大,直接保存需要庞大储存空间,且海量数据会对网络化在线检测的分析速度和准确性产生影响。为探讨应用小波压缩进行近红外光谱预处理的可行性及其对枫桦木材密度预测精度的影响,通过强光探头采集木材圆盘的近红外光谱,在Matlab软件中应用小波变换法对枫桦木材密度近红外光谱数据进行压缩。结果表明:当小波基sym2分解层为6时,基于均衡稀疏标准形式的全局硬阈值压缩效果最好,将2 151个变量压缩成38个小波系数,其能量保留成分、零系数成分、压缩比分别为99.66%、98.34%、56.61%。用未处理光谱数据和压缩后的38个小波系数分别建立偏最小二乘定标分析模型,同时做内部交叉验证,并用未处理和压缩后的预测集做外部检验,得知压缩后校正模型对压缩后样品预测能力较好,预测决定系数为0.913 9。因此,小波压缩可有效简化近红外光谱数据,提高近红外光谱对枫桦木材密度的预测精度。      

近红外光谱技术测定水稻直链淀粉含量研究

以298份水稻种子为样本,用常规法测定直链淀粉含量,采用偏最小二乘法(PLS),优化建立精米直链淀粉含量近红外光谱预测校正模型.模型校正决定系数RC为0.95;校正标准差SEC为1.58;内部交叉检验决定系数RP为0.91,标准误差SEP为1.92.利用20个样品进行外部检验,预测值与真实值之间差异不显著,其相关系数达95%以上.定标模型预测性能较好,可以替代化学分析法快速测定水稻直链淀粉含量.     

基于小波滤噪和iPLS的草莓近红外光谱糖度检测模型

[目的]获得精度高、鲁棒性强的草莓近红外光谱糖度检测模型。[方法]利用K-S（Kennard-Stone）方法划分样本集,并用小波滤噪法对草莓1000～2500nm近红外光谱进行预处理,最后用偏最小二乘法（PLS）和区间偏最小二乘法（iPLS）分别建立预测模型。[结果]采用区间偏最小二乘法将光谱划分为20个子区间,利用其中的第16个子区间建立的糖度模型效果最佳,其校正时的相关系数Rc和校正均方根误差RMSEC分别为0．9355和0．259,预测时的相关系数邱和预测均方根误差RMSEP分别为0．9202和0．305。[结论]用小波滤噪和联合区间偏最小二乘法所建立的草莓糖度模型不仅能有效地减少建模所用的变量数,缩短运算时间,而且预测能力和精度均得到提高。     

基于样本挑选和不同偏最小二乘方法的近红外光谱玉米淀粉组分校正模型的研究

[目的]获得精度高、鲁棒性强的玉米近红外光谱淀粉组分检测模型。[方法]用一阶导数和Savitzky．Golay平滑对玉米1300～2298nlTl近红外光谱进行预处理,而后分别以RS（random sampling）、KS（Kennard Stone）、Duplex、SPXY（sample set partitioning based on joint x-y distance）方法选取最佳校正集样本集合,最后分别用PLS（Partial Least Squares）、iPLS（intervalPLS）和siPLS（synergy interval PLS）方法建立校正模型。[结果]采用sPXY方法选取有代表性的校正集合样本,以siPLS方法所建立的近红外光谱玉米淀粉组分校正模型最优,校正样本集合中r为0．9917,RMSECV为n1073,预测样本集合中r达到了0．9944,RMSEP为0．0814。[结论]SPXY-siPLS方法建立的近红外光谱玉米淀粉组分校正模型,不但可以减小参与建模的数据规模．而且缩短了运算时间．预测能力和精度也均得到提高。     

利用近红外光谱技术预测杉木力学性质

利用三点弯曲实验方法测定了155个杉木样品的抗弯弹性模量和抗弯强度,并用近红外光谱仪采集其径切面和横切面的近红外漫反射光谱,以2/3的试样(103个)作为校正集建立抗弯弹性模量和抗弯强度的偏最小二乘法校正模型,以1/3的试样(52个)作为预测集对模型进行验证.结果表明,切面对模型预测效果的影响比较小,且与光谱区域的选择有关.对于可见近红外全波段光谱(350～2 500 nm)利用径切面比利用横切面光谱建立的力学性质模型的预测效果略好,对于短波光谱(780～1 050 nm)利用横切面比利用径切面光谱建立的模型的预测效果略好;降低波谱范围后,利用横切面短波近红外光谱建立的力学性质校正模型的效果与全波谱模型相比差异较小;利用径切面和横切面2个切面可见近红外全波段光谱、利用横切面短波光谱分别建立的杉木力学性质的校正模型,其预测相对分析误差在1.51～1.90之间,表明利用近红外光谱技术预测杉木木材的力学性质的能力属普通,可用之作为初步的检测工具.     

基于近红外光谱技术的杏叶含水率反演研究

为实现杏树叶片含水率数据的准确获取,对新疆南疆杏树的节水灌溉提供科学指导,本研究使用近红外光谱技术对杏树叶片含水率进行预测。采集1 000～1 800 nm范围内‘小白杏’叶片的光谱数据,使用多元散射校正（MSC）、标准正态变量变换（SNV）、均值中心化（MC）、归一化处理（Nor）4种方法对原始光谱进行预处理,采用竞争性自适应重加权算法（CARS）及随机蛙跳算法（RF）获取特征波段,分别建立基于不同预处理方法的全波段及特征波段的偏最小二乘回归（PLSR）和BP神经网络预测模型。结果表明MSC为最佳预处理方法,最佳预测模型为MSC-CARS-BP神经网络模型,所建模型预测相关系数Rp为0.986,预测均方根误差RMSEP为0.404,剩余预测偏差RPD为6.09,模型具有较好的预测能力,因此近红外光谱技术可以用于杏树叶片含水率的快速检测。     

FT-NIR快速检测制丝过程膨丝与叶丝掺配比例及均匀性

将膨胀烟丝与某品牌正常生产切丝后烟丝,分别按计算好的不同比例混合均匀后,应用傅立叶变换近红外光谱技术采集混合烟丝的近红外光谱,采用偏最小二乘法(PLS)建立预测膨胀烟丝与片烟烟丝掺配比例值的近红外模型,其相关系数是0.993 0,并进行了准确性和精密度试验。试验表明,FT-NIR光谱法可以很好地应用于膨胀烟丝与片烟烟丝掺配比例的快速检测,以监控制丝过程中膨胀烟丝与片烟烟丝的掺配均匀性。     

可见近红外漫反射光谱法测定赣南脐橙的表面色泽

[目的]建立赣南脐橙颜色指标定量数学模型,探索用颜色进行水果分级的新方法。[方法]采用色差计来测量50个赣南脐橙样本的表面颜色,用近红外漫反射光谱并结合多元校正算法偏最小二乘法(PLS),建立了赣南脐橙颜色指标L、a、b的定量模型。[结果]在全波段范围内,原始光谱所建模型最佳,其颜色指标L所建校正模型相关系数(r)为0.933,预测均方根偏差(RMSEP)为1.330,完全交互验证相关系数(rcross)达0.926;颜色指标a所建校正模型相关系数为0.970,预测均方根偏差为1.524,完全交互验证的相关系数达0.967;颜色指标b所建校正模型相关系数为0.893,预测均方根偏差为2.676,完全交互验证的相关系数达0.875。[结论]原始光谱所建模型最好,但其模型的校正均方根偏差和完全交互验证均方根偏差都偏高。     

粗皮桉木材气干密度测定方法比较研究

以我国粗皮桉人工林木材为试验材料,分别采用中国国家标准(GB/T 1933-2009)的直接测量法、X线密度仪和SilviScan木材材性快速测定仪对粗皮桉木材的气干密度进行了测定。结果表明,采用直接测量法、X线密度仪和SilviScan得到的粗皮桉木材试样的气干密度值之间有很好的相关性,并用近红外光谱方法对这些木材密度进行了快速预测,预测效果较好。该研究结果可为将来木材密度快速测定方法的研究和粗皮桉木材的科学合理利用提供依据。     

森林食品产业发展影响因素实证研究

采用偏最小二乘回归法对影响森林食品产业发展的因素进行了实证分析,确定了各因素的相对重要性及其对森林食品产业发展的影响程度。     

长波近红外光谱在土壤总氮分析与稳定性中的应用

[目的]通过定标集、预测集、检验集的建模过程,采用偏最小二乘(PLS)方法结合波段选择建立土壤总氮快速分析的近红外(NIR)光谱模型。[方法]为了避免模型评价失真,基于随机性、相似性和稳定性,提出一种严谨的建模体系。将全谱扫描区(400～2 498nm)分成可见区(400～780 nm)、短波近红外区(780～1 100 nm)和长波近红外区(1 100～2 498 nm)。[结果]经过比较、检验,结果表明长波近红外达到了最好的模型效果和稳定性,最优PLS因子数为8,检验的预测均方根误差(V-SEP)和预测相关系数(V-RP)分别为0.118 g/kg和0.857,得到客观、稳定的预测模型。     

近红外光谱法预测粗皮桉木材的化学成分质量分数

采用近红外光谱法对粗皮桉木材中化学成分质量分数进行快速预测。用常规湿化学方法测定了粗皮桉木材样品的化学成分质量分数,结合近红外光谱仪采集相应的光谱,对原始光谱进行二阶导数预处理后,用偏最小二乘法建立相应的模型并对其进行外部验证。结果表明:粗皮桉木材综纤维素校正模型的相关系数为0.96,预测模型的相关系数为0.92,RPD为2.30。木质素校正模型的相关系数为0.91,预测模型相关系数为0.88,RPD为2.11。利用近红外光谱分析方法可以快速预测粗皮桉木材中综纤维素和木质素质量分数。     

PLS回归方法在利用NIR光谱同时测定谷物样品多种氨基酸的探讨

本文介绍了PLS回归方法的原理,研究了利用近红外漫反射光谱同时测定谷子样品中多种氨基酸的方法,得到了较好的结果。