近红外快速测定初烤烟叶中的新植二烯

【目的】建立基于近红外光谱分析技术的初烤烟叶新植二烯含量快速测定方法并对定量测定模型的准确性和稳定性进行评价。【方法】采用近红外技术结合光谱预处理(多元散射校正+二阶求导+Norris平滑)、异常样本的剔除(模群迭代奇异样本诊断)、基于竞争自适应重加权(CARS)算法的波长优选、基于交互验证均方根误差的建模波长变量优选建立了初烤烟叶新植二烯含量近红外PLS校正模型,并从模型内部参数(校正模型的决定系数、交互验证均方根误差、校正误差均方根)和外部验证集的预测误差均方根及其配对t检验结果对模型的稳定性和准确性进行评价。【结果】(1)被优选出来建立校正模型的主要波长范围为:2 464.58～2 450.60 nm、1 962.7～1 959.74 nm、1 767.37～1 763.76 nm、1 687.98～1 681.41 nm、1 425.36～1 419.90 nm、1 412.93～1 409.86 nm、1 180.66～1 177.98 nm、1 174.78～1 173.18 nm、1 168.95～1 167.37 nm和1 156.44～1 154.38 nm;(2)初烤烟叶新植二烯近红外校正模型的决定系数为0.882 7,最优主成分数为5,校正标准误差为18.602μg/g,交互验证均方根误差为18.488μg/g,预测范围为166.21～398.24μg/g;外部验证集的预测误差均方根为20.995,外部验证集样品(n=20)预测值和实测值在α=0.05显著水平下配对t检验结果表明不存在显著差异。【结论】研究建立的初烤烟叶新植二烯含量近红外校正模型具有较好的稳定性和预测准确性。该方法能快速准确测定初烤烟叶新植二烯,具有较好的实用价值。     

应用近红外光谱法结合波长筛选快速测定烟草绿原酸、莨菪亭和芸香苷含量

为了进一步提升近红外光谱法测定烟草绿原酸、莨菪亭、芸香苷含量的稳定性和准确性,分别采用7500～4000 cm^(-1)、随机蛙跳(Random Frog)和间隔随机蛙跳(Interval Random Frog)波长或波长筛选方法结合偏最小二乘(PLS)法建立了烟草中上述3种物质的近红外校正模型,并采用模型的内部参数和外部预测集样本对建模效果进行了评价。结果表明:3种物质近红外校正模型的决定系数均有一定程度提高,校正均方根误差(RMSEC)和交叉验证均方差(RMSECV)均在一定程度上降低;外部验证预测平均相对误差均在一定程度上降低。说明采用近红外光谱法测定烟草中绿原酸、莨菪亭和芸香苷时,Interval Random Frog+PLS建模效果优于Random Frog+PLS方法,后者又优于7500～4000 cm(-1)、随机蛙跳(Random Frog)和间隔随机蛙跳(Interval Random Frog)波长或波长筛选方法结合偏最小二乘(PLS)法建立了烟草中上述3种物质的近红外校正模型,并采用模型的内部参数和外部预测集样本对建模效果进行了评价。结果表明:3种物质近红外校正模型的决定系数均有一定程度提高,校正均方根误差(RMSEC)和交叉验证均方差(RMSECV)均在一定程度上降低;外部验证预测平均相对误差均在一定程度上降低。说明采用近红外光谱法测定烟草中绿原酸、莨菪亭和芸香苷时,Interval Random Frog+PLS建模效果优于Random Frog+PLS方法,后者又优于7500～4000 cm^(-1)光谱波长变量+PLS。     

基于可见近红外光谱的不同建模方法对河套蜜瓜糖度检测精度的影响

以126个金红宝河套蜜瓜为研究对象,采用Maya 2000 pro便携式光谱仪获取蜜瓜在400～1 100 nm波段内的可见近红外光谱信息,研究传统建模方法[偏最小二乘法(PLS)、主成分回归(PCR)、逐步多元线性回归(SMLR)]和新型网络算法[误差反传人工神经网络(BP-ANN)、最小二乘支持向量机(LS-SVM)]对糖度模型精度和预测结果的影响。结果表明,在利用传统建模方法建立的蜜瓜糖度模型中,PLS算法所建模型的效果较佳,模型更稳定,尤其在光谱经多元散射校正(MSC)和一阶微分处理后,所建模型的相关系数为0.844,校正均方根偏差为0.844,预测均方根偏差为0.978;在采用新型网络算法建立的模型中,当选择LS-SVM算法,且参数c=0.500 0,g=0.353 55时,经MSC和一阶微分处理后的光谱和糖度的建模和预测结果最好,均方根偏差为0.97。研究结果可为检测河套蜜瓜糖度的可见近红外光谱建模方法的选择提供理论依据。     

基于田间原位土壤含水量估测的可见/近红外光谱建模方法

为实时、准确地获取原位土壤含水量信息,利用可见/近红外光谱技术,分别使用全局偏最小二乘(PLS)建模、局部PLS建模方法,对田间原位土壤含水量进行快速估测。结果表明:全局PLS模型中,其建模集的决定系数(R~2)、交叉验证均方根误差(RMSECV)分别为0.943和1.750%,检验集的决定系数(R~2)、预测均方根误差(RMSEP)分别为0.956和1.260%。局部PLS模型中,分别比较了选取定标子集的2种方法(欧氏距离法和马氏距离法),采用欧氏距离法和马氏距离法选取定标子集进行建模的R~2值分别为0.974和0.979,RMSEP值分别为0.976%和0.943%。因此,将可见/近红外光谱技术应用到田间原位含水量测量是可行的,其中,使用局部建模方法的效果优于全局建模。     

结合WT预处理的近红外光谱PLS算法预测鲜枣糖度

[目的]研究结合WT预处理的近红外光谱PLS算法模型预测鲜枣糖度的方法。[方法]用S-G、MSC、FD、SD、WT和WT＋MSC 6种预处理法,SMLR、PCR和PLS 3种算法模型,对60个鲜枣样品的近红外光谱数据进行预处理、糖度预测和建模精度分析,建立最佳算法的数学模型。[结果]在鲜枣糖度近红外光谱预处理阶段引进小波变换方法去除导数光谱噪声,得到了很好的去噪效果。不同的小波函数、分解尺度使消噪的结果有所不同。与常见的光谱预处理法相比,在选用db4-3小波函数、默认阈值情况下,采用WT＋MSC预处理及建模算法为PLS时所建立的模型最好,其相关系数R为0.919 02,校正集标准差RMSEC为0.863,预测集标准差RMSEP为1.71。[结论]结合小波变换预处理的PLS算法模型可有效预测鲜枣糖度,改善模型的预测精度。     

应用近红外光谱法结合波长筛选快速测定 烟草绿原酸、莨菪亭和芸香苷含量

为了进一步提升近红外光谱法测定烟草绿原酸、莨菪亭、芸香苷含量的稳定性和准确性,分别采用7500～4000 cm~(-1)、随机蛙跳(Random Frog)和间隔随机蛙跳(Interval Random Frog)波长或波长筛选方法结合偏最小二乘(PLS)法建立了烟草中上述3种物质的近红外校正模型,并采用模型的内部参数和外部预测集样本对建模效果进行了评价。结果表明:3种物质近红外校正模型的决定系数均有一定程度提高,校正均方根误差(RMSEC)和交叉验证均方差(RMSECV)均在一定程度上降低;外部验证预测平均相对误差均在一定程度上降低。说明采用近红外光谱法测定烟草中绿原酸、莨菪亭和芸香苷时,Interval Random Frog+PLS建模效果优于Random Frog+PLS方法,后者又优于7500～4000 cm~(-1)光谱波长变量+PLS。     

基于可见/近红外光谱对不同产地晋虞1号桃SSC含量的检测研究

[目的]本文利用可见/近红外光谱定量检测山西省不同产区晋虞1号桃的可溶性固形物(Soluble solids content,SSC)含量,旨在建立一个简单有效、适应性能好的校正模型为后续在线检测设备的开发与利用提供模型参考。[方法]采集3个产区桃的可见/近红外漫反射光谱,选择不同的预处理方法消除客观因素对原始光谱的影响,比较发现SG平滑+多元散射校正(multiplicative scatter correction,MSC)预处理方法建模结果最优。采用Kennard-Stone算法以3∶1比例划分样品集,其中校正集270个用于建立PLS模型,预测集90个用于评价模型性能。为了简化模型运算量、提高模型预测性能使用蒙特卡罗无信息变量消除(Monte Carlo uninformative variables elimination,MCUVE)与连续投影算法(Successive projection algorithm,SPA)相结合筛选有效特征波长。最后,比较了偏最小二乘(Partial least squares,PLS)算法所建单一产地和混合产地下晋虞1号桃SSC含量可见/近红外光谱模型的预测能力。[结果]与单一产地和两两混合产地模型相比,混合3产地桃校正集样本建立的模型预测效果最好,预测的相关系数(Rp)和预测的均方根误差(RMSEP)分别为0.949和0.652°Brix。[结论]利用多个产地的晋虞1号桃样本建立的混合模型具有较强的包容性,可提高对晋虞1号桃SSC含量的预测精度,减小产地差异对SSC含量可见/近红外光谱检测的影响。本文可为山西省内晋虞1号桃内部品质SSC含量的无损检测模型提供了理论基础。     

赣南脐橙叶片含水量和叶绿素含量的近红外检测

[目的]得到一种快速检测叶片含水量和叶绿素含量的定量估计模型。[方法]选取88片赣南脐橙叶片作为研究对象,运用近红外光谱技术检测叶片含水量和叶绿素含量2个指标。通过6种不同预处理方法(SG/MSC/1st D/2nd D/SNV/Baseline)在全波段4 000~12 000 cm-1范围内建立了叶片含水量和叶绿素含量的PLS、PCR和LS-SVM定量检测模型。[结果]试验得出,在预测叶片含水量的模型中,PLS、PCR和LS-SVM预测效果整体相差不大,其最优的预测模型是使用PLS建模,其中RP=0.985,RMSEP=0.023。在预测叶片叶绿素含量的模型中,3种方法预测效果相差不大,最优预测模型是MSC-LS-VSM,其中RP=0.933,RMSEP=0.23。[结论]研究表明,应用近红外光谱技术对赣南脐橙叶片含水量和叶绿素含量的快速检测具有可行性。     

近红外光谱法快速测定烟草中的常规化学成分含量

[目的]探讨近红外光谱法快速测定烟草中的常规化学成分含量.[方法]采用近红外光谱技术,选取单品种样品681个,结合偏最小二乘法(PLS),定量分析了烟草中总氯、烟碱、总钾、总糖、还原糖及总氮含量,并用实际样品对模型进行了验证.[结果]使用偏最小二乘法(PLS)为建模方法,建立了烟草中6种常规化学成分:总氯、烟碱、总钾,总糖、还原糖及总氮的近红外预测模型.6种组分最佳PLS预测模型的相关系数r分别为0.977 4、0.992 7、0.982 1、0.986 0、099 1和0.975 0.交叉检验的均方差(RMSECV)分别为0.057、0.126、0.160、1.170、0.994和0.127.[结论]所建模型精密度良好,近红外光谱法与行业标准方法所测值不存在显著差异,近红外光谱模型可以快速预测烟草中总氯、烟碱、总钾、总糖、还原糖及总氮的含量.     

近红外光谱测定清热解毒口服液中绿原酸与黄芩苷的波段优选

[目的]运用近红外光谱测定清热解毒口服液中绿原酸与黄芩苷含量的波段并建立数学模型。[方法]结合移动窗口片最小二乘(MWPLS)法对波段进行了优选,分别建立测定清热解毒口服液中绿原酸与黄芩苷含量的定量分析模型,比较了不同的光谱预处理方法的效果。[结果]采用MWPLS方法对6个厂家30个样品建模选出绿原酸与黄芩苷的最优波段分别为1 254～1 306 nm和1 176～1 266nm,使用其他2个厂家10个批次样品进行检验,绿原酸和黄芩苷实测值与预测值检验均方根误差分别为1.637和0.857,相关系数分别为0.993 7和0.987 7。[结论]定量模型预测精度高,稳定性较好,可用于清热解毒口服液生产过程中的质量控制。     

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。     

基于NIR及PLS-PCR-SVR预测森林土壤有机碳含量

森林土壤有机碳含量是表征林地土壤营养状况的重要指标,该文建立了土壤有机碳含量的近红外光谱定标模型,并比较了偏最小二乘法（PLS）、支持向量机回归（SVR）、主成分回归（PCR）3种建模方法及Savitzky-Golay平滑＋多元散射校正、Savitzky-Golay平滑＋一阶导数、Savitzky-Golay平滑＋二阶导数、Savitzky-Golay平滑＋多元散射校正＋一阶导数、Savitzky-Golay平滑＋多元散射校正＋二阶导数5种光谱预处理方法对土壤有机碳含量定标模型精度的影响,同时进行了波段优选。结果表明：当光谱区域为1 380～1 450 nm,1 800～1 950 nm,2 050～2 300 nm,光谱数据采用Savitzky-Golay平滑＋多元散射校正＋一阶导数预处理,采用PLS的建模方法,主成分数为8时,建立的校正模型预测效果最佳。校正模型的R、RMSE、SEC分别为0.805 2、0.512 2、0.512 5;预测模型的R、RMSE、SEP分别为0.768 1、0.514 3、0.514 6。因此,利用近红外光谱技术可以实现土壤有机碳含量的快速估测,为林区实时、大面积、快速测定森林土壤有机碳含量提供了技术可行性。     

苹果近红外光谱采集影响因素的研究

[目的]通过对不同影响因素条件近红外光谱信息的准确性研究,优化嘎啦苹果近红外光谱采集试验条件。[方法]以嘎啦苹果为试材,使用ASD公司的FieldSpec3光谱仪在常温条件下进行近红外光谱采集,探索了环境杂散光、仪器稳定性、不同测距、不同色差、不同部位、不同货架期等条件下对采集光谱的影响。[结果]杂散光对近红外光谱的可见光区域有明显影响;固定光谱阵列检测器型光谱仪器在9h内重复测量的稳定性高;裸光纤在除0mm外的2.5～12.5mm测距上吸光度保持重复稳定;同一苹果的不同色差对光谱的影响在可接受区间内;苹果赤道面上的光谱稳定性较果柄和果鄂部好;常温条件下,不同货架期对苹果样品的近红外光谱产生显著影响。[结论]该研究可为苹果近红外研究人员和分析工作者提供参考。     

可见-近红外光谱预测土壤有机质含量的研究

[目的]基于土壤可见-近红外直接测定系统,重点研究和开发土壤有机质含量的校正分析模型。[方法]主要利用测试系统对来自关帝山森林土壤的20个样本在400～1 000 nm范围内进行光谱测试和分析。[结果]采用光谱法测定的有机质含量与采用权威化学方法测定的值基本一致。[结论]使用偏最小二乘回归分析,建立了土壤有机质与土壤光谱特性的预测模型。     

不同金属离子和还原剂对落叶松松塔原花青素热稳定性影响的研究

[目的]研究落叶松松塔原花青素的热稳定性,建立原花青素变化的动力学模型。[方法]以落叶松松塔为原料,通过添加几种食品中常见的金属离子(Mg2+、Zn2+、Fe2+)和还原剂(NaHSO3),探讨了落叶松松塔中原花青素的热稳定性和降解情况。[结果]Mg2+、Zn2+或Fe2+的存在不利于原花青素的热稳定性,其降解反应活化能分别为15.01、27.88、21.60 kJ/mol,反应符合一级动力学模型(R20.744 4);NaHSO3的存在会提高原花青素的热稳定性,反应符合一级动力学模型(R20.656 3),其降解活化能为36.36 kJ/mol。并建立起几种条件下的原花青素的降解动力学模型,通过验证表明模型与实测值拟合程度好。[结论]该研究为落叶松松塔原花青素保质期和残留率的预测提供了科学依据。     

基于近红外光谱法预测杨木的综纤维素含量

为快速测定人工林杨木的综纤维素含量,按国家标准测定了42 个杨木木材样品的综纤维素含量,并用近红 外光谱仪测定相应的光谱。在350 ~ 2 500、1 300 ~ 2 050、2 050 ~ 2 500 nm 3 个不同的光谱区域,采用未处理、 Baseline、一阶导数、二阶导数等光谱预处理方法,再用PLS1、PLS2、PCR 3 种不同建模方法建立相应的校正模型与 交互验证模型。结果表明:当光谱区域为1 300 ~2 050 nm、光谱数据未进行预处理、采用PLS1 的建模方法、主成分 数为8 时,建立的校正模型有最佳预测效果;采用建立的模型对未参与建模的样本进行预测,预测结果与实测结果 间的相关系数为0.818 8。      

基于比色光谱的氧乐果和毒死蜱农药残留快速检测

为快速、安全地检测氧乐果和毒死蜱农药残留,使用改进的氯化钯比色法,分别采集2种农药比色反应后的吸收光谱,利用主成分分析法(PCA)和偏最小二乘法(PLS)建立预测模型。结果表明:1)使用乙酸代替传统浓盐酸配制的氯化钯比色试剂效果更理想,氧乐果和毒死蜱的吸收光谱可以区分的检测下限分别是0.05和0.50mg/L,基本满足GB 2763—2014对部分果蔬的检测要求。2)氧乐果和毒死蜱吸收光谱的敏感波长分别为510和499nm,由此确定最优建模波段。对比PCA和PLS方法建模效果,2种农药的原始光谱数据都是在Savitzky-Golay(SG)平滑处理后,使用PLS方法在主成分为4时预测效果较好。PLS模型在2-折交叉验证下,氧乐果在480~680nm波段,建模集相关系数Rc=0.977 0,均方根误差RMSEC=5.801,验证集相关系数Rp=0.963 0,均方根误差RMSEP=7.904;毒死蜱在460~850nm波段,Rc=0.997 0,RMSEC=2.281,Rp=0.984 7,RMSEP=3.170。该方法比色试剂配制简单安全,室温下比色反应时间为2min,满足快速、安全的检测要求,为进一步研究实用的农残检测仪器提供了新方法。     

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。     

近红外透射光谱技术测定黍稷蛋白含量的研究(英文)

[目的]探索快速测定完整黍稷籽粒蛋白含量的方法。[方法]采用近红外光谱分析技术建立数学模型并进行预测,比较原始透射光谱经导数处理结合不同回归算法对模型的影响。[结果]分别经一阶和二阶导数处理后利用偏小二乘法和改进的偏小二乘法,4 种方法的分析效果相近,最优的是一阶导数结合改进的偏最小二乘回归法,黍稷蛋白定标模型的定标相关系数(RSQ)为0.880 6,定标标准误差(SEC)为0.342 4,交互定标标准误差(SECV)为 0.375 1,外部预测标准误差(SEP)为 0.454。[结论]以完整黍稷籽粒为样品所建立的蛋白 NITS 模型,可以用于黍稷蛋白含量的快速检测。