基于近红外光谱的土壤全氮含量估算模型

土壤全氮是诊断土壤肥力水平和指导作物精确施肥所需的重要信息,建立土壤全氮的近红外光谱估测模型并对建模波段进行优化选择对于土壤养分信息快速获取和精确农业发展具有重要意义。该研究以中国中、东部地区5种主要类型土壤为研究对象,利用近红外光谱仪采集土壤样品的光谱信息,结合近红外区域分子振动特点选取全谱、合频、一倍频、二倍频和N-H基团及其组合的8个波段,采用多元散射校正等多种预处理方法组合进行处理,结合偏最小二乘法(PLS)对每个波谱区域进行定标建模。结果表明,利用4000～5500cm-1波谱区域结合附加散射校正处理过的原始光谱建立的模型精度表现最好,其内部互验证决定系数达到0.90,均方根误差为0.16。经不同类型土壤的观测资料检验,模型验证决定系数为0.91,均方根误差为0.15,相对分析误差RPD为3.40,表明模型具有极好的预测能力。因此,利用近红外光谱可以实现土壤全氮的快速估测,且以合频波段(4000～5500cm-1)为建模区域可以得到更好的预测效果。     

傅立叶变换近红外光谱法检测白酒总酸和总酯

该文研究白酒总酸和总酯的快速检测技术，通过解析不同白酒样品的近红外光谱图，对光谱数据进行不同的处理，结果表明：用一阶导数预处理光谱，谱区选择6102～5446 cm^-1，利用人工神经网络与傅立叶变换近红外光谱相结合,采用内部交叉验证法建立模型，效果较好。其中，总酸模型的决定系数为96.73%，内部交叉验证均方根差为0.048 g/L；总酯模型的决定系数为99.58%，内部交叉验证均方根差为0.085 g/L；进一步对总酸和总酯的模型进行验证和评价，结果表明总酸模型验证集的相关系数为99.2%,预测标准偏差为0.074 g/L；总酯模型验证集的相关为99.7%,预测标准偏差为0.134 g/L，表明建立的模型可靠，预测效果好,能满足白酒生产中总酸和总酯的快速检测要求。     

傅立叶变换中红外光谱估测水稻叶片氮素含量的研究

通过不同氮素水平的水稻田间试验,在分析测定了水稻叶片叶绿素、氮素等农学参数后,采用傅立叶中红外光谱仪测定了水稻孕穗期叶片干样的透射光谱,利用协同偏最小二乘算法（siPLS）分析选取了傅立叶变换红外光谱估测水稻氮素含量的敏感波段及其组合。结果表明,其最优主成分数是9个,最佳估测建模的波段组合分别为1350.89～1586.57, 1587.53～1822.40 和 3709.41～3943.72 cm-1;建立的水稻氮素预测模型的精度较高,交互验证均方根误差（RMSECV）和预测均方根误差（RMSEP）分别为0.1538和0.1933,预测值与化学分析获得的叶片总氮浓度之间的交互相关系数和独立检验相关系数分别为0.9393和0.6649,高于中红外光谱指数NFS和NFSA的预测精度。说明利用傅立叶红外光谱作为水稻氮含量的诊断技术是可能的,值得进一步验证和完善。     

可见-近红外与中红外光谱预测土壤养分的比较研究

对土壤养分的快速和准确测定有助于适时指导施肥。为进一步研究可见-近红外（350～2500 nm）与中红外光谱（4000～650 cm-1）对土壤养分的预测能力,以贵州省500个土样为例,对光谱进行Savitzky-Golay（SG）平滑去噪处理,再用标准正态化（SNV）方法进行基线校正,然后分别应用偏最小二乘回归（PLSR）和支持向量机（SVM）两种方法进行建模,探讨了可见-近红外和中红外光谱对土壤全氮（TN）、全磷（TP）、全钾（TK）和碱解氮（AN）、有效磷（AP）、速效钾（AK）共六种土壤养分的预测效果。结果表明：（1）无论基于可见-近红外光谱还是中红外光谱,PLSR模型的预测精度整体均优于SVM模型。（2）中红外光谱对TN、TK和AN的预测精度均显著高于可见-近红外光谱,可见-近红外和中红外光谱均可以可靠地预测TN和TK（性能与四分位间隔距离的比率（RPIQ）大于2.10）,中红外光谱可相对较可靠地预测AN（RPIQ=1.87）;但两类光谱对TP、AP和AK的预测效果均较差（RPIQ<1.34）。（3）当变量投影重要性得分（VIP）大于1.5时,PLSR模型在中红外光谱区域预测TN和TK的重要波段多于可见-近红外光谱区域,TN的重要波段主要集中于可见-近红外光谱区域的1910和2207 nm附近,中红外光谱区域的1 120、1 000、960、910、770和668 cm-1附近;TK的重要波段主要集中于可见-近红外光谱区域的540、2176、2225和2268 nm附近,中红外光谱区域的1 040、960、910、776、720和668 cm-1附近。因此,中红外光谱技术结合PLSR模型对土壤养分预测效果较好,可快速准确预测土壤TN和TK,可为指导适时施肥提供技术支撑。     

基于嗅觉可视化和近红外光谱融合技术的海鲈鱼新鲜度评价

为了实现鱼类新鲜度的快速无损检测,该研究尝试利用嗅觉可视化与近红外光谱融合技术对鱼的挥发性盐基氮含量进行预测,从而评价其新鲜度。试验对象选用海鲈鱼,4℃冷藏待测。用主成分分析法对从可视化传感器阵列提取到的特征变量进行降维,用遗传算法结合偏最小二乘法对预处理后的近红外光谱特征变量进行筛选,将降维和筛选后的变量进行特征层融合。用支持向量回归算法分别建立基于嗅觉可视化、近红外光谱和多传感器信息融合技术的挥发性盐基氮含量预测模型。基于嗅觉可视化技术的模型的预测集决定系数R2 p为0.757,均方根误差RMSEP为6.755 mg/100g;基于近红外光谱技术的模型的决定系数R2 p为0.787,均方根误差RMSEP为6.186 mg/100g;而融合模型的决定系数R2 p为0.882,均方根误差RMSEP为4.585 mg/100g,与前两个模型相比,预测更准确。研究结果表明,利用嗅觉可视化和近红外光谱融合技术评价海鲈鱼新鲜度是可行的。     

基于LS-SVM的草莓固酸比和可滴定酸近红外光谱定量模型

为提高草莓固酸比和可滴定酸近红外光谱定量模型的性能,该文采用偏最小二乘法提取的潜在变量作为最小二乘-支持向量机模型的输入变量,建立了两指标的近红外定量模型,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6000～12500 cm-1。结果表明,草莓可滴定酸和固酸比偏最小二乘模型校正相关系数、校正和预测均方根误差分别为0.430、0.096%、0.096%及0.688、0.926和1.190,而两指标的前10个潜在变量得分作为输入变量的最小二乘—支持向量机模型各项性能均远优于偏最小二乘模型,其校正和预测相关系数、校正和预测均方根误差以及剩余预测偏差分别为：可滴定酸0.965、0.967、0.028%、0.027%、3.881;固酸比0.980、0.973、0.258、0.373、3.111。研究表明,潜在变量作为最小二乘支持向量机模型的输入变量可在较大程度上改善草莓可滴定酸和固酸比指标近红外定量模型的预测性能和稳定性。     

折光率法在包膜尿素养分释放快速测定中的校验与改进

以不同肥效期的15个自制包膜尿素为检测样品,以肥水质量比为1/5的恒温静水溶出法为控释尿素的培养方法,同时采用常规方法和工作曲线折光率法测定培养液中的尿素含量,并对养分释放曲线进行Richards 方程的非线性回归分析用以计算样品的肥效期,对比研究现配工作曲线折光率法与同期培养工作曲线法同常规方法测定结果之间的异同,以期为控释尿素养分释放测定提供更准确的快速测定方法。研究结果表明：系列标准尿素溶液分别培养0、1、6、7、14、21、28和56 d后,其折光率与浓度之间的关系均可用直线方程表示(决定系数≥0.998),其中同期培养曲线的预测误差为0.34～1.13 g/L,而现配曲线的预测误差为0.71～4.85 g/L,采用尿素标准溶液工作曲线检测同等培养期的尿素溶液有利于提高测定结果的准确性。与H2SO4消煮法（常规方法）相比,采用新鲜工作曲线折光率法测定控释尿素养分释放的计算结果提高10%以上,采用标准尿素溶液与包膜尿素同期培养的方法,折光率法测定结果与常规方法之间的系数为0.990。为进一步分析折光率法检测包膜尿素肥效期准确性,采用Richards方程模拟2种方法所测的释放曲线并计算养分达到75%的时间点即肥效期,结果表明,常规方法和折光率法测得15个包膜尿素的肥效期为21.9～245.9和22.0～210.1 d,两者相差最小值和最大值分别为0.2和41.4 d,相对偏差则分别为0.8%和25.1%。其中肥效期较短的包膜尿素的测定偏差较小,肥效期较长尤其是达到180 d以上的包膜尿素可能由于后期释放过于缓慢导致预算误差扩大,其误差区间为27.6～40.4 d,这属于可接受范围。说明了同期培养工作曲线折光率法可以作为常温条件下的控释尿素养分释放的速测方法,并可利用模型较准确地预测包膜尿素的肥效期。研究结果可为包膜尿素养分释放率及肥效期的快速、准确测定提供参考。     

基于近红外光谱的室温贮藏下鲜枣霉菌污染动力学模型

为了预测鲜枣常温贮藏的保鲜期,确保鲜枣的品质要求及食用安全,应用近红外光谱建立了室温贮藏下鲜枣内部霉菌菌落总数变化的动力学模型。通过对几种数据预处理方法的比较及特征波数的选择,实现了鲜枣霉菌菌落总数变化的近红外模型的优选。结果表明:经过多元散射校正处理的鲜枣近红外光谱,应用多元线性回归方法建立的霉菌菌落总数模型预测能力较好,校正集相关系数为0.920,均方根误差为1.503,预测集相关系数为0.889,均方根误差为1.514。同时,将近红外光谱模型应用于霉菌菌落总数随贮藏时间变化的零级反应动力学模型中,得到模型的相关系数为0.981。根据近红外光谱吸光度值与贮藏时间的线性关系,当霉菌菌落总数初始值小于等于10cfu/g时,预测出鲜枣在室温下的保鲜期一般为8d。研究表明,结合动力学模型的近红外光谱技术可以作为一种无损、快速检测方法来检测鲜枣霉菌菌落总数变化。     

基于可见/近红外反射光谱的梨树叶片钾含量的快速测定研究

利用可见/近红外反射光谱定量分析技术对梨树鲜叶钾素含量进行快速测定研究。对150个梨树叶片样本进行光谱扫描,其中120个做建模集,30个做验证集。通过对样品的可见/近红外光谱进行多种预处理,并建立钾素预测模型,探讨了可见/近红外光谱数据预处理对预测精度的影响。结果表明,通过原始光谱与S-G(3)平滑相结合的预处理方法,用17个主成分建立的偏最小二乘法模型最好,其交叉验证集和预测集模型的决定系数(R2)分别为0.722 7和0.679 1,交叉验证均方根误差(RMSECV)为1.171,预测的平均相对误差为6.81%,能高效、快速地预测梨树叶片钾素含量,为梨树钾素快速测定提供了新的手段。     

基于可见-近红外光谱识别氧乐果污染的脐橙

该文对喷施过不同浓度氧乐果农药的脐橙样品采集可见-近红外光谱进行识别。采用多元散射校正（MSC）、标准正交变量变换（SNV）、一阶导数（FD）和二阶导数（SD）4种不同光谱预处理方法时,分别选取430～1 000、1 000～1 800和430～1 800 nm 3种波谱范围建立偏最小二乘法（PLS）农药污染预测模型。比较实验结果表明：波谱范围取430～1 000 nm,采用一阶导数的预处理方法时应用建立的PLS预测模型最优,其验证组脐橙表面氧乐果污染程度的实际类别与预测类别的相关系数Rpred为0.9817,预测样本均方根误差RMSEP是0.1564。     

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。     

利用近红外光谱技术检测掺假豆浆

为了对豆乳内在营养指标及掺假豆乳进行快速检测,试验运用近红外光谱技术,利用偏最小二乘法进行回归分析,分别建立83个真伪豆浆样品的蛋白质和总固形物含量定标模型,并对模型的预测性能进行分析。结果表明:选取主成分数为12和14,蛋白质和总固形物含量的近红外光谱预测值与化学实测值之间的相关系数R分别为0.9756和0.9489,校正均方根误差分别为0.186和0.175,预测集样品的预测值和实测值之间的残差值均较小、接近零,残差之和分别为-0.074和-1.191,说明建立的定标模型可以准确预测豆浆中蛋白质和总固形物含量,且预测性能较好;通过对预测集样品的预测值与豆浆行业标准规定值相比较,确定预测集样品中掺假豆浆的正确判别率为100%,说明建立的蛋白质和总固形物含量定标模型可以应用于掺假豆浆的判别检测,且判别结果准确率高。本试验表明利用近红外光谱技术可实现对豆浆主要品质指标的快速无损检测,也可准确进行真伪豆浆的快速判别,本检测方法可为豆乳行业健康持续发展提供一定的技术支撑。     

Near-infrared spectroscopic technique for detection of beef hamburger adulteration

A near-infrared spectroscopic technique was developed to detect beef hamburgers adulterated with 5-25% mutton, pork, skim milk powder, or wheat flour with an accuracy up to 92.7%. The accuracy of detection increased with the increase of adulteration level. When an adulterant was detected, the adulteration level was further predicted by calibration equations. The established calibration equations for predicting adulteration levels with mutton, pork, skim milk powder, and wheat flour had standard errors of cross-validation of 3.33, 2.99, 0.92, and 0.57% and coefficients of variance of 0.87, 0.89, 0.99, and 1.00, respectively. The results of this study indicate that near-infrared spectroscopy is potentially useful in detection of beef hamburger adulteration.     

基于dbiPLS-SPA变量筛选的固态发酵湿度近红外光谱检测

为了提高基于近红外光谱技术的固态发酵关键过程参数——湿度快速检测的精度和稳定性,研究采用动态反向区间偏最小二乘（dbiPLS）法结合连续投影算法（SPA）进行最佳光谱子区间和特征组合变量的筛选,通过交互验证法确定偏最小二乘（PLS）模型的主成分因子数,并以预测均方根误差（RMSEP）和相关系数（Rp）作为模型的评价标准。试验结果显示,最佳dbiPLS-SPA模型筛选的组合变量个数为8,其RMSEP和Rp分别为1.1795%（质量分数）和0.9430。试验结果表明,dbiPLS-SPA是一个有效的波长组合变量筛选方法,可简化模型结构、增强模型精度和稳健性。     

油用牡丹单粒种子含油量NIRS模型的建立

为了建立油用牡丹单粒种子含油量的近红外测定模型,便于高含油量单株的选育,采用索氏抽提法测试了200份油用牡丹凤丹单粒种子的含油量,并应用近红外反射光谱技术(NIRS)采集了200份样品的光谱数据,通过偏最小二乘法(PLS)和主成分回归法(PCR)构建了油用牡丹单粒种子含油量的数学模型。结果表明,索氏抽提法中,均匀粉碎后的油用牡丹籽样品干燥烘焙条件为105℃ 2 h,牡丹籽抽提时间为20 h,测出的含油量变化范围在10%~28%之间,籽油含量基本符合正态分布。NIRS法构建的模型最佳参数为:采用PLS法,光程固定,一阶导数消除背景,数据平滑处理采用Norris derivative filter的方法,平滑参数选用5和3。内部交叉检验校正相关系数r₁为0.980 1、预测相关系数r₂为0.957 6、校正均方根误差(RMSEC)为0.463、预测均方根误差(RMSEP)为0.705。外部检验相关系数达 0.957 6, 平均误差小于3%。本试验所构建的牡丹单粒种子含油量的NIRS模型可靠,可以用于分析油用牡丹单粒种子的含油量。     

特征波长筛选在近红外光谱测定梨硬度中的应用

为了提高应用近红外光谱分析技术快速测定梨硬度的精度和稳定性,该研究采用联合区间偏最小二乘和遗传算法（siPLS-GA）在校正模型中用来筛选特征光谱区域和波长,通过交互验证法确定模型的主成分因子数和筛选的波长,并以预测均方根误差（RMSEP）和相关系数（Rp）作为模型的评价标准。基于siPLS-GA的最优模型包含4个光谱区、96个变量和10个主成分因子。该模型结果显示：最佳预测模型相关系数（Rp）和RMSEP分别为0.9083和0.5573。研究结果表明,近红外光谱技术结合siPLS-GA建模用于无损、快速测定梨的硬度是可行的。     

Quantitative analysis and detection of adulteration in crab meat using visible and near-infrared spectroscopy

Visible and near-infrared spectroscopy (VIS/NIR) has been used to detect economic adulteration of crab meat samples. Atlantic blue and blue swimmer crab meat samples were adulterated with surimi-based imitation crab meat in 10% increments. Waveform evaluation revealed that the main features seen in the spectral data arise from water absorptions with a decrease in sample absorbance with increasing adulteration level. Prediction and quantitative analysis was done using raw data, a 15-point smoothing average, a first derivative, a second derivative, and 150 wavelength spectral data gathered from a correlogram. Regression analysis included partial least squares (PLS) and principal component analysis (PCR). Both models were able to perform similarly in predicting crab meat adulteration. The best model for both PLS and PCR used the first derivative spectral data gathered from the correlogram, with a standard error of prediction (SEP) of 0.252 and 0.244, respectively. The results suggest that VIS/NIR technology can be successfully used to detect adulteration in crab meat samples adulterated with surimi-based imitation crab meat.     

基于近红外光谱技术的蜂蜜掺假识别

为了实现蜂蜜掺假的快速识别,应用近红外光谱结合模式识别方法对蜂蜜掺假现象进行了识别分析。该研究收集了中国不同品种、不同地域的典型天然蜂蜜样品,根据目前市场上常见的蜂蜜掺假手段,掺假物质及相对含量情况配制了掺假蜂蜜样品,利用傅立叶近红外光谱仪采集其透反射近红外光谱,分别采用偏最小二乘判别分析（PLS-DA）,独立软模式法（SIMCA）,误差反向传播神经网络（BP-ANN）和最小二乘支持向量机（LS-SVM）等模式识别方法,进行蜂蜜掺假识别研究。研究结果表明：利用这4种方法在蜂蜜中掺入果葡糖浆和果葡糖水的情况下均能很好地识别出掺假蜂蜜样品,其中对于掺入果葡糖浆的掺假情况,校正集的正确判别率均达到95%以上,验证集的正确判别率均达到87%以上,对于掺入果葡糖水的掺假蜂蜜校正集的正确判别率均达到93%以上,验证集的正确判别率均达到84%以上。通过比较4种不同的识别算法,发现采用LS-SVM时,对两种掺假情况下校正集和验证集的正确判别率均达到了100%,表明基于近红外光谱的蜂蜜掺假快速准确识别是可行的。