基于小波变换的番茄总糖近红外无损检测

分别采用小波消噪、常数偏移消除等11种光谱预处理方法,对番茄总糖含量（质量分数）的近红外光谱进行预处理,通过偏最小二乘法定量校正模型预测值比较得出,小波消噪是适合番茄近红外光谱的最佳预处理方法,小波消噪的总糖质量分数近红外光谱优选区域为11 998.9～6 097.8 cm-1和4 601.3～4 246.5 cm-1,在此光谱区内建立的番茄总糖质量分数偏最小二乘法模型预测值与实测值的相关系数为0.930,内部交叉验证均方差为0.466%,校正标准差为0.469%,预测标准差为0.260%。试验结果表明：小波消噪后建立的近红外光谱模型能准确地对番茄总糖含量进行快速无损检测。     

基于小波去噪与SVR的小麦冠层含氮率高光谱测定

为改进小麦冠层含氮率的高光谱测定模型,以正交试验筛选出小波去噪的最优参数组合（小波类型取haar,分解层数为5,阈值方案选择Fixed form threshold,噪声结构定为Unscaled white noise）,并利用去噪后的小麦冠层光谱建立偏最小二乘回归（PLS）模型,对不同预处理方法进行比较分析。发现采用小波去噪结合一阶导数能最有效消除原始光谱的背景信息,此时PLS模型校正集均方根误差（RMSEC）为0.260,预测集均方根误差（RMSEP）为0.288。对经一阶导数结合小波去噪后的光谱用主成分分析（PCA）进行降维,以前6个主成份为输入变量,建立最小二乘支撑向量机回归模型（LS-SVR）,其RMSEC与RMSEP分别为0.154与0.259,具有比PLS模型更高的精度。结果表明：以小波去噪结合一阶导数去除小麦冠层反射光谱中的土壤背景信息以提高模型的精度是可行的,且LS-SVR是建模的优选方法。     

近红外光谱结合小波变换预处理在蜂蜜产地快速检测中的应用

应用近红外光谱结合化学计量学方法对蜂蜜产地进行了判别分析。kennard-Stone法划分训练集和预测集。光谱用一阶导数加自归一化预处理后,再用小波变换（WT）进行压缩和滤噪。结合滤波后光谱信息,分别用径向基神经网络（RBFNN）和偏最小二乘-线性判别分析（PLS-LDA）建立了苹果蜜产地和油菜蜜产地判别模型。对不同小波基和分解尺度进行了详细讨论。对苹果蜜,WT-RBFNN模型和WT-PLS-LDA模型都是小波基为db1、分解尺度为2时的预测精度最好,都为96.2%。对油菜蜜：WT-RBFNN模型在小波基为db4和分解尺度为1时,预测精度最好;WT-PLS-LDA模型在小波基为db9、分解尺度也为1时,预测精度最好,为90.5%;预测精度WT-PLS-LDA模型优于WT-RBFNN模型。研究表明：WT结合线性的PLS-LDA建模比WT结合非线性的RBFNN建模更适于蜂蜜产地鉴别;近红外光谱结合WT-PLS-LDA可实现对蜂蜜产地的快速无损检测,为蜂蜜产地鉴别提供了一种新方法。     

多种潮土有机质高光谱预测模型的对比分析

为了对比不同方法建模效果的差异,筛选潮土有机质高光谱最佳预测模型,该研究采集国家潮土土壤肥力与肥料效益长期监测站不同施肥处理耕层土样83份,采用25种光谱预处理方法(15种单一预处理方法,10种预处理方法相加算法)结合3种建模方法(多元线性回归、偏最小二乘回归、支持向量机回归),构建不同的潮土有机质高光谱预测模型。对比模型预测结果表明,最佳光谱建模方法是偏最小二乘回归法,该方法结合多种预处理方法均获得了较高的模型预测精度和可靠性,25个检验模型的平均决定系数、均方根误差值RMSEv和相对分析误差RPD值分别为0.913、1.264 g/kg和3.299。使用预处理方法相加算法能更好地提升模型精度,相比使用单一预处理方法,3种建模方法的检验模型平均决定系数分别提高了0.049、0.033和0.071,RMSEv分别降低了0.318、0.204和0.528 g/kg,RPD值分别提高了0.530、0.307和1.144。先用多元散射校正法再进行5个平滑点数的一阶导数预处理在3种建模方法中表现均较好(平均决定系数=0.934,平均RMSEv=1.17 g/kg,平均RPD=3.59),可作为潮土有机质预测模型的通用预处理方法。偏最小二乘回归模型结合最大值标准化预处理所建模型(决定系数=0.948,RMSEv=0.972 g/kg,RPD=4.276)精度高、可靠性强,且建模过程数据运算更为简便,是筛选出的最佳潮土有机质高光谱预测模型。该研究结果对潮土有机质高光谱预测建模有一定的指导作用,并为筛选最佳高光谱预测模型提供技术参考。     

近红外光谱结合化学计量学方法检测蜂蜜产地

为了实现蜂蜜产地的快速判别,应用近红外光谱结合化学计量学方法对蜂蜜产地进行了判别分析。kennard-Stone法划分训练集和预测集。光谱用一阶导数加自归一化预处理后,再用小波变换（WT）进行压缩和滤噪。结合滤波后光谱信息,分别用径向基神经网络（RBFNN）和偏最小二乘-线性判别分析（PLS-LDA）建立了苹果蜜产地和油菜蜜产地的判别模型。对不同小波基和分解尺度进行了讨论。对苹果蜜,WT-RBFNN模型和WT-PLS-LDA模型都是小波基为db1、分解尺度为2时的预测精度较好,都为96.2%。对油菜蜜：WT-RBFNN模型在小波基为db4和分解尺度为1时,预测精度较好,为85.7%;WT-PLS-LDA模型在小波基为db9、分解尺度也为1时,预测精度较好,为90.5%。研究表明：WT结合线性的PLS-LDA建模比WT结合非线性的RBFNN建模更适于蜂蜜产地判别;近红外光谱技术具有快速判别蜂蜜产地的潜力。     

利用近红外高光谱图像技术快速鉴别西瓜种子品种

为了研究采用近红外高光谱图像技术对西瓜种子品种快速无损鉴别的可行性,该文采用近红外高光谱图像技术,通过提取西瓜种子的光谱反射率,结合Savitzky-Golay (SG)平滑算法,经验模态分解算法（empirical mode decomposition,EMD）和小波分析（wavelet transform,WT）对提取出的光谱数据进行去除噪声处理,采用连续投影算法（successive projections algorithm,SPA）和遗传-偏最小二乘法（genetic algorithm-partial least squares, GA-PLS）进行特征波长选择。基于全波段光谱建立了偏最小二乘判别分析（partial least squares-discriminant analysis,PLS-DA）,基于特征波长建立了反向传播神经网络（back-propagation neural network,BP NN)判别模型和极限学习机（extreme learning machine,ELM）判别模型。试验结果表明,基于特征波长的BPNN模型和ELM模型的结果优于基于全部波长的PLS-DA模型,基于SG预处理光谱提取的特征波长建立的ELM模型取得最优的判别效果,建模集和预测集的判别正确率均为100%。结果表明应用近红外高光谱成像技术对西瓜种子品种鉴别是可行的,为西瓜种子的品种快速鉴别提供了一种新方法。     

近红外光谱快速检测马铃薯全粉还原糖

还原糖含量是评价马铃薯全粉品质的重要指标之一,该文研究基于近红外光谱技术结合最小二乘支持向量机（least squares support vector machine,LSSVM）算法的马铃薯全粉还原糖含量非线性数学模型。采用移动窗口偏最小二乘法（moving windows partial least square,MWPLS）和连续投影算法（successive projections algorithm,SPA）组合方法筛选出20个特征变量,作为LSSVM的输入向量。优化径向基函数（radial basis function,RBF）的惩罚因子和核参数,训练LSSVM校正模型。经比较,LSSVM校正模型预测结果最优,预测相关系数为0.984,预测标准差为0.223%,相对分析误差（standard deviation ratio,SDR）为5.62。结果表明：近红外光谱结合LSSVM算法提高了马铃薯全粉还原糖含量的预测精度。     

基于漫反射光谱的叶面药液浓度检测方法

应用漫反射反射光谱对叶面药液质量浓度进行了检测研究。选择350～1900nm波段,以标准偏差归一化、三点滑动平均滤波、一阶导数组合预处理,应用逐步回归分析、主成分、主成分+人工神经网络、偏最小二乘、偏最小二乘+人工神经网络回归分析建立了5种数学模型。试验结果表明这5种算法的预测均方根误差分别为0.067、0.061、0.059、0.039、0.056,偏最小二乘法建模效果优于其他模型。考虑到不同作物种类对叶面药液浓度影响,选用八角金盘、油菜、青菜3种作物叶片为对象,在偏最小二乘下建模,其预测集相关系数分别为0.994、0.974、0.929,预测均分根误差分别为0.039、0.050、0.075。表明不同种类作物对叶面药液浓度检测影响较小,漫反射光谱技术检测叶面药液浓度是可行的。     

三江源区土壤常规元素含量高光谱估算研究——以玉树县和玛多县为例

主要研究目的是探讨高光技术估算土壤常规元素含量的能力以及适合于这些元素的最佳光谱预处理方法。以三江源区玛多县和玉树县做为研究样区,以野外采集的149个表土层(0~30 cm)土壤样本为数据源,经过实验室化学成分测定和光谱采集,利用多种预处理方法和偏最小二乘回归法,建立五种常规元素Al、Fe、Mg、Mn、Si含量的高光谱估算模型。研究结果表明:利用偏最小二乘回归法可以估算Al、Fe、Mg含量,其最佳预处理方案分别为WT+R(小波变换+原始光谱反射率)、NWA+R(九点加权移动平均+原始光谱反射率)和WT+F(小波变换+一阶微分),模型精度分别为Rcv2=0.79,Rv2=0.76,RPD=2.01;Rcv2=0.85,Rv2=0.76,RPD=1.85;Rcv2=0.72,Rv2=0.74,RPD=2.03;该模型在此研究样区不具备估算Mn、Si含量的能力。     

东北典型黑土区表层土壤有机质含量高光谱反演研究

选择东北典型黑土区——德惠市、扶余市和双城市为研究区,利用便携式地物光谱仪获取土壤光谱数据,基于原始光谱值及一阶微分、倒数的对数、连续统去除变换,分别建立了黑土有机质含量的多元线性逐步回归模型、偏最小二乘回归模型和BP神经网络模型。结果表明:高光谱与土壤有机质含量在多个波段相关性较好,其中有机质与反射率一阶微分处理的相关性最好,在光谱584 nm处其相关性最强(r=-0.60,n=81)。光谱一阶微分处理数据在三种建模方法中的预测及验证精度均高于原始光谱值、倒数的对数和连续统去除变换,因此一阶微分为最佳光谱变换形式。偏最小二乘回归分析的预测效果整体优于多元线性逐步回归分析和BP神经网络分析,光谱一阶微分处理的偏最小二乘回归模型呈现出最佳预测效果,决定系数为0.71、均方根误差为2.29 g kg~(-1)(n=53)。     

基于漫反射光谱的初制绿茶含水率无损检测方法

茶叶含水率是影响茶叶加工品质的一项重要指标。为了实现茶叶加工中含水率的快速检测,该文提出了一种应用漫反射光谱技术的绿茶初制过程中含水率无损检测方法。采用波长范围在325～1 075 nm 的可见-短波近红外光谱仪,对炒青绿茶在8个加工工序中随机抽取的568个茶叶样本进行漫反射光谱扫描,光谱扫描后立即测量样本的含水率。对于得到的光谱数据,采用小波变换降低其信息维度并提取小波系数,比较小波低频系数对于光谱特征信息的提取能力,结果显示,小波低频系数能够有效提取原始光谱数据中的特征信息。采用3种回归算法：偏最小二乘回归、神经网络和支持向量机分别建立含水率的测量模型。比较发现支持向量机回归模型的结果最优,建模相关系数为0.9985,预测相关系数为0.9875。研究结果表明,漫反射光谱可以用于绿茶含水率的无损、快速检测,小波变换是一种有效的光谱特征提取算法,而且支持向量机回归算法具有高精度和强泛化能力,可广泛用于回归分析。     

便携式茶鲜叶品质光谱检测装置研制

品质监测对茶鲜叶适时采摘和茶叶加工品控具有重要意义。该研究基于可见/近红外光谱技术，研发了便携式茶鲜叶品质无损检测装置。该装置分为主机和手柄2部分，主机大小约240 mm×250 mm×240 mm，包括光谱仪、光源、可充电锂电池、稳压板和散热风扇；手柄大小约130 mm×100 mm×30 mm，包括光纤探头、金属灯杯、白参考板和外触发按钮。基于该设备，采集了茶鲜叶500～900 nm范围内可见/近红外漫反射光谱，对比了归一化（Normalize，NOR）、一阶导数（First Derivative，FD）、标准正态变量变换（Standard Normal Variable Transformation，SNV）和概率商归一化（Probabilistic Quotient Normalization，PQNOR）等不同光谱预处理方法对茶叶光谱的处理结果，建立了茶鲜叶干物质含量、水浸出物含量、茶多酚含量的偏最小二乘定量预测模型。结果表明，PQNOR预处理后建立的偏最小二乘预测模型精度最好，干物质、水浸出物和茶多酚含量预测模型在验证集的相关系数分别为0.905、0.896和0.747，均方根误差分别为0.856%、0.559%和0.549%。在茶园对装置的精度进行了现场测试，单片茶鲜叶检测时间约为1 s，干物质、水浸出物和茶多酚含量预测值与测量值的均方根误差分别为0.903%、0.634%和0.551%。该装置可以实现茶鲜叶光谱原位采集和干物质含量、水浸出物、茶多酚的定量分析，对及时掌握茶树生长情况、辅助决策采茶方案和保障茶叶品质具有重要作用。     

基于相关系数法与遗传算法的啤酒酒精度近红外光谱分析

以啤酒的酒精度的快速检测为研究对象，针对采用偏最小二乘(Partial Least Squares，PLS)法建立近红外光谱预测模型时波长筛选问题，提出将相关系数法与遗传算法(Genetic Algorithms，GA)相结合提取光谱有效信息，提高预测模型的精度的方法。结果表明：该方法应用于啤酒酒精度近红外光谱检测中，吸收光谱和一阶导数光谱的预测建模的波长个数分别减少了83%、82%，预测平均相对误差分别降低了0.42%、0.64%，不仅简化、优化了模型，而且增强了预测建模型的预测能力，是一种采用PLS法建立预测模型前行之有效的降低和优选波长的方法。     

漫透射法无损检测荔枝可溶性固形物

为了快速无损检测荔枝内部品质并为荔枝快速检测分级提供科学依据,研究荔枝可溶性固形物无损检测途径。该文首先针对荔枝果皮较硬而且凹凸不平的特征,比较了漫反射法和漫透射法的试验效果,接着采用多种预处理方式对漫透射光谱进行了处理,并采用连续投影算法结合相关系数法优选建模波长,最后比较了最小二乘法和神经网络法的建模效果。试验结果显示漫透射方式是较好的荔枝光谱采集方式;通过连续投影算法结合相关系数法,从全部500个波长变量中最终提取出11个优选波长,只占波长总数的2.2%;基于这11个波长的神经网络模型的预测相关系数为0.867,预测均方根误差为0.370%。结果表明基于漫透射法进行荔枝可溶性固形物无损检测是可行的。     

Effect of microbial fermentation on caffeine content of tea leaves

Caffeine is widely used in the food and pharmaceutical industries. For safety concerns, natural caffeine is preferred over synthetic products despite of its high cost. To explore more economical methods of acquiring natural caffeine, we adopted a microbial fermentation technique to increase the caffeine content of tea leaves. Our studies showed that the caffeine content in tea leaves increased reasonably after treating leaves with microorganisms for a period of time (i.e. orthodox pile-fermentation), and the amount of caffeine content increase varied significantly between black and green teas (27.57% and 86.41%). These results suggested that the change of caffeine content in tea leaves during the pile-fermentation depended not only on the growth and reproduction of microorganisms, but also on the tea composition.     

基于冠层光谱的锦橙叶片磷素营养监测研究

以盆栽蓬安100号锦橙施肥调控试验为基础,利用田间冠层光谱信息探索建立植株磷素营养监测技术与方法。通过采集蓬安100号锦橙95个单株样本的冠层光谱信息和室内检测分析叶片磷含量,随机选取76个作为建模样本,19个为检验样本,运用多种光谱预处理方法和偏最小二乘法(Partial least square method,PLS)及内部交叉验证方法建立校正模型与模型检验。结果表明,经多种光谱预处理方法的建模结果比较,冠层原始反射光谱经二阶求导和SNV处理后建立的蓬安100号锦橙叶片磷含量冠层光谱监测模型预测能力和稳健性最佳,其主成分数4个,能表达全波段63%的信息;校正模型相关系数为0.90,偏差Bias=2.45E-10,且RMSEC和RMSEP均最小。模型检验预测的决定系数R2=0.85。因此,利用二阶导数及标准归一化(Standard normal variate transformation,SNV)预处理的田间冠层光谱信息快速无损监测蓬安100号锦橙叶片磷含量具有一定的可行性。     

青砖茶压制压力优化及GCG近红外快速检测模型建立

青砖茶压制压力的选择至关重要,为探求压力与青砖茶品质及内含成分间的相互关系,并尝试对关键成分进行快速预测。以青砖茶为研究对象,设置了5个等级的压力值,通过感官审评和相关关系法分析了最佳压力值与品质和内含成分间的相关关系;应用标准变量变换、多元散射校正、一阶导数和二阶导数及组合方法进行降噪处理,应用反向区间偏最小二乘法筛选特征光谱区间并进行主成分分析,将主成分分别输入到3种信息传递函数的jump connection nets结构人工神经网络中建立定量分析模型。结果表明,最佳压力值为18MPa;关键内含成分为:没食子儿茶素没食子酸酯(Gallocatechin Gallate,GCG)(P<0.05);最佳预处理方法:多元散射校正+一阶导数组合方法;特征光谱区间:9 734.9~10 000,8 924.9~9 191.1,5 368.9~5 638.8,7 011.9~7 281.9,6 190.4~6 460.4,4 821.2~5 091.2,9 194.9~9 461.1,7 559.6~7 829.6,5 916.5~6 186.5 cm^-1,前3个主成分累积贡献率为97.82%,以应用tanh传递函数建立的GCG人工神经网络模型结果最佳(Rp^2=0.980,RMSEP=0.027),并有较好的实际应用效果(Rp^2=0.948,RMSEP=0.041)。研究结果为其它重量规格青砖茶产品的研发和品质的快速检测奠定了理论基础。     

Application of near-infrared reflectance spectroscopy to the simultaneous prediction of alkaloids and phenolic substances in green tea leaves

A near-infrared reflectance spectroscopic (NIRS) method for the prediction of polyphenol and alkaloid compounds in the leaves of green tea [Camellia sinensis (L.) O. Kuntze] was developed. Reference measurements of the individual catechins, gallic acid, caffeine, and theobromine were performed by reversed-phase HPLC. The total polyphenols were determined according to the colorimetric Folin-Ciocalteu assay. Using the partial least-squares algorithm, very good calibration statistics were obtained for the prediction of gallic acid, (-)-epicatechin, (-)-epigallocatechin, (-)-epicatechin gallate, (-)-epigallocatechin gallate, caffeine, and theobromine (R(2) > 0.85) with standard deviation/standard error of cross-validation (SD/SECV) ratio ranging from 2.00 to 6.27. Simultaneously, the dry matter content of the tea leaves can be analyzed very precisely (R(2) = 0.94; SD/SECV = 4.12). Furthermore, it is possible to discriminate tea leaves of different age by principal component analysis on the basis of the received NIR spectra. Prediction of the total polyphenol content is performed with a lower accuracy, which might be due to the lack of specificity in the colorimetric reference method. The study demonstrates that NIRS technology can be successfully applied as a rapid method not only for breeding and cultivation purposes but also to estimate the quality and taste of green tea and to control industrial processes, for example, decaffeination.     

Designed polar cosolvent-modified supercritical CO2 removing caffeine from and retaining catechins in green tea powder using response surface methodology

This study examines cosolvent-modified supercritical carbon dioxide (SC-CO2) to remove caffeine from and to retain catechins in green tea powder. The response surface method was adopted to determine the optimal operation conditions in terms of the extraction efficiencies and concentration factors of caffeine and catechins during the extractions. When SC-CO2 was used at 333 K and 300 bar, 91.5% of the caffeine was removed and 80.8% of catechins were retained in the tea: 3600 g of carbon dioxide was used in the extraction of 4 g of tea soaked with 1 g of water. Under the same extraction conditions, 10 g of water was added to <800 g of carbon dioxide in an extraction that completely removed caffeine (that is, the caffeine extraction efficiency was 100%). The optimal result as predicted by three-factor response surface methodology and supported by experimental data was that in 1.5 h of extraction, 640 g of carbon dioxide at 323 K and 275 bar with the addition of 6 g of water extracted 71.9% of the caffeine while leaving 67.8% of the catechins in 8 g of tea. Experimental data indicated that supercritical carbon dioxide decaffeination increased the concentrations of caffeine in the SC-CO2 extracts at 353 K.     

土壤母质与茶叶质量的关系初探

Six tea plantations with different soil-forming parent naterials,the same tea variety and tea age and similar landforms and management were selected to conduct a systematic study on the realtionship between soil properties and tea quality.The results showed that the quality of tea grown on the soil derived from dolomites,Quaternary red clays,were inferior.Further study showed that sandy soils were beneficial to improving amino acid content of tea ,and clayey soils made it decrease;high content of bases might decrease the contents of tea polypenols,caffeine,water extracts,but promote the content of amino acds;available phosphorous was significantly positively correlated with water extracts ,but significantly negatively correlated with caffeine;slowly avaiable potassium was positively correlated with amino acid content .Soil parent materials should be regarded as an important factor in eveluating the adatability of tea to soils.