共查询到20条相似文献,搜索用时 406 毫秒
1.
为探讨利用近红外光谱技术快速检测生物质秸秆中N、C、H、S和O元素的可行性,采集并制备水稻、小麦、油菜和玉米秸秆样本199个,采用近红外光谱(NIRS)分析技术,结合偏最小二乘(PLS)化学计量学算法,在7 400~5 550cm-1波段范围内,比较不同光谱预处理方法的定标效果,建立最优的生物质秸秆中N、C、H、S和O元素的定量分析模型,并用独立的验证集样本对模型进行验证。验证结果表明:所建立的N元素的定量分析模型可用于实际检测;O元素的定量分析模型可进行实际估测;采用近红外技术用于C元素定量分析是可行的,但模型需要进一步优化;H、S元素采用NIRS技术无法进行定量分析。 相似文献
2.
近红外光谱技术作为一种快速、高效、无损的分析技术,已被广泛应用于农产品检测领域.近红外光谱技术结合化学计量学方法,可有效实现农产品营养成分和质量安全的检测,亦可用于农产品产地溯源和作物育种.该文综述了近红外光谱技术在农产品检测中的应用现状,并对其今后的发展进行了展望. 相似文献
3.
本文将近代数学统计方法应用于近红外光谱定量分析的研究。分析了NIRDRSA基础研究的必要性,应用方差分析对谷物样品近红外光谱各种条件测量结果进行统计分析,得到近红外光谱定量分析过程中光谱数据预处理的最佳方法;采用导数光谱及导数比预处理方法定量分析将有更好的分析结果。 相似文献
4.
5.
应用可见/近红外光谱技术快速鉴别山西陈醋品种 总被引:2,自引:0,他引:2
为了实现对山西老陈醋品种的快速鉴别,应用可见/近红外光谱透射技术,结合化学计量学方法,进行了山西老陈醋品种的判别分类试验研究。对4个不同品种共240个山西老陈醋样品采集其光谱数据,结合主成分分析和神经网络技术分别对山西陈醋原始光谱、一阶微分光谱、二阶微分光谱进行了判别分析。结果表明:可见/近红外原始光谱结合主成分分析神经网络判别分析法的分析结果最优,校正集正确分类的百分比达92.1%,预测集达85.0%;二阶微分光谱分析结果最差。 相似文献
6.
7.
简述了现代近红外光谱技术的发展历史、仪器类型和技术特点以及在制糖和制药业中的应用。在制糖业中,近红外光谱技术应用于糖料品质的快速测定、糖产品的化学管理和酒精发酵过程控制等方面;在制药业中,其应用范围包括原料药定性分析、有效成分的定量分析和制药过程的品质监控等方面。近红外光谱技术的应用几乎触及应用化学和物质分析的各个领域,其应用范围有日益扩展之趋势。 相似文献
8.
9.
近红外光谱分析技术是近年来迅猛发展起来的高新技术,由于其在测量方面具有快速、非破坏性等优点,已被广泛应用。在此,首先介绍了近红外光谱技术及其分析过程(定标和预测),而后又总结了其在小麦、玉米、稻米及油料作物等农作物品质方面的应用。 相似文献
10.
近红外光谱分析以其速度快、不破坏样品、操作简单、稳定性好、效率高等特点成为20世纪90年代以来发展最快、最引人注目的定量分析技术。综述了NIRS技术在定量分析方面的特点,分析了国内外在近红外光谱技术用于水果内部品质检测的最新研究现状,并对利用近红外光谱技术进行水果品质无损检测的研究前景进行了展望。 相似文献
11.
12.
13.
14.
15.
16.
针对目前实际生产应用中,烟叶等级一致性检测流程过度依赖传统的外观评价方法和化学检测方法而导致的成本过高,效率低下等问题,采用导数等现代光谱信号处理技术和变异系数等统计指标,对2016年度贵阳省内共计78组烟叶样品的近红外光谱和烟碱、总糖等化学值数据进行分析与研究。结果表明:采用全谱段均值进行变异系数计算,以及一阶导数处理后,光谱变异系数与尼古丁值变异系数的相关系数达到86.60%,与总糖值变异系数的相关系数达到86.12%,满足实际生产应用中对烟叶等级一致性检测的准确度要求,能够实现直接应用近红外光谱进行烟叶等级一致性检测,同时降低烟叶等级一致性检测的人力物力成本,达到绿色快速无损检测的目的。 相似文献
17.
18.
采用近红外光谱仪采集整烟叶、卷烟丝和烟叶粉末光谱数据,并采用流动分析仪测定烟碱含量,利用偏最小二乘法建立烟叶烟碱的光谱预测模型,再通过斜率截距算法(SBC)、分段直接标准化算法(PDS)和典型相关分析算法(CCA)3种模型转移算法,将整烟叶、卷烟丝和烟叶粉末便携式近红外光谱转移到粉末状烟叶傅立叶近红外光谱模型上,比较分析预测均方根误差值(RMSEP)。结果表明:烟叶粉末烟碱近红外光谱预测模型经SBC、PDS和CCA算法模型转移后的RMSEP值分别为0.741 0、0.736 5、0.298 2,卷烟丝的RMSEP值分别为0.725 0、0.513 2、0.222 2,整烟叶的RMSEP值分别为0.712 6、0.446 6、0.333 9,CCA算法模型转移优于SBC与PDS算法。 相似文献
19.
20.
采集并制备不同地域、不同品种的水稻秸秆样本288个,根据浓度梯度法,按照31的比例划分校正集与验证集。采用蒽酮硫酸比色法测定试验样本中可溶性糖含量,并采集在近红外全波段(10 000~4 000cm-1)范围内样本的近红外光谱信息。采用多元散射校正(MSC)、标准正态变量变换(SNV)、导数、S-G平滑及其组合方法对光谱进行预处理,分别运用逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)化学计量学算法,建立基于近红外光谱的逐步多元线性回归(SMLR)、偏最小二乘回归(PLS)和主成分回归(PCR)定量分析模型。通过比较分析,对光谱进行一阶导数预处理,建立的PLS模型效果最优,校正集实测值与预测值之间的决定系数R2C达到0.880 6,交互验证决定系数(R2CV)和验证集决定系数(R2V)分别为0.771 1、0.857 8,均方根差RMSEC、RMSECV、RMSEP分别为0.318%、0.440%、0.404%,校正集相对分析误差(RPDC)和验证集相对分析误差(RPDV)均大于2.5。结果表明,采用近红外光谱法建立的PLS模型基本可以实现水稻秸秆中可溶性糖含量的快速检测。 相似文献