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。     

样本集选择对稻谷千粒重NIR模型预测精度的影响

为研究样本集选择方法对稻谷千粒重NIR模型的影响,分别采用不同数量样品,不同定标集、验证集比例以及不同定标集选择方法,选出建模的定标集,在600~1100 nm的波长区间,用偏最小二乘法建立稻谷千粒重的近红外光谱预测模型,根据内部交叉验证决定系数(Rv2)、外部验证决定系数(Rp2)、内部交叉验证误差(SECV)和预测误差(SEP)比较模型的预测能力。结果显示,样品数量、定标集和验证集比例以及定标集选择方法均对稻谷千粒重的NIR模型有明显影响。采用合适数量的样品可以得到较佳的NIR模型,以7∶3的比例分割定标集与验证集,得到的稻谷千粒重NIR模型具有相对高的预测能力,而与含量梯度法和随机抽取法相比,采用K-S算法进行定标集选择,可以得到预测精度更高的NIR模型。     

烟草近红外光谱分析结果影响因素综述

结合国内外研究现状,针对校正集样品选择,样品粒度、含水率、试验因素以及光谱预处理和数学建模方法的选择对烟草近红外光谱分析结果的影响进行了探讨分析。结果表明:为获得可靠的分析结果,样品选择应均匀、广泛,有较好的代表性,并考虑样品粒度、含水率及其他因素的影响,同时应选择合适的光谱处理方法和数学建模算法。     

基于近红外技术的落叶松木材密度预测模型

运用近红外光谱对落叶松(Larix gemelinii Rupr)样品密度进行了研究,分别运用偏最小二乘法及主成分回归建立预测模型,并用建立的模型分别对每一个样品进行了预测。基于偏最小二乘法的校正模型及验证模型相关系数分别为0.964和0.918,校正标准误差及预测标准误差分别为0.016和0.021,模型预测值与实测值决定系数为0.93;主成分回归模型中,校正模型及验证模型相关系数分别为0.954和0.911,校正标准误差及预测标准误差分别为0.017和0.023,模型预测值与实测值决定系数为0.91。研究表明:基于主成分回归法与偏最小二乘法的近红外光谱分析建模,都可以实现对落叶松木材密度的有效预测,但相比较而言,偏最小二乘法略优于主成分回归法,所建立的模型对落叶松木材密度预测更加准确可靠。     

近红外光谱法检测鸡、鱼肉加热终点温度

【目的】在肉制品生产中,加热终点温度（endpoint temperature,EPT）是控制食源性疾病的关键因素。现有的EPT检测方法诸多,如酶活性测定法,凝血试验和聚丙烯酰胺凝胶电泳（SDS-PAGE电泳）法等,但普遍存在耗时、样品处理繁杂等不足。采用近红外光谱（near-infrared spectroscopy,NIR）结合偏最小二乘法（partial least squares,PLS）检测鸡、鱼肉加热终点温度,为研究近红外光谱法检测肉类EPT的可行性提供参考。【方法】分别将肉样以1℃·min^-1的升温速率进行9个不同温度的加热处理（50、55、60、65、70、75、80、85和90℃）,当达到终点温度时,迅速取出,冰水冷却到4℃。冷却后的肉样和释放的肉汁同时放到均质机中,均质1 min,绞碎成肉糜状。均质后的肉样存放于4℃的冰箱中,共制得144个样品（鸡、鱼肉样品数分别为77和67）。在近红外光谱仪上,采用硫化铅（PbS）检测器和旋转样品池,每个样品连续采集光谱3次,在11 000-4 000 cm^-1波数范围内,以8 cm^-1的分辨率扫描64次。将所采集的鸡、鱼肉的光谱数据分别随机分为校正集（样品总数108,其中鸡肉样58,鱼肉样50）和检验集（样品总数36,其中鸡肉样19,鱼肉样17）,校正集用于校正模型的建立,检验集用于检验模型的预测能力。在建立模型时,采用标准正则变换、一阶微分和Norris Derivative滤波平滑（N-D）3种方法结合对原始光谱进行处理,采用内部交叉验证均方差（cross-validation mean square error,RMSECV）确定主成分数,利用模型对检验集样品的预测均方差（prediction mean square error,RMSEP）、预测值与实测值间的相关系数r及预测标准差σ考察模型的预测性能。【结果】采用校正集的内部交叉验证均方差（RMSECV）确定鸡肉、鱼肉的主成分数分别为9和11,此时校正集的RMSECV值最小,分别为1.59%和0.96%;所得校正模型的预测温度与实际加热温度之间的相关系数分别为0.9844和0.9936;由所建模型对检验集样品的检验结果可看出,实际加热温度与近红外模型预测的加热温度具有很高的相关性,预测值的相关系数r分别为0.9966和0.9832;预测均方差RMSEP分别为3.02%和2.94%;预测标准差σ为0.97和1.63。【结论】本研究所建模型具有很好的预测性能,近红外光谱用于肉制品EPT检测具有很大潜力。     

近红外光谱法快速测定鲜木薯水分的研究

为实时监测鲜木薯中水分,指导其加工,建立了近红外光谱法现场快速测定木薯中水分含量的方法。采用横切木薯茎块方式进行制样,对其横截面进行近红外光谱扫描,二阶导数法预处理光谱图,定量偏最小二乘法（QPLS）建立模型,优化了模型条件和参数,建立最佳近红外光谱数学模型。结果：数学模型良好,验证集样品的化学值和近红外预测值间相关系数为O．9755,校正标准偏差（SEC）为1．31％,相对标准偏差（RSD）为2．20％,决定系数（R：）为0．9516。未知样品预测结果相对误差O．5％～3．4％。该水分定量分析NIRS数学模型具有较高的准确性,可满足快速测定鲜木薯中水分的要求,对促进鲜木薯加工业提高效率有积极意义。     

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。     

采谱方式对竹材气干密度近红外预测模型精度的影响

该文对近红外光谱技术结合化学计量学分析方法快速预测毛竹材气干密度的可行性进行了研究,重点探讨不同采谱方式对所建模型预测精度的影响.为了便于对比,建模过程中光谱数据未经过任何预处理.结果表明,采谱方式影响着模型的预测精度.从竹材横切面采谱所建模型的预测精度最高,内表面（靠近竹黄面）居中,外表面（靠近竹青面）最差.但如果对竹材内外表面的光谱求平均后建模,则可以显著提高模型的预测精度.随后选择最优模型对随机抽取、未参与建模的30个未知样品的密度进行了预测,预测值与测量值的 相关性高,表明近红外光谱技术可以快速、准确地预测竹材的气干密度.      

果品-果汁加工中的近红外光谱技术

系统分析了近红外光谱 ( NIR)分析的原理、技术特点、基本分类 ;介绍了实现近红外光谱定性分析常用的几种分析方法 :近红外光谱峰位鉴别法、模式识别法、人工神经网络法 ;定量分析所采用的不同的模型回归方法以及在线分析技术 ;分析了近红外光谱 ( NIR)技术在国内外水果 -果汁加工方面的应用领域和特点 ,提出利用近红外光谱技术检测果品 -果汁品质指标是可行的     

Identification of pummelo cultivars by using Vis/NIR spectra and pattern recognition methods

Vis/NIR spectroscopy was used in combination with pattern recognition methods to identify cultivars of pummelo (Citrus grandis (L.) Osbeck). A total of 240 leaf samples, 60 for each of the four cultivars were analyzed by Vis/NIR spectroscopy. Soft independent modeling of class analogy (SIMCA), partial least square discriminant analysis (PLS-DA), back propagation neural network (BPNN) and least squares support vector machine (LS-SVM) were applied to the spectral data. The first 8 principal components extracted by principal component analysis were used as inputs in building the BPNN and the LS-SVM models. The results showed that a 97.92 % of discrimination accuracy was achieved for both the BPNN and the LS-SVM models when used to identify samples of the validation set, indicating that the performance of the two models was acceptable. Comparatively, the results of the PLS-DA and the SIMCA models were unacceptable because they had lower discrimination accuracy. The overall results demonstrated that use of Vis/NIR spectroscopy coupled with the use of BPNN and LS-SVM could achieve an accurate identification of pummelo cultivars.     

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。     

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。     

谷物联合收割机在线产量监测综述——测产传感方法、产量图重建和动力学模型

为深入了解测产方法、产量图重建和动力学模型的研究内容及关键技术,对测产方法、产量图重建、谷物流的动力学模型以及产量测量中的误差等研究成果进行梳理。重点概述了测产方法的分类,介绍了不同测产方法的原理、产量图重建涉及到的关键技术和动力学模型上取得的成果;对测产方法的试验结果和优缺点进行比较;分析了测产方法、产量图重建、水分传感器、切割宽度传感器和GPS定位装置等研究的误差来源。结果表明:1)对不同方式的测产装置进行合理的安装、校准和操作,就能使测产结果达到足够的精度,建议对不同的测产方式加强误差分析并提高试验准确度。2)产量图重建过程中的部分误差通过校准可以减小甚至消除,但基于小面积地块的产量图构建及误差研究还有待加强。3)一阶动力学模型无法确定谷物混合对产量监测的影响,建议在基于非线性组合算法和反褶积算法的动力学模型上加强研究。     

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。     

苹果近红外光谱采集影响因素研究

[目的]对不同影响因素条件近红外光谱信息的准确性进行研究,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。     

基于相思树NIR数据理论模型的软件设计

根据朗伯—比尔定律所建立的近红外光谱数据相思树综纤维素含量的预测模型公式,采用Java语言开发了利用近红外光谱数据来预测木材化学成分含量的web版软件V1.0。首先对近红外光谱数据进行预处理和分组,然后使用拟合方法建立了许多非线性子模型,列出每个吸光值及其所对应的子模型当中的系数参数,采用Java5.0语言将以上数据和模型公式编译成软件。该软件使用方便,操作简单,预测结果准确度高(如综纤维素测量值与预测值之间的相关系数为0.935 2),为木材纸浆性能分析提供了可靠的依据和可操作的方法,并有望用于其他树种的化学成分预测。     

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。      

近红外光谱结合SIMCA模式识别法检测木材表面节子

利用近红外光谱结合SIMCA模式识别法来检测马尾松木材单板节子.结果表明,通过培训集样本建立的基于主成分分析的SIMCA判别模型对有无节子两种类型样本进行回判和对未知节子类型的样本(包括无节子和有节子样本)的判别正确率均达到90％～100％,说明应用近红外光谱结合SIMCA模式识别法可以快速有效地检测木材表面的节子缺陷.     

Reflectance Vis/NIR spectroscopy for nondestructive taste characterization of Valencia oranges

The feasibility of reflectance Vis/NIR spectroscopy was investigated for taste characterization of Valencia oranges based on taste attributes including soluble solids content (SSC) and titratable acidity (TA), as well as taste indices including SSC to TA ratio (SSC/TA) and BrimA. The robustness of multivariate analysis in terms of prediction was also assessed. Several combinations of various preprocessing techniques with moving average and Savitzky–Golay smoothing filters, standard normal variate (SNV) and multiplicative scatter correction (MSC) were used before calibration and the models were developed based on both partial least squares (PLS) and principle component regression (PCR) methods. The best models obtained with PLS method had root mean square errors of prediction (RMSEP) of 0.33 °Brix, 0.07%, 1.03 and 0.37, and prediction correlation coefficients (r_p) of 0.96, 0.86, 0.87 and 0.92 for SSC, TA, SSC/TA, and BrimA, respectively. It was concluded that Vis/NIR spectroscopy combined with chemometrics could be an accurate and fast method for nondestructive prediction of taste attributes and indices of Valencia oranges. Moreover, the application of this technique was suggested for taste characterization, directly based on BrimA which is the best index related to fruit flavor rather than determination of SSC or TA alone.     

牛肉近红外光谱的地域及饲养期特征分析

 【目的】探讨利用近红外光谱分析技术区分不同地域来源和饲养期牛肉的可行性,为牛肉产地溯源和产地确证等监管措施提供分析方法和理论依据。【方法】利用近红外光谱仪测定在内蒙古太仆寺旗、陕西杨凌区、河南南阳市实施的人为迁徙饲养模型试验中的18头肉牛肌肉样品的光谱,结合饲料和饲养方式,比较地域和饲养期样品之间的光谱特征差异,并利用主成分分析比较样品的空间分布。【结果】牛肉样品近红外光谱特征与地域、饲料种类和饲养方式等因子密切相关;同一地域不同饲养期和同一饲养期不同地域牛肉的近红外光谱特征均有显著差异;利用主成分分析能将不同地域来源和饲养期样品区分开。【结论】地域和饲养期对牛肉近红外光谱均有显著影响,进行牛肉产地溯源和产地确证时必须考虑地域和饲养期等因子;近红外光谱分析技术用于区分不同地域来源和饲养期的牛肉是可行的。