赣南脐橙叶片SPAD值可见近红外光谱无损检测

为了提供果树精准肥水管理参考数据,进行了果树叶片SPAD值近红外光谱无损检测研究。采用反射方式,采集100片赣南脐橙叶片的可见近红外光谱;利用移动窗口偏最小二乘法结合遗传算法、连续投影算法筛选光谱变量,并建立偏最小二乘回归校正模型。采用移动窗口偏最小二乘法和连续投影算法组合筛选的39个光谱变量建立的校正模型预测结果最优,模型预测相关系数为0.898,模型预测SPAD值均方根误差为2.116。试验表明,应用可见近红外反射光谱技术结合化学计量学算法进行赣南脐橙叶片SPAD值无损检测是可行的。     

近红外光谱结合最小二乘支持向量机的脐橙叶片含水率无损检测

为了快速检测赣南脐橙果树叶片含水率,提出近红外光谱结合最小二乘支持向量机的快速检测方法。采用积分球漫反射方式采集叶片的近红外光谱,通过间隔偏最小二乘法从2 074个光谱变量中优选出345个变量作为建模的输入向量,分别建立最小二乘支持向量机和偏最小二乘校正模型。经比较,以径向基函数为核函数的最小二乘支持向量机模型预测结果最优,预测相关系数为0.942,预测均方根误差为2.7%,模型建立及预测时间为0.176s。实验结果表明近红外光谱结合最小二乘支持向量机的脐橙叶片含水率无损检测方法是可行的。     

LS-SVM和BP-ANN在草莓糖度NIR检测中的应用

为了提高草莓糖度近红外光谱定量模型的性能,采用偏最小二乘法提取的潜在变量作为最小二乘-支持向量机和反向传播人工神经网络的输入变量,建立了草莓糖度的近红外定量模型,并与偏最小二乘模型结果进行了比较,建模所使用的光谱范围为6 000～9 000 cm-1.结果表明,所建立的最小二乘-支持向量机和反向传播人工神经网络定量模型的校正性能、预测性能和稳定性均优于偏最小二乘定量模型,最优模型为前10个潜在变量得分作为输入变量的最小二乘-支持向量机模型,其校正和预测相关系数分别为0.957和0.951,校正和预测均方根误差分别为0.279％和0.272％,剩余预测偏差为3.23,与以往研究文献相比,获得了较为理想的预测精度和稳定性能.     

基于模拟退火波长优化的草莓坚实度近红外光谱检测

为提高近红外光谱技术检测草莓坚实度模型的精度和鲁棒性,研究了一种基于模拟退火算法的波长优选方法,并找到一种与该算法配套的光谱预处理方法。利用光谱仪和物性仪分别采集草莓样品近红外漫反射光谱和坚实度数据,并采用标准正交变换、多元散射校正、一阶导数、二阶导数等方法对原始光谱进行预处理;最后,利用模拟退火算法优选与草莓坚实度高度相关的波数点变量,结合偏最小二乘法建立草莓坚实度预测模型。结果表明：经过标准正交变换预处理后,采用模拟退火算法优选出24个波数点,在主成分数为5时,建立的偏最小二乘模型具有最佳预测效果,模型校正集样本相关系数rc为0.9342,校正均方根误差为0.665N/cm2;预测样本相关系数rp为0.9197,预测均方根误差为0.673N/cm2。研究表明：模拟退火算法可以提高近红外模型预测草莓坚实度的精度和鲁棒性,并降低预测模型复杂度。     

基于模拟退火波长优化的草莓坚实度近红外光谱检测

为提高近红外光谱技术检测草莓坚实度模型的精度和鲁棒性,研究了一种基于模拟退火算法的波长优选方法,并找到一种与该算法配套的光谱预处理方法.利用光谱仪和物性仪分别采集草莓样品近红外漫反射光谱和坚实度数据,并采用标准正交变换、多元散射校正、一阶导数、二阶导数等方法对原始光谱进行预处理;最后,利用模拟退火算法优选与草莓坚实度高度相关的波数点变量,结合偏最小二乘法建立草莓坚实度预测模型.结果表明:经过标准正交变换预处理后,采用模拟退火算法优选出24个波数点,在主成分数为5时,建立的偏最小二乘模型具有最佳预测效果,模型校正集样本相关系数rc为0.934 2,校正均方根误差为0.665 N/cm2;预测样本相关系数rp为0.919 7,预测均方根误差为0.673 N/cm2.研究表明:模拟退火算法可以提高近红外模型预测草莓坚实度的精度和鲁棒性,并降低预测模型复杂度.     

基于变量选择的小麦粗蛋白含量近红外光谱检测

小麦粗蛋白含量是其品质评价的重要指标,为探讨基于选择的短波近红外光谱变量定量判别小麦籽粒粗蛋白的可能性,采集了52份小麦籽粒样本,用湿化学方法分析其粗蛋白含量,获取其900~1700nm波段的光谱,进而利用该光谱进行预处理方法的优化研究及小麦籽粒蛋白敏感变量的优选研究,以偏最小二乘的方法建立了基于短波近红外光谱的小麦籽粒蛋白定量模型。结果表明：多元散射校正和小波变换结合是短波近红外光谱定量判别小麦籽粒粗蛋白含量较优的预处理方法;利用200次竞争性自适应重加权变量优选的统计结果,优选出1028、1158、1199、1367、1407、1445、1478、1494、1550、1584、1661、1686nm 12个变量为小麦籽粒蛋白敏感变量,占全谱的2%,该方法可稳定、高效地优选光谱变量,降低水分对模型的影响;结合预处理优化及变量优选建立偏最小二乘模型,模型预测决定系数和预测均方差分别为0.961和0.369。可见优选的短波近红外光谱变量可用于定量判别小麦籽粒粗蛋白含量。     

支持向量机在李果实坚实度近红外检测中的应用

为增强模型的适应性,选取了3个不同成熟期(绿熟、半红熟和红熟)的李果实样品建立坚实度指标的近红外检测模型,建模所使用的光谱范围为4 000~12 492cm-1。为改善模型性能,比较了最小二乘支持向量机和偏最小二乘法两种建模算法对李果实坚实度指标的建模结果。研究结果表明,所建立的最小二乘-支持向量机模型的预测性能和稳定性均好于偏最小二乘模型,并以前10个潜在变量得分作为输入变量的最小二乘-支持向量机模型为最佳模型,其校正相关系数、校正和预测均方根误差分别为0.989及1.31、1.84kg/cm2,剩余预测偏差为4.79。与以往研究文献相比,获得了较为理想的预测精度和稳定性能。研究结果表明,最小二乘支持向量机算法结合偏最小二乘法提取的潜在变量作为输入变量,可以使李果实坚实度近红外定量模型有较大程度的改善。     

黄瓜叶片叶绿素含量近红外光谱无损检测

为了简化黄瓜叶片叶绿素光谱模型和提高模型预测精度,采用联合区间偏最小二乘法( SiPLS)结合净分析物法( NAS)提取近红外光谱的特征信息,建立了黄瓜叶片叶绿素光谱模型.收集了110片新鲜黄瓜叶片,用近红外光谱仪采集光谱数据后立刻用化学分析方法测定叶绿素含量.原始光谱经过SNV预处理和子区间总数优化后,将全光谱均匀划分为29个子区间,用联合区间偏最小二乘法优选出4个特征子区间,在上述特征子区间的基础上,用净分析物法分离光谱中同叶绿素相关的光谱信息,并结合线性回归法建立了叶绿素光谱模型.模型对应的校正集相关系数Rc、校正均方根误差、预测集相关系数Rp和预测均方根误差分别为0.947 2、0.079 5 mg/g、0.925 0和0.090 6 mg/g.结果表明:联合区间偏最小二乘法结合净分析物法能够有效提取叶绿素的特征光谱信息,提高模型精度的同时降低其复杂度.     

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。     

特征变量筛选在近红外光谱测定绿茶汤中茶多酚的应用

利用化学计量学方法从绿茶汤近红外光谱中提取茶多酚光谱信息,建立茶多酚近红外光谱定量分析模型.光谱采集使用5 mm光程的石英比色皿,利用联合区间偏最小二乘法(siPLS)筛选特征光谱区间,然后在筛选的光谱区间内进一步利用遗传算法(GA)优选特征变量.结果表明,siPLS筛选的特征光谱区间避开了水的强吸收峰影响,利用GA在筛选的特征光谱区间内优选出166个特征变量建立PLS模型,模型预测集均方根误差为0.685％,相对标准差为5.26％,相对分析误差为3.22,所建模型能达到精度要求,可用于实际检测.     

基于GSA的厌氧发酵原料碳氮比NIRS快速检测

在以预处理后玉米秸秆、秸秆粪便混合物为原料进行厌氧发酵生产沼气时,为了对厌氧发酵原料碳氮比进行快速检测,将近红外光谱(NIRS)与偏最小二乘(PLS)回归相结合构建快速检测模型,并基于遗传模拟退火算法(GSA)构建遗传模拟退火区间偏最小二乘算法(GSA-iPLS)和双重遗传模拟退火偏最小二乘算法(DGSA-PLS)分别用于特征谱区优选和特征波长点优选,以提高回归模型的检测精度和效率。全谱1844个波长点经GSA-iPLS进行谱区优选后,得到641个波长变量,再经DGSA-PLS进行特征波长点优选后,得到628个波长变量。DGSA-PLS回归模型验证集的决定系数(R2p)为0.920,预测均方根误差为7.178,相对分析误差为3.805。与全谱建模相比,DGSA-PLS模型的RMSEP减小了15.87%。通过波长优选,参与建模的波长点数量显著减少,有效降低了变量维度和模型复杂度,提升了预测精度和预测能力。本文通过优选碳氮比的敏感波长变量,有效提高了预测模型的鲁棒性,为直接、快速、准确测量厌氧发酵原料的碳氮比提供了新途径。     

基于小波变换的大米直链淀粉波长选择方法

提出了一种基于小波变换的近红外光谱波长选择方法,小波分解低频系数是原光谱的离散近似,将最佳小波分解低频系数与原光谱数据进行关联,求出小波分解低频系数与原光谱数据的列相关系数R,取与原光谱数据相关系数较大的波长组合,作为最后参与建模的谱区.不仅考虑了浓度矩阵对波长选择的影响,且由于把小波分解结构中的高频系数全部滤除,避免了高频噪声的干扰,减小建模和预测运算时间,使最终建立的近红外光谱模型的预测精度提高.在大米直链淀粉含量的近红外光谱分析中进行了验证,并与其他常用波长选择方法进行了比较,结果表明,该方法波长点数最少,减小为原光谱数据点数的20%,校正模型和预测效果都较理想.     

近红外光谱多核并行谱区选择任务调度策略研究

在近红外光谱的谱区选择算法中,滑动窗口偏最小二乘法具有较高的预测精度,但是其程序运行时间很长。在不改变算法预测精度的前提下,首先以分段间隔偏最小二乘法为基础研究了顺序分配法、等间距法和排序法等3种任务调度策略对并行算法性能的影响。在这3种任务调度策略中,排序法具有较好的负载均衡性和较高的并行效率。然后在16核云计算平台下将排序法分配策略分别应用于组合分段偏最小二乘法、反向分段偏最小二乘法和滑动窗口偏最小二乘法等谱区的并行选择算法中。经实验测试,在单核串行算法下反向分段偏最小二乘法和滑动窗口偏最小二乘法的程序运行时间分别为9.22 h和55.51 h,在排序法分配策略下采用2核并行算法时其程序运行时间分别缩短为4.98 h和29.03 h,分别节省了45.99%和47.70%的程序运行时间。实验结果表明:当考虑并行效率和计算成本时,在1~16核的并行算法中,选用2核并行执行以上4种谱区选择算法都具有最高的并行效率和性价比。     

基于近红外高光谱图像的黄瓜叶片色素含量快速检测

利用高光谱图像技术和高效液相色谱法(HPLC)快速检测了新鲜黄瓜叶中叶绿素a、叶绿素b、β-胡萝卜素和叶黄素4种色素含量。采集了120片黄瓜叶的近红外高光谱图像数据以及用HPLC精确测定黄瓜叶中色素含量;提取高光谱图像中50×50像素感兴趣区域(ROI)的平均光谱与4种色素含量分别建立偏最小二乘(PLS)预测模型;为了提高模型的稳定性和预测精度,分别采用区间偏最小二乘(iPLS)、向后区间偏最小二乘(BiPLS)和联合区间偏最小二乘(SiPLS)对各种色素对应的特征波段进行优选,同时对光谱划分数进行了优化。结果表明BiPLS和SiPLS对应模型的预测效果较好,对叶绿素a、叶绿素b、β-胡萝卜素和叶黄素4种色素的预测集相关系数RP分别为0.825 7、0.813 4、0.811 6、0.826 2。     

基于惩罚最小二乘算法的土壤重金属检测光谱基线校正

针对X射线荧光光谱分析技术在检测土壤重金属过程中由于土壤背景复杂、包含大量噪声和干扰信息而易受基体效应影响的问题，为了提高定量分析模型的精度，利用惩罚最小二乘算法拟合基线与真实基线之间的保真度和平滑度，对X射线荧光光谱进行基线校正，从而减小基线漂移的影响。选用无基线扣除、非对称最小二乘(ASLS)、自适应迭代重加权惩罚最小二乘(AIRPLS)、非对称重加权惩罚最小二乘(ARPLS)、局部对称重加权惩罚最小二乘(LSRPLS)和多约束重加权惩罚最小二乘(DRPLS) 等6种处理方法对土壤重金属元素铅和砷的测量光谱进行基线校正;结合偏最小二乘(PLS)算法建立相应的校正模型，以选择最优基线校正算法;与神经网络(BP)和支持向量机(SVR)建立的校正模型进行比较，对模型进行评价。结果显示，铅元素的最佳模型为DRPLS-PLS，模型的R2达到0.982，预测均方根误差(RMSEP)为0.056 mg/kg;砷元素的最佳模型为DRPLS-PLS模型，模型的R2达到0.985，RMSEP为0.796mg/kg。与PLS和BP模型相比，铅、砷两种元素的SVR模型建模均最优，模型的R2分别达到0.998和0.993，RMSEP分别为0.015、0.596mg/kg。实验表明，通过基线校正后模型的预测精度、检出限和稳定性均有所提高，该方法可有效提高X射线荧光光谱在土壤中的定量分析能力。     

基于近红外光谱的淀粉掺杂滑石粉检测方法研究

实验运用近红外光谱分析技术检测淀粉中掺杂滑石粉的含量;收集了国内常用的不同品牌不同种类的淀粉样本共32个,将滑石粉按不同浓度掺杂到淀粉中制备实验样本;选择最优的光谱预处理方法和光谱范围,运用近红外光谱分析中的偏最小二乘法(PLS)进行定量分析研究。结果表明,采用偏最小二乘法(PLS)所建的定量分析模型的相关性较高,预测相关系数和预测均方根误差均符合要求。研究发现,近红外光谱技术用于快速无损检测淀粉掺杂滑石粉是可行的。     

银杏叶总黄酮含量近红外光谱检测的特征谱区筛选

通过区间偏最小二乘法(iPLS)谱区筛选方法、反向区间偏最小二乘法(biPLS)谱区筛选方法和联合区间偏最小二乘法(siPLS)谱区筛选方法优化光谱特征区间,建立黄酮含量分析模型,并与波数范围为4 000～8 000 cm-1的全光谱偏最小二乘(PLS)模型进行比较。结果表明,采用siPLS谱区筛选方法将全光谱均匀划分21个子区间,选择两个子区间(7、12区间)联合时,建立的siPLS谱区筛选模型预测效果最佳,其交互验证均方根误差和预测均方根误差分别为2.950 0和3.000,校正集和预测集相关系数分别为0.938 4和0.943 7。因此采用siPLS谱区筛选方法可以有效选择光谱特征区域,提高建模预测能力,实现银杏叶总黄酮含量的快速检测。     

水果糖度近红外光谱在线检测装置

采用短波近红外光谱仪,进行机械传送、光谱采集处理、自动控制等系统的设计和集成,研制水果糖度近红外光谱在线检测装置。在550~850nm范围,采用偏最小二乘法,建立了苹果糖度近红外光谱在线检测数学模型。经比较,标准正交校正和一阶导数处理后的光谱建立的数学模型预测效果最优,模型的相关系数为0.78,模型预测均方根误差为0.67°Brix。实验表明:水果糖度近红外光谱在线检测装置可准确地检测苹果糖度含量。     

马铃薯干物质空间分布状态可视化研究

采用可见-近红外高光谱检测系统对马铃薯中干物质进行快速检测,并最终实现其分布状态的可视化。采用9种光谱预处理方法对采集的马铃薯高光谱数据进行分析对比,得到标准正态变量(SNV)结合Savitzky-Golay平滑(SG)和一阶导数(FD)的预处理方法效果最好。经过光谱预处理后,采用正自适应加权算法-连续投影法(CARSSPA)对光谱进行特征变量提取,获得22个变量。对所选变量不同的建模方法进行了比较,以偏最小二乘回归(PLSR)模型预测效果最优,预测集决定系数为0.849,均方根误差为0.878%,相对分析误差为2.312,优于全波段模型。将SNV-SG-FD-CARS-SPA-PLSR模型与高光谱图像结合,得到马铃薯干物质主要分布在内髓与维管束环之间、在内髓位置干物质含量最低、由内髓向外干物质逐渐增加的空间分布。内髓位置干物质质量分数最低,为12.16%,外层最高可达24.62%。结果表明:可见-近红外高光谱技术可准确、快速地实现马铃薯干物质的检测和空间分布的可视化。